Блог Laraue — .NET, Nuxt, Telegram-боты и работа с ИИ

Пишем о том, что делаем сами: библиотеки для .NET, Telegram-боты, интеграции с ИИ — и об ошибках в архитектуре, которые мы допустили по пути.

DeepSeek API в .NET — OpenAI-совместимый клиент без SDK, Ollama для разработки и ИИ, который приводит заметки в порядок
Часть 26 цикла о разработке Telegram-таск-трекера небольшой командой. Как в Boards появился ИИ, который превращает поток мыслей из чата в аккуратную задачу: DeepSeek в продакшене, Ollama для локальной разработки, свой OpenAI-совместимый клиент на HttpClient и команда /aisave в Telegram.
Читать →
Как мы переписали фронтенд — архитектура Nuxt с явными зависимостями, тесты на Vitest и правила для ИИ-агентов
Часть 23 цикла о разработке Telegram-таск-трекера небольшой командой. Почему интерфейс Boards пришлось переписать, как устроена новая архитектура фронтенда, в которой каждая страница явно объявляет свои зависимости, как это помогает тестам на Vitest и зачем в репозитории файл с правилами для ИИ-агентов.
Читать →
Как мы ведём бэклог в Boards через Claude Code и MCP
Часть 27 цикла о разработке Telegram-таск-трекера небольшой командой. Мы сделали MCP-сервер для Laraue Boards, чтобы разобраться, как работает MCP, а потом начали пользоваться им с Claude Code каждый день. Как за два часа появилась первая версия, что было в ней не так и какой ежедневный цикл он дал.
Читать →
Почему ревью кода, сгенерированного ИИ, часто дороже самостоятельного написания
Всё чаще говорят, что код должен писать ИИ, а разработчик — только направлять его и проверять результат. И почти никто не упоминает, что проверить сгенерированный код так, чтобы ему можно было доверять, часто дольше, чем написать его самому.
Читать →
Прототипируем интерфейс с ИИ до написания кода
Часть 2 цикла о разработке Telegram-таск-трекера небольшой командой. Почему мы начинаем с интерфейса, как HTML-прототипы от ИИ заменили Figma и каким получился первый прототип Laraue Boards.
Читать →
Как мы разрабатываем — инженерные принципы при работе над реальными продуктами
Инженерные принципы, по которым делаются проекты Laraue — начинаем с пути пользователя, не переусложняем раньше времени, делим логику на слои, изолируем сторонние интеграции, где ИИ помогает, а где не допускается до кодовой базы.
Читать →
Как мы решаем, что разрабатывать — проверка продуктовой идеи на переполненном рынке
Проверка продуктовой идеи до написания кода: изучаем рынок, проверяем идею публично и с помощью ИИ оцениваем, реально ли конкурировать за нужные ключевые слова.
Читать →
Парсинг JavaScript-сайтов недвижимости и оценка фото с Ollama на C#
Как построить агрегатор недвижимости на .NET — парсинг через PuppeteerSharp с ранним завершением, интеграция Ollama vision model для оценки фото, штрафная формула ранжирования и уведомления в Telegram. Исходный код на GitHub.
Читать →
Интеграция Ollama с C# и .NET — локальные LLM, структурированный вывод и vision-модели
Как вызвать Ollama из C# и .NET: HttpClient с текстом и изображением, структурированный JSON-вывод, типизированный NuGet-адаптер со схемой из C# класса и сравнение с OllamaSharp и Microsoft.Extensions.AI. Без облачного API.
Читать →
Laraue.Apps.RealEstate: статус, ограничения и что осталось
Статус Laraue.Apps.RealEstate: приложение собирало объявления с двух крупных сайтов и оценивало квартиры по фото локальной vision-моделью. Больше 100 000 объявлений, открытый код; краулер сейчас не запускается.
Читать →
Telegram-бот для изучения языков на C# и .NET 10 — архитектура и технические решения
Технический разбор архитектуры open-source Telegram-бота для пополнения словарного запаса: стек C# / .NET 10, пайплайн автоперевода на базе Ollama, модель данных и настройка локальной разработки.
Читать →