aiollm
Асинхронная типизированная библиотека HTTP-клиентов для AI API: клиенты OpenAI и Anthropic, проверка ответов, повторы, загрузка файлов и потоковые ответы. Статус — pre-alpha.
Открыть репозиторий ↗Python 3.10+ / backend / распределённые системы
Инженер по backend-разработке и распределённым системам, специализируюсь на типизированном асинхронном Python.
Семь лет с Python. От контрактов API до эксплуатации в production.
@GrehBan / GitHubпроекты
Python-библиотеки и инструменты, которые я создаю и развиваю. Откройте репозиторий, чтобы посмотреть исходный код и актуальный статус.
Асинхронная типизированная библиотека HTTP-клиентов для AI API: клиенты OpenAI и Anthropic, проверка ответов, повторы, загрузка файлов и потоковые ответы. Статус — pre-alpha.
Открыть репозиторий ↗Асинхронный исполнитель callback-вызовов с ограничением конкурентности, настраиваемым порядком результатов и управляемым временем жизни задач.
Открыть репозиторий ↗Структурированные исключения с типизированными полями, шаблонами сообщений и контекстом с поддержкой сокрытия чувствительных данных.
Открыть репозиторий ↗Экспериментальный генератор моделей Pydantic и методов API для aiollm по спецификациям OpenAPI 3.0/3.1.
Открыть репозиторий ↗Строго типизированные структуры для HTTP-заголовков, аутентификации, cookies и таймаутов с проверками по RFC.
Открыть репозиторий ↗Двуязычный сайт продукта aiollm: примеры использования, документация и материалы для разработчиков.
Открыть репозиторий ↗focus
Типизированные API, данные, очереди, инфраструктура, тестирование и наблюдаемость. Конкретный набор технологий зависит от задач системы.
Типизированные API на Python, асинхронные сервисы и HTTP-интеграции.
Реляционное, документное, кэшируемое и временное хранение с управляемой эволюцией схем.
Очереди, потоки событий и фоновые задачи под нужную модель доставки.
Linux, контейнеризация, оркестрация и эксплуатация веб-серверов.
Метрики, трассировки и логи для эксплуатации распределённых сервисов.
Быстрая обратная связь, реалистичная инфраструктура в тестах и проверка граничных случаев.
Повторяемые проверки и конвейеры доставки Python-сервисов.
Асинхронные API-интеграции с AI/LLM-сервисами и Telegram-ботами.
обо мне
Семь лет работаю с Python и backend-системами на всех этапах: типизированные API, асинхронные сети, хранение данных и миграции, распределённая обработка, доставка и наблюдаемость в production.
FastAPI и Starlette с Pydantic — для HTTP-сервисов; asyncio, aiohttp и HTTPX — для асинхронной логики и интеграций. В работе использую PostgreSQL, SQLAlchemy 2.0, Alembic, MongoDB, Redis, InfluxDB и SQL — разные инструменты под разные модели данных и сценарии доступа.
RabbitMQ Quorum Queues и NATS JetStream решают разные задачи обмена сообщениями; Celery — для фоновых задач. Выбор зависит от гарантий доставки, необходимости повторного чтения событий и стоимости эксплуатации, а не от желания объединить все брокеры в одну систему.
Docker, Docker Swarm, Nginx, Apache, Linux, Bash и GitHub Actions помогают довести сервис до production. Pytest, pytest-asyncio, Testcontainers и Hypothesis повышают надёжность; Prometheus, Grafana, OpenTelemetry, LGTM Stack и Loki помогают видеть поведение системы.
блог
Python, асинхронность, типизация и инженерные решения, из которых складываются надёжные инструменты.
Несколько решений, которые делают Python-клиенты API предсказуемыми и не скрывают работу HTTP-слоя.
↗Почему владельцы задач и границы отмены важны для асинхронных Python-сервисов.
↗Как разбор и проверка данных упрощают и делают безопаснее внутренний Python-код.
↗контакты
Нужно сделать надёжнее Python API, распределённую обработку или асинхронную интеграцию? Напишите.