Решил проверить одну гипотезу: можно ли собрать достаточно серьёзную AI/automation-систему практически без бюджета на инфраструктуру? Не очередной скрипт, который умеет нажать три кнопки. А систему, где есть полный цикл: данные → обработка → генерация → автоматизация → публикация → аналитика → обратная связь → следующая итерация. При этом принципиальное ограничение — максимально использовать open-source, self-hosted и бесплатные решения. Сейчас собираю стек из Python, Docker, локальных моделей, automation-инструментов, API и собственных сервисов. Где-то бесплатный инструмент закрывает задачу идеально, где-то приходится буквально собирать недостающий кусок самостоятельно. И вот это, пожалуй, самая интересная часть проекта. Потому что когда у тебя нет возможности просто сказать: «Ну давайте купим ещё один SaaS за $300/месяц», внезапно начинаешь намного лучше понимать архитектуру, ограничения инструментов, стоимость каждой операции и то, что действительно необходимо системе, а что является просто красивой обёрткой. Внутреннюю механику проекта пока специально не раскрываю — слишком рано показывать всю схему. Но уже сейчас в нём приходится решать задачи на стыке: — Python / backend — AI / LLM — автоматизации — API-интеграций — Docker / инфраструктуры — обработки данных — аналитики — масштабирования — отказоустойчивости И мне нравится именно такой формат разработки: когда задача начинается с «а можно ли это автоматизировать?» и постепенно превращается в полноценную инженерную систему. Сейчас как раз ищу новые профессиональные точки пересечения. Если вы HR, рекрутер, CTO, founder или руководите командой, которой нужны люди на стыке AI + Python + automation — буду рад познакомиться. Особенно интересны проекты, где нужно не просто написать очередной CRUD, а спроектировать и собрать сложную автоматизацию целиком. А пока — продолжаю превращать очередную «маленькую идею» в систему, которая уже выглядит примерно как картинка выше 😅 Если интересно — могу потом показать отдельные технические решения без раскрытия самого проекта.
Fullstack-разработчик, работает на себя
· 11.085 комментов
· вчера
Очень знакомый эксперимент. Я сейчас собираю похожую систему на n8n: анализ контента → генерация идей и сценария → подбор видеоряда → озвучка → автоматический монтаж → аналитика. На первом этапе тоже специально пытался практически не тратить деньги: бесплатные API/квоты, бесплатный доступ к n8n и ограничения каждого сервиса вместо покупки очередного SaaS.
До определённого рабочего уровня уже удалось довести, хотя бесплатные лимиты, конечно, быстро начинают диктовать архитектуру 😄 Когда закончу текущий этап, тоже хочу отдельно написать пост — что реально получилось собрать почти бесплатно, где упёрся в лимиты и что пришлось писать самому.
0
ответить
коммент удалён
· 13.08
Мне близка гипотеза про почти нулевой бюджет, но обычно «бесплатно» заканчивается на observability, storage и поддержке edge cases. Я бы смотрел не на запуск, а на стоимость ошибки и цену сопровождения. Какие расходы у вас оказались неожиданными?
0
ответить
коммент удалён
· 13.08
Пока что никаких. Только начал строить потихоньку. Воткнул много реп с гитхаба полезных, подгоняю и тестирую разные модели.
Конечно, на расходники придется тратиться акки и прочее, но уже нашел решения с прокси (+/- качественными) и тд бесплатными + ии научил работать с антидетект и акками, айпишками сервисов. В ходе работы буду отписываться по расходам и результатам
0
ответить
ответ удалён
· 13.08
Ага, в точку прямо на счет понимания ограничений и возможностей!
с пол года назад примерно реализовал локально голосового робота в сязыка llama3/asterisk - звонок через pjsip на локальный номер в астере, обработчик на питоне с stt/tts
да, модель глуповатая, и да, даже на rizen9 тормоза видны
но черт побери! это был крутой опыт!
0
ответить
коммент удалён
· 22 мин
Это банальный оркестратор с интеграциями типа мультики или пэперклипа. Писать свой, конечно, можно, но это велосипед
0
ответить
коммент скрыт — часть юзеров считает его токсичным или некорректным
коммент удалён