cd autoDownloader
pip install -r requirements.txt

{
  "items": [
    {
      "name": "Новости Блога",
      "dest_dir": "/home/user/auto_downloads",
      "provider": {
        "type": "RssProvider",
        "url": "https://someblog.com/rss.xml",
        "xpaths": {
          "title": "/item/title",
          "items": "//item",
          "url": "/item/link"
        }
      },
      "cache": {
        "type": "FileCache",
        "path": "/home/user/auto_downloads/cache.txt"
      },
      "downloader": {
        "type": "HttpDownloader",
        "method": "GET"
      },
      "post_downloads_script": "/home/user/scripts/notify_new.sh"
    }
  ]
}

🟢 Проверяет источники на новые записи / ссылки
🟢 Если появляются новые URL — скачивает
🟢 Использует кэш, чтобы не перезагружать то, что уже скачано
🟢 Можно подцепить свои скрипты перед/после скачивания, чтобы делать автоматические действия
🟢 Отлично подходит для автоматизации сбора данных, распространения материалов или мониторинга новых публикаций

🟠 Клонируете репозиторий pydn/ComfyUI-to-Python-Extension с GitHub.
🟠 Устанавливаете зависимости, указанные в requirements.txt.
🟠 Запускаете ComfyUI, загружаешь workflow в UI, затем используете “Save As Script” / “Save (API Format)” → получаете JSON.
🟠 Потом запускаете скрипт вроде comfyui_to_python.py --input_file workflow.json --output_file my_workflow.py.

🟠 Преобразует визуальную конфигурацию узлов (Nodes / workflow) в Python код, что позволяет:
запускать workflow программно, без UI,
делать версии сценариев, ставить автоматические тесты / CI,
масштабировать или создавать батчи генерации, где UI был бы неудобен.
🟠 Позволяет адаптировать workflow-конфигурации, изменять параметры узлов, модифицировать и повторно использовать.

🟠 Поддерживает глобальные методы объяснения (feature effect) и автоматически определяет региональные подпространства, где, по статистике, эффект признаков более однороден.
🟠 Интерфейс расширяемый — можно добавлять свои методы объяснения и определять регионы через логические правила.
🟠 Подходит как для табличных данных, так и для сложных ML-задач; позволяет визуализировать эффекты, сравнивать методы и отчётливо видеть, где признаки влияют по-разному.

pip install effector

🟢 Поддержка подгонки (alignment) методом Procrustes, Orthogonal Procrustes и др.
🟢 Совместимость с эмбедингами fastText (бинарные и текстовые форматы).
🟢 API, похожий на оригинальный fastText: load_model, align_to, get_vector.
🟢 Работает как вспомогательный инструмент, легко интегрируется в NLP-пайплайны, например для кроссъязыковых задач.

pip install fasttext-aligned

python pdf_page_count.py /path/to/folder  

🟢 Полезно при работе с архивами PDF-документов: отчёты, книги, журналы — быстро узнать общий объём страниц.
🟢 Можно интегрировать в автоматизацию: например, если папка с проектом «PDF-отчётов» — запускаешь скрипт, получаешь статистику.
🟢 Лёгкий и ясный скрипт без сложной настройки.

# Установка
pip install github-utility

# CLI примеры:
export GITHUB_ACCESS_TOKEN="токен"

# Получить информацию о пользователе
github-utility get-user --username someuser

# Создать issue в репозитории
github-utility create-issue --owner ownername --repo reponame --title "Test issue" --body "Описание issue"

import requests
import argparse
import os

def get_user(token, username):
    headers = {"Authorization": f"token {token}"}
    resp = requests.get(f"https://api.github.com/users/{username}", headers=headers)
    return resp.json()

def create_issue(token, owner, repo, title, body):
    headers = {"Authorization": f"token {token}"}
    data = {"title": title, "body": body}
    resp = requests.post(f"https://api.github.com/repos/{owner}/{repo}/issues", headers=headers, json=data)
    return resp.json()