Тестирование подключения к нейросетям через API

Подключение к нейросети через API — это способ взаимодействия программного приложения с искусственной нейронной сетью посредством отправки запросов и получения результатов в виде структурированных данных. Обычно API предоставляют доступ к заранее подготовленным алгоритмам машинного обучения, позволяющим решать различные задачи автоматизации процессов обработки текста, изображений, звука и многого другого.

1. Что представляет собой API?
   Application Programming Interface (API) — интерфейс программирования приложений, позволяющий разработчикам интегрировать внешние сервисы и ресурсы в собственные программы и веб-приложения. Через API осуществляется обмен информацией между приложением и сервером нейросети.
2. Как работает взаимодействие через API?
   Приложение отправляет запросы к нейросети через HTTP-запросы (GET/POST). Запрос включает входные данные (например, текстовую строку), спецификации формата вывода и дополнительные настройки. Нейросеть обрабатывает запрос и возвращает готовый результат обратно клиенту.
3. Преимущества подключения через API:
   Масштабируемость: возможность легко масштабировать решение на большое количество пользователей.
   Универсальность: позволяет быстро внедрять решения на разных платформах и языках программирования.
   Обновляемость: разработчики нейросетей регулярно обновляют модели, улучшая точность и производительность, и изменения автоматически становятся доступны подключенным клиентам.

Примеры подключения

Санкт-Петербургский центр доступного жилья

Задача: оптимизация фильтров и калькуляторов ипотечных платежей для сайта Санкт-Петербургского центра доступного жилья.

Решение:

Реализовано обновление реактивных компонентов Vue 3 по технологии Compositon API, основном преимуществом которой является эффективное повторное использование логики, удобное управление реактивными данными и более структурированный код.

Вариант 1 Вариант 2

Пример промпта:

Отдельно можно отметить, что сразу готовое решение не выдала ни одна нейросеть, каждый вариант было необходимо отдельно дорабатывать, но наиболее удобный для дальнейшего использования результат был получен от DeepSeek. GigaChat заново переписал компонент в том виде, который было бы удобно использовать в SPA приложениях, но в данной задаче это был не совсем тот случай.

SPOT — премиальный многофункциональный центр пляжных видов спорта

Задача: обновление системы бронирования игр в пляжный волейбол и сквош с использованием реактивных компонентов.

Решение:

Старая версия системы бронирования была разработана на классическом JavaScript + PHP. В рамках задачи реализовано решение на основе реактивных компонентов.

https://atlanticspot.ru/volleyball/

https://atlanticspot.ru/squash/

Базовая логика системы бронирования осталась без изменений, новым решением было поддержка использования фиксированных временных диапазонов, создаваемых администратором из стандартных слотов по 30 минут.
Также важным условием было объединение находящихся рядом временных слотов: если при выборе временного слота его верхняя граница совпадает с нижней границе другого слота, то они объединяются в одну игру, при этом происходит перерасчет текущего заказа клиента.
Кроме того, минимальное время игры на одном поле не может быть менее 60 минут (2 временных слота).

Пример промпта:

const array = [
{ id: 1, timeStart: '10:00', timeEnd: '11:00' },
{ id: 2, timeStart: '12:00', timeEnd: '12:30' },
{ id: 3, timeStart: '12:30', timeEnd: '14:00' },
{ id: 4, timeStart: '15:00', timeEnd: '16:00' },
{ id: 5, timeStart: '18:00', timeEnd: '18:30' },
{ id: 6, timeStart: '18:30', timeEnd: '20:00' },
{ id: 7, timeStart: '20:00', timeEnd: '21:00' },
];

const array = [
{ id: 1, timeStart: '10:00', timeEnd: '11:00' },
{ id: 2, timeStart: '12:00', timeEnd: '14:30' },
{ id: 4, timeStart: '15:00', timeEnd: '16:00' },
{ id: 5, timeStart: '18:00', timeEnd: '21:00' },
];

Нейросетью было предложено два алгоритма такого объединения слотов, один для обработки абстракного массива данных, второй с условием того, что мы знаем какой именно слот был выбран пользователем. Второй вариант показался более удобным и в итоге был реализован.

Здесь также надо отметить, что предложенные DeepSeek и GigaChat варианты были достаточно схожими, но требовали незначительных дорабаток. Это прежде всего было вызвано тем, что задача была разработать не компонент целиком, а отдельный метод для дальнейшего использования.

Кроме того, обе нейросети хорошо справились с задачей по рекомендациям по архитектуре API и написанию методов валидации пользовательских данных.

В итоге система прошла необходимое тестирование и с 15 июля 2025 года внедрена в работу спортивного комплекса..

Исправление ошибки кодировки csv файла для Mac

Промпт:

GigaChat и DeepSeek успешно решили эту проблему, но DeepSeek предложил больше способов решения задачи, один из его вариантов был успешно реализован для обновления сервиса генерации отчетов сети салонов тайского массажа THAI HOUSE.