Портфолио и кейсы фрилансеров по работе с ChatGPT

Учебный демонстрационный проект по автоматизации сбора данных маркетплейса через API и записи результата в Google Sheets. Что делает сценарий: — запускается вручную в n8n; — отправляет HTTP-запрос к демонстрационному API; — получает список товаров в формате JSON; — разделяет массив на отдельные товары; — подготавливает нужные поля; — записывает данные в Google Sheets. В таблицу передаются: — артикул; — название товара; — цена; — остаток. Проект собран на безопасных тестовых данных без использования реального кабинета маркетплейса и секретных API-ключей. Использованные инструменты: n8n, HTTP Request, JSON, Google Sheets, API. Результат: автоматизация получает 5 товаров из API и записывает каждый товар в отдельную строку Google Sheets.

Это учебный демонстрационный проект для практики работы с Python, внешним API и SQLite. Проект показывает получение сообщения пользователя, обработку через внешний API, извлечение устойчивых фактов, сохранение памяти пользователя в SQLite между запусками и использование сохранённой памяти при последующих запросах. Простая архитектура: пользователь → внешний API → извлечение фактов → SQLite → ответ с учётом сохранённой памяти. Технологии: Python, внешний API, SQLite, JSON, .env. Пример показывает базовую интеграцию API и локальное хранение данных без сложного backend и векторной базы данных.

Это демонстрационный проект, собранный для показа навыков настройки n8n и Telegram-бота с текстовыми ответами. Что показывает проект: получение сообщения в Telegram, обработку запроса через n8n, подключение внешнего API для подготовки ответа и отправку ответа обратно в Telegram. Базовую структуру сценария можно адаптировать под заявки, уведомления или автоответы. Проект показывает простую автоматизацию без сложной разработки с нуля.

Разработал полноценный продающий лендинг для услуги по созданию интернет-магазинов под ключ. Проект включает в себя современный дизайн, адаптивную вёрстку

Контент для блога в Instagram

В проекте собраны мои последние работы по дизайну и генерации визуалов с помощью нейросетей: меню, постеры, рекламные обложки, баннеры, изображения для риэлтора и другие коммерческие макеты. Работы создавались для разных задач: привлечь внимание клиента, красиво представить услугу или продукт, оформить профиль, меню, рекламу или визуал для продажи недвижимости. В каждом макете я учитывала стиль ниши, читаемость текста, аккуратную композицию, цветовую гармонию и общее впечатление от дизайна. В подборке есть как нежные эстетичные визуалы, так и более яркие продающие макеты. Отдельное внимание уделено качеству изображения, современному оформлению и тому, чтобы работу можно было использовать для соцсетей, рекламы, печати или презентации. Результат -подборка разнообразных дизайн-работ, которые показывают мои навыки в создании визуала, работе с нейросетями, оформлении постеров, меню, баннеров и рекламных материалов под разные задачи бизнеса.

Нужно разработать название для парфюмерного бренда. Категория: бюджетная парфюмерия по мотивам известных нишевых и люксовых ароматов. Продажи: Ozon, Wildberries, Яндекс Маркет. Позиционирование: доступный продукт с ощущением премиального бренда. Требования к названию: - латиница; - 1–2 слова; - легко читается людям, которые не знаю Английский язык; - европейское/французское звучание; - можно рассмотреть формат французской фамилии или названия парфюмерного дома. Не использовать: parfum, aroma, scent, beauty, luxe, elite, premium, oil. Избегать: банального псевдофранцузского звучания, русских имён, странных ассоциаций, сходства с существующими брендами. Проверка: все сильные варианты проверить на brand-search.ru по 3 и 35 классам МКТУ.

Стиль iOS 26 с прозрачным фоном · Фоновое видео · Категории товаров (Доски, Ботинки, Крепления, Одежда) · Плавное появление карточек с анимацией · Детальная страница товара с галереей фото · Характеристики товара (Жёсткость, Размер, Цвет) · Теги (Хит, Новинка, Премиум) · Статус "В наличии / Нет в наличии" · Цены в рублях с разделением тысяч пробелами ✅ В админ-панели (admin.html): · Вход по паролю (по умолчанию: snow2026) · Добавление товаров без кода · Редактирование товаров · Копирование товаров · Удаление товаров · Очистка всех товаров · Поиск по названию · Сортировка по имени/цене/категории · Загрузка фото с телефона (нажмите или перетащите) · Характеристики (текстовые поля) · Экспорт/Импорт товаров в JSON · Статистика по категориям

Разработана RAG-система для поиска информации по документам через Telegram. Пользователь загружает PDF-документ в Telegram-бота, после чего система автоматически извлекает текст, создает векторные представления (embeddings), сохраняет данные в Qdrant и формирует базу знаний. После обработки документа пользователь может задавать вопросы на естественном языке и получать ответы, основанные исключительно на содержимом загруженных файлов. Функционал системы: • Загрузка PDF-документов через Telegram • Автоматическое извлечение и обработка текста • Индексация данных в Qdrant Vector Database • Семантический поиск по содержимому документов • Генерация ответов через AI-модель с использованием найденного контекста • Работа через Telegram-интерфейс без необходимости использования отдельных веб-приложений Технологии: • n8n • Qdrant Vector Database • Embeddings • Telegram Bot API • REST API • AI / LLM Integration • VPS Результаты тестирования: В ходе проверки система успешно обработала PDF-документ с описанием услуг хостинг-провайдера и корректно отвечала на вопросы пользователя. Ответы формировались на основании информации, найденной в документе, включая данные о странах размещения серверов и перечне предоставляемых услуг. Проект демонстрирует построение полноценной AI-базы знаний и реализацию современного подхода Retrieval-Augmented Generation (RAG) для работы с корпоративной документацией.