В течение последних двух лет мы проделали большую работу по изданию неустаревающих книг, связанных с проектированием и развитием API. Как известно, сам вопрос «Что такое API?» довольно многогранен, и в своё время на Хабре развёрнутый ответ на него дала одна из наших топовых авторов Ольга Назина @Molechka — к настоящему моменту её статья собрала почти 1 350 000 просмотров и 1555 закладок. Книги Ольги Назиной не относятся к этой статье напрямую, но, если вы их ещё не читали, рекомендуем посмотреть все четыре. Будем исходить из того, что API — это предоставляемый программой интерфейс‑контракт, в котором заложены правила взаимодействия с ней, в частности, форматы принимаемых и выдаваемых данных. Нашим главным бестселлером в этой области является книга «Проектирование архитектуры API: Как правильно проектировать, развивать и эксплуатировать API» (вышла на русском языке в июне 2024 года), написанная великим Джеймсом Гофом в соавторстве с Дэниэлом Брайантом и Мэтью Оберном, а также ещё три крутые книги:
«API как искусство: разработка, поддержка, интеграция» Сергея Константинова (вышла в мае 2025 года)
«Архитектура бэкенда. API для надежных корпоративных приложений» Владислава Светлакова (вышла в августе 2025 года)
«Web API. Сборник рецептов: Повысьте уровень JavaScript‑приложений» Джо Аттарди (вышла в сентябре 2025 года).
На этой в продаже появилась следующая книга, наполняющая эту нишу: «Прикладные API для искусственного интеллекта и Data Science» Райана Дэя — оригинал вышел в издательстве «O'Reilly“ в апреле 2025 года. Эта весьма оригинальная книга исследует работу с библиотеками Python и в качестве сквозного проекта рассматривает фэнтези‑футбол. Для нас это первый опыт издания книги с серьёзным включением FastAPI, но в перспективе мы не теряем надежд издать и исходно русскоязычную книгу об этом фреймворке.
Книга Дэя рассчитана на опытных читателей, готовых разрабатывать для проекта не только архитектуру, но и собственный SDK на Python. Тем не менее, базовый материал по проектированию API в книге тоже есть, но он запрятан глубже и находится в районе 8–10 главы. Начать же свою книгу автор предпочитает с описания проекта, подбора архитектуры (сравнивает применимость REST и GraphQL в выбранной области), а также разъясняет, как устроен Github к книге. Он выкладывает ссылки на эту подборку примеров в предисловии к книге, поэтому предложим посмотреть их и здесь:
Часть I: https://github.com/handsonapibook/api‑book‑part‑one
Часть II: https://github.com/handsonapibook/api‑book‑part‑two
Часть III: https://github.com/handsonapibook/api‑book‑part‑three
Знакомству с FastAPI посвящена 4-я глава. В частности, автор рассказывает об использовании библиотек Pydantic, Uvicorn и HTTPX. Глава 5 посвящена документированию API, в том числе, с применением SwaggerUI, а глава 6 — развёртыванию API. Причём, в главе 6 даётся вводный материал о Docker и контейнеризации, Docker рассматривается как основной инструмент упаковки программ и, соответственно, как унифицированный API. Всю эту информацию автор подаёт как достаточную подготовку к разработке собственного Python SDK. В дальнейшем речь пойдёт именно об API для обработки данных средствами искусственного интеллекта, однако материал по сборке SDK на Python ценен сам по себе и будет интересен любому опытному Python‑разработчику. Так заканчивается первая часть книги, занимающая 180 страниц.
Дальнейший материал (главы 8–13) посвящён разбору постепенно усложняющихся примеров на анализ данных с использованием ноутбуков Jupyter. Приводится минимальная информация об устройстве и назначении библиотек pandas и scikit‑learn (только для контекста), а также подробно рассматривается фреймворк Streamlit для совместного использования данных из разных приложений.
Наконец, в последних двух главах автор перекидывает мостик между data science и большими языковыми моделями: глава 14 посвящена работе с фреймворком Langchain, а глава 15 — с ChatGPT (содержит как последовательности скриншотов, так и примеры промптов, и код на Python, и даже команды для работы через терминал).
Таким образом, автору удалось уместить в небольшом объёме (320 страниц) полный гайд по подключению лёгкого приложения к мощным механизмам обработки данных, а также сопоставить возможности ChatGPT и LangChain и практически с нуля (кто не знает REST?) проиллюстрировать сборку инструментария для обработки данных средствами искусственного интеллекта. Во многом это удалось сделать, сокращая и упрощая примеры, однако мы полагаем, что заявленная тема полноценно рассмотрена для любого проекта, суть которого заключается в создании аккуратного шлюза для взаимодействия со сторонней БЯМ и первичного разбора/классификации данных, укладывающихся в известную разработчикам схему.
Также книга подойдёт читателям, желающим обогатить своё портфолио и погонять игрушечный проект из области data science, чтобы выявить в нём возможные узкие места и пограничные случаи. Наконец, она придётся очень кстати тем читателям, которые хотят освоить искусство LLMOPS (следите за рекламой, отличная книга Никиты Горячева @boramorka на эту тему уже написана и находится в редактуре с 5 мая — вот бесплатная ознакомительная версия).
Удачи вам в освоении сложных API и вдохновения в создании мощных инструментов в области data science.