Требуется создание автоматизации на базе Claude(подписка имеется) для отслеживания и исправления ошибок, а также контролем и помощью с выгрузкой товаров на маркетплейсы и интернет-магазин. Есть действующий сервис ПрайсМатрикс, из которого выгружаются цены, остатки и новые товары на платформу inSales и Webasyst. Из inSales и Webasyst товары и актуальные цены и остатки далее выгружаются на интернет-магазин и маркетплейсы. Нужен полный контроль за корректностью остатков и цен. Из ПрайсМатрикс в inSales и Webasyst передача данных происходит через API. Требуется upscayl изображений товаров перед выгрузкой их на inSales и Webasyst. Автоматическое исправление ошибок карточек товаров при выгрузке их на inSales и Webasyst, интернет-магазин и маркетплейсы.
ИИ выдал такое ТЗ
Ключевые разделы ТЗ:
Общие сведения — описание текущей инфраструктуры (ПрайсМатрикс inSales/Webasyst маркетплейсы) и цели автоматизации
Архитектура — 7 модулей системы с технологическим стеком (Python, FastAPI, Celery+Redis, PostgreSQL...
Видеть полную информацию и оставлять заявки могут только авторизованные пользователи.
Нам необходимо разработать автоматизированную систему на базе Claude для контроля и исправления ошибок при выгрузке товаров на маркетплейсы и интернет-магазины. Система должна обеспечивать корректность данных о ценах и остатках, поступающих из сервиса ПрайсМатрикс через API на платформы inSales и Webasyst, а затем на интернет-магазины и маркетплейсы. Также требуется автоматическое улучшение изображений товаров перед их загрузкой и исправление ошибок в карточках товаров. Основные функции включают синхронизацию данных, мониторинг и контроль, автоматическое исправление ошибок, интеграции с различными платформами и уведомления через Telegram и Email.
Для реализации этого задания потребуются навыки в программировании на Python, опыт работы с API и фреймворками FastAPI, знание систем очередей и брокеров сообщений, таких как Celery и Redis, работа с базами данных PostgreSQL, контейнеризация с Docker, а также опыт в обработке изображений и автоматизации процессов.
Добрый день
понимаю, что вы хотите сделать, править ошибки товаров после автоматического его импорта на маркетплейсы. Но это не реализуемо через ИИ.
Ошибки такого рода: изображение не корректно, нет какой то хар-ки товара, значение ее неверное и тп. Это я по опыту работы с озон и ВБ привел примеры.
ИИ то может вам отдавать логически верный ответ - фото либо даже значение хар-ки(не факт что верное, но все же), но чтобы сделать непосредственно правки нужен не ИИ, а скрипт для работы с АПИ того или иногла МП, а там уже нюансы. В ВБ есть свой перечень хар-к для каждой категории товаров, у хар-к есть свой набор значений из которых нужно выбирать.
ИИ то может в этом помочь, но все делается точечно, пишутся конкретные функции для правки тех или иных вещей.
То, что описал вам ИИ как ТЗ не соответствует действительности.
Изучил сгенерированное ИИ техническое задание. Стек (Python/FastAPI) рабочий, но для системы, управляющей финансовыми данными (цены) и актуальными остатками на нескольких площадках, я как архитектор рекомендую более надежный Enterprise-подход.
Я CTO и Senior Java-разработчик (7+ лет опыта). Специализируюсь на сложных интеграциях, HighLoad-системах (1М+ устройств) и автоматизации бизнеса.
Мое предложение по реализации:
1. Ядро системы: Java 17 + Spring Boot. Это гарантирует строгую типизацию и отказоустойчивость. В отличие от Python, здесь меньше риск, что цена "улетит" в неверном формате или сервис упадет под нагрузкой при upscaling'е картинок.
2. Панель управления (Dashboard): Предлагаю использовать JMIX. Это позволит развернуть профессиональный интерфейс для мониторинга, ручной валидации карточек и управления алертами в 3 раза быстрее, чем писать кастомный фронтенд. Вы сэкономите бюджет на разработке UI.
3. Работа с данными: Реализуем надежные очереди (Kafka/RabbitMQ) для синхронизации остатков, чтобы при сбое API маркетплейса данные не терялись, а вставали в очередь на повтор.
4. AI & Upscale: Модули Claude и Real-ESRGAN заворачиваются в Docker-контейнеры и оркестрируются основным ядром.
Почему стоит работать со мной:
У меня глубокая экспертиза в интеграциях (REST, API, IoT). Я строю системы, которые работают годами и легко масштабируются. Понимаю критичность ошибки в цене или остатках для e-commerce.
Готов обсудить детали голосом и предложить архитектуру, которая решит вашу задачу надежно. Заранее стоимость ОТ 300т.р.
P.S. но Науменко прав, ожидать что ИИ будет сам полностью корректировать вам карточки это плохая идея.
Your specification is already strong, but the real reliability comes from how the control layer thinks—not just how it syncs. I would implement a deterministic orchestration core that treats PriceMatrix as the source of truth and continuously reconciles downstream states using checksum-based diff analysis rather than blind polling. This enables precise correction, not reactive overwrites.
Claude will operate as a semantic validator, not only checking field completeness but enforcing structural and commercial logic consistency (taxonomy alignment, price anomalies, attribute normalization). The image pipeline will include Real-ESRGAN upscaling with perceptual hash verification to prevent degradation loops and duplicate processing.
Critically, I would add lineage tracking, idempotent operations, and rollback checkpoints—so every product mutation is traceable and reversible. This transforms the system from “automation” into a self-healing commerce infrastructure.
I’d be glad to outline the control topology and show how this achieves near-zero drift across all channels.
Message me on telegram for more better discussion: @Mohammedtech1
Основная специализация: Веб-разработка и Продуктовый дизайн
Здравствуйте.
Это задача не для ИИ, во всяком случае, не в части коррекции ошибок. Для апскейла его использовать можно.
Вам нужна валидация данных с уведомлениями об ошибках.
Я так понимаю, основная проблема - в наличии inSales и Webasyst между маркетплейсами и магазином, что вызывает рассогласованность остатков. Почему не обойтись какой-то одной платформой?
Здравствуйте.
Задача понятная, ключевой момент здесь не сам Claude, а стабильный слой контроля между ПрайсМатрикс - inSales/Webasyst - маркетплейсы. Основные проблемы в подобных схемах возникают из-за рассинхронизации данных и отсутствия централизованной логики исправлений, поэтому предлагаю практичную архитектуру без перегруженных enterprise-решений.
Я backend Python-разработчик, работаю с FastAPI, интеграциями API и автоматизациями. Работаю вместе с командой мы ведём высоконагруженный сервис уровня агрегатора такси с круглосуточной поддержкой, поэтому фокус на отказоустойчивости, мониторинге и безопасных изменениях данных.
Что реализуем:
1. сервис синхронизации с очередями задач, idempotent-операциями и retry-логикой;
2. постоянную сверку остатков и цен по всей цепочке с автоисправлением через API;
3. Upscayl изображений (Real-ESRGAN) отдельным сервисом без нагрузки на основной поток;
4. Claude как AI-валидатор структуры карточек и контента, а не как источник правок;
5. централизованное логирование и алерты, чтобы любые изменения были контролируемыми.
Подход мой без усложнения архитектуры и лишних технологий, чтобы система реально уложилась в срок и оставалась поддерживаемой.
Готов быстро погрузиться в текущие интеграции и предложить финальную схему после короткого аудита API и потоков данных.
Примеры моих работ
17:10 19.02.26
Подскажите, где именно сейчас возникает основная проблема рассинхронизации, между ПрайсМатрикс inSales/Webasyst, или уже на этапе выгрузки в маркетплейсы?
И второй момент: есть ли единый source-of-truth для остатков и цен, или данные могут изменяться в нескольких системах одновременно? От этого сильно зависит архитектура и будет ли это контроль и сверка, либо полноценный reconciliation-сервис с автоисправлением через API.
Предлагаю внедрение системы автоматического контроля товаров и выгрузки на маркетплейсы.
Это закроет все ваши потребности и вам не придется тратить время на поиск менеджеров и спецов.
Что будет автоматизировано:
синхронизация цен, остатков и новых товаров из ПрайсМатрикс в inSales и Webasyst
автоматическая проверка и исправление ошибок
контроль корректности данных на сайте и маркетплейсах
AI-проверка и улучшение карточек товаров
автоматическое улучшение изображений товаров
уведомления о проблемах в Telegram
Как работает:
система автоматически сверяет данные, исправляет ошибки и следит за тем, чтобы на всех площадках были актуальные цены, остатки и корректные карточки.
По срокам 2-3 недели и будет готово.
Результат: меньше ошибок, экономия времени, рост конверсии и продаж.
Not looking to “build automation.”
Looking to make your entire product pipeline self-aware.
Here’s how I will approach it:
Your stack already moves data — PriceMatrix -> inSales/Webasyst -> store -> marketplaces.
What it lacks is intelligence, verification, and correction before mistakes go live.
That’s where Claude-driven automation becomes the control tower.
I’ll design a system where nothing gets uploaded blindly again.
Core logic
A Python + FastAPI automation layer sits between every data movement.
It continuously audits prices, stock, and product cards across PriceMatrix -> inSales/Webasyst -> marketplaces.
If something breaks, mismatches, or looks suspicious — it gets corrected or flagged before customers ever see it.
What gets built
• Central orchestration service (FastAPI + Celery + Redis + PostgreSQL + Docker)
• Claude-powered validation + autocorrection of product cards (auto or approval mode)
• Image pipeline: Upscayl/Real-ESRGAN auto-enhancement before upload
• 15-minute sync engine with retry + batch handling (1k+ SKUs safely)
• Full reconciliation: balances, prices, missing products, API failures
• Live dashboard + Telegram/email alerts with priority levels
• Marketplace monitoring (WB, Ozon, Yandex, AliExpress)
• Error tracking + self-healing logic
Result
You don’t manually check listings again.
You see one dashboard showing what’s correct, what’s fixed automatically, and what needs attention.
Timeline
3–5 weeks depending on marketplace depth and API stability.
First step
I review your current flow (PriceMatrix -> inSales/Webasyst) and Claude TK, then map exact integration points and risk zones.
From there, we build a controlled automation layer that prevents costly listing errors before they happen.
Message me on telegram @uniquetech112
Так получилось, что основной стек для меня - это Java 1.8(11) + Spring Boot для Backend и Java для Android. Работаю на языке Java 4 года(еще в школе впервые с ним познакомился и влюбился на всю жизнь), python - 2 года, node.js - 2 года, Kotlin - 2 года, php - 1,5 года, React.js - 2 года. Все мои работы находятся здесь: https://github.com/povilas1565. Мой ТГ: @Paulo156551. Поэтому резонно, что я делаю почти все на Java(Kotlin) и Python и Node.js. Также занимаюсь разработкой простых сайтов на React и статическом html,css,js. Также работаю на C# и React Native, а также Flutter. Занимаюсь профессиональной публикацией и выгрузкой приложений в google play. Также являюсь штатным тестировщиком с опытом в 2,5 года в компаниях Tech Usta и Active Computers. Я собаку съел на автотестах и мануал -тестах. Автотесты преимущественно через Postman, мануал-полный анализ и использование консоли разработчика на полную. Сделаю все быстро и четко. Я на протяжении года разрабатывал Android- приложения в компании Nomadic Soft под сферу гемблинга (букмекерские конторы, онлайн-казино и т.д.) на Flutter и Kotlin. Как раз ровно год последний занимался разработкой приложений под гемблинг в компании Nomadic Soft. Готов сделать данную работу как можно быстрее.Да занимался аналитикой в компании Active Computers более 2-лет. Все впринципе знакомо по работе, могу освежить в памяти. В компании Active Computers проработал с 2022 до весны 2024 года. Эта компания была тесна связана с Центрбанком. Также я в компании SoftJet с лета 24 года по весну 25 года проводил техсобесы и работал консультантом. Готов сделать на python
Приветствую!
Могу реализовать ваш проект.
РАБОТАЮ БЕЗ ПРЕДОПЛАТ!
Ознакомился с заданием и готов сделать.
Начать могу сразу как все моменты обсудим. Оплата за результат не на перед.
Здравствуйте! Готов взяться за ваш проект по автоматизации на базе Claude.
Имею опыт работы с Python, FastAPI, Celery, Redis, PostgreSQL и Docker. Реализовывал интеграции с API маркетплейсов, системы синхронизации данных и автоматизацию бизнес-процессов.
По вашему заданию смогу:
- Настроить модуль синхронизации с ПрайсМатрикс, inSales и Webasyst через API
- Реализовать мониторинг и автокоррекцию цен и остатков
- Настроить валидацию карточек товаров через Claude
- Настроить upscayl изображений и алерты в Telegram
Пишу ботов и автоматизирую рутинные процессы. Использую Puppeteer, Selenium, iMacros, BAS, Zennoposter в зависимости от задачи. Автоматизирую действия на веб-сайтах и в Android-приложениях. Недавно завершил сложный проект по Steam Gift с админкой, автовыдачей, автопополнением и парсером цен. До меня задача не удалась трем командам. Готов взяться за вашу задачу, смогу реализовать все учитывая ваши требования. Пишите в телеграм, обсудим детали и приступим к работе.
Кейсы:
1) Robber VK — бот для автоматизации действий в социальной сети: поиск собеседников, публикации, общение.
https://vk.com/video440487_162715627
2) Торговый бот для биржи ByBit, работающий по сигналам из закрытого чата.
https://disk.yandex.ru/d/k-_G72rIhmcoNQ
Всегда на связи с 8:00 до полуночи, включая выходные.
Гарантирую качество работы. Поддерживаю проекты годами, без абонентской платы.
Привет! Задача серьёзная, но знакомая — работал с маркетплейсными интеграциями и Claude API. Стек вижу так: FastAPI + Celery + Redis + PostgreSQL + Docker, Real-ESRGAN для апскейла, Claude для валидации карточек в двух режимах. Все платформы из вашего списка имеют API — подключаемо. Готов разобрать ТЗ детально и обсудить этапы. тг: sorbon_dev
Вячеслав, приветствую, делал автоматизации для ecom где нужно контролировать остатки, цены и корректность карточек между разными системами. можно собрать ai агента на базе claude ,, будет следить за обменом данных между прайсматрикс, insales и webasyst через апи, проверять остатки и цены, находить расхождения и автоматически их исправлять
пишите в тг https://t.me/BizAutomation_pro
Готов приступить в ближайшее время, поправки можете вносить, делать буду оперативно, не стоит делать преждевременных выводов касательно моего возраста и опыта, дайте просто шанс, а дальше все увидите сами)
Здравствуйте! Изучил ТЗ — задача комплексная, но реализуемая. Работал с API маркетплейсов (WB, Ozon, ЯМ) и платформами inSales/Webasyst, понимаю специфику синхронизации через посредника типа ПрайсМатрикс.
Что предлагаю:
— Python + FastAPI + Celery/Redis — стандартный стек для такой системы
— Интеграция Claude API для валидации и автоисправления карточек
— Real-ESRGAN для апскейлинга изображений перед выгрузкой
— Мониторинг расхождений цен/остатков по всей цепочке с алертами в Telegram
— Dashboard для контроля в реальном времени
— Деплой в Docker на вашем VPS
Прежде чем называть точную цену, уточню:
1. Есть ли доступ к документации API ПрайсМатрикс или нужно разбираться самостоятельно?
2. На каких маркетплейсах приоритет — все 4 сразу или поэтапно?
3. Upscayl — есть GPU на сервере или рассматриваем облачный инференс?
4. Какой бюджет и сроки ориентировочно?
Предварительная оценка: от 350 000 ?, срок 2–3 месяца. После ответов смогу дать точное КП.
Оставлять заявки могут только авторизованные пользователи.
автоматизация на базе Claude
Реклама
автоматизация на базе Claude
Требуется создание автоматизации на базе Claude(подписка имеется) для отслеживания и исправления ошибок, а также контролем и помощью с выгрузкой товаров на маркетплейсы и интернет-магазин. Есть действующий сервис ПрайсМатрикс, из которого выгружаются цены, остатки и новые товары на платформу inSales и Webasyst. Из inSales и Webasyst товары и актуальные цены и остатки далее выгружаются на интернет-магазин и маркетплейсы. Нужен полный контроль за корректностью остатков и цен. Из ПрайсМатрикс в inSales и Webasyst передача данных происходит через API. Требуется upscayl изображений товаров перед выгрузкой их на inSales и Webasyst. Автоматическое исправление ошибок карточек товаров при выгрузке их на inSales и Webasyst, интернет-магазин и маркетплейсы.
ИИ выдал такое ТЗ
Ключевые разделы ТЗ:
Общие сведения — описание текущей инфраструктуры (ПрайсМатрикс inSales/Webasyst маркетплейсы) и цели автоматизации
Архитектура — 7 модулей системы с технологическим стеком (Python, FastAPI, Celery+Redis, PostgreSQL...