chatgpt. Блог. StockSharp

Или как ИИ может сэкономить вам часы работы, но не спасёт от необходимости проверять каждый шаг. claudeai-vs-chatgpt.jpg Сентябрь 2024 года. Мы, команда StockSharp, активно используем ИИ для написания коннекторов к криптобиржам. Но спешу вас предупредить — если вы читаете эту статью в 2025 году или позже, всё это может уже устареть. Если вы из будущего, добро пожаловать в прошлое! И не забудьте проверить, актуальны ли наши методы. Наш путь с ИИ начался с ChatGPT 3.5, который, откровенно говоря, не мог бы написать не то что коннектор для криптобиржи, а даже простую торговую стратегию. Однако с приходом ChatGPT 4.0 и Claude Sonnet 3.5 ситуация резко изменилась. Теперь ИИ может писать сложные модули кода, хотя и с оговорками: приходится вмешиваться, уточнять и исправлять ошибки, что, впрочем, стало уже нормой в нашем процессе. ----- Шаг 1. Запуск проекта в Claude.ai Прежде чем начать писать новый коннектор, первым делом мы создаём проект в Claude.ai. Это не просто чат, который забудет всё, как только вы его закроете. Проект позволяет сохранять всё, что вы туда загружаете: коды, документы, комментарии. Это аналог настроек Custom GPT, где ИИ «учится» на ваших примерах и указаниях, а не просто отвечает на вопросы. project.png Интерфейс создания проекта в Claude.ai. Здесь сохраняются все данные и примеры, что позволяет поддерживать контекст работы. Claude.ai — это как ваш личный программист, который что-то понимает, но без вашего надзора может написать что-то, от чего волосы на голове зашевелятся. Так что держите рядом документацию и свою бдительность. ----- Шаг 2. Копируем существующий код Чтобы не изобретать велосипед каждый раз, мы берем за основу уже существующий коннектор, например, для Coinbase. Мы копируем структуру проекта и адаптируем все ключевые классы и методы под новую биржу. Это только начало пути — дальше начинается самое интересное. ----- Шаг 3. Адаптация WebSocket клиента Теперь пора настраивать WebSocket клиента для новой биржи. Для примера возьмем GateIO Spot WebSocket v4. Claude.ai помогает с генерацией кода, но тут начинается наша постоянная борьба с неточностями. ИИ частенько генерирует код, который в теории кажется правильным, но на практике нужно дополнять и исправлять. 1.png Исходный код WebSocket клиента для одной из бирж, сгенерированный Claude.ai. ИИ предлагает расширить типы данных и события. Когда доходит до аутентификации, ИИ часто ошибается, и приходится вручную добавлять недостающие элементы. Claude может забыть даже такие базовые вещи, как авторизация перед подпиской на каналы WebSocket. 2.png Claude.ai допустил ошибку при реализации авторизации WebSocket. Мы исправили код и добавили корректную авторизацию перед подключением. Мы также переделываем код так, чтобы сделать его более гибким и передавать адрес WebSocket через параметр. Это позволяет нам легко адаптироваться к различным биржам и их API. 3.png Пример кода, где веб-сокет передается как параметр, что делает архитектуру более гибкой. ----- Шаг 4. Настройка REST клиента и адаптера После настройки WebSocket клиента мы приступаем к REST клиенту. Claude.ai генерирует базовые запросы, но нам приходится вручную уточнять, корректны ли они. API бирж отличаются, и нужно быть внимательным, чтобы не пропустить важные детали в документации. Когда клиент готов, мы переходим к адаптеру для StockSharp, где происходит основная магия — обработка данных и их приведение к единому формату. Тут ИИ помогает с генерацией классов, но всегда стоит сверять каждый шаг. Особенно это важно при работе с JSON данными, передаваемыми через API биржи. 5.png Сгенерированные классы для доменной модели. Мы вручную дополнили их атрибутами и исправили типы данных. Claude может предложить интересные решения, но нужно добавлять атрибуты, такие как JsonProperty, чтобы корректно обрабатывать данные биржи. Если вы этого не сделаете — готовьтесь к сюрпризам в виде неверных данных в отчётах. 6.png Мы добавили атрибуты JsonProperty для правильной работы с JSON данными. Обработка торговых данных — ещё один важный этап, где ИИ не всегда справляется самостоятельно. Например, данные сделок и их обработка могут вызывать ошибки. 7.png Claude исправляет код для обработки данных торгов, передаваемых через WebSocket и REST API. ----- Шаг 5. Оптимизация и новые методы Claude.ai неплохо справляется с написанием базовых методов, таких как работа со свечами и торговыми данными. Однако его предложения требуют оптимизации. Мы часто выносим логику в отдельные классы для лучшей структуры. 8.png Оптимизация методов для работы со свечами и данными торговли через WebSocket, вынесенные в отдельные классы. Также приходится дорабатывать методы для работы с торговыми операциями через WebSocket. И хотя ИИ помогает автоматизировать такие процессы, код всё равно требует финальной доводки. 9.png Claude.ai добавил методы для торговых операций в SocketClient, но их пришлось оптимизировать и исправить ошибки. ----- Шаг 6. Тестирование — код работает не всегда с первой попытки Когда код готов, самое время его протестировать. Здесь ИИ снова приходит на помощь, но все его предложения нужно тщательно проверять, потому что часто с первого раза всё работает некорректно. Например, при тестировании работы с API биржи мы сталкиваемся с ошибками при запросах инструментов и позиций. 10.png Claude.ai предложил код для работы с REST API Gate.io, но его нужно было тестировать и дорабатывать. ----- Шаг 7. Конвертация данных для спота и деривативов Claude.ai помогает с генерацией классов для работы со спотом и деривативами, но опять же — будьте готовы к тому, что нужно будет корректировать методы и типы данных вручную. Например, работа с деривативами на Gate.io требует дополнительных проверок и доработок. 11.png Claude.ai предложил класс Extensions для поддержки конвертации данных между спотом и деривативами на Gate.io. Мы также адаптируем SpotAdapter для корректной обработки данных биржи, используя методы конвертации, предложенные Claude. 12.png SpotAdapter был переписан с учетом изменений в HttpClient и SocketClient, используя методы из Extensions. ----- Шаг 8. Адаптер для фьючерсов и исправления ошибок Claude.ai помогает с написанием методов для работы с фьючерсами, но, как и прежде, требуется тщательная проверка логики и исправление ошибок. Например, при сборке стакана данных мы столкнулись с проблемой обработки исключений. 13.png Сгенерированный HttpClient для работы с фьючерсами через REST API Gate.io. Claude также иногда ошибается с обработкой данных в адаптере фьючерсов. Приходится вручную настраивать методы для правильной работы со стаканом. 14.png Исправленный адаптер для фьючерсов с правильной логикой работы со стаканом. В результате после исправлений ИИ предложил оптимизированный метод для работы с ордербуками и восстановления данных. 15.png Оптимизация методов для восстановления и работы со стаканом данных на основе предложений Claude.ai. ----- GitHub Copilot — разрекламированная игрушка или настоящий помощник? GitHub Copilot, который Microsoft и GitHub активно продвигают как инструмент будущего, на самом деле в своём текущем виде является скорее интересной игрушкой, нежели полноценным помощником программиста. Copilot помогает писать нужные участки кода, но по-настоящему выдающихся результатов от него ждать не стоит — его сила в доработке и предложениях по улучшению кода. Однако его главный плюс — это тесная интеграция со средой разработки, что делает его удобным для быстрых правок и завершения шаблонного кода, с чем он справляется гораздо лучше, чем написание сложных логических модулей. copilot.gif ----- ИИ: усилитель возможностей для профессионалов и преграда для новичков Если вы начинающий разработчик и только погружаетесь в мир программирования, то вам, мягко говоря, не повезло. На текущий момент ИИ никак не повысит вашу эффективность. Более того, доверяя ИИ в сложных задачах, вы можете ещё больше запутаться в коде и проблемах, которые он генерирует. Совсем другое дело — опытные программисты. Для профессионалов ИИ действительно становится мощным инструментом, который преумножает их возможности: увеличивает скорость разработки, предлагает решения, обогащает знания о различных технологиях и библиотеках. В таком тандеме ИИ помогает фокусироваться на ключевых аспектах проекта, оставляя рутину на его плечах. Однако, как мы уже упоминали, ИИ бьёт по самому слабому месту — начинающим разработчикам, делая разрыв между ними и профессионалами ещё большим. Опытные программисты могут быстро выявить ошибки ИИ, исправить их и продолжить работу, тогда как новичок просто утонет в этих проблемах. Иронично, что в то время, когда ИИ задумывался как помощь для всех, он пока лишь увеличивает этот разрыв. Но стоит надеяться, что в будущем ИИ станет более самостоятельным в программировании, и тогда этот разрыв может не только перестать расти, но и вовсе исчезнуть, выравнивая шансы для всех, независимо от их уровня подготовки.