Формальная модель и метод интеграции API генеративных нейросетей в веб-платформу для автоматизированной обработки текстовых данных
DOI:
https://doi.org/10.17072/1993-0550-2026-2-104-111Ключевые слова:
формальная модель, интеграция API, генеративные нейросети, DeepSeek, Django, MVT-архитектура, обработка текста, промпт-инжиниринг, отказоустойчивость, экспериментальное исследованиеАннотация
В статье представлена формальная модель интеграции API генеративных нейросетей в корпоративную веб-платформу для автоматизированной обработки текстовых данных. Предлагаемая модель описывается кортежем M = (U, C, R, P, F, A) где U − множество пользователей, C − множество параметризуемых промптов (контекстов), R − множество запросов, P − функция параметризации промпта, F − функция взаимодействия с внешним API, A − функция аудита и учета ресурсов. Научная новизна заключается в разработке формальной модели, обеспечивающей изоляцию данных, централизованное управление промптами и отказоустойчивость; в предложении метода параметризации промптов на основе хранимых в базе данных контекстов; в создании алгоритма устойчивого взаимодействия с API, реализующего обработку таймаутов, повторные попытки и атомарное сохранение результатов. Проведено экспериментальное исследование, в ходе которого выдвинута и подтверждена гипотеза о сокращении времени обработки текста при использовании предложенной модели (p < 0.001, размер эффекта r = 0.92). Разработанная платформа развернута в промышленную эксплуатацию в организации-заказчике.Библиографические ссылки
Стратегия развития информационного общества в Российской Федерации на 2017–2030 годы: утв. Указом Президента РФ от 09.05.2017 № 203 // Собрание законодательства РФ. 2017. № 20. Ст. 2901.
Смирнова Е. В. Генеративные модели в обработке естественного языка: обзор и перспективы // Труды института системного программирования РАН. 2022. Т. 34, № 2. С. 123–142.
Базы данных: принципы, типы, тенденции развития [Электронный ресурс] / Хабр. 2022. URL: https://habr.com/ru/companies/otus/articles/648153/ (дата обращения: 07.10.2025).
Фаулер М. Архитектура корпоративных программных приложений = Patterns of Enterprise Application Architecture / пер. с англ. М.: Вильямс, 2016. 544 с.
DeepSeek API Documentation [Электронный ресурс] / DeepSeek. URL: https://platform.deepseek.com/api-docs/ (дата обращения: 05.10.2025).
DeepSeek-AI. DeepSeek-R1: GitHub repository. 2025. URL: https://github.com/deepseek-ai/DeepSeek-R1 (дата обращения: 05.10.2025).
Yandex Cloud: Документация YandexGPT [Электронный ресурс] / Yandex Cloud. URL: https://cloud.yandex.ru/docs/yandexgpt/ (дата обращения: 01.10.2025).
Django Documentation [Электронный ресурс] / Django Software Foundation. URL: https://docs.djangoproject.com/en/5.0/ (дата обращения: 10.10.2025).
MDN Web Docs: JavaScript [Электронный ресурс] / Mozilla. URL: https://developer.mozilla.org/ru/docs/Web/JavaScript (дата обращения: 15.10.2025).
Киселёв Р. А. Сравнительный анализ фреймворков для разработки веб-приложений: Django, Flask, FastAPI // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. 2022. Т. 15, № 3. С. 101–112.
Вигерс К., Битти Дж. Разработка требований к программному обеспечению = Software Requirements. 3-е изд. М.: Русская редакция, 2018. 720 с.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Дарья Андреевна Черкасова, Валентина Андреевна Черкасова
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Публикация статьи в журнале осуществляется на условиях лицензии Creative Commons Attribution 4.0 International (CC BY 4.0).
