Портфолио и кейсы фрилансеров по работе с ChatGPT

Роман Попов
Роман Попов 5 месяцев назад
Игровой прототип в Unity: интерактивный компьютер и система пользовательских книг
Разрабатываю игровой прототип в Unity для атмосферного проекта с упором на тему личной библиотеки, взаимодействия с предметами и пользовательского контента. В рамках проекта реализуются и проработаны ключевые игровые системы: — интерактивное взаимодействие игрока с компьютером в сцене — настройка экранной поверхности монитора — подготовка стилизованного запуска вымышленной операционной системы под атмосферу игры — отображение контента на экране внутриигрового компьютера — система создания и отображения пользовательских книг — работа с интерфейсом создания книги — подготовка логики персональной библиотеки игрока — размещение и визуальное представление книг в игровом мире Основная задача проекта — создать уютную и атмосферную игровую среду, в которой книги являются центральным элементом взаимодействия, а внутриигровой компьютер и интерфейсы дополняют общее восприятие мира. В работе используются Unity, настройка сцены, материалы, UI, логика взаимодействия с объектами и проработка игровых прототипов под дальнейшее расширение. Результат — рабочий игровой прототип с несколькими связанными системами, который можно развивать в полноценный проект
Роман Попов
Роман Попов 5 месяцев назад
Telegram AI-бот с подпиской, памятью, голосом и генерацией PDF
Разработал Telegram AI-бота на Python (aiogram) как рабочий MVP для собственного проекта. В боте реализованы: — чат с ИИ — память диалога — режимы общения — голосовые функции — генерация PDF — лимиты и подписка — админ-настройки — реферальная логика В процессе работы была продумана структура меню, логика пользовательских сценариев, управление состояниями и дальнейшая масштабируемость проекта. Используемые технологии: Python, aiogram, FSM, API-интеграции, JSON/state storage, работа с файлами и UX-логика Telegram-бота. Результат — рабочий прототип с готовой архитектурой, который можно адаптировать и расширять под коммерческие задачи.
Артем  Котов
Артем Котов 5 месяцев назад
AI-таблица для генерации контента
Функционал: - Анализ ЦА - Создание заголовков и описаний для изображений - Создание прогревающей цепочки - Создание контент-плана - Создание постов
C
Фрилансер 6 месяцев назад
Ernest Sharipov
Ernest Sharipov 6 месяцев назад
Создание карточек для мп
«Ваш товар достоин большего, чем просто "белый фон". Я создаю инфографику, которая останавливает скролл и провоцирует покупку. Как я это делаю: 🔹 Многослойность смыслов: Первый экран — цепляет, второй — убеждает, третий — закрывает вопросы по размерной сетке и составу. 🔹 Работа с возражениями: Я покажу товар в деталях, в разрезе и в использовании, чтобы покупатель не сомневался в выборе. 🔹 Единый стиль: Формирую узнаваемый визуал вашего бренда, чтобы из месяца в месяц вас выделяли среди сотни конкурентов. Посмотрите мои работы ниже и убедитесь сами: качественная графика = высокий чек и довольный клиент.»
Андрей Синтюрев
Андрей Синтюрев 6 месяцев назад
ИИ бот консультант на базе Giga Chat
AiLisa, универсальный виртуальный ассистент Основная задача — общаться в чатах и модерировать Telegram-каналы , помогая участникам и оперативно реагируя на новости и публикации. — Структурирует информацию, отвечает конкретно на вопросы, следуя стилистике : современный, динамичный, без воды; — Реагирует на новостные публикации от телеграм канала: если выходит новость в одном из каналов, Бот готов пояснить детали или прокомментировать по запросу подписчиков;" — Если спрашивают про контакты : «Можно написать в почту @gmail.com» — Если нужно срочно связаться с : «Можно написать в Telegram https://t.me/
Сергей Кузнецов
Сергей Кузнецов 6 месяцев назад
MVP iOS-приложение — Face Editor для мастеров перманентного макияжа
Разработал коммерческий MVP iOS-приложения для визуального моделирования результатов перманентного макияжа по фотографии клиента. Приложение используется мастерами как инструмент предпросмотра эскиза перед процедурой. Основной функционал MVP: • Загрузка фото клиента и работа только с изображением • Редактор зон лица: брови, губы, веки • Настройка формы, цвета, интенсивности, изгиба и толщины • Упрощённая палитра пигментов с адаптацией под тон кожи • Режим «после заживления» (имитация снижения насыщенности) • Базовая ретушь кожи • Undo/Redo, сравнение «до / после», сохранение результата Проект реализован как быстрый коммерческий MVP без сервисной части (регистрация, backend и т.д.), с упором на скорость разработки и удобство использования мастерами. Работа включала анализ дизайн-прототипов Figma, архитектуру решения, реализацию редактора изображений и подготовку приложения к дальнейшему масштабированию.
Сергей Кузнецов
Сергей Кузнецов 7 месяцев назад
AI Automation • Multi-Agent Systems • Enterprise Architecture
Разрабатываю production-решения на базе AI, multi-agent систем (A2A) и автоматизации бизнес-процессов. Специализация — сложные enterprise-проекты: от архитектуры и ТЗ до внедрения и сопровождения. Основные направления: Prompt Engineering / LLM integration (ChatGPT, AI Agents) Автоматизация бизнеса (n8n, API orchestration, no-code / vibe-code) Архитектура enterprise-проектов и системная разработка Multi-agent AI системы (A2A protocol, orchestration, observability) Разработка ТЗ, структуры проектов, production CI/CD процессов Работаю с high-load задачами, AI-продуктами и автоматизацией сложных процессов. Умею упаковать идею в масштабируемую production-архитектуру. Если нужен AI-архитектор / automation-эксперт — обсудим задачу.
Игорь Самохин
Фрилансер готов решать задачи повышенной сложности и работать с крупными проектами.
Игорь Самохин 7 месяцев назад
ИИ реклама для девелопера. Возведение дома.
ИИ видео визуализация постройки многоквартирного дома. Может быть визуализирован объект любой сложности.
Сергей Кузнецов
Сергей Кузнецов 7 месяцев назад
AI Knowledge Platform (RAG + Multi-Agent Developer Assistant)
Роль: AI Architect / Lead Developer Разработана локальная AI-платформа накопления и использования инженерных знаний для разработки ПО. Система построена как многоагентный pipeline с Retrieval-Augmented Generation (RAG). Архитектура включает: Agent1 — сбор технического контента (GitHub, Telegram, сайты, документы) Agent2 — очистка, извлечение практических инженерных знаний Agent3 — AI developer assistant с использованием RAG Vector DB + semantic search Chunking + embeddings pipeline Hybrid retrieval (vector + keyword) Semantic cache и knowledge gap loop Особенности: Полностью локальная AI knowledge base Асинхронная модульная архитектура Production-ориентированный pipeline данных Минимизация нерабочего AI-кода Автоматическое обновление базы знаний Результат: Создана инженерная AI-память для разработки, повышающая качество генерации production-кода и сокращающая время разработки. Документация и код не публикуются из-за NDA.