پروژه های ساخت ربات

به دنبال یک برنامه‌نویس/متخصص AI برای طراحی و پیاده‌سازی مشاور هوش مصنوعی وب‌سایت اطلس دام پارسیان هستیم. سیستم باید بتواند با استفاده از اطلاعات اختصاصی مجموعه (نژادها، توله‌های موجود، شرایط واگذاری، آموزش، نگهداری، FAQ و...) به کاربران پاسخ تخصصی بدهد و در مسیرهایی مانند انتخاب نژاد، خرید توله، قیمت، آموزش و پشتیبانی کاربر را هدایت کند. ترجیح ما استفاده از n8n + OpenAI + RAG/Knowledge Base است و سیستم باید قابلیت اتصال به API و دیتابیس سایت را داشته باشد تا اطلاعات داینامیک مانند توله‌های موجود و مشخصات آن‌ها را دریافت کند. همچنین لازم است منطق مکالمه، جمع‌آوری اطلاعات مشتری، پیشنهاد نژاد مناسب، ارجاع به کارشناس، ثبت Lead و Follow-up قابل پیاده‌سازی و توسعه در آینده باشد. مهارت‌های موردنیاز: - n8n و طراحی Workflowهای AI - OpenAI API و AI Agent - RAG و Vector Database - اتصال API و دیتابیس - طراحی Chatbot/AI Consultant - تجربه در پیاده‌سازی سیستم‌های فروش و Lead Generation - توانایی مستندسازی و تحویل کامل Workflowها جزئیات کامل سناریوها، منطق کسب‌وکار و فرآیندهای موردنیاز در اختیار مجری منتخب قرار خواهد گرفت.

یه سایت که می‌خوام یه ربات ساخته بشه این ربات لینک رفرال منو باز کنه صفحه کروم باز بشه صفحه اول یه ایمیل میخواد ربات از ایمیل موقت یه ایمیل برداره برگرده بذاره تو قسمت ایمیل بعد انتخاب کشور رندوم انتخاب کنه بعد هر کشوری بزنه پایین شماره موبایل پیش شماره همون کشور میاد یه شماره ده رقمی رندوم بزنه زیرش پسورد نکست رو کلیک کنه صفحه بعد نام کاربری رندوم نام و نام خانوادگی یه اسم و فامیل خارجی درست و فینش بعد به صفحه تبریک هدایت میشه پایین گزینه گو تو داشبورد رو بزنه بره داخل داشبورد تمام کلر دیتا کلر کش کنه مرورگر ببنده سورس پروژه با آموزش کامل برای استفاده در آینده سایت دیگه می‌خوام حالت gui ساده داشته باشه استارت میزنم تعداد ورکر هارو انتخاب کنم مثلا ۶ ورکر همزمان استارت بخوره شش مرورگر بدون تداخل تو دیگری و تعداد ثبت نام موفق و ناموفق رو بزنه و تعداد اتصال های استفاده شده و همه ثبت نام موفق ها رو و همه چی تو یه فایل ذخیره کنه همین

معرفی پروژه ما در حال توسعه یک پلتفرم تخصصی در حوزه املاک هستیم و به دنبال یک برنامه‌نویس برای طراحی و پیاده‌سازی یک سیستم هوشمند جمع‌آوری، استخراج، استانداردسازی و مدیریت اطلاعات آگهی‌های ملکی هستیم. هدف پروژه این است که اطلاعات فایل‌های ملکی از منابع مختلف، در چارچوب دسترسی‌های مجاز و شرایط استفاده هر سرویس، دریافت و به یک دیتابیس استاندارد و قابل استفاده در CRM و اپلیکیشن اصلی منتقل شود. منابع داده موردنظر * Telegram * Divar * Sheypoor * Kilid * امکان اضافه کردن منابع جدید در آینده سیستم باید از ابتدا به شکل ماژولار و قابل توسعه طراحی شود؛ به‌گونه‌ای که اضافه کردن Source جدید بدون بازنویسی هسته سیستم امکان‌پذیر باشد. ⸻ شرح کلی سیستم معماری مورد انتظار: Data Sources → Collector → Raw Data → Parser → Validation → Duplicate Detection → Human Review → Master Database → API سیستم باید بتواند اطلاعات خام را دریافت کرده، اطلاعات ملک را از متن استخراج و استاندارد کند و در نهایت یک رکورد کامل و قابل جستجو در دیتابیس ایجاد نماید. ⸻ اطلاعاتی که باید از هر آگهی استخراج شود اطلاعات پایه * کد آگهی * عنوان * نوع معامله * نوع ملک * نوع کاربرد * متراژ * تعداد اتاق * سال ساخت * طبقه * تعداد کل طبقات * تعداد واحد در طبقه موقعیت * استان * شهر * منطقه * محله * خیابان * کوچه * آدرس * لوکیشن در صورت وجود اطلاعات تماس * نام مالک / آگهی‌دهنده در صورت وجود * شماره تماس * شماره‌های تماس دیگر * نوع آگهی‌دهنده در صورت قابل تشخیص بودن اطلاعات مالی * قیمت کل * قیمت متری * مبلغ رهن * مبلغ اجاره * ودیعه * شرایط پرداخت * قیمت پیش‌فروش مشخصات ملک * پارکینگ * انباری * آسانسور * بالکن * استخر * سونا * جکوزی * روف‌گاردن * لابی * نگهبانی * سالن ورزشی * سایر امکانات اطلاعات سند * نوع سند * وضعیت سند * پایان کار * جواز * وضعیت انتقال اطلاعات تکمیلی * توضیحات کامل آگهی * تصاویر * لینک منبع * تاریخ انتشار * تاریخ مشاهده توسط سیستم * منبع آگهی ⸻ قابلیت بسیار مهم: تشخیص فایل تکراری یک ملک ممکن است همزمان در چند کانال تلگرام و چند سایت آگهی شده باشد. سیستم باید بتواند فایل‌های مشابه را شناسایی کند. مثلاً بر اساس: * شماره تماس * متراژ * قیمت * محله * آدرس * تعداد خواب * عنوان * تصاویر و برای هر مورد یک Similarity Score ارائه دهد. مثلاً: احتمال تکراری بودن: 94٪ سپس اپراتور بتواند فایل را تأیید، رد یا با فایل قبلی Merge کند. ———— سیستم Validation اطلاعات استخراج‌شده باید قبل از ورود نهایی بررسی شوند. مثلاً اگر: قیمت کل = 35 میلیارد متراژ = 137 متر سیستم باید قیمت متری را محاسبه کرده و با قیمت اعلام‌شده مقایسه کند. در صورت وجود اختلاف غیرعادی: ⚠️ نیازمند بررسی نمایش داده شود. ⸻ Confidence Score برای فیلدهای استخراج‌شده بهتر است میزان اطمینان نیز ذخیره شود. مثلاً: * متراژ: 99٪ * قیمت: 99٪ * محله: 92٪ * سال ساخت: 97٪ فایل‌هایی که Confidence پایین‌تری دارند وارد صف بررسی دستی شوند. ⸻ پنل مدیریت یک پنل تحت وب برای مدیریت داده‌ها لازم است. داشبورد نمایش: * تعداد آگهی‌های دریافت‌شده * تعداد فایل‌های جدید * فایل‌های پردازش‌شده * فایل‌های نیازمند بررسی * فایل‌های تکراری * فایل‌های تأییدشده * فایل‌های ردشده * خطاهای سیستم * آمار هر Source بخش‌ها * Dashboard * Sources * Raw Messages * New Properties * Pending Review * Approved Properties * Duplicate Properties * Rejected Properties * Search * Users * Logs * Settings ⸻ صفحه بررسی فایل اپراتور باید بتواند اطلاعات خام و اطلاعات استخراج‌شده را همزمان مشاهده کند. مثلاً: سمت چپ: متن / اطلاعات اصلی آگهی سمت راست: اطلاعات ساختاریافته و بتواند هر فیلد را اصلاح کند. گزینه‌ها: * تأیید * ویرایش و تأیید * رد * تکراری * Merge * نیازمند بررسی ⸻ دیتابیس پیشنهاد اولیه: PostgreSQL ساختار باید Relational، تمیز و قابل توسعه باشد. حداقل Entityها: * Users * Sources * SourceAccounts * RawListings * Properties * PropertyImages * PropertyContacts * PropertyLocations * PropertyPrices * PropertyFeatures * DuplicateMatches * ProcessingLogs * AuditLogs ⸻ API سیستم باید API استاندارد داشته باشد تا در آینده به CRM، سایت و اپلیکیشن اصلی متصل شود. تکنولوژی پیشنهادی پیشنهاد ما: Backend Python + FastAPI Database PostgreSQL Frontend React / Next.js Infrastructure Docker + Linux AI قابل استفاده از API مدل‌های زبانی برای Parsing و Classification اما پیشنهاد فنی شما نیز قابل بررسی است؛ لطفاً در پیشنهاد خود معماری و Stack پیشنهادی را توضیح دهید. ⸻ الزامات مهم پروژه 1. معماری ماژولار اضافه کردن Source جدید باید ساده باشد. مثلاً بعداً بتوانیم: Telegram Divar Sheypoor Kilid Source 5 Source 6 را بدون تغییر اساسی هسته سیستم اضافه کنیم. 2. ذخیره Raw Data اطلاعات خام هر آگهی باید قبل از پردازش ذخیره شود. 3. مالکیت کامل سورس‌کد تمام Source Code، Database، Documentation و فایل‌های Deployment متعلق به کارفرما خواهد بود. 4. Git Repository باید از ابتدا در حساب/سازمان متعلق به کارفرما قرار گیرد. 5. مستندسازی تحویل Documentation فنی الزامی است. 6. امنیت اطلاعات تماس و داده‌های حساس باید دسترسی کنترل‌شده داشته باشند. 7. Backup سیستم باید قابلیت Backup و Restore داشته باشد.

سلام یه ربات ریپورتر تیک تاک میخوام که لایو زنده ای که توی تیک تاک برگزار میشه رو بزنه میخوام روی فلاتر بالا بیاد و لانچ بشه قیمت فضایی ندید خودم کاملاً آشنا با این حوزه ام