🧾 Как я заменил Supabase на свой сервер с FastAPI + Docker

В ScreenCat можно покупать скины, и раньше это работало через Supabase Edge Functions. Но теперь у нас свой сервер: FastAPI + PostgreSQL внутри Docker, и это стало огромным апгрейдом.


🐣 Немного контекста
Supabase - альтернатива Firebase:
- PostgreSQL + генерация API
- Storage, Auth
- Edge Functions на Deno

Работало, но были проблемы:
- 💤 Функции «засыпали» -> первый запрос после простоя - 3+ сек
- 🔌 Иногда Robokassa не могла достучаться (cold start)
- 🤯 Невозможно нормально логировать
- 🧱 Всё чёрным ящиком


🐳 Почему я перешёл на Docker + FastAPI
Решил развернуть свой backend (GPT мне подсказала что нужно выбирать 😀):
• FastAPI - простой и быстрый Python-сервер
• PostgreSQL - та же база, но у себя
• Docker - магия! Поднял всё одним docker-compose up
• Robokassa бьёт в /result endpoint


⚙️ Пример кода: проверка подписи и UPSERT

signature = md5_upper(f"{OutSum}:{InvId}:{password2}:Shp_email={Shp_email}:Shp_skin={Shp_skin}")
if SignatureValue.upper() != signature:
    raise HTTPException(403, detail="Invalid signature")

stmt = insert(Purchase).values(
    invoice_id=InvId,
    skin=Shp_skin,
    status="paid",
    email=Shp_email,
).on_conflict_do_update(
    index_elements=["invoice_id"],
    set_={"skin": Shp_skin, "status": "paid", "email": Shp_email}
)
await db.execute(stmt)
await db.commit()

✨ Что работает сейчас
✅ POST /payment/robokassa/result — принимает оплату
✅ GET /payment/robokassa/status — проверка покупки по email и скину
✅ 🔐 Проверка MD5-подписи от Robokassa
✅ 📬 Уведомление в Telegram о каждой оплате
✅ 🧠 Вся база под контролем — можно смотреть, фильтровать, восстанавливать покупки


📚 Документация API (Swagger, пж не дудосьте)
👉 https://pay.prefire.ru/docs

(Работает сразу из коробки благодаря FastAPI ❤️)

PS: Такой простой сервер оказалось написать проще чем простое приложение)
PS2: Docker вообще супер простая и удобная штука, теперь использую во всех своих скриптах)

🚨 Первый стрим: код, баги, коты

Запускаю стримы по разработке. Без монтажа и сценариев - просто живой процесс:

🧠 Пишу код
🪲 Ловлю баги
🧩 Думаю вслух, туплю, пробую - как есть

Темы будут разные:
• Swift / macOS / геймдев
• AI и локальные LLM
• UI, архитектура, backend, всё подряд

📺 Стримим на всех фронтах:
• Twitch: https://twitch.tv/barredy
• Telegram: https://t.iss.one/prefire_ios (будут анонсы + иногда прямой эфир)

Если давно хотел спросить что-то по Swift, LLM, Prefire или просто понаблюдать за «настоящим» разработчиком - присоединяйся.

👉 Пиши в комменты, что хотел бы увидеть в первом эфире
🕓 Старт — сегодня (1 августа) в 18:30.

Подписывайся, чтобы не пропустить

🎬 Стрим начался!

Сегодня экспериментируем по полной:

🐾 Пробуем новую LLM от Tencent - посмотрим, как она справится с ролями для кота и комментариями в реальном времени
🎨 Лезем в анимации кота - может, получится оживить хвост или добавить новые эмоции
🧑‍💻 Погружаемся в код - будет немного рефакторинга и, возможно, баги прямо в прямом эфире

Залетай, понаблюдай, как рождается магия - и не забудь подписаться на @prefire_iOS, если ещё не с нами!

👉 Стрим идет прямо сейчас:
- Twitch: https://twitch.tv/barredy
- Telegram: https://t.iss.one/prefire_ios (будут анонсы + иногда прямой эфир)
- YouTube: https://www.youtube.com/@prefire-barredy/streams

PS: Держите шортс про кота: https://youtube.com/shorts/bXsV8HX7v6o?feature=share

🚨 OpenAI выпустили gpt-oss-120b и gpt-oss-20b - это лучшие reasoning-модели с открытым кодом на сегодня.

📦 Это буквально o3 у вас дома.
Можно скачать, собрать и запустить - всё как в старые-добрые.

🤯 Последний раз OpenAI делали open-source в 2019 с GPT-2. С тех пор - тишина.
Так что это прям исторический момент.

🛠 GitHub: https://github.com/openai/gpt-oss
🧠 GGUF-модель: unsloth/gpt-oss-20b-GGUF
💾 Самый сжатый вес - 11.8 GB. Запускаем на маке.

🎥 Стримим запуск сегодня вечером в 18:30 - приходите смотреть, как o3 оживает локально.
- Twitch: https://twitch.tv/barredy
- YouTube: https://www.youtube.com/@prefire-barredy/streams

👀 Еще потестили Hunian от Tencent
Новая архитектура, реально быстрая.
Но с русским / всё плохо: путает рода и окончания 😅

🔥 Лето под знаком опенсорса. Кто бы мог подумать, что OpenAI снова Open?

GPT-5: ожидания vs реальность 🤔

Потестил новую модель - честно говоря, разочарован. В реальных задачах по программированию и логическим рассуждениям GPT-5 ощущается максимум как o3, а местами даже слабее.

Что пошло не так с релизом:
- Сам запуск OpenAI назвала "bumpy" (неровным)
- Альтман признал "mega chart screwup" с диаграммами на презентации
- Противоречивые отзывы в прессе

Цифры vs практика:
На бумаге прогресс есть - SWE-bench Verified показывает 74.9% против 69.1% у o3. Но в реальной работе этого не чувствуется. Более того, в некоторых задачах результат хуже.

Мое решение:
Переключаюсь на Claude. Последние тесты показывают его превосходство, да и бенчмарки это подтверждают. Пора дать ему шанс в продуктивных задачах.

А какой ваш опыт с новыми моделями?

🚀 Как MCP в Cursor допилил мне CatShop в Xcode

Решил проверить MCP для Xcode на реальном проекте. Взял старый CatShop - магазин был чистой заглушкой.

💻 Как шёл процесс:

1️⃣ MCP начал с разведки - сам открыл ClickerState, CatShopScenario, CatItem, просмотрел, как всё связано.

“Теперь давайте посмотрим на связанные модели и состояния”

2️⃣ Нашёл, чего не хватает - в состоянии нет данных о покупках и экипировке.

“Давайте доработаем ClickerState, добавив поддержку покупки и экипировки предметов”

var ownedItems: Set<String> = []
var equippedItems: [CatItem.Slot: String] = [:]

3️⃣ Починил заглушки в логике:

“В isEquipped и isOwned используются заглушки, заменим их на реальные проверки”

4️⃣ Обновил UI - в CatShopView появились кнопки «Купить» и «Экипировать» с условиями, показ цены и бонусов:

“Показываем бонус предмета”

case .tapPower(let power):
Text("💪 +\(power) к силе удара")

5️⃣ Добавил реакцию кота - после экипировки предметы сразу отображаются на модели:

“Уведомляем CatViewModel об обновлении предметов”

6️⃣ Поймал мелкую ошибку - CatItem.Slot не Hashable, из-за чего не работали словари. MCP тут же сделал фикс.

🪄 Всё это было в одной сессии в Cursor: я пишу «добавь поддержку экипировки», он идёт по проекту, проверяет зависимости, сам правит импорты и обновляет логику так, чтобы всё стыковалось.

📦 Как подключить MCP к Cursor для Xcode:

brew install mise

В mcpServers:

"XcodeBuildMCP": {
  "command": "mise",
  "args": [
    "x",
    "npm:[email protected]",
    "--",
    "xcodebuildmcp"
  ]
}

⚡️ Ощущение, что MCP реально действует как разработчик - идёт по коду, понимает контекст и аккуратно встраивает изменения, пока ты просто ставишь задачи.

🚀 Запускаем GPT-oss 20B у себя локально

На последнем стриме проверяли - можно ли без облаков и серверов гонять огромную 20B модель прямо на Mac.
Ответ: да - и это очень быстро ⚡️

🛠 Использовали Ollama - ставится за минуту, тянет вес модели локально и сразу готов к работе.
Прогнали несколько нейросетей:
🧠 GPT-oss 20B (open-source)
🦅 DeepSeek
🤖 GPT o3

Сравнили их в реальном времени: по скорости, качеству и “вдумчивости” ответов.
И знаете что? Mac справился без проблем, даже с 20B на борту - ответы летят почти мгновенно.

📺 Видео со стрима - в канале, там же разбор, кто кого уделал: DeepSeek, GPT-oss или GPT-o3: