GetAnalyst - Навыки • Системный анализ • Бизнес-анализ

🟢 [17 августа, 19:00 Мск] ИИ в работе аналитика: практика с БД и SQL 🔔 ИИ уже может помочь системному аналитику на всём процессе работы с БД и SQL: → требования → сущности и связи → модель данных → ER-диаграмма → DDL → PostgreSQL / SQLite / ... → SQL-запросы Но не вместо аналитика, а вместе с ним. На новой практике разберём, как встроить ИИ в реальный рабочий процесс проектирования БД и работы с SQL. ❗️ Все подходы, которые разберём на практике, можно будет переносить и на другие задачи аналитика. 🟢 Использование ИИ для проектирования БД + SQL 🗓 17 августа, 19:00 Мск 🕐 2.5 часа 🔖 Проект: ИИ-платформа 🐘 СУБД: PostgreSQL ✅ Онлайн + запись после эфира ➕ Предобучение в записи уже открыто 🎁 Бонус: запись занятия «Инструмент DBeaver. Практика SQL-запросов» Что будем делать: 1️⃣ Превращать требования в модель данных с помощью ИИ 2️⃣ Проектировать логическую и физическую модель БД 3️⃣ Строить ER-диаграмму 4️⃣ Создавать рабочие SQLite / PostgreSQL БД 5️⃣ Решать задачи с SQL 6️⃣ Разбирать продвинутые приёмы работы с ИИ 👉 Записаться на практикум от 1450 руб / занятие В результате вы сможете пройти с ИИ весь процесс: от требований и модели данных до ER-диаграммы, рабочей БД и SQL-запросов. До встречи онлайн! 😉

🧠 Как создать AI Skill с нуля в ChatGPT и Claude: гайд для системного аналитика 🤖🛠 Промпт за промптом, а ИИ всё равно каждый раз выдаёт разный результат, и приходится заново объяснять, что нужно и в каком формате. AI Skills, или просто «скиллы», помогают решить эту проблему. Это готовый набор инструкций, знаний, шаблонов и правил, который можно использовать повторно без долгих объяснений в каждом новом чате. 🔗 Материалы к эпизоду Разбираемся, что такое AI Skills, чем они отличаются от обычных промптов и проектов в ИИ, и на практике с нуля создаём скилл для постановки задач на интеграции. Видео: ⏯ YouTube ⏯ RuTube ⏯ VK Video ⏯ Telegram Аудио: ⏯ Apple Podcast ⏯ Яндекс.Музыка ⏯ Castbox ⏯ Звук ⏯ Spotify GetAnalyst — системный анализ на практике ❤️‍🔥 📱 Tg | 💙 ВК | 💬 Max

🔴 Почему откликаться на 200 вакансий с помощью ИИ хуже, чем на 20 вручную 🔴 Сейчас поиск работы уже можно автоматизировать почти полностью. Можно настроить ИИ-агента в Claude / ChatGPT, который будет: → искать вакансии → сравнивать их с вашим опытом → оценивать соответствие → находить пробелы → адаптировать резюме → готовить сопроводительные письма → и даже отправлять отклики Звучит идеально. ❗️ Но бездумно автоматизировать отправку откликов я настоятельно НЕ рекомендую. 1️⃣ Высокий % совпадения ещё не значит, что вакансия вам подходит В ИИ можно хорошо настроить критерии совпадения для вашего резюме + вакансии: • должность • уровень • зарплата • формат работы • технологии • обязательные требования Но вакансии редко описаны настолько формально. Например, у системного аналитика совпали REST API, SQL, UML, интеграции и нужный уровень опыта. ИИ оценил вакансию на 85% соответствия. Но среди требований есть: «нужен опыт в банковских платежах от 2 лет». У вас его нет. Для человека это может быть причиной не откликаться. Для ИИ — просто одно несовпадение из десяти. Да, критичные требования тоже можно заложить в правила агента. Но определить их автоматически получается не всегда. 2️⃣ Массовая адаптация резюме может навредить Под одну вакансию ИИ сильнее подчеркнул Kafka. Под другую — микросервисы. Под третью — архитектуру. И вот в одной компании уже лежат несколько версий вашего резюме с разными акцентами и формулировками. Нерелевантные отклики могут закончиться отказами ещё на этапе просмотра резюме. 👉 В результате вы просто создаёте себе историю неудачных откликов внутри конкретной компании. 3️⃣ «Теневой бан» Я бы не говорила, что после 50 откликов hh.ru автоматически отправляет кандидата в какой-то общий чёрный список. Так это не работает. Но у конкретной компании почти всегда хранится история: ▫️ предыдущих откликов ▫️ версий резюме ▫️ отказов ▫️ этапов собеседований ▫️ комментариев рекрутеров Плюс на рынке есть дружественные IT-компании, которые обмениваются базами кандидатов. И если ИИ отправил ваше резюме на 10 неподходящих вакансий одного банка, а потом появилась действительно ваша вакансия — вы уже не новый кандидат. Поэтому проблема скорее не в «теневом бане», а в том, что можно испортить историю кандидата внутри конкретной компании. 4️⃣ ИИ может ошибиться уже при самом отклике В вакансии при отклике могут спросить: ▫️ сколько лет у вас опыта с платежами? ▫️ готовы ли вы работать из офиса? ▫️ когда можете выйти? ▫️ какая зарплата вас устроит? ИИ может ответить «оптимально под вакансию», а не так, как ответили бы вы. И тогда отказ можно получить ещё на уровне ATS, до того, как резюме нормально посмотрит человек. 👉🟢 Тогда как использовать ИИ правильно? Я бы автоматизировала не количество откликов, а качество отбора: ИИ-агент: 🔎 находит вакансии -> 🎯 оценивает соответствие -> 🚩 отсеивает неподходящие -> 📊 подсвечивает пробелы -> 📝 помогает адаптировать резюме без выдумывания опыта (либо выбрать из 1-3 готовых, что лучше) -> 📝 пишет сопроводительное письмо Вы, как кандидат: 👀 проверяете вакансию -> ✔️ выбираете одну из своих версий резюме -> 👀 проверяете сопроводительное -> 📩 отправляете отклик. То есть: ❌ ИИ → 200 автоматических откликов ✅ ИИ → 200 вакансий → 20 подходящих → 20 качественных откликов с 1–3 базовыми версиями резюме Такой подход намного разумнее. ИИ должен экономить время на поиске работы, а не помогать быстрее испортить собственную историю кандидата. Актуально видео по настройке такого агента? Ставьте 🔥 📱 GetAnalyst | 💙 VK | 💬 Max #AI_for_analysts

🔥 21 задача аналитика, которую можно ускорить с ИИ 🤖🚀 Искусственный интеллект уже меняет работу системных и бизнес-аналитиков. ИИ сегодня — это полноценный рабочий инструмент и навык, который уже можно указывать в резюме. Задачи, решение которых можно ускорить с ИИ: ▫️ анализировать требования; ▫️ исследовать предметную область; ▫️ писать БТ, ФТ и НФТ; ▫️ разрабатывать User Stories + критерии приёмки; ▫️ разрабатывать Use Case и интеграционные Use Case; ▫️ строить BPMN-диаграммы; ▫️ строить UML-диаграммы; ▫️ проектировать БД и ERD; ▫️ писать и проверять SQL-запросы; ▫️ анализировать API внешних систем для интеграций; ▫️ помогать проводить исследовательское тестирование API через Postman / Insomnia; ▫️ проектировать REST API, SOAP API, gRPC, GraphQL, WebSocket и SSE API; ▫️ разрабатывать контракты REST API в OpenAPI / Swagger; ▫️ готовить постановки задач на Backend, Frontend и Mobile по корпоративным шаблонам; ▫️ прорабатывать архитектуру системы; ▫️ строить архитектурные схемы в C4; ▫️ прототипировать UI; ▫️ готовить требования к RabbitMQ и Kafka; ▫️ анализировать документацию, логи и ошибки; ▫️ готовить переписку с коллегами и заказчиками; ▫️ работать с технической коммуникацией на английском. И всё это — не просто в одном чате с ИИ, а через связки инструментов, переиспользуемые промпты, Skills и грамотный промптинг под разные типы задач. Но дальше — ещё интереснее. Следующий уровень для СА и БА — создание собственных AI-агентов и приложений под рабочие задачи 😍 Аналитик уже может не только получать отдельные артефакты с помощью ИИ, но и: ✔️ собирать собственные AI-решения, ✔️ автоматизировать процессы команды, ✔️ убирать ручную рутину, ✔️ самостоятельно создавать рабочие прототипы и MVP. И здесь начинается следующий уровень: мы не просто используем AI — мы начинаем создавать рабочие приложения с AI. Всё это есть здесь: 💙 ИИ-Акселератор для СА и БА 📱 GetAnalyst | 💙 VK | 💬 Max #AI_for_analysts

✅ 5 пунктов, которые постоянно теряют в ТЗ на API ✅ URL, HTTP-метод, параметры запроса и JSON обычно описаны. А вот следующие 5 вещей встречаются гораздо реже, хотя именно про них потом начинаются вопросы у разработчиков и проблемы в проде 👇 1️⃣ Кэширование Если данные можно кэшировать — это должно быть описано в требованиях. Чаще всего — для операций получения данных (GET). ▫️ Что кэшируем? ▫️ Где: Backend, Redis, другое хранилище? ▫️ Какой TTL (время жизни)? ▫️ Что входит в ключ кэша? ▫️ Когда и кем кэш инвалидируется? Написать просто «результат кэшировать на 10 минут» часто недостаточно. 2️⃣ Идемпотентность Что произойдёт, если один и тот же запрос придёт дважды? Особенно критично для создания заказов, платежей, бронирований и других изменяющих операций. ▫️ Выполним операцию повторно? ▫️ Вернём результат первого запроса? ▫️ Как определим, что запрос повторный? Пользователь нажал кнопку два раза — система должна знать, что с этим делать. 3️⃣ Единый формат ошибок от API Не так, что один метод возвращает: {"error": "Not found"} другой: {"message": "Something went wrong"} а третий свою структуру. Для API должна быть определена единая модель возврата ошибок: ✅ единая структура JSON-ошибки ✅ правила использования HTTP-статусов Иначе каждый новый метод постепенно начинает жить своей жизнью. 4️⃣ Что делать, если операция выполнилась только частично Например: Backend сохранил данные в БД → вызвал внешнюю систему → внешний вызов завершился ошибкой. Или: внешняя система выполнила операцию → а сохранить результат в нашей БД не получилось. ▫️ Что откатываем? ▫️ Что повторяем? ▫️ Нужна ли компенсационная операция? ▫️ В каком состоянии оставляем данные? Особенно важно в интеграционных сценариях, где один пользовательский запрос запускает несколько операций. 5️⃣ Логирование и мониторинг Пользователь пишет: «Вчера в 15:42 я оплатил заказ, но статус не изменился». Что дальше? ▫️ Есть ли requestId / correlationId? ▫️ Передаётся ли он между сервисами? ▫️ Что пишем в логи? ▫️ Какие технические и бизнес-метрики собираем? ▫️ На какие ошибки должны срабатывать алерты? Требования к логированию и мониторингу — такая же часть постановки задачи, как JSON запроса и ответа. Ни один из этих пунктов технически не выглядит чем-то сверхсложным. Но именно их легко пропустить, а потом выяснять, как должна вести себя система, уже вместе с разработчиками. Иногда в проде 🥲 #RestApiGA 📱 GetAnalyst | 💙 VK | 💬 Max

❤️‍🔥 Доступ завершается сегодня: практика по ИИ и REST API ❤️‍🔥 Полноформатное обучение, в котором вы практикуетесь с ИИ-инструментами и погружаетесь в REST API. Обратная связь по этой практике говорит сама за себя, спасибо вам за неё! ❤️‍🔥 ИИ для работы аналитика: практика на задачах с REST API 🗓 Доступ до 11 августа 🕘 Время на обучение: 4.5 часа 🔗 Получить доступ 👉 На практике вы: ➕ настроите ИИ-агента для работы с API-задачами ➕ исследуете запросы к реальным API через Postman и Insomnia ➕ разберётесь, как работать со Swagger и OpenAPI-документацией ➕ поймёте, какие задачи можно передавать ИИ, а где необходима проверка аналитика 👉 Разберёте 10+ инструментов для работы с ИИ и API: ✔️ Qwen ✔️ ChatGPT ✔️ Claude ✔️ Postman ✔️ Insomnia ✔️ Swagger ✔️ и другие 👉 Этот практикум — самостоятельное полноформатное занятие, которое можно пройти и использовать отдельно от наших программ. Он также является вводным занятием к практическим программам: 🎓 Проектирование REST API Старт 11 августа Завтра — последний день предзаписи по специальным условиям. 🎓 ИИ-Акселератор Старт 29 августа Для тех, кто хочет глубже освоить ИИ для рабочих задач. Успевайте посмотреть, пока открыт доступ 🤝

📌📚 Кэширование — подборка материалов для СА 📚📌 Если в API нужно кэширование, аналитику недостаточно написать: «кэшировать данные». В требованиях стоит ответить хотя бы на базовые вопросы: ✔️ Что кэшируем — весь ответ или отдельные данные ✔️ Где кэшируем — в приложении, Redis, HTTP-кэше, CDN ✔️ Кто источник истины — откуда берём актуальные данные ✔️ Какой TTL — время жизни кэша ✔️ Допустимы ли устаревшие данные и как долго ✔️ Как формируется ключ кэша — какие параметры в него входят ✔️ Когда инвалидируем кэш — по TTL, событию или изменению данных ✔️ Что происходит при cache miss — откуда получаем данные ✔️ Что происходит, если кэш недоступен — идём в БД / внешний сервис / возвращаем ошибку ✔️ Какие HTTP-механизмы используем — Cache-Control, ETag, If-None-Match и другие, если они нужны 👉 Если эти вопросы закрыты, разработчику не придётся самому решать, как должен работать кэш. Собрала материалы GetAnalyst, которые помогут разобраться в теме и посмотреть, как переводить кэширование в конкретные требования 👇 🔗 Всё про кэш - самое главное в одной мини-книге 🔗 Ключевые алгоритмы кэширования cahce-miss / cache-hit 🔗 3 уровня кэширования 🔗 4 директивы заголовка Cache-Control, которые важно различать 🔗 ETag и 304 Not Modified — недостающие строчки в 90% ТЗ на справочники через GET 📌 Пример требований к API-методу с кэшированием Сохраняйте как чек-лист и сверяйте с ним следующие постановки задач 🔖 #RestApiGA 📱 GetAnalyst | 💙 VK | 💬 Max

😰 От Junior в 7 раз чаще требуют навыков Middle и Senior... Это не моё ощущение. Это результат исследования PwC — одной из крупнейших консалтинговых компаний в мире. В 2026 они разобрали больше 1 млрд вакансий и подтвердили этот факт на 2,4 млн junior-вакансий в США. ❗️При этом ИИ не отменяет Junior-позиции. Но поднимает планку входа в профессию и требования к грейдам в целом. Причина логичная. ИИ всё лучше делает то, на чём раньше учились начинающие: ▫️ собрать первый черновик документа ▫️ структурировать требования ▫️ написать SQL ▫️ разобрать API ▫️ построить диаграмму ▫️ найти варианты решения 👉 Ценность специалиста смещается от «умею сделать» к «понимаю, ЧТО нужно сделать, могу проверить результат и принять решение» Для аналитика попросить ИИ спроектировать REST API или написать Use Case недостаточно. Нужно самому уметь ответить: ✅ какие сценарии он пропустил ✅ корректно ли спроектирован контракт API ✅ что будет при ошибках ✅ где нарушена бизнес-логика ✅ подходит ли решение вашей архитектуре Если не можешь это проверить — ты не контролируешь результат, а угадываешь вместе с ИИ 🤷‍♀️ LinkedIn фиксирует тот же сдвиг с другой стороны. Растут требования: 1️⃣ к владению AI-навыками, 2️⃣ к мягким навыкам (софт-скиллам) — работа со стейкхолдерами, коммуникация, лидерство. Я же продолжаю повторять: 👉 ИИ не заменит аналитика. Но аналитик с ИИ будет всё сильнее выигрывать у аналитика без него. 👉 А фундаментальные знания — не менее, а более важны. Ведь теперь надо понимать, где накосячил ИИ. Потому что его ответы всегда красивы, но далеко не всегда верны. 📚 Источники: PwC — Global AI Jobs Barometer 2026 LinkedIn — Skills on the Rise 2026 А вы уже видите это на собеседованиях или в требованиях к джунам? Делитесь опытом в комментариях👇 #AI_for_analysts 📱 Tg | 💙 ВК | 💬 Max

🟢 Доступ к обучению открыт: практика по ИИ и REST API 🟢 Полноформатное обучение, в котором вы практикуетесь с 10+ инструментами и погружаетесь в REST API и ИИ. 💙 Как ИИ меняет работу аналитика: практика на задачах с REST API 🗓 Доступ до 11 августа 👉 План: 1. Основы REST API — что должен знать системный аналитик 2. Для каких задач аналитику нужен ИИ при работе с API 3. Обзор ИИ-инструментов: Qwen, ChatGPT, Claude и другие 4. Практика настройки ИИ-агента для работы с задачами на API 5. Погружение в REST API на практике через Postman и Insomnia 6. Документирование REST API через Swagger 📄 Инструкция по подготовке 🕘 Время на обучение: 4.5 часа 🔗 Получить доступ* *Если зарегистрированы, то доступ уже направили сегодня утром и ранее, в подтверждении регистрации. Вдохновляющих выходных! 📱 Tg | 💙 ВК | 💬 Max

🧐 URI vs URL: кажется, что это одно и то же. Но в чём разница? 🧐 URI и URL мы встречаем постоянно: ▫️ в адресной строке браузера ▫️ в документации к API ▫️ в постановках задач API: Base URL, URI, endpoint На первый взгляд, всё это одно и то же: просто «ссылка», «эндпоинт» или «адрес метода». 👉 Да, URI и URL часто используют как взаимозаменяемые понятия. Но технически это не одно и то же. Коротко: 🌟 URL — это один из видов URI. 🌟 Каждый URL является URI, но не каждый URI является URL. А ещё существует URN. Разберёмся на простых примерах 👇 1️⃣ URI — идентификатор ресурса Uniform Resource Identifier Это общее понятие: строка, которая идентифицирует какой-либо ресурс. Примеры URI: + https://api.example.com/v1/products/42 + mailto:user@example.com + urn:isbn:9783161484100 👉 Все три записи идентифицируют ресурсы, но делают это по-разному. 2️⃣ URL — адрес ресурса Uniform Resource Locator Он не только идентифицирует ресурс, но и показывает, где он находится и как к нему обратиться. Например: https://api.example.com/v1/products/42 По этому адресу клиент может отправить HTTP-запрос и получить данные о товаре. https://getanalyst.ru/about Это URL, который вы вводите в браузере, чтобы перейти на страницу "О нас" на веб-сайте с доменом "getanalyst.ru". Здесь: ▫️ https — схема обращения ▫️ api.example.com и getanalyst.ru — домены ▫️ /v1/products/42 и /about— пути к ресурсам 👉 Поэтому данные строки являются одновременно: ✅ URI — потому что идентифицирует ресурс ✅ URL — потому что указывает его адрес и способ обращения 3️⃣ URN — имя ресурса Uniform Resource Name Он идентифицирует ресурс по устойчивому имени, но не указывает, где этот ресурс находится. Например: urn:isbn:9783161484100 urn:issn:2049-3630 Это уникальные идентификаторы книги. Книга может продаваться в разных магазинах и храниться в разных библиотеках, но её ISBN/ISSN от этого не изменится. URN может идентифицировать не только книгу. Например, <urn:uuid:...> задаёт устойчивый идентификатор объекта. При этом URN не сообщает, на каком сервере находится объект и как его получить. 👉 Итого по URN: ✅ является URI ❌ не является URL: сам по себе не указывает сетевой адрес ресурса и способ его получения Главное, что нужно запомнить: ✅ URI — общее понятие: идентификатор ресурса ✅ URL — URI, который показывает адрес ресурса и способ обращения ✅ URN — URI, который задаёт устойчивое имя ресурса, но не указывает адрес В REST API мы преимущественно работаем с HTTP(S) URL. А слово endpoint обычно используют для обозначения точки обращения к API: сочетания HTTP-метода (GET/POST/PUT...) и адреса ресурса. Теперь, увидев в постановке задачи Base URL, URI и endpoint, вы точно знаете, почему это не три названия одного и того же 😉 ——- P.S. А к чему относится "mailto:user@example.com"? ——- #AI_for_analysts #RestApiGA 📱 Tg | 💙 ВК | 💬 Max

❤️‍🔥🤖 ИИ-агенты для аналитика: к концу практикума можно стать сеньором [8-11 августа] 🤖❤️‍🔥 «к концу практикума можно стать сеньором» 😄 Так один из участников комментировал количество инструментов и возможностей, которые мы разбираем за одно занятие. Конечно, за 4 часа сеньором не стать. Но можно настроить ИИ-агентов, исследовать реальные API и научиться использовать нейросети так, чтобы они ускоряли работу, а не добавляли проблем. ❤️‍🔥 ИИ для работы аналитика: практика на задачах с REST API 🗓 Доступ только с 8 по 11 августа 📹 Формат: в записи 🕐 На обучение: 4 часа 🟢 Участие бесплатное 🔗 Зарегистрироваться 👉 На практике вы: ➕ настроите ИИ-агента для работы с API-задачами ➕ исследуете запросы к реальным API через Postman и Insomnia ➕ разберётесь, как работать со Swagger и OpenAPI-документацией ➕ поймёте, какие задачи можно передавать ИИ, а где необходима проверка аналитика 👉 Разберём 10+ инструментов для работы с ИИ и API: ✔️ Qwen ✔️ ChatGPT ✔️ Claude ✔️ Postman ✔️ Insomnia ✔️ Swagger ✔️ и другие 👉 Этот практикум — самостоятельное полноформатное занятие, которое можно пройти и использовать отдельно от наших программ. Он также является вводным занятием к практическим программам: 🎓 Проектирование REST API Старт 11 августа Завтра — последний день предзаписи по специальным условиям. 🎓 ИИ-Акселератор Старт 29 августа Для тех, кто хочет глубже освоить ИИ для рабочих задач. —— P.S. Технические или организационные вопросы: @getanalyst или info@getanalyst.ru

🤖🔖 Бесплатный AI-скилл от GetAnalyst для постановки задач на REST API + шаблон требований 🔖🤖 Пока кто-то продаёт AI-скиллы для аналитиков, я отдаю свои бесплатно 🙌 Сегодня делюсь скиллом (навыком) по проектированию REST API. Скилл превращает бизнес-сценарий, Use Case, макет или несколько строк про вашу задачу в полноценную постановку задачи на один REST API-метод. 👉 Что он делает: ✔️ задаёт уточняющие вопросы, если данных недостаточно ✔️ проектирует URI, параметры, headers и JSON ✔️ описывает валидации, ответы и ошибки ✔️ формирует пошаговый алгоритм Backend ✔️ добавляет маппинг с БД ✔️ учитывает кэширование, НФТ, логирование и мониторинг ➕ спорные решения и допущения выносит перед постановкой, не засоряя сам документ комментариями 📝 Самый актуальный и полный шаблон требований GetAnalyst и куча обучающих примеров были использованы при создании скилла. Примеры постановок задач по этому шаблону показывала в этом посте. 👉 К посту прикрепляю: 🤖 скилл для Claude / OpenAI 📝 PDF-шаблон постановки задачи на REST API метод 🔗 Инструкция по установке и использованию скилла в ChatGPT Plus и Claude 👉 Также скилл можно использовать в: + Gemini CLI — именно CLI, не обычный Gemini в браузере + GitHub Copilot (например, в VS Code) + Cursor + и других инструментах. Скачивайте, устанавливайте и используйте бесплатно ❤️‍🔥 #AI_for_analysts #RestApiGA 📱 Tg | 💙 ВК | 💬 Max

🔥 QUERY vs POST: 2 примера постановки задачи на поиск с десятками фильтров 🔥 Что делать, если параметров фильтрации и сортировки слишком много для передачи в URL? Раньше для таких сценариев часто использовали: POST /products/search Фильтры, сортировку и пагинацию передавали JSON-объектом в теле запроса. Теперь появился отдельный HTTP-метод для безопасного и идемпотентного поиска с телом запроса, вместо "костыля" с POST: QUERY /products 🔵 К посту прикрепляю две полноценные постановки задачи - выгрузки из Confluence: 1️⃣ Поиск товаров через POST /products/search — вариант, подготовленный до появления QUERY. 2️⃣ Поиск товаров через QUERY /products — обновлённый пример с новым HTTP-методом (в этом документе также можно посмотреть, как супер-подробно описать требования к кэшированию результатов поиска). 💾 Скачивайте оба файла и сравнивайте: ✔️ как изменился endpoint ✔️ как передаются фильтры ✔️ как описывается контракт метода ✔️ какие требования важно зафиксировать для Backend Когда на проекте появится поиск с десятками фильтров, у вас уже будет готовый образец постановки задачи — и для привычного POST, и для нового QUERY. 🔖 Обязательно сохраняйте этот новый образец требований по REST API в личный архив и поддержите пост ❤️🔥, если это то, что вам актуально #RestApiGA #FarmFreshGA 📱 Tg | 💙 ВК | 💬 Max