Открытый набор данных о питании Nutrola: 500 000+ продуктов доступны для скачивания

Качественные данные о питании трудно найти. Исследователи тратят недели на очистку государственных баз данных. Разработчики пишут хрупкие парсеры, которые ломаются каждый месяц. Студенты, работающие над дипломными работами, довольствуются маленькими устаревшими выборками, потому что собрать полноценный набор данных с нуля нереально в рамках академических сроков.

Мы создали базу данных продуктов Nutrola для нашего приложения по подсчёту калорий, и за последние три года вложили значительные усилия в обеспечение точности, полноты и чёткой структуры этих данных. Сегодня мы публикуем курированное подмножество этой базы данных в виде открытого набора данных: более 500 000 проверенных записей о продуктах питания, доступных для бесплатного скачивания в форматах CSV и JSON.

В этой статье описано всё, что вам нужно знать о наборе данных — что в нём содержится, как его скачать, схема данных, лицензирование, методология обеспечения качества и сравнение с другими общедоступными источниками данных о питании.

Что содержит набор данных

Открытый набор данных о питании Nutrola содержит более 500 000 записей о продуктах, охватывающих сырые ингредиенты, обычные продукты, брендированные потребительские товары и популярные блюда ресторанов. Каждая запись была проверена с помощью нашего многоуровневого конвейера контроля качества — той же системы, которая подробно описана в нашей статье о том, как мы создали нашу базу данных продуктов.

Каждая запись о продукте включает следующие данные:

• Название продукта — общепринятое название продукта на английском языке с указанием бренда, где это применимо
• Калории — энергетическая ценность в килокалориях (ккал) на 100 грамм и на порцию
• Макронутриенты — белки, общие жиры, насыщенные жиры, трансжиры, общие углеводы, пищевые волокна, общие сахара и добавленные сахара, всё в граммах
• Микронутриенты — 30+ витаминов и минералов, включая витамин A, витамин C, витамин D, витамин E, витамин K, тиамин, рибофлавин, ниацин, витамин B6, фолат, витамин B12, кальций, железо, магний, фосфор, калий, натрий, цинк, медь, марганец, селен и другие
• Размеры порций — стандартное описание размера порции (например, «1 среднее яблоко», «1 стакан варёного»), вес порции в граммах и до трёх альтернативных размеров порции на продукт
• Категория продукта — иерархическая классификация с использованием нашей внутренней таксономии (например, Молочные продукты > Сыр > Твёрдый сыр)
• Страна происхождения — основная страна или регион, где продукт продаётся или ингредиент обычно употребляется
• Штрихкод (при наличии) — коды UPC или EAN для брендированных продуктов
• Теги источника данных — индикаторы происхождения, показывающие, была ли запись получена из государственных баз данных, данных производителя, лабораторного анализа или нашей внутренней команды верификации

Примеры данных

Вот подборка записей из набора данных, дающая представление о структуре и детализации:

food_id	food_name	category	country	calories_per_100g	protein_g	fat_g	carbs_g	fiber_g	serving_desc	serving_g
NF-001247	Chicken Breast, Raw, Skinless	Poultry > Chicken	US	120	22.5	2.6	0.0	0.0	1 breast (174g)	174
NF-008391	Fage Total 0% Greek Yogurt	Dairy > Yogurt > Greek	GR	54	10.3	0.0	3.0	0.0	1 container (150g)	150
NF-014205	Basmati Rice, White, Cooked	Grains > Rice	IN	130	2.7	0.3	28.2	0.4	1 cup (158g)	158
NF-022876	Avocado, Hass, Raw	Fruits > Tropical	MX	160	2.0	14.7	8.5	6.7	1/2 avocado (68g)	68
NF-031560	Barilla Penne Rigate, Dry	Pasta > Dried	IT	359	12.5	2.0	71.2	3.0	2 oz (56g)	56
NF-045892	Kimchi, Traditional Napa Cabbage	Vegetables > Fermented	KR	15	1.1	0.5	2.4	1.6	1/2 cup (75g)	75
NF-053714	Salmon, Atlantic, Raw, Farmed	Fish > Salmon	NO	208	20.4	13.4	0.0	0.0	1 fillet (113g)	113
NF-067283	Chickpeas, Canned, Drained	Legumes > Beans	US	119	6.3	2.0	18.2	5.4	1/2 cup (120g)	120

Полный набор данных включает гораздо больше столбцов для микронутриентов, альтернативных размеров порций, данных штрихкодов и тегов источников. Таблица выше показывает основные поля о питательной ценности.

Форматы данных

Набор данных доступен в двух форматах:

CSV

CSV-файл использует кодировку UTF-8 с разделителями-запятыми. Первая строка содержит заголовки столбцов. Поля, содержащие запятые, заключены в двойные кавычки. Пустые значения представлены пустыми полями.

Формат CSV идеально подходит для табличных инструментов, таких как Excel и Google Sheets, статистического ПО, такого как R и SPSS, а также для быстрого изучения данных с помощью утилит командной строки, таких как csvkit или xsv.

Файл: nutrola-open-food-dataset-v3.csv (приблизительно 210 МБ без сжатия, 48 МБ в формате gzip)

JSON

JSON-файл содержит массив объектов, по одному на каждую запись о продукте. Вложенные объекты используются для структурированных полей, таких как размеры порций (которые содержат описание, вес в граммах и эквивалент в миллилитрах, где применимо) и профили микронутриентов.

Формат JSON лучше подходит для разработки приложений, импорта в базы данных и любых процессов, где необходимо сохранить иерархическую структуру размеров порций и групп нутриентов.

Файл: nutrola-open-food-dataset-v3.json (приблизительно 340 МБ без сжатия, 62 МБ в формате gzip)

Оба файла также доступны в виде gzip-сжатых архивов для ускорения загрузки.

Схема данных

Вот полная схема с описанием каждого поля в наборе данных:

Имя поля	Тип	Описание
food_id	string	Уникальный идентификатор Nutrola для записи о продукте (формат: NF-XXXXXX)
food_name	string	Общепринятое название продукта, включая бренд, где применимо
category_l1	string	Категория верхнего уровня (например, Dairy, Grains, Fruits)
category_l2	string	Категория второго уровня (например, Cheese, Rice, Tropical)
category_l3	string	Категория третьего уровня, где применимо (например, Hard Cheese, Brown Rice)
country	string	Код страны по ISO 3166-1 alpha-2, указывающий основной рынок
brand	string	Название бренда для брендированных продуктов; null для обычных продуктов
barcode	string	Штрихкод UPC/EAN; null, если неприменимо
calories_per_100g	float	Энергетическая ценность в ккал на 100 грамм
protein_g	float	Белки в граммах на 100 г
fat_total_g	float	Общие жиры в граммах на 100 г
fat_saturated_g	float	Насыщенные жиры в граммах на 100 г
fat_trans_g	float	Трансжиры в граммах на 100 г
carbs_total_g	float	Общие углеводы в граммах на 100 г
fiber_g	float	Пищевые волокна в граммах на 100 г
sugars_total_g	float	Общие сахара в граммах на 100 г
sugars_added_g	float	Добавленные сахара в граммах на 100 г
sodium_mg	float	Натрий в миллиграммах на 100 г
cholesterol_mg	float	Холестерин в миллиграммах на 100 г
vitamin_a_mcg	float	Витамин A в микрограммах RAE на 100 г
vitamin_c_mg	float	Витамин C в миллиграммах на 100 г
vitamin_d_mcg	float	Витамин D в микрограммах на 100 г
calcium_mg	float	Кальций в миллиграммах на 100 г
iron_mg	float	Железо в миллиграммах на 100 г
potassium_mg	float	Калий в миллиграммах на 100 г
magnesium_mg	float	Магний в миллиграммах на 100 г
zinc_mg	float	Цинк в миллиграммах на 100 г
phosphorus_mg	float	Фосфор в миллиграммах на 100 г
selenium_mcg	float	Селен в микрограммах на 100 г
vitamin_b6_mg	float	Витамин B6 в миллиграммах на 100 г
vitamin_b12_mcg	float	Витамин B12 в микрограммах на 100 г
folate_mcg	float	Фолат в микрограммах DFE на 100 г
vitamin_e_mg	float	Витамин E в миллиграммах на 100 г
vitamin_k_mcg	float	Витамин K в микрограммах на 100 г
thiamin_mg	float	Тиамин (B1) в миллиграммах на 100 г
riboflavin_mg	float	Рибофлавин (B2) в миллиграммах на 100 г
niacin_mg	float	Ниацин (B3) в миллиграммах на 100 г
copper_mg	float	Медь в миллиграммах на 100 г
manganese_mg	float	Марганец в миллиграммах на 100 г
serving_1_desc	string	Описание основного размера порции (например, "1 cup cooked")
serving_1_g	float	Вес основной порции в граммах
serving_2_desc	string	Описание альтернативного размера порции; null, если недоступно
serving_2_g	float	Вес альтернативной порции в граммах
serving_3_desc	string	Описание второго альтернативного размера порции; null, если недоступно
serving_3_g	float	Вес второй альтернативной порции в граммах
data_source	string	Тег происхождения: "government", "manufacturer", "laboratory" или "verified_community"
last_verified	string	Дата последней верификации записи в формате ISO 8601 (ГГГГ-ММ-ДД)
dataset_version	string	Идентификатор версии набора данных (например, "v3.0")

Все значения нутриентов указаны на 100 грамм для обеспечения единообразных сравнений. Чтобы рассчитать нутриенты на порцию, умножьте значение на 100 г на вес порции в граммах и разделите на 100.

Как скачать

Набор данных размещён в нашем публичном репозитории на GitHub:

github.com/nutrola/open-food-nutrition-dataset

Вы можете скачать файлы напрямую со страницы релизов GitHub или клонировать репозиторий:

git clone https://github.com/nutrola/open-food-nutrition-dataset.git

Для сжатых версий:

# Скачать CSV (gzip)
wget https://github.com/nutrola/open-food-nutrition-dataset/releases/latest/download/nutrola-open-food-dataset-v3.csv.gz

# Скачать JSON (gzip)
wget https://github.com/nutrola/open-food-nutrition-dataset/releases/latest/download/nutrola-open-food-dataset-v3.json.gz

Репозиторий также содержит:

• Подробный README.md с инструкциями по быстрому старту
• CHANGELOG.md с документацией изменений между версиями набора данных
• Директорию scripts/ с примерами скриптов на Python и R для загрузки, фильтрации и анализа данных
• Директорию schema/ с определениями JSON Schema и CSV-диалекта

Если вам нужна полная база данных с 3+ миллионами записей с обновлениями в реальном времени, а не периодические снимки, ознакомьтесь с нашим API данных о питании для доступа разработчиков.

Сценарии использования

Академические исследования

Исследователи в области питания могут использовать набор данных для анализа паттернов питания, эпидемиологического моделирования и исследований нутриентной плотности без необходимости тратить недели на очистку и объединение государственных файлов данных. Иерархическая система категорий упрощает фильтрацию по группам продуктов, а поле страны позволяет проводить межкультурные сравнения.

Опубликованные исследования, использующие набор данных, должны ссылаться на него следующим образом: Nutrola Open Food Nutrition Dataset, v3.0 (2026). Доступно по адресу github.com/nutrola/open-food-nutrition-dataset. Лицензия CC BY-SA 4.0.

Разработка приложений

Разработчики, создающие приложения в области здоровья, фитнеса или питания, могут использовать набор данных в качестве локальной базы данных продуктов. Единообразная схема и данные о размерах порций позволяют создать функциональный дневник питания без необходимости подключения к API в реальном времени. Это особенно полезно для мобильных приложений с офлайн-приоритетом, прототипирования и хакатонов.

Формат CSV загружается напрямую в SQLite, PostgreSQL или любую реляционную базу данных. Формат JSON удобно импортируется в документные хранилища, такие как MongoDB или Firestore.

Наука о данных и машинное обучение

Набор данных хорошо подходит для обучения и оценки моделей машинного обучения, связанных с едой и питанием. Типичные применения включают:

• Модели классификации продуктов — используйте иерархию категорий в качестве обучающих меток для создания классификаторов, которые предсказывают категории продуктов по названиям или профилям питательной ценности
• Оценка питательной ценности — обучайте регрессионные модели, которые предсказывают калорийность или макронутриентный состав по неполной информации (например, оценка калорий по соотношению белков, жиров и углеводов)
• Рекомендательные системы — создавайте движки рекомендаций продуктов, предлагающие нутритивно схожие альтернативы
• Обнаружение аномалий — выявляйте необычные профили питательной ценности, которые могут указывать на проблемы с качеством данных в других наборах данных

Образование

Студенты и преподаватели в области нутрициологии могут использовать набор данных для курсовых работ, лабораторных занятий и заданий. Широта данных — охватывающих продукты из десятков стран и все основные группы продуктов — делает их полезными для изучения таких понятий, как соотношение макронутриентов, плотность микронутриентов, а также различия профилей питательной ценности в зависимости от кухни и степени переработки продуктов.

Общественное здравоохранение и политика

Организации общественного здравоохранения могут использовать данные для анализа нутритивного ландшафта определённых категорий продуктов или рынков. Поле страны позволяет фильтровать по регионам, а поле бренда — анализировать качество питания брендированных продуктов в сравнении с обычными.

Методология обеспечения качества данных

Публикация открытого набора данных бессмысленна, если данным нельзя доверять. Вот как мы обеспечиваем качество более чем 500 000 записей в этом релизе.

Многоисточниковая верификация

Каждая запись в наборе данных была проверена как минимум по двум независимым источникам. Наши основные источники данных включают:

• Государственные базы данных о питании — USDA FoodData Central (США), CoFID (Великобритания), NUTTAB (Австралия), CNF (Канада) и аналогичные базы данных из 20+ стран
• Данные производителей — информация о питательной ценности, предоставленная непосредственно производителями продуктов через нашу партнёрскую программу
• Лабораторный анализ — независимые лабораторные исследования, проведённые нашей командой для наиболее популярных продуктов, по которым исходные данные противоречивы или устарели
• Проверенные пользовательские данные — записи, поданные пользователями и прошедшие наш трёхэтапный процесс верификации (автоматическая перекрёстная проверка, экспертная оценка и статистическое выявление выбросов)

Автоматические проверки качества

Каждая запись проходит ряд автоматических проверок перед включением в набор данных:

• Валидация энергетического баланса — калорийность проверяется по формуле Атуотера (4 ккал/г белка + 9 ккал/г жира + 4 ккал/г углеводов). Записи, где заявленная калорийность отклоняется от расчётного значения более чем на 10%, помечаются для ручной проверки.
• Проверка диапазонов — каждое значение нутриента проверяется на физиологическую правдоподобность для данной категории продукта. Запись о сыре с заявленным содержанием жира 0 грамм или запись о фрукте с 50 граммами белка немедленно помечается.
• Межзаписная согласованность — схожие продукты сравниваются статистически. Если новая запись о куриной грудке существенно отличается от существующего кластера записей о куриной грудке, она отправляется на проверку.
• Валидация размера порции — вес порции сверяется с известными стандартными порциями. Запись «1 среднее яблоко» весом 500 грамм не пройдёт проверку.

Ручная проверка

Записи, помеченные автоматическими проверками, проходят ручную проверку нашей командой данных, в которую входят дипломированные нутрициологи и специалисты по пищевым наукам. Приблизительно 12% записей требуют той или иной ручной коррекции перед утверждением.

Постоянное обслуживание

Набор данных — это не разовая выгрузка. Мы повторно верифицируем записи на постоянной основе, отдавая приоритет наиболее популярным продуктам (тем, которые чаще всего вносятся в дневник пользователями Nutrola) и записям, исходные данные которых были обновлены. Когда производитель продуктов изменяет рецептуру, мы выявляем изменение через нашу систему мониторинга штрихкодов и обновляем запись соответственно.

Частота обновлений

Мы публикуем новые версии открытого набора данных ежеквартально. Каждый релиз включает:

• Новые записи о продуктах, добавленные с предыдущей версии
• Исправления существующих записей, выявленные в ходе мониторинга качества
• Обновлённые данные о питании для продуктов с изменённой рецептурой
• Расширенное покрытие микронутриентов при появлении новых исходных данных

Текущая версия — v3.0, выпущенная в марте 2026 года. История версий и списки изменений доступны в репозитории GitHub.

Если вам нужны данные, обновляемые чаще, чем раз в квартал, наш API данных о питании отражает изменения в течение 48 часов.

Лицензия

Открытый набор данных о питании Nutrola выпускается под лицензией Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0).

Это означает, что вы свободны:

• Делиться — копировать и распространять набор данных в любом формате и на любом носителе
• Адаптировать — перерабатывать, преобразовывать и создавать производные произведения на основе набора данных для любых целей, включая коммерческие

При соблюдении следующих условий:

• Атрибуция — вы должны указать авторство Nutrola, дать ссылку на лицензию и указать, были ли внесены изменения
• На тех же условиях — если вы перерабатываете, преобразуете или создаёте производное произведение на основе набора данных, вы должны распространять свой вклад на тех же условиях лицензии CC BY-SA 4.0

Мы выбрали CC BY-SA 4.0, потому что она обеспечивает правильный баланс между открытостью и гарантией того, что улучшения возвращаются сообществу. Если вы создадите улучшенную версию этих данных, лицензия гарантирует, что ваши улучшения останутся доступными для всех остальных.

Сравнение с другими наборами данных

Существует несколько общедоступных наборов данных о питании. Вот как открытый набор данных Nutrola соотносится с двумя наиболее широко используемыми альтернативами.

В сравнении с USDA FoodData Central

USDA FoodData Central — это золотой стандарт данных о питании в Соединённых Штатах. Он тщательный, хорошо документированный и подкреплён лабораторным анализом. Однако у него есть ограничения, которые набор данных Nutrola устраняет:

Параметр	USDA FoodData Central	Открытый набор данных Nutrola
Всего записей	~400 000 (Foundation, SR Legacy, Branded вместе)	500 000+
Географический охват	Преимущественно США	47 стран
Брендированные продукты	Только бренды США, часто устаревшие	Международные бренды, проверяемые ежеквартально
Формат данных	Множество несовместимых форматов файлов, сложная реляционная структура	Один файл CSV или JSON, плоская структура
Размеры порций	Непоследовательные в разных подбазах	Стандартизированный формат с до 3 порциями на продукт
Удобство использования	Требуется значительная работа по объединению подбаз	Скачайте один файл и начинайте работать
Частота обновлений	Зависит от подбазы (ежегодно для некоторых)	Ежеквартально

Если ваша работа сосредоточена исключительно на продуктах США и вам нужен максимально подробный профиль нутриентов (USDA охватывает 150+ нутриентов для продуктов Foundation), FoodData Central будет лучшим выбором. Если вам нужен международный охват, единообразное форматирование и набор данных, готовый к работе из коробки, набор данных Nutrola — более подходящий вариант.

Эти два набора данных дополняют друг друга. Многие исследователи используют данные USDA Foundation для детального анализа нутриентов в продуктах США и дополняют их данными Nutrola для международного охвата и брендированных продуктов.

В сравнении с Open Food Facts

Open Food Facts — это краудсорсинговая база данных с более чем 3 миллионами записей. Она имеет впечатляющий масштаб и охватывает продукты из многих стран. Однако её краудсорсинговый характер создаёт проблемы с качеством данных:

Параметр	Open Food Facts	Открытый набор данных Nutrola
Всего записей	3 млн+	500 000+
Качество данных	Варьируется — краудсорсинг с автоматическими проверками	Верифицированные — многоисточниковые, проверенные людьми
Полнота	Во многих записях отсутствуют данные о макро/микронутриентах	Все записи содержат полные данные о макронутриентах; 90%+ имеют полные профили микронутриентов
Размеры порций	Непоследовательные, часто отсутствуют	Стандартизированные, всегда присутствуют
Таксономия категорий	Краудсорсинговые теги, непоследовательные	Иерархическая, курированная таксономия
Покрытие нутриентов	Сильно варьируется от записи к записи	Единообразно 40+ нутриентов во всех записях
Формат данных	Дамп MongoDB, сложный вложенный JSON	Чистые CSV и JSON
Лицензия	Open Database License (ODbL)	CC BY-SA 4.0

Open Food Facts превосходит по широте охвата — если вам нужно найти конкретный малоизвестный продукт по штрихкоду, он, скорее всего, там есть. Набор данных Nutrola превосходит по глубине и последовательности — каждая запись соответствует одному и тому же стандарту качества, что делает его более надёжным для количественного анализа, где пробелы или ошибки в данных могут исказить результаты.

Если вы создаёте приложение-сканер штрихкодов и вам нужен максимальный охват продуктов, Open Food Facts — хорошая отправная точка. Если вы обучаете модель машинного обучения, проводите статистическое исследование или создаёте приложение, где важна точность данных о питании, проверенные данные Nutrola дадут вам более надёжную основу.

Начало работы

После скачивания набора данных вот быстрый пример загрузки и изучения данных на Python:

import pandas as pd

# Загрузка набора данных
df = pd.read_csv("nutrola-open-food-dataset-v3.csv")

# Общий обзор
print(f"Total entries: {len(df):,}")
print(f"Countries covered: {df['country'].nunique()}")
print(f"Food categories (L1): {df['category_l1'].nunique()}")

# Поиск высокобелковых низкокалорийных продуктов
high_protein = df[
    (df["protein_g"] > 20) &
    (df["calories_per_100g"] < 150)
].sort_values("protein_g", ascending=False)

print(high_protein[["food_name", "calories_per_100g", "protein_g"]].head(10))

# Анализ средних макронутриентов по категориям продуктов
category_macros = df.groupby("category_l1").agg({
    "calories_per_100g": "mean",
    "protein_g": "mean",
    "fat_total_g": "mean",
    "carbs_total_g": "mean"
}).round(1)

print(category_macros.sort_values("calories_per_100g", ascending=False))

Больше примеров — включая скрипты на R, руководства по импорту в SQL и блокноты Jupyter — доступны в директории scripts/ репозитория GitHub.

Часто задаваемые вопросы

Действительно ли набор данных бесплатный?

Да. Открытый набор данных о питании Nutrola выпущен под лицензией CC BY-SA 4.0, которая разрешает коммерческое и некоммерческое использование. Единственные требования — указать Nutrola в качестве источника и распространять любые производные наборы данных под той же лицензией. Не требуются ни API-ключи, ни ограничения на использование, ни регистрация для скачивания файлов.

Как часто обновляется набор данных?

Мы публикуем новые версии ежеквартально. Каждый релиз добавляет новые записи о продуктах, исправляет ошибки, выявленные с предыдущей версии, и обновляет записи для продуктов с изменённой рецептурой. На странице релизов репозитория GitHub доступна полная история версий, а подписка на репозиторий позволяет получать уведомления о выходе новых версий.

Могу ли я использовать этот набор данных для создания коммерческого приложения?

Да. Лицензия CC BY-SA 4.0 явно разрешает коммерческое использование. Вы можете использовать данные в платном приложении, SaaS-продукте или любом другом коммерческом контексте. Вы должны указать атрибуцию Nutrola в вашем приложении или документации, а если вы распространяете модифицированную версию самого набора данных, модифицированная версия также должна быть лицензирована под CC BY-SA 4.0. Использование данных внутри вашего приложения (без распространения сырого набора данных) не активирует требование ShareAlike.

Почему только 500 000 записей, если полная база данных Nutrola содержит 3+ миллиона?

Открытый набор данных содержит записи, которые мы можем опубликовать под открытой лицензией без ограничений. Наша полная база данных включает данные из проприетарных источников — прямых партнёрств с производителями, лицензированных лабораторных данных и других источников с договорными ограничениями на распространение. 500 000 записей в открытом наборе данных получены из государственных баз данных, нашего собственного лабораторного анализа и пользовательских данных, авторы которых согласились на открытое лицензирование. Если вам нужен доступ к полной базе данных, наш API данных о питании предоставляет его на отдельных коммерческих условиях.

Что делать, если я нашёл ошибку в наборе данных?

Создайте issue в репозитории GitHub с food_id затронутой записи и описанием ошибки. Приложите ссылку на источник, если она у вас есть (например, сайт производителя с другими данными о питательной ценности). Наша команда данных рассматривает сообщения об ошибках еженедельно, и подтверждённые исправления включаются в следующий ежеквартальный релиз. Для срочных исправлений мы можем выпустить промежуточный патч между квартальными обновлениями.

Как это связано с API данных о питании Nutrola?

Открытый набор данных — это статический ежеквартальный снимок курированного подмножества нашей базы данных. API предоставляет доступ в реальном времени к полной базе данных с 3+ миллионами записей с функциями поиска, фильтрации, поиска по штрихкоду и другими возможностями. Рассматривайте открытый набор данных как основу для офлайн- или пакетных сценариев использования, а API — как решение для продуктивных приложений, которым нужны актуальные данные. Многие разработчики начинают с открытого набора данных для прототипирования и переходят на API при выходе в продакшен.