Создание платформы-агрегатора нейросетей для обучения работе с искусственным интеллектом

Исходная задача:

АНО «Репъюнит» планировала запуск образовательных курсов по работе с современными инструментами искусственного интеллекта.

Программа обучения включала:

работу с текстовыми нейросетями,
генерацию изображений,
генерацию видео,
практическое освоение промпт-инжиниринга.

Ожидаемый поток составлял около 300 человек на курс.

Первоначальная идея клиента заключалась в использовании существующих платформ-агрегаторов нейросетей, через которые студенты могли бы получать доступ к моделям разных провайдеров.

Однако такой подход имел ряд ограничений:

комиссии агрегаторов,
зависимость от сторонних сервисов,
отсутствие собственной платформы как актива,
невозможность гибко управлять тарифами и доступами.

Какие возможности мы увидели в задаче:

Создать собственную AI-платформу, вместо использования сторонних агрегаторов.
Снизить стоимость использования моделей за счёт прямой работы с API провайдеров.
Получить коммерческий SaaS-продукт, который можно использовать после завершения обучения.
Использовать образовательные курсы как канал привлечения пользователей.
Построить подписочную модель монетизации после завершения обучения.
Создать универсальный интерфейс работы с AI, объединяющий текст, изображения и видео.

Нужно было ответить на вопросы:

Можно ли заменить существующие AI-агрегаторы собственной платформой?

Как объединить разные AI-модели в едином интерфейсе?

Как реализовать прозрачный биллинг и контроль затрат на токены?

Можно ли использовать образовательные курсы как механизм роста аудитории платформы?

Возможно ли построить систему, которая станет самостоятельным коммерческим продуктом?

Что мы сделали:

Спроектировали архитектуру платформы

Создана архитектура веб-платформы с разделением на frontend и backend, обеспечивающая масштабируемость и возможность подключения различных AI-провайдеров.

Платформа построена как отдельное веб-приложение с API-слоем, системой аутентификации, базой данных и интеграциями с внешними AI-сервисами.

Реализовали мульти-модельный AI-чат

Создан интерфейс для работы с различными текстовыми моделями через единый чат.

Пользователь может выбирать модель прямо в интерфейсе, вести диалог, сохранять историю сообщений и переключаться между моделями без необходимости использовать разные сервисы.

Интегрировали генерацию изображений

Добавлен модуль генерации изображений с поддержкой референсов и настройкой параметров генерации.

Система интегрирована с API Runware, что позволило использовать различные модели генерации изображений и снизить стоимость генераций по сравнению с популярными агрегаторами.

Реализовали генерацию видео

Платформа получила поддержку генерации видео с асинхронной обработкой задач.

Долгие операции выполняются в фоновом режиме, а пользователь может отслеживать статус генерации и получать результат после завершения задачи.

Разработали систему биллинга

Создана система учёта кредитов и тарифов.

Платформа учитывает стоимость использования моделей, списывает кредиты и позволяет пользователю отслеживать историю операций и расход токенов.

Добавили инструменты улучшения промптов

В систему встроен механизм автоматического улучшения пользовательских запросов.

Специальные модели помогают пользователям формулировать более точные и детализированные промпты, что повышает качество генерации изображений и видео.

Разработка AI-платформы агрегатора нейросетей — кейс Repunit

Создание собственной платформы вместо использования агрегаторов

Когда организации начинают обучать работе с нейросетями, почти всегда возникает вопрос — какую платформу использовать.

На рынке уже существует множество сервисов-агрегаторов, которые предоставляют доступ к различным AI-моделям через единый интерфейс.

Однако у таких решений есть очевидные ограничения:

комиссия платформы,
отсутствие контроля над инфраструктурой,
невозможность гибко управлять тарифами и пользователями,
зависимость от внешнего сервиса.

В данном проекте было принято принципиально иное решение — создать собственную AI-платформу.

Платформа как образовательная среда

Основной задачей проекта было создание среды, в которой участники курсов могли бы:

работать с текстовыми нейросетями,
генерировать изображения,
создавать видео,
экспериментировать с промптами.

Все инструменты должны были находиться в едином интерфейсе, чтобы пользователям не приходилось переключаться между различными сервисами.

Универсальный интерфейс работы с AI

Платформа была разработана как агрегатор AI-моделей.

Через один интерфейс пользователь получает доступ к:

текстовым моделям,
генерации изображений,
генерации видео,
истории генераций,
библиотеке моделей.

Таким образом создаётся единая среда работы с AI.

Контроль расходов и прозрачный биллинг

Одной из ключевых задач была реализация прозрачной системы расходов.

Платформа учитывает использование моделей и списывает кредиты в зависимости от стоимости операций.

Это позволяет:

контролировать расходы,
устанавливать лимиты,
управлять тарифами пользователей.

Архитектура платформы

Платформа реализована как современное веб-приложение.

Основной стек:

Backend — Python / FastAPI
Frontend — Next.js / React
База данных — PostgreSQL
Кэш — Redis
Интеграции с AI-провайдерами через API

Архитектура построена таким образом, чтобы можно было легко подключать новые модели и расширять функциональность.

Результат

В результате проекта была создана полноценная AI-платформа:

объединяющая различные модели в одном интерфейсе,
позволяющая обучать пользователей работе с нейросетями,
имеющая собственную систему монетизации,
готовая к масштабированию как SaaS-сервис.

По сути, проект превратился из образовательной задачи в разработку полноценного продукта-агрегатора AI-моделей.