🧠 Умная CLI-загрузка: прогресс-бар с ETA, скоростью и цветами
Выглядит профессионально, пишется за 15 строк, реально полезен в любом скрипте ⚙️📦

from tqdm import tqdm
import time
from colorama import Fore, Style, init

init(autoreset=True)

for i in tqdm(range(100), desc=Fore.CYAN + "Загрузка данных" + Style.RESET_ALL, 
              bar_format="{l_bar}%s{bar}%s{r_bar}" % (Fore.GREEN, Style.RESET_ALL)):
    time.sleep(0.05)

📌 Что делает:
— Красивый прогресс-бар в терминале
— Показывает % выполнения, ETA, скорость
— Цветной вывод через colorama, бар от tqdm

📦 Установка:

pip install tqdm colorama

🔧 Используй в своих скриптах для загрузки, скачивания, обработки файлов — это реально удобнее, чем print() и sleep() 🙌

Подпишись 👉🏻 @KodduuPython 🤖

⚙️ Умный таймер-функция: логирует время, ошибки и возвращает результат
Полезный @decorator для любых боевых функций — отслеживает время выполнения и ловит баги без лишнего кода 🔥

import time
import functools
import logging

logging.basicConfig(level=logging.INFO)

def timed(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        t0 = time.time()
        try:
            result = func(*args, **kwargs)
            logging.info(f"{func.__name__} finished in {time.time() - t0:.2f}s")
            return result
        except Exception as e:
            logging.exception(f"{func.__name__} failed after {time.time() - t0:.2f}s")
            raise
    return wrapper

# 🔧 Пример использования
@timed
def process_data():
    time.sleep(1)
    return "✅ Done"

process_data()

📌 Что делает:
— Оборачивает любую функцию
— Логирует время выполнения
— Отлавливает и логирует ошибки (с трассировкой!)
— Используется в проде для мониторинга, отладки и контроля SLA

📦 Всё стандартное: time, functools, logging — ничего ставить не надо
Работает и в скриптах, и в backend API, и в пайплайнах.

Подпишись 👉🏻 @KodduuPython 🤖

🛡 Безопасный вызов стороннего API с автоповторами и таймаутом
Анти-фейл сессия для любого запроса в боевом сервисе — не упадёт и не зависнет 🚀

import requests
from requests.adapters import HTTPAdapter
from urllib3.util.retry import Retry

session = requests.Session()
retry = Retry(total=3, backoff_factor=0.5, status_forcelist=[500, 502, 503, 504])
adapter = HTTPAdapter(max_retries=retry)
session.mount("http://", adapter)
session.mount("https://", adapter)

# 🔧 Пример запроса
try:
    response = session.get("https://api.example.com/data", timeout=3)
    print(response.json())
except requests.RequestException as e:
    print("❌ Ошибка запроса:", e)

📌 Что делает:
— Повторяет запрос до 3 раз при временных ошибках (500+)
— Использует экспоненциальную задержку (backoff_factor)
— Не виснет бесконечно — timeout=3 сек
— Работает со всеми методами: .get(), .post() и т.д.

📦 Библиотека: requests
Установка:

pip install requests

🔥 Практично для микросервисов, загрузки данных, интеграций с внешними API.
Можешь встроить прямо в боевую систему — сэкономит часы отладки и нервов.

Подпишись 👉🏻 @KodduuPython 🤖

🔐 Безопасное скачивание файла с логами и таймаутом

import requests
import logging
from pathlib import Path
from requests.exceptions import RequestException, Timeout

logging.basicConfig(level=logging.INFO, format="%(asctime)s [%(levelname)s] %(message)s")

def download_file(url: str, dest: Path, timeout: float = 5.0):
    try:
        response = requests.get(url, stream=True, timeout=timeout)
        response.raise_for_status()

        dest.parent.mkdir(parents=True, exist_ok=True)
        with open(dest, "wb") as f:
            for chunk in response.iter_content(chunk_size=8192):
                f.write(chunk)

        logging.info(f"✅ Файл сохранён: {dest.resolve()}")
    except (RequestException, Timeout) as e:
        logging.error(f"❌ Ошибка при скачивании: {e}")

# Пример использования
download_file(
    url="https://example.com/data/report.csv",
    dest=Path("./downloads/report.csv")
)

📌 Скачивает файл по URL с таймаутом и логирует успех или ошибку. Создаёт нужные папки автоматически. Подходит для бэкенда, cron-задач, скриптов загрузки данных.

Подпишись 👉🏻 @KodduuPython 🤖

⏱️ Декоратор с логгингом времени выполнения

import time
import logging
from functools import wraps

logging.basicConfig(level=logging.INFO, format="%(asctime)s [%(levelname)s] %(message)s")

def log_runtime(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        start = time.perf_counter()
        try:
            result = func(*args, **kwargs)
            return result
        finally:
            duration = time.perf_counter() - start
            logging.info(f"⏱️ {func.__name__} завершилась за {duration:.3f} сек")
    return wrapper

# Пример использования
@log_runtime
def slow_operation():
    time.sleep(1.5)
    return "Done"

slow_operation()

📌 Декоратор логирует, сколько времени заняло выполнение функции. Полезно для профилирования, анализа производительности, в том числе в проде.

🛠 Ничего устанавливать не нужно — только стандартная библиотека.

Подпишись 👉🏻 @KodduuPython 🤖

📁 Блокировка файла — безопасный доступ к ресурсу без гонок

import fcntl
import time
from pathlib import Path

def with_file_lock(lock_path: Path, timeout: float = 10.0):
    def decorator(func):
        def wrapper(*args, **kwargs):
            with open(lock_path, 'w') as lock_file:
                start = time.time()
                while True:
                    try:
                        fcntl.flock(lock_file, fcntl.LOCK_EX | fcntl.LOCK_NB)
                        break
                    except BlockingIOError:
                        if time.time() - start > timeout:
                            raise TimeoutError("🔒 Не удалось получить файл-лок вовремя")
                        time.sleep(0.1)
                try:
                    return func(*args, **kwargs)
                finally:
                    fcntl.flock(lock_file, fcntl.LOCK_UN)
        return wrapper
    return decorator

# Пример использования
@with_file_lock(Path("/tmp/my_script.lock"))
def critical_section():
    print("🔧 Работаю в критической секции...")
    time.sleep(3)

critical_section()

📌 Защита от параллельного запуска скрипта или доступа к ресурсу. Подходит для cron, пайплайнов, обработки файлов и очередей. Работает на Unix (Linux/macOS).

🛠 Всё из коробки — только fcntl и pathlib.

Подпишись 👉🏻 @KodduuPython 🤖

📬 Мини-клиент для ретраев запросов с бэкоффом и логами

import requests
import logging
import time
from requests.exceptions import RequestException

logging.basicConfig(level=logging.INFO, format="%(asctime)s [%(levelname)s] %(message)s")

def fetch_with_retries(url, retries=3, backoff=2.0, timeout=5.0):
    attempt = 0
    while attempt < retries:
        try:
            response = requests.get(url, timeout=timeout)
            response.raise_for_status()
            logging.info(f"✅ Успешно на {attempt+1} попытке")
            return response.text
        except RequestException as e:
            logging.warning(f"⚠️ Попытка {attempt+1} не удалась: {e}")
            attempt += 1
            if attempt < retries:
                sleep_time = backoff ** attempt
                logging.info(f"⏳ Ожидаю {sleep_time:.1f} сек перед новой попыткой")
                time.sleep(sleep_time)
            else:
                logging.error("❌ Все попытки исчерпаны")
                raise

# Пример использования
if __name__ == "__main__":
    content = fetch_with_retries("https://httpstat.us/503?sleep=1000", retries=4)

📌 HTTP-клиент с автоматическими повторами при ошибках, экспоненциальным бэкоффом и логированием. Применим для нестабильных API, ETL, микросервисов.

🛠 pip install requests — всё остальное в стандартной библиотеке.

Подпишись 👉🏻 @KodduuPython 🤖

🧠 Кеш в памяти с TTL — умный memoize-декоратор

import time
from functools import wraps

_cache = {}

def memoize_ttl(ttl: float = 60.0):
    def decorator(func):
        @wraps(func)
        def wrapper(*args):
            key = (func.__name__, args)
            now = time.time()
            if key in _cache:
                result, timestamp = _cache[key]
                if now - timestamp < ttl:
                    return result
            result = func(*args)
            _cache[key] = (result, now)
            return result
        return wrapper
    return decorator

# Пример использования
@memoize_ttl(ttl=10)
def heavy_compute(x):
    print(f"🔄 Вычисляю для {x}...")
    time.sleep(2)
    return x * x

# Повторные вызовы быстро
heavy_compute(4)
heavy_compute(4)

📌 Временный кеш в памяти с автоочисткой по TTL. Ускоряет дорогие функции без внешних зависимостей. Полезно в API, CLI, веб-сервисах и чат-ботах.

🛠 Без зависимостей — всё на стандартной библиотеке.

Подпишись 👉🏻 @KodduuPython 🤖

Вот минимальный пример кода на Python, демонстрирующий реализацию стриминга ответа от LLM в Telegram в реальном времени. Мы используем:

* OpenAI API (через stream=True) для получения ответа частями
* python-telegram-bot для отправки сообщений в Telegram

🔧 Установка зависимостей

pip install openai python-telegram-bot

💬 Пример кода

import openai
import asyncio
from telegram import Bot
from telegram.ext import Application, CommandHandler, ContextTypes

# Настройки
TELEGRAM_TOKEN = "YOUR_TELEGRAM_BOT_TOKEN"
OPENAI_API_KEY = "YOUR_OPENAI_API_KEY"
openai.api_key = OPENAI_API_KEY

# ID чата можно узнать после отправки /start боту
USER_CHAT_ID = 123456789

# Основная функция генерации ответа с потоком
async def stream_response(prompt, bot: Bot, chat_id: int):
    # Отправим пустое сообщение, которое будем редактировать
    msg = await bot.send_message(chat_id=chat_id, text="⌛️ Generating...")
    full_text = ""

    # Запрос к OpenAI с потоковой генерацией
    response = openai.ChatCompletion.create(
        model="gpt-4",  # или gpt-3.5-turbo
        messages=[{"role": "user", "content": prompt}],
        stream=True
    )

    # Обрабатываем поток
    async for chunk in wrap_stream(response):
        delta = chunk['choices'][0].get('delta', {}).get('content')
        if delta:
            full_text += delta
            # Периодически обновляем сообщение
            if len(full_text) % 20 == 0:
                await msg.edit_text(full_text)

    # Финальное обновление
    await msg.edit_text(full_text)


# Обёртка для OpenAI-стрима (сделаем из генератора асинхронный)
async def wrap_stream(generator):
    loop = asyncio.get_event_loop()
    for chunk in generator:
        yield await loop.run_in_executor(None, lambda: chunk)

# Обработчик команды /ask
async def ask(update, context: ContextTypes.DEFAULT_TYPE):
    prompt = " ".join(context.args)
    if not prompt:
        await update.message.reply_text("❗️ Введите текст после /ask")
        return

    await stream_response(prompt, context.bot, update.effective_chat.id)

# Запуск бота
def main():
    app = Application.builder().token(TELEGRAM_TOKEN).build()
    app.add_handler(CommandHandler("ask", ask))
    app.run_polling()

if __name__ == "__main__":
    main()

💡 Советы

* Не редактируйте сообщение слишком часто — Telegram ограничивает это (лучше каждые 10–30 символов).
* Можно реализовать альтернативу через send_chat_action для отображения typing....
* Для продвинутой UX: добавьте кнопку отмены генерации и историю запросов.

Подпишись 👉🏻 @KodduuPython 🤖

Стриминг по коду выше 👆👆👆

Как это применяется реальных проектах читайте тут @aigentto

Подпишись 👉🏻 @KodduuPython 🤖

Flood limit в Telegram возникает, когда вы:

* слишком часто отправляете сообщения одному пользователю или в один чат;
* редактируете одно и то же сообщение слишком часто (например, при стриминге LLM-ответа).

🛡 Как бороться с flood limit

✅1. Добавь `try/except` с `telegram.error.RetryAfter`

Telegram возвращает ошибку RetryAfter, в которой указано, сколько секунд нужно подождать.

✅ 2. Ограничь частоту `edit_message_text`

Не вызывай её слишком часто — безопасно 1 раз в 0.8–1 сек или по достижении порога символов.

📦 Пример: анти-флуд логика в Telegram-боте

import openai
import asyncio
from telegram import Bot
from telegram.ext import Application, CommandHandler, ContextTypes
from telegram.error import RetryAfter

TELEGRAM_TOKEN = "YOUR_TELEGRAM_TOKEN"
OPENAI_API_KEY = "YOUR_OPENAI_API_KEY"
openai.api_key = OPENAI_API_KEY


async def stream_response(prompt, bot: Bot, chat_id: int):
    msg = await bot.send_message(chat_id=chat_id, text="⌛️ Generating...")
    full_text = ""
    last_edit_time = asyncio.get_event_loop().time()

    response = openai.ChatCompletion.create(
        model="gpt-4",
        messages=[{"role": "user", "content": prompt}],
        stream=True
    )

    async for chunk in wrap_stream(response):
        delta = chunk['choices'][0].get('delta', {}).get('content')
        if delta:
            full_text += delta
            now = asyncio.get_event_loop().time()
            # Ограничим частоту до 1 обновления в секунду
            if now - last_edit_time >= 1:
                await safe_edit(bot, msg, full_text)
                last_edit_time = now

    await safe_edit(bot, msg, full_text)  # Финальное обновление


async def safe_edit(bot: Bot, msg, text: str):
    try:
        await bot.edit_message_text(chat_id=msg.chat_id, message_id=msg.message_id, text=text)
    except RetryAfter as e:
        print(f"⚠️ Flood limit hit. Sleeping for {e.retry_after} seconds.")
        await asyncio.sleep(e.retry_after)
        await safe_edit(bot, msg, text)
    except Exception as e:
        print(f"⚠️ Unexpected error: {e}")


async def wrap_stream(generator):
    loop = asyncio.get_event_loop()
    for chunk in generator:
        yield await loop.run_in_executor(None, lambda: chunk)


async def ask(update, context: ContextTypes.DEFAULT_TYPE):
    prompt = " ".join(context.args)
    if not prompt:
        await update.message.reply_text("❗️ Введите текст после /ask")
        return
    await stream_response(prompt, context.bot, update.effective_chat.id)


def main():
    app = Application.builder().token(TELEGRAM_TOKEN).build()
    app.add_handler(CommandHandler("ask", ask))
    app.run_polling()


if __name__ == "__main__":
    main()

🚀 Оптимальные параметры

| Метод | Безопасная частота |
| ------------------————-- | ------------------—————- |
| send_message | 30–60 сообщений/мин |
| edit_message_text | 1 раз в 0.8–1.5 сек |
| send_chat_action | не чаще 1 в 5 сек |


Подпишись 👉🏻 @KodduuPython 🤖

Ниже пример, как реализовать стриминг из LLM в Telegram с защитой от flood limit с помощью `aiogram`, и объяснение, почему `aiogram` лучше для продвинутых Telegram-ботов.

📦 Установка

pip install openai aiogram

📜 Пример: aiogram + OpenAI Streaming + Flood Control

import asyncio
import logging
from aiogram import Bot, Dispatcher, types
from aiogram.types import Message
from aiogram.filters import Command
from aiogram.exceptions import TelegramRetryAfter
import openai

# Настройки
BOT_TOKEN = "YOUR_TELEGRAM_TOKEN"
OPENAI_API_KEY = "YOUR_OPENAI_KEY"
openai.api_key = OPENAI_API_KEY

# Логгирование
logging.basicConfig(level=logging.INFO)

bot = Bot(token=BOT_TOKEN)
dp = Dispatcher()

# Обертка для стриминга OpenAI
async def wrap_stream(generator):
    loop = asyncio.get_event_loop()
    for chunk in generator:
        yield await loop.run_in_executor(None, lambda: chunk)

# Функция безопасного редактирования (борьба с flood)
async def safe_edit(message: Message, text: str):
    try:
        await message.edit_text(text)
    except TelegramRetryAfter as e:
        logging.warning(f"Flood control! Sleep for {e.timeout} seconds.")
        await asyncio.sleep(e.timeout)
        await safe_edit(message, text)
    except Exception as e:
        logging.warning(f"Unexpected error during edit: {e}")

# Основная логика генерации и стриминга
@dp.message(Command("ask"))
async def handle_ask(message: Message):
    prompt = message.text.replace("/ask", "").strip()
    if not prompt:
        await message.reply("❗️ Пожалуйста, укажи запрос после /ask")
        return

    reply = await message.answer("⌛️ Думаю...")
    full_text = ""
    last_edit = asyncio.get_event_loop().time()

    response = openai.ChatCompletion.create(
        model="gpt-4",
        messages=[{"role": "user", "content": prompt}],
        stream=True
    )

    async for chunk in wrap_stream(response):
        delta = chunk["choices"][0].get("delta", {}).get("content")
        if delta:
            full_text += delta
            now = asyncio.get_event_loop().time()
            if now - last_edit > 1:
                await safe_edit(reply, full_text)
                last_edit = now

    await safe_edit(reply, full_text)

# Запуск бота
async def main():
    await dp.start_polling(bot)

if __name__ == "__main__":
    asyncio.run(main())

✅ Что ты получаешь с aiogram:

* 🌐 Полностью async на asyncio — эффективнее и отзывчивее.
* 🧠 Легко масштабируется с middlewares, filters, states.
* 🚀 Совместим с FastAPI и BackgroundTasks.
* 📉 Безопасен к flood limit через TelegramRetryAfter.

Подпишись 👉🏻 @KodduuPython 🤖

Вот 🔥 очень простой и наглядный пример асинхронности в Python с asyncio. Демонстрация, как async работает быстрее, чем обычный sleep.

⚡️ Пример: Асинхронный vs Синхронный вызов

import asyncio
import time

# Синхронная версия
def sync_task(name, delay):
    print(f"[{name}] Начинаю задачу")
    time.sleep(delay)
    print(f"[{name}] Закончил через {delay} сек")

# Асинхронная версия
async def async_task(name, delay):
    print(f"[{name}] Начинаю задачу")
    await asyncio.sleep(delay)
    print(f"[{name}] Закончил через {delay} сек")

# Сравнение
def run_sync():
    start = time.time()
    sync_task("A", 2)
    sync_task("B", 2)
    print(f"⏱️ Синхронно заняло {time.time() - start:.2f} сек")

async def run_async():
    start = time.time()
    await asyncio.gather(
        async_task("A", 2),
        async_task("B", 2),
    )
    print(f"⏱️ Асинхронно заняло {time.time() - start:.2f} сек")

# Запуск
if __name__ == "__main__":
    print("=== Синхронный запуск ===")
    run_sync()

    print("\n=== Асинхронный запуск ===")
    asyncio.run(run_async())

🔍 Что происходит?

* Синхронно: задачи идут одна за другой → итог 4 секунды.
* Асинхронно: обе задачи запускаются одновременно → итог 2 секунды.

---

## 📦 Вывод для Telegram-поста

Синхронность:
[Task A] Начинаю задачу
[Task A] Закончил через 2 сек
[Task B] Начинаю задачу
[Task B] Закончил через 2 сек
⏱️ Синхронно заняло 4.00 сек

Асинхронность:
[Task A] Начинаю задачу
[Task B] Начинаю задачу
[Task A] Закончил через 2 сек
[Task B] Закончил через 2 сек
⏱️ Асинхронно заняло 2.00 сек

Подпишись 👉🏻 @KodduuPython 🤖

Вот второй, тоже 🔥наглядный пример: асинхронная загрузка нескольких URLов. Он отлично показывает, как asyncio + aiohttp позволяет скачать сразу кучу страниц в разы быстрее, чем по одной.

⚡️ Пример: Асинхронная загрузка страниц

import asyncio
import aiohttp
import time

urls = [
    "https://example.com",
    "https://httpbin.org/delay/2",
    "https://httpbin.org/delay/3",
    "https://httpbin.org/delay/1",
]

# Асинхронная загрузка
async def fetch(session, url):
    print(f"📡 Загружаю: {url}")
    async with session.get(url) as response:
        text = await response.text()
        print(f"✅ Готово: {url} ({len(text)} символов)")
        return text

async def main():
    start = time.time()
    async with aiohttp.ClientSession() as session:
        tasks = [fetch(session, url) for url in urls]
        await asyncio.gather(*tasks)
    print(f"\n⏱️ Все загружено за {time.time() - start:.2f} сек")

if __name__ == "__main__":
    asyncio.run(main())

🧠 Что это демонстрирует

* Каждое fetch() ждет ответ от сервера, но другие задачи не простаивают.
* Даже если 1 сайт тормозит (например, delay/3), остальные уже выполняются.
* Всё работает одновременно, а не "по очереди".

📦 Как это будет выглядеть в Telegram

📡 Загружаю: https://example.com
📡 Загружаю: https://httpbin.org/delay/2
📡 Загружаю: https://httpbin.org/delay/3
📡 Загружаю: https://httpbin.org/delay/1
✅ Готово: https://example.com (1256 символов)
✅ Готово: https://httpbin.org/delay/1 (437 символов)
✅ Готово: https://httpbin.org/delay/2 (437 символов)
✅ Готово: https://httpbin.org/delay/3 (437 символов)

⏱️ Все загружено за 3.00 сек

Если бы это был синхронный код — заняло бы 1 + 2 + 3 = 6 секунд, а не 3. Вот и вся магия асинхронности ✨

Подпишись 👉🏻 @KodduuPython 🤖