> ## Documentation Index > Fetch the complete documentation index at: https://docs.megallm.io/llms.txt > Use this file to discover all available pages before exploring further. # Следующие шаги > Вы сделали свой первый AI-запрос! Вот что изучить дальше. ## Изучите продвинутые функции Получайте ответы в реальном времени по мере их генерации Позвольте AI взаимодействовать с внешними инструментами и API Обрабатывайте изображения с помощью мультимодальных моделей Полный справочник и руководства по API ## Изучите документацию Полная документация API OpenAI-совместимые эндпоинты Anthropic Claude-совместимые эндпоинты Просмотрите все более 70 доступных моделей ## Создайте реальные приложения ### 1. Чат-бот Создайте интеллектуального чат-бота: ```python theme={null} from openai import OpenAI client = OpenAI( base_url="https://ai.megallm.io/v1", api_key="your-key" ) def chatbot(user_message, history=[]): history.append({"role": "user", "content": user_message}) response = client.chat.completions.create( model="gpt-4", messages=history ) assistant_message = response.choices[0].message.content history.append({"role": "assistant", "content": assistant_message}) return assistant_message, history ``` ### 2. Генератор контента Генерируйте блог-посты, электронные письма или контент для социальных сетей: ```python theme={null} def generate_content(topic, content_type="blog"): prompts = { "blog": f"Write a comprehensive blog post about {topic}", "email": f"Write a professional email about {topic}", "tweet": f"Write an engaging tweet about {topic}" } response = client.chat.completions.create( model="claude-3.5-sonnet", messages=[{"role": "user", "content": prompts[content_type]}], temperature=0.7 ) return response.choices[0].message.content ``` ### 3. Ассистент по кодированию Создайте помощника по программированию: ```python theme={null} def code_assistant(task, language="python"): prompt = f"Write {language} code to {task}. Include comments and error handling." response = client.chat.completions.create( model="gpt-4", messages=[{"role": "user", "content": prompt}], temperature=0.2 # Более низкая температура для более детерминированного кода ) return response.choices[0].message.content ``` ### 4. Анализатор данных Анализируйте данные и генерируйте идеи: ```python theme={null} def analyze_data(data_description): prompt = f""" Analyze this data and provide insights: {data_description} Provide: 1. Key findings 2. Trends 3. Recommendations """ response = client.chat.completions.create( model="claude-opus-4-1-20250805", # Лучше всего для анализа messages=[{"role": "user", "content": prompt}] ) return response.choices[0].message.content ``` ## Лучшие практики * **GPT-4**: Лучше всего для сложных рассуждений * **GPT-3.5 Turbo**: Быстро и экономично * **Claude Opus**: Отлично для анализа и длинного контекста * **Claude Sonnet**: Сбалансированная производительность * **Gemini Pro**: Сильные мультимодальные возможности См. [каталог моделей](/ru/home/models) для подробного сравнения. * Начните с более дешевых моделей для тестирования * Используйте `max_tokens` для ограничения длины ответа * Кэшируйте ответы, когда это возможно * Используйте потоковую передачу для улучшения воспринимаемой производительности * Отслеживайте использование в вашей панели управления ```python theme={null} from openai import OpenAI, AuthenticationError, RateLimitError import time def make_request_with_retry(messages, max_retries=3): for attempt in range(max_retries): try: return client.chat.completions.create( model="gpt-4", messages=messages ) except RateLimitError: if attempt < max_retries - 1: time.sleep(2 ** attempt) # Экспоненциальная задержка else: raise except AuthenticationError: print("Invalid API key") raise ``` * Будьте конкретны и ясны * Предоставляйте примеры при необходимости * Используйте системные сообщения для установки контекста * Разбивайте сложные задачи на шаги * Тестируйте разные настройки температуры * Отслеживайте историю разговора * Ограничивайте историю, чтобы избежать лимитов токенов * Суммируйте старые сообщения при необходимости * Используйте кэширование промптов для повторяющегося контента ## Соображения для production ### Безопасность * Храните API-ключи в переменных окружения * Никогда не коммитьте ключи в систему контроля версий * Используйте разные ключи для dev/staging/production * Регулярно меняйте ключи * Отслеживайте использование на предмет аномалий ### Производительность * Используйте потоковую передачу для лучшего UX * Реализуйте кэширование там, где это уместно * Добавьте логику повторных попыток с экспоненциальной задержкой * Отслеживайте время ответа * Рассмотрите использование вебхуков для асинхронных операций ### Мониторинг * Отслеживайте использование токенов * Мониторьте частоту ошибок * Логируйте API-запросы (без конфиденциальных данных) * Настройте оповещения для лимитов квот * Регулярно проверяйте затраты ### Масштабирование * Реализуйте ограничение скорости * Используйте очереди для большого объема запросов * Кэшируйте общие ответы * Рассмотрите пакетирование запросов * Планируйте стратегии отказоустойчивости ## Присоединяйтесь к сообществу Общайтесь с другими разработчиками Просматривайте примеры и вносите вклад Следите за обновлениями Смотрите учебники ## Получить помощь Большинство распространенных вопросов отвечены в нашем [FAQ](/ru/home/faq). Полные руководства доступны в [документации для разработчиков](/ru/dev-docs/overview). Напишите нам на [support@megallm.io](mailto:support@megallm.io) для технической помощи. Нашли баг? Сообщите об этом на [GitHub](https://github.com/megallm). ## Полезные ресурсы * **[Справочник API](/ru/api-reference/introduction)** - Полная документация API * **[Каталог моделей](/ru/home/models)** - Все более 70 моделей с ценами * **[CLI инструмент](/ru/cli/overview)** - Настройте AI-ассистенты для кодирования * **[FAQ](/ru/home/faq)** - Часто задаваемые вопросы и ответы * **[Список изменений](/ru/releases/overview)** - Последние обновления ## Готовы создавать? Начните создавать своё AI-приложение сегодня. Если вам нужна помощь, мы здесь для вас! Полная документация Получите помощь от нашей команды