LearnBG

С чего начали

Начали с небольшого Telegram-бота для отправки матч-файлов. По мере работы появлялись новые задачи, и я развивал систему вместе с продуктом.

Что требовалось

У GNU Backgammon не было подходящего API для нужного сценария. Анализ был доступен через CLI, а пользователям требовались понятные результаты в web-интерфейсе.

Что я сделал

• ▹Разработал API-прослойку вокруг CLI GNU Backgammon и обработку его консольного вывода
• ▹Добавил визуализации, полностью редактируемый лендинг и систему статей
• ▹Три процесса: бот на aiogram, FastAPI с Mini Apps и веб-кабинетом, RQ-воркер анализа на отдельной машине
• ▹Два сервера в приватной сети Tailscale: Redis и PostgreSQL наружу не смотрят, воркер ходит к ним по внутреннему интерфейсу
• ▹Очередь разбора: файл матча в S3 → RQ → gnubg под распределённым локом в Redis → результат обратно в S3; пользователю показывается позиция в очереди
• ▹Воркер не обращается к Telegram вообще - только пишет статус в Redis. Уведомления шлёт процесс бота, чтобы анализ не зависел от доступности Telegram API и прокси
• ▹Две аудитории одним кодом: Telegram-пользователи и веб-аккаунты сведены через "теневого пользователя", поэтому выдача разборов и карточек не раздваивается
• ▹Семь платных услуг с балансами из промокодов и пакетов; остаток проверяется в middleware на уровне роутеров
• ▹Админка на Flask-AppBuilder: пользователи, промокоды, расписания, пул Telegram-прокси с автоотключением мёртвых и алертом
• ▹Веб-сервисы: анализ матчей и манигеймов, пошаговый плеер, разбор ошибок в четырёх режимах, конструктор позиции, счёт пипсов, выгрузка в PDF и Excel

Как развивался проект

Бот стал частью закрытого web-продукта, ориентированного прежде всего на преподавание. В одной системе появились анализ, визуализации, материалы и интерфейсы для работы с партиями.