Система керування вмістом вебсайту на основі мікросервісної його архітектури та технологій штучного інтелекту
Анотація
З'ясовано, що сучасний ринок веброзроблення стикається зі значним технологічним бар'єром для користувачів без навичок програмування, що обмежує їхні можливості у створенні придатних для роботи ресурсів без залучення дорогих спеціалістів. Оцінено вплив технологій штучного інтелекту, зокрема – великих мовних моделей, на процеси створення цифрового контенту та автоматичного генерування програмного коду для сучасних вебзастосунків. Виникає потреба розроблення інноваційної автономної системи керування вмістом вебсайтів, що інтегрує штучний інтелект у власну мікросервісну архітектуру застосунку для автоматизації рутинних процесів розроблення вебсайтів "з нуля". Встановлено, що наявні рішення на ринку (Wix, Webflow, Builder.io) пропонують компроміс між гнучкістю та простотою використання, обмежуючи користувачів шаблонними рамками або, навпаки, вимагаючи глибоких технічних знань. Охарактеризовано закономірності побудови систем керування вмістом вебсайтів на основі мікросервісної архітектури програмного комплексу з використанням платформи оркестрації.NET Aspire, що забезпечує високий рівень масштабованості всієї системи, незалежності компонентів та стійкості до відмов. Виявлено, що використання платформи Gemini дає змогу автоматизувати процес створення HTML- та CSS-коду з високою точністю генерування на основі запитів природною мовою завдяки оптимальному співвідношенню витрат токенів. Розроблено багаторівневу архітектуру програмного комплексу, яка містить чотири основні мікросервіси: FrontendReactVite для інтерфейсу, DataService для роботи з SQL Server, WebFrontEnd для рендерингу через шаблонізатор Razor Engine та AIService для семантичного аналізу. Досліджено ефективність застосування бази шаблонів запитів (prompt templates) та підходу до інженерії промптів "few-shot prompting" у спеціалізованому модулі PromptEngineer для вдосконалення взаємодії зі штучним інтелектом. Встановлено, що розроблена реляційна модель даних забезпечує гнучке управління різними типами контенту та їхніми динамічними властивостями без надлишковості коду. Перспективи подальших досліджень полягають у розширенні спектра підтримуваних моделей штучного інтелекту, вдосконаленні алгоритмів генерування складних динамічних вебкомпонентів та інтеграції розширеної аналітики взаємодії користувачів із згенерованим контентом.
Завантаження
Посилання
Anil, R., Borgeaud, S., Alayrac, J.-B., Yu, J., Soricut, R., Schalkwyk, J., Dai, A. M., Hauth, A., Millican, K., Silver, D., Johnson, M., Antonoglou, I., Schrittwieser, J., Glaese, A., Chen, J., Pitler, E., Lillicrap, T., Lazaridou, A., & Firat, O. (2023). Google Gemini Team. Gemini: A family of highly capable multimodal models. arXiv. https://doi.org/10.48550/arXiv.2312.11805
Buendía-García, F., & Piris-Ruano, J. (2025). Using generative AI to support UX design students in web development courses. Applied Sciences, 15(13), article ID 7389. https://doi.org/10.3390/app15137389
Builder.io. (2026). Visual development platform. URL: https://builder.io
Calò, T., & De Russis, L. (2023). Leveraging large language models for end-user website generation. In L. D. Spano, A. Schmidt, C. Santoro, & S. Stumpf (Eds.), End-user development: IS-EUD 2023 (Lecture Notes in Computer Science, 13917, 52–61). Springer. https://doi.org/10.1007/978-3-031-34433-6_4
Chiu, T. K. F., Xia, Q., Zhou, X., Chai, C. S., & Cheng, M. (2023). Systematic literature review on opportunities, challenges, and future research recommendations of artificial intelligence in education. Computers and Education: Artificial Intelligence, 4, article ID 100118. https://doi.org/10.1016/j.caeai.2022.100118
Federiakin, D., Molerov, D., Zlatkin-Troitschanskaia, O., & Maur, A. (2024). Prompt engineering as a new 21st century skill. Frontiers in Education, 9, article ID 1366434. https://doi.org/10.3389/feduc.2024.1366434
Haki, K., Beese, J., Aier, S., & Winter, R. (2020). The evolution of information systems architecture: An agent-based simulation model. MIS Quarterly, 44(1), 155–184. https://doi.org/10.25300/MISQ/2020/14494
Hou, X., Zhao, Y., Liu, Y., Yang, Z., Wang, K., Li, L., Luo, X., Lo, D., Grundy, J., & Wang, H. (2024). Large language models for software engineering: A systematic literature review. ACM Transactions on Software Engineering and Methodology, 33(8), article number 220, 1–79. https://doi.org/10.1145/3695988
Jonathan, R., & Suprihadi. (2023). Development of front-end web applications utilizing single page application framework and React.js library. International Journal Software Engineering and Computer Science (IJSECS), 3(3), 529–536. https://doi.org/10.35870/ijsecs.v3i3.1943
Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, article ID 102274. https://doi.org/10.1016/j.lindif.2023.102274
Le, M. T., & Nguyen, T. T. (2026). A workflow-oriented architecture integrating large language models for automated multi-platform content management. Ingénierie des Systèmes dInformation, 31(1), 157–166. https://doi.org/10.18280/isi.310115
Lydford, S. (2011). Working with Razor and ASP.NET Web Pages. In: Building ASP.NET Web Pages with Microsoft WebMatrix. Apress. https://doi.org/10.1007/978-1-4302-4021-1_4
Madiah, M., Ng, K. X., Tan, Y. W., Tan, Z. H., Chong, Z. T., & Chan, J. X. (2024). Wix for web development and the application of the waterfall model and project based learning for project completion: A case study. Journal of Informatics and Web Engineering, 3(2), 212–228. https://doi.org/10.33093/jiwe.2024.3.2.16
Maryam, S., Tahir, M., Paracha, M. F. K., & Paracha, W. T. (2026). Intelligent website generation framework using artificial intelligence and data mining. Spectrum of Engineering Sciences, 3(3), 1428–1438. https://doi.org/10.5281/zenodo.19347260
Mester, U., & Toth, A. (2025). The evolution of web development: The role of AI in shaping future web technologies. Discover Artificial Intelligence, 5, article ID 40. https://doi.org/10.1007/s44163-025-00567-4
Prompt Engineering Guide. (2026). Few-shot prompting. URL: https://www.promptingguide.ai/techniques/fewshot
Rael, D. (2025). Getting started with.NET Aspire: Build cloud-native and distributed applications with ease. Apress. https://doi.org/10.1007/979-8-8688-1521-8
Reddy, S. V., Bodhke, H., Patil, S., Gorad, R., Chavan, A., & Mall, A. K. (2025). AI website builder. International Journal of Creative Research Thoughts (IJCRT), 13(10), 83–86. URL: https://www.ijcrt.org/papers/IJCRTBH02018.pdf
Ren, X., Wang, H., & Cai, T. (2023). Design and implementation of a microservices-based online learning platform. In Proceedings of the 2023 2nd International Conference on Educational Innovation and Multimedia Technology (EIMT 2023) (pp. 455–460). Atlantis Press. https://doi.org/10.2991/978-94-6463-192-0_60
Smith, D. H., IV, & Zilles, C. (2024). Code generation based grading: Evaluating an auto-grading mechanism for "explain-in-plain-English" questions. In Proceedings of the 2024 on Innovation and Technology in Computer Science Education V. 1 (pp. 171–177). Association for Computing Machinery. https://doi.org/10.1145/3649217.3653582
Strekalova, Y. A., & Bouakkaz, M. (2022). Content management system (CMS). In Encyclopedia of Big Data, 208–211. Springer. https://doi.org/10.1007/978-3-319-32010-6_43
Vasylenko, V. M., Karpenko, M. I., Skybinskyi, A. S., & Huyda, O. H. (2024). Analysis of advantages and limitations of no-code platforms using Webflow.com as an example. Scientific Notes of Taurida National V. I. Vernadsky University. Series: Technical Sciences, 2, 65–69. https://doi.org/10.32782/2663-5941/2024.2/09
Yonemura, K., Nakata, R., Kawai, H., Hashimoto, M., Otsuka, Y., Sato, H., Fujii, T., & Tokuyama, M. (2023). Motivation in Teaching Expert Development Project by KOSEN Security Educational Community. 2023 IEEE Global Engineering Education Conference (EDUCON), 1–9. https://doi.org/10.1109/EDUCON54358.2023.10125167
Zamani, E. D., Griva, A., & Conboy, K. (2022). Using business analytics for SME business model transformation under pandemic time pressure. Information Systems Frontiers, 24(4), 1145–1166. https://doi.org/10.1007/s10796-022-10255-8
