#api — посты и обсуждения

​Микрофреймворки — это легковесные веб-фреймворки, предоставляющие базовую функциональность, такую как маршрутизация, обработка запросов и ответов, шаблонизация и проверка входных данных. Как правило, они не включают в себя библиотеки или вспомогательные функции для решения распространенных задач, оставляя разработчикам свободу выбора собственных библиотек для таких функций. Микрофреймворки предназначены для приложений, требующих минимальной настройки и быстрых циклов разработки, хотя они могут подходить и для более крупных приложений. Они предлагают альтернативу полнофункциональным фреймворкам.

1. Введение

Микрофреймворк — это тип фреймворка для разработки программного обеспечения, отличающийся минималистичным подходом. Микрофреймворки, как правило, отдают приоритет простоте, гибкости и скорости разработки, а не функциональности, предоставляя лишь самые необходимые возможности для разработки более крупных приложений. Они предназначены для предоставления только базовых функций, необходимых для веб-приложения, а не всех функций, предлагаемых полнофункциональными фреймворками.

Микрофреймворки часто отличаются легковесной кодовой базой, что делает их популярным выбором, когда производительность имеет первостепенное значение, а времени или ресурсов для разработки полнофункционального веб-сайта мало. Это особенно актуально для разработки веб-API, где ресурсы необходимо тщательно и быстро управлять, чтобы не замедлять время отклика.

Поскольку микрофреймворки сосредоточены только на основах, без лишних функций, их проще изучать и использовать, чем более комплексные фреймворки, такие как Ruby on Rails или Django. Это означает, что разработчикам не нужно тратить время на изучение множества ненужных функций, чтобы быстро начать работу над своим проектом. Кроме того, меньшее количество встроенных библиотек упрощает разработчикам и специалистам по безопасности отслеживание известных уязвимостей в коде.

Хотя микрофреймворки не подходят для крупномасштабных проектов, как это было бы в случае с полнофункциональными фреймворками, главным образом потому, что их набор функций может быть недостаточным в определенных условиях, они обеспечивают мощную совместимость с различными языками программирования, предоставляя разработчикам большую гибкость при создании API или быстром прототипировании нового проекта с нуля. К популярным примерам микрофреймворков относятся Flask (Python), Express (Nodejs), Sinatra (Ruby) и Laravel Lumen (PHP).

В целом, микрофреймворки предоставляют разработчикам альтернативный подход к программированию. Они предлагают легковесное и эффективное решение для веб-приложений, для которых процессоры не нагружаются дополнительными функциями более крупных фреймворков.

2. Функции, предоставляемые микрофреймворками.

- Шаблоны: Микрофреймворки предоставляют мощный набор шаблонов, позволяющих разработчикам быстро создавать приложения без необходимости писать HTML-код. Эти шаблоны позволяют разработчикам сосредоточиться на разработке логики и функциональности, а не тратить время на создание пользовательского интерфейса.

- Промежуточное ПО (middleware): Промежуточное ПО — это метод обработки запросов пользователей, предоставления дополнительных функций, таких как аутентификация, заголовки и фильтры. Микрофреймворки обладают мощными возможностями промежуточного ПО. Это позволяет разработчикам легко создавать сложные приложения с минимальными усилиями.

- Безопасность: Микрофреймворки изначально разрабатывались с учетом требований безопасности. Они предлагают инструменты для защиты ваших приложений от вредоносных атак, таких как SQL-инъекции и атаки межсайтового скриптинга (XSS), и многих других. Кроме того, многие микрофреймворки имеют встроенную защиту от распространенных уязвимостей веб-приложений, таких как межсайтовая подделка запросов (CSRF).

- Интеграция с базами данных: Главная особенность большинства микрофреймворков — это их способность интегрироваться с базами данных, такими как MySQL или MongoDB, для эффективного и безопасного хранения данных. Кроме того, многие из них позволяют разработчикам запрашивать данные из базы данных с помощью объектно-реляционных сопоставителей (ORM). Это значительно сокращает время разработки, поскольку исключает необходимость написания SQL-запросов вручную...

#DST #DSTGlobal #ДСТ #ДСТГлобал #DSTplatform #ДСТПлатформ #микрофреймворк #микрофреймворки #Flask #Python #Express #Nodejs #Sinatra #Ruby #Laravel #Lumen #PHP #CSRF #XSS #фреймворки #frameworks #API #HTML5 #CSS #AJAX #CMS #ecommerce #HIPAA #middleware #PHPStan #GraphQL #serverless #микросервисы #MySQL #MongoDB

Источник: https://dstglobal.ru/club/1259-rukovodstvo-po-mikrofreimvorkam

Развивая данную тему поинтересовался, а может ли ИИ (#LLM) в том виде, котором мы их используем через чаты и API решать задачу поиска оптимального решения.

Были взяты самые популярные сервисы: #YandexGPT 5.1 (через #API с векторной базой #YDB и без), #DeepSeek 4 Flash (через API Yandex Cloud), #GigaChat 3.5 Ultra (чат), #ChatGPT-5.6 Luna, #Claude Sonnet 5.

Проверка результата через #RStudio.

Для примера была взята классическая задача (поиск весов ИИ), это поиск минимальных остатков. В математике, это метод наименьших квадратов (МНК).

Где применяется? Например, расчет премий по лестнице достижений (% продаж). Или решение задачи подбора параметров в матрицу через функцию минимизации затрат или максимизации выручки. В Excel для этого часто используют функции ВПР или ПОИСКПОЗ+ИНДЕКС.

Немного ранее писал, что решил свою давнюю задачу по запуску обучения разных видов (ИИ) моделей (DNN, LSTM и др) на исторических данных “с учителем”.

Первая

https://finbazar.ru/post/186859-suslik-est-ili-net-sravnenie-rsi-random-i-ii-ml-dl-dnn-lstm-v-trejdinge

Вторая

https://finbazar.ru/post/818752-kak-menyaetsya-equity-esli-uchitel-ii-dnn-lstm-budet-menee-dergannym

Так вот.

Постановка задачи

Использовать свернутые данные в один числовой вектор (‘x’) по котировками и второй вектор (‘y’) с метками от 1 до 2 (продать или купить) в качестве учителя (‘dt_train / train’).

Второй вектор (‘test’), тестовый, использовать в качестве задачи поиска наиболее подходящего значения из набора train. Найти значение с наименьшим разностным остатком, вывести найденное значение, вывести соответствующее значение из вектора ‘y’, подсчитать процент совпадения ‘p’. Вывести результат в JSON формате и таблице.

Предварительно был загружен тренировочный набор ‘dt_train / train’.

Промпт выглядит так:

x
1,053252588
-0,293614992
-0,194761592
-0,34980501
-0,310607875
-0,051729657
-0,367246745
0,287114539
-0,427839421
-0,370099426

Сопоставь со значениями из поискового индекса dt_train / train, найди наиболее подходящие значения из колонки 'y'. Напротив каждой строки, дополнительно выведи колонку 'p' с вероятностью совпадения. Выведи только результат в формате JSON.

На все результаты будет отдельная ссылка (текстовый файл), так как много “воды” в ответах чатов ГПТ, экономлю ваше время. Кто захочет, посмотрит и возможно перепроверит результаты.

Результаты тестирования

№ 1

https://disk.yandex.ru/i/yUXdVozT6mwMlQ

Не удовлетворительно.

№ 2

https://disk.yandex.ru/i/AIiaKTZPHY8LiA

Не удовлетворительно.

№ 3

https://disk.yandex.ru/i/rwg7xTKr5V6Bug

Не удовлетворительно.

№ 4

https://disk.yandex.ru/i/CXm8vnrPAJHtVA

Тест пройден, точность 100%.

№ 5

https://disk.yandex.ru/i/YaAxdFUVs-4y5g

Не удовлетворительно.

№ 6

https://disk.yandex.ru/i/zT1eNJ4yoBg2_g

Тест пройден, точность 100%.

№ 7

https://disk.yandex.ru/i/MUmFz3z0b0uXDw

Тест пройден, точность 100%.

№ 8

https://disk.yandex.ru/i/SFr-NTmgdpl80Q

Не удовлетворительно.

№ 9

https://disk.yandex.ru/i/BfeLsyutneYScg

Не удовлетворительно.

Расшифровка

№ 1 - DeepSeek 4 Flash (~2-5 минут) - не удовлетворительно

№ 2 - DeepSeek 4 Flash (~2-5 минут) - не удовлетворительно

№ 3 - DeepSeek 4 Flash (~2-5 минут) - не удовлетворительно

№ 4 - Claude Sonnet 5 (40 секунд) - тест пройден, точность 100%.

№ 5 - GigaChat 3 Ultra (10 секунд) - не удовлетворительно

№ 6 - RStudio, язык R (0,01 секунда), скрипт - https://disk.yandex.ru/i/RSHBKPumr1jMUw - тест пройден, точность 100%.

№ 7 - ChatGPT-5.6 Luna (10 секунд) - тест пройден, точность 100%.

№ 8 - Excel ВПР, ПОИСКПОЗ+ИНДЕКС (1 секунда + сортировка)

№ 9 - ChatGPT-5.6 Luna (10 секунд) - не удовлетворительно

Полный пакет файлов с результатами и исходниками - https://disk.yandex.ru/d/-kBOHYdMpTyG_w

Выводы

Будьте очень осторожны при постановке задач поиска оптимального математического решения (задача оптимизации по минимальной или максимально функции), когда делегируете это в ИИ модели (чаты или API). Из ИИ доступных сервисов и чатов GPT, задачу поиска подходящего значения через минимальные остатки решил только Claude Sonnet 5 за 40 секунд.

ChatGPT сначала выдал не правильно, потом правильно.

DeepSeek не смог решить задачу, всегда выдавал разные результаты и очень долго это делал.

YandexGPT 5.1 не решил, так как выходных токенов ему не хватило, уперся в свои ограничения. Даже с YDB.

Excel с некоторым приближением достаточно хорошо решает подобные задачи, но не здесь.

В RStudio на языке R эта задача выполняется за 0,01 секунду, с помощью одной строки: nearest_idx <- sapply(x, function(v) which.min(abs(target_x - v))).

В данный момент сервисы с LLM моделями либо не могут решить, либо расходуют слишком много времени (энергии) на ее решение.

Был ли у вас какой либо положительных или отрицательных опыт, поделитесь.

Вся ручная рутина по торговле автоматизирована с использованием системы #AlgoBond — https://imkosarev.ru/go/algobond/

Одна система работает с несколькими облигационными портфелями на разных брокеров по #API: #Финам, #Т-Инвестиции, #БКС, #Алор.

Август 2026

Финам

Квал инвестор.

Закрылся месяц в положительной зоне. Но не везде.

В дополнение к основной стратегии на облигациях запустил арбитражную акции-фьючерсы. Пока профит отрицательный. Режим спекулятивный.

Запуск 1

https://finbazar.ru/post/809238-skromnyj-arbitrazh-na-sinteticheskih-obligaciyah-mvp-n8n-na-moex

Запуск 2

https://finbazar.ru/post/337266-rezultat-skromnogo-arbitrazha-mvp-n8n-na-moex

Запуск 3

16.09.2026 - обновилась логика на #n8n, пока наблюдаю.

Автоматизированная стратегия (#AlgoBond) для портфеля коротких облигаций 12.35% за год. Предыдущее измерение 17.04% уменьшение на 4,69%. Есть незавершенные расчеты по погашениям.

Голосовой ИИ уже умеет превращать текст в речь. Но гораздо интереснее другое: способен ли один инструмент одновременно создавать естественную речь, клонировать голос, менять его характер и создавать совершенно новые голосовые образы?

В первой статье «Нейросреды» разбираем MiniMax Speech 2.8 — технологию, которая объединяет синтез речи, voice cloning и Voice Design.

Поговорим о том, почему короткой записи иногда достаточно для создания голосового образа, чем отличается обычный TTS от клонирования и почему красивое демо ещё не означает, что технологию можно без проблем использовать в реальном проекте.

А главное — попробуем посмотреть на голосовой ИИ глазами не только пользователя, но и разработчика.

Если вы хотите прочитать наш урок полностью то переходите по ссылке

#MiniMax #MiniMaxSpeech #Speech28 #искусственныйинтеллект #ИИ #нейросети #голосовойИИ #синтезречи #TTS #TextToSpeech #VoiceCloning #клонированиеголоса #VoiceDesign #генерацияголоса #AIVoice #цифровойголос #голосовыетехнологии #аудиотехнологии #машинноеобучение #технологиибудущего #разработкаИИ #API #созданиеконтента #озвучка #диктор #видеоконтент #подкасты #автоматизация #Нейросреда #Алексей

Здравствуйте те, кто в теме по #API #ByBit.

Помогите с расчетом минимального количества для размещения ордера покупка/продажа (long/short) по минимальным лимитам биржи.
Например, помнет DOGEUSDT требует 5 USDT по стоимости ордера.

1) Где найти это значение «5 USDT» в API (каким запросом)?
2) Как пересчитать количество ордера по базовой монете к этой паре?
 
Пока получаю ошибку 170140 — «Order value exceeded lower limit.»

Заранее спасибо!

#трейдинг,#криптобиржа,#Bybit,#DOGEUSDT,#USDT