chllm 0.1.0__tar.gz

chllm-0.1.0/.github/workflows/ci.yml

@@ -0,0 +1,44 @@
+name: CI
+
+on:
+  push:
+    branches: [ main, master ]
+  pull_request:
+    branches: [ main, master ]
+
+jobs:
+  ci:
+    runs-on: ubuntu-latest
+    strategy:
+      matrix:
+        python-version: ["3.10", "3.11", "3.12", "3.13"]
+    steps:
+      - name: Checkout code
+        uses: actions/checkout@v4
+
+      - name: Install uv
+        uses: astral-sh/setup-uv@v3
+        with:
+          enable-cache: true
+          cache-dependency-glob: "uv.lock"
+
+      - name: Set up Python ${{ matrix.python-version }}
+        run: uv python install ${{ matrix.python-version }}
+
+      - name: Install dependencies
+        run: uv sync
+
+      - name: Run Ruff check
+        run: uv run ruff check .
+
+      - name: Run Ruff format check
+        run: uv run ruff format --check .
+
+      - name: Run Mypy
+        run: uv run mypy .
+
+      - name: Run chutils dev ai-lint
+        run: uv run chutils dev ai-lint
+
+      - name: Run tests with pytest
+        run: uv run pytest

chllm-0.1.0/.gitignore

@@ -0,0 +1,36 @@
+# Byte-compiled / optimized / DLL files
+__pycache__/
+*.py[cod]
+*$py.class
+
+# Distribution / packaging
+build/
+dist/
+*.egg-info/
+.eggs/
+
+# Environments
+.venv/
+env/
+venv/
+ENV/
+
+# Testing & Coverage
+.pytest_cache/
+.coverage
+.coverage.*
+htmlcov/
+
+# Type Checking & Linters
+.mypy_cache/
+.ruff_cache/
+
+# IDEs
+.idea/
+.vscode/
+*.swp
+*.swo
+
+# Project specific
+logs/
+*.log

chllm-0.1.0/LICENSE

@@ -0,0 +1,21 @@
+MIT License
+
+Copyright (c) 2026 Chu4hel
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in all
+copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+SOFTWARE.

chllm-0.1.0/PKG-INFO

@@ -0,0 +1,172 @@
+Metadata-Version: 2.5
+Name: chllm
+Version: 0.1.0
+Summary: Отказоустойчивый Python фреймворк для взаимодействия с LLM, валидации Pydantic и надежного парсинга структурированных ответов.
+Author-email: Chu4hel <sergeiivanov636@gmail.com>
+License-Expression: MIT
+License-File: LICENSE
+Requires-Python: >=3.10
+Requires-Dist: pydantic>=2.8.0
+Provides-Extra: all
+Requires-Dist: chutils>=3.5.0; extra == 'all'
+Requires-Dist: tiktoken>=0.7.0; extra == 'all'
+Provides-Extra: chutils
+Requires-Dist: chutils>=3.5.0; extra == 'chutils'
+Provides-Extra: tokens
+Requires-Dist: tiktoken>=0.7.0; extra == 'tokens'
+Description-Content-Type: text/markdown
+
+# chllm: Robust Structured Data Framework for LLMs
+
+[![Python 3.10+](https://img.shields.io/badge/python-3.10+-blue.svg)](https://www.python.org/downloads/)
+[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
+
+`chllm` (произносится *chill-em*) — это профессиональный легковесный Python-фреймворк для построения отказоустойчивых конвейеров обработки данных через LLM. Библиотека специализируется на извлечении структурированных ответов (JSON / Pydantic) в условиях нестабильных API, обрывов контекста и жестких лимитов провайдеров.
+
+---
+
+## 🚀 Почему chllm?
+
+Работа с LLM в реальных приложениях сопряжена с рядом проблем:
+- **Обрезанные ответы**: модели часто не успевают закрыть скобки/кавычки JSON из-за лимита токенов.
+- **Галлюцинации синтаксиса**: ИИ может непреднамеренно перевести или сломать переменные, плейсхолдеры и теги.
+- **Сложные ошибки и Rate Limits**: ретраи для ошибок 429, 503 и фильтрации контента требуют принципиально разной обработки.
+- **Агентные циклы**: необходимость надежно парсить вызовы инструментов (Tool Calls) и управлять шагами выполнения.
+
+`chllm` берет всю эту рутину на себя.
+
+---
+
+## 📦 Установка
+
+```bash
+# Базовая установка (только Pydantic)
+pip install chllm
+# или через uv
+uv add chllm
+
+# С расширенным логированием через chutils
+uv add "chllm[chutils]"
+
+# С точным подсчетом токенов через tiktoken
+uv add "chllm[tokens]"
+
+# Полный набор
+uv add "chllm[all]"
+```
+
+---
+
+## 🛠 Ключевые модули
+
+### 1. RobustLLMParser (`chllm.parser`)
+Интеллектуальный парсер, способный извлекать и восстанавливать данные даже из поврежденных ответов:
+- **Стековое восстановление (Deep Recovery)**: автоматически достраивает незакрытые скобки, кавычки и массивы в оборванном JSON.
+- **Извлечение из Markdown**: находит JSON-блоки внутри пояснительного текста или рассуждений модели.
+- **JSON Lines Fallback**: если модель прислала поток несоединенных JSON-объектов, парсер автоматически объединит их в единый список/батч.
+- **Интеграция с Pydantic**: строгая валидация и приведение к типам моделей на лету.
+- **Tool Use Parsing**: метод `parse_tool_calls` находит структурированные вызовы инструментов.
+
+### 2. Orchestrator & AgentOrchestrator (`chllm.orchestrator`)
+Двигатель выполнения запросов с адаптивным поведением:
+- **Бинарное деление батчей (Batch Splitting)**: при возникновении ошибок размера или цензуры рекурсивно делит батч, изолируя сбойный элемент.
+- **Умная стратегия повторов (RetryStrategy)**: экспоненциальная задержка с рандомизированным джиттером для защиты от перегрузки API.
+- **Одиночные запросы**: метод `execute_single(prompt)` для удобного выполнения утилитарных задач.
+- **Агентный цикл (`AgentOrchestrator`)**: метод `execute_loop` берет на себя цикл "запрос -> парсинг инструментов -> выполнение -> возврат результата".
+
+### 3. ContentMasker (`chllm.masking`)
+Защита системного синтаксиса и чувствительных участков текста:
+- Маскирует переменные (например, `[MCname]`, `%(user)s`, `{b}...{/b}`) в плейсхолдеры вида `[[[VAR_0]]]`.
+- Модель видит структуру предложения, но физически не может повредить или перевести системные теги.
+- Корректная сортировка паттернов по длине для предотвращения коллизий.
+
+### 4. Metrics & Token Estimation (`chllm.metrics`)
+Контроль расхода токенов:
+- `TokenCounter`: поддержка эвристического расчета для русского и английского языков, а также токенизатора `tiktoken`.
+- `estimate_completion_tokens`: прогнозирование объема ответа с учетом коэффициента языкового расширения и оверхеда схемы.
+
+### 5. Context & Prompt Builders (`chllm.builder`, `chllm.context`)
+- `PromptBuilder`: динамическая сборка системных промптов, контекста и пользовательских полезных нагрузок.
+- `ContextBuilder`: управление скользящей цепочкой контекста диалогов (Chain Context).
+
+---
+
+## 📖 Быстрый старт
+
+### Восстановление поврежденного JSON
+
+```python
+from pydantic import BaseModel
+from chllm import RobustLLMParser
+
+
+class UserItem(BaseModel):
+    id: int
+    name: str
+
+
+parser = RobustLLMParser()
+
+# Модель оборвала ответ на середине:
+broken_response = """
+Вот результаты:
+```json
+[
+  {"id": 1, "name": "Алиса"},
+  {"id": 2, "name": "Борис"
+"""
+
+data = parser.parse(broken_response, validation_model=UserItem)
+# data["batch"] -> [UserItem(id=1, name="Алиса")]
+```
+
+### Защита переменных при переводе / рерайте
+
+```python
+from chllm import ContentMasker
+
+masker = ContentMasker(patterns=[r"\[.+?\]", r"\{.+?\}"])
+text = "Привет, [player_name]! Нажми {b}Старт{/b}."
+
+masked = masker.mask(text)
+# masked.masked_text -> "Привет, [[[VAR_0]]]! Нажми [[[VAR_1]]]Старт[[[VAR_2]]]."
+
+# Отправляем masked.masked_text в LLM и получаем "Hello, [[[VAR_0]]]! Press [[[VAR_1]]]Start[[[VAR_2]]]."
+
+demasked = masker.demask(translated_text, masked.mapping)
+# demasked -> "Hello, [player_name]! Press {b}Start{/b}."
+```
+
+### Оркестратор запросов с ретраями
+
+```python
+from chllm import Orchestrator, RetryStrategy, RateLimitError
+
+
+class MyLLMProvider:
+    async def execute(self, payload: str) -> str:
+        # Ваш сетевой вызов к API модели
+        return await api_client.generate(payload)
+
+
+orchestrator = Orchestrator(
+    provider=MyLLMProvider(),
+    strategy=RetryStrategy(max_retries=3, base_delay=1.5),
+)
+
+response = await orchestrator.execute_single("Объясни квантовую запутанность кратко.")
+```
+
+---
+
+## 🏗 Архитектура
+
+Библиотека строго следует принципу **Dependency Inversion**:
+- Модули не привязаны к конкретным внешним SDK (Google GenAI, OpenAI, Anthropic) — взаимодействие построено через протоколы.
+- Логирование автономно: при наличии `chutils` используется его структурированный логгер, иначе — стандартный `logging`.
+
+---
+
+## 📄 Лицензия
+
+Распространяется под лицензией [MIT](LICENSE).

chllm-0.1.0/README.md

@@ -0,0 +1,154 @@
+# chllm: Robust Structured Data Framework for LLMs
+
+[![Python 3.10+](https://img.shields.io/badge/python-3.10+-blue.svg)](https://www.python.org/downloads/)
+[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
+
+`chllm` (произносится *chill-em*) — это профессиональный легковесный Python-фреймворк для построения отказоустойчивых конвейеров обработки данных через LLM. Библиотека специализируется на извлечении структурированных ответов (JSON / Pydantic) в условиях нестабильных API, обрывов контекста и жестких лимитов провайдеров.
+
+---
+
+## 🚀 Почему chllm?
+
+Работа с LLM в реальных приложениях сопряжена с рядом проблем:
+- **Обрезанные ответы**: модели часто не успевают закрыть скобки/кавычки JSON из-за лимита токенов.
+- **Галлюцинации синтаксиса**: ИИ может непреднамеренно перевести или сломать переменные, плейсхолдеры и теги.
+- **Сложные ошибки и Rate Limits**: ретраи для ошибок 429, 503 и фильтрации контента требуют принципиально разной обработки.
+- **Агентные циклы**: необходимость надежно парсить вызовы инструментов (Tool Calls) и управлять шагами выполнения.
+
+`chllm` берет всю эту рутину на себя.
+
+---
+
+## 📦 Установка
+
+```bash
+# Базовая установка (только Pydantic)
+pip install chllm
+# или через uv
+uv add chllm
+
+# С расширенным логированием через chutils
+uv add "chllm[chutils]"
+
+# С точным подсчетом токенов через tiktoken
+uv add "chllm[tokens]"
+
+# Полный набор
+uv add "chllm[all]"
+```
+
+---
+
+## 🛠 Ключевые модули
+
+### 1. RobustLLMParser (`chllm.parser`)
+Интеллектуальный парсер, способный извлекать и восстанавливать данные даже из поврежденных ответов:
+- **Стековое восстановление (Deep Recovery)**: автоматически достраивает незакрытые скобки, кавычки и массивы в оборванном JSON.
+- **Извлечение из Markdown**: находит JSON-блоки внутри пояснительного текста или рассуждений модели.
+- **JSON Lines Fallback**: если модель прислала поток несоединенных JSON-объектов, парсер автоматически объединит их в единый список/батч.
+- **Интеграция с Pydantic**: строгая валидация и приведение к типам моделей на лету.
+- **Tool Use Parsing**: метод `parse_tool_calls` находит структурированные вызовы инструментов.
+
+### 2. Orchestrator & AgentOrchestrator (`chllm.orchestrator`)
+Двигатель выполнения запросов с адаптивным поведением:
+- **Бинарное деление батчей (Batch Splitting)**: при возникновении ошибок размера или цензуры рекурсивно делит батч, изолируя сбойный элемент.
+- **Умная стратегия повторов (RetryStrategy)**: экспоненциальная задержка с рандомизированным джиттером для защиты от перегрузки API.
+- **Одиночные запросы**: метод `execute_single(prompt)` для удобного выполнения утилитарных задач.
+- **Агентный цикл (`AgentOrchestrator`)**: метод `execute_loop` берет на себя цикл "запрос -> парсинг инструментов -> выполнение -> возврат результата".
+
+### 3. ContentMasker (`chllm.masking`)
+Защита системного синтаксиса и чувствительных участков текста:
+- Маскирует переменные (например, `[MCname]`, `%(user)s`, `{b}...{/b}`) в плейсхолдеры вида `[[[VAR_0]]]`.
+- Модель видит структуру предложения, но физически не может повредить или перевести системные теги.
+- Корректная сортировка паттернов по длине для предотвращения коллизий.
+
+### 4. Metrics & Token Estimation (`chllm.metrics`)
+Контроль расхода токенов:
+- `TokenCounter`: поддержка эвристического расчета для русского и английского языков, а также токенизатора `tiktoken`.
+- `estimate_completion_tokens`: прогнозирование объема ответа с учетом коэффициента языкового расширения и оверхеда схемы.
+
+### 5. Context & Prompt Builders (`chllm.builder`, `chllm.context`)
+- `PromptBuilder`: динамическая сборка системных промптов, контекста и пользовательских полезных нагрузок.
+- `ContextBuilder`: управление скользящей цепочкой контекста диалогов (Chain Context).
+
+---
+
+## 📖 Быстрый старт
+
+### Восстановление поврежденного JSON
+
+```python
+from pydantic import BaseModel
+from chllm import RobustLLMParser
+
+
+class UserItem(BaseModel):
+    id: int
+    name: str
+
+
+parser = RobustLLMParser()
+
+# Модель оборвала ответ на середине:
+broken_response = """
+Вот результаты:
+```json
+[
+  {"id": 1, "name": "Алиса"},
+  {"id": 2, "name": "Борис"
+"""
+
+data = parser.parse(broken_response, validation_model=UserItem)
+# data["batch"] -> [UserItem(id=1, name="Алиса")]
+```
+
+### Защита переменных при переводе / рерайте
+
+```python
+from chllm import ContentMasker
+
+masker = ContentMasker(patterns=[r"\[.+?\]", r"\{.+?\}"])
+text = "Привет, [player_name]! Нажми {b}Старт{/b}."
+
+masked = masker.mask(text)
+# masked.masked_text -> "Привет, [[[VAR_0]]]! Нажми [[[VAR_1]]]Старт[[[VAR_2]]]."
+
+# Отправляем masked.masked_text в LLM и получаем "Hello, [[[VAR_0]]]! Press [[[VAR_1]]]Start[[[VAR_2]]]."
+
+demasked = masker.demask(translated_text, masked.mapping)
+# demasked -> "Hello, [player_name]! Press {b}Start{/b}."
+```
+
+### Оркестратор запросов с ретраями
+
+```python
+from chllm import Orchestrator, RetryStrategy, RateLimitError
+
+
+class MyLLMProvider:
+    async def execute(self, payload: str) -> str:
+        # Ваш сетевой вызов к API модели
+        return await api_client.generate(payload)
+
+
+orchestrator = Orchestrator(
+    provider=MyLLMProvider(),
+    strategy=RetryStrategy(max_retries=3, base_delay=1.5),
+)
+
+response = await orchestrator.execute_single("Объясни квантовую запутанность кратко.")
+```
+
+---
+
+## 🏗 Архитектура
+
+Библиотека строго следует принципу **Dependency Inversion**:
+- Модули не привязаны к конкретным внешним SDK (Google GenAI, OpenAI, Anthropic) — взаимодействие построено через протоколы.
+- Логирование автономно: при наличии `chutils` используется его структурированный логгер, иначе — стандартный `logging`.
+
+---
+
+## 📄 Лицензия
+
+Распространяется под лицензией [MIT](LICENSE).

chllm-0.1.0/antigravity.md

@@ -0,0 +1,30 @@
+# Манифест ИИ: chllm (Robust LLM Framework)
+
+Модуль chllm представляет собой отказоустойчивый фреймворк для взаимодействия с LLM-провайдерами, управления контекстом промптов и надежного парсинга структурированных ответов.
+
+## Назначение и Архитектура
+
+Модуль изолирует работу с нейросетевыми моделями от доменной логики приложения.
+
+### Ключевые компоненты:
+
+1. **RobustLLMParser (parser.py)**:
+   - Извлечение JSON, Markdown и очистка ответа от технического шума LLM.
+   - Восстановление поврежденного JSON и валидация схем Pydantic.
+
+2. **Orchestrator, AgentOrchestrator (orchestrator.py)**:
+   - Управление ротацией API-ключей и прокси.
+   - Стратегии повторных попыток (RetryStrategy) с экспоненциальной задержкой.
+
+3. **ContentMasker (masking.py)**:
+   - Маскирование и защитная подстановка чувствительных данных и тегов Ren'Py перед отправкой в LLM.
+
+4. **PromptBuilder, ContextBuilder (uilder.py, context.py)**:
+   - Динамическая сборка системных и пользовательских промптов с ограничением по токенам.
+
+5. **TokenCounter, UsageMetrics (metrics.py)**:
+   - Подсчет токенов и сбор статистики использования API.
+
+## Правила использования
+- При работе с ответами LLM всегда использовать RobustLLMParser.
+- Ошибки LLM обрабатывать через иерархию CHLLMError (например, RateLimitError, QuotaExceededError).

chllm-0.1.0/examples/orchestration_demo.py

@@ -0,0 +1,61 @@
+"""
+Демонстрация работы Orchestrator: деление батча и ретраи.
+"""
+
+import asyncio
+
+from chllm import ContentBlockedError, Orchestrator, RateLimitError, RetryStrategy
+
+
+class FakeAIProvider:
+    """Мок-провайдер, имитирующий проблемы с лимитами и цензурой."""
+
+    def __init__(self) -> None:
+        """Инициализирует тестовый провайдер."""
+        self.attempts: int = 0
+
+    async def execute(self, data: object) -> object:
+        """Выполняет имитацию запроса к ИИ.
+
+        Args:
+            data: Данные для обработки.
+
+        Returns:
+            Результат обработки.
+        """
+        self.attempts += 1
+
+        # 1. Имитируем временный лимит на первую попытку
+        if self.attempts == 1:
+            print("Попытка 1: Имитируем Rate Limit...")
+            raise RateLimitError("Rate limit exceeded", retry_delay=0.1)
+
+        # 2. Имитируем блокировку контента для больших батчей
+        if isinstance(data, list) and len(data) > 1:
+            print(f"Батч из {len(data)} элементов заблокирован цензурой. Требуется деление!")
+            raise ContentBlockedError("Sensitive content detected")
+
+        print(f"Успешное выполнение для данных: {data}")
+        return f"OK: {data}"
+
+    def pack_single_prompt(self, prompt: str) -> object:
+        """Упаковывает строку промпта."""
+        return prompt
+
+
+async def run_demo() -> None:
+    """Запускает демонстрацию работы оркестратора с обработкой ошибок."""
+    provider = FakeAIProvider()
+    orchestrator = Orchestrator(provider=provider, strategy=RetryStrategy(max_retries=3, base_delay=0.1))
+
+    print("--- Запуск оркестратора для батча из 3-х элементов ---")
+    # Оркестратор сделает ретрай при первой ошибке,
+    # а затем поделит батч, пока не найдет безопасные части.
+    results = await orchestrator.execute(["Safe 1", "Safe 2", "Safe 3"])
+
+    print("\n--- Финальные результаты ---")
+    print(results)
+
+
+if __name__ == "__main__":
+    asyncio.run(run_demo())

chllm-0.1.0/examples/recovery_demo.py

@@ -0,0 +1,51 @@
+"""
+Пример использования RobustLLMParser для восстановления поврежденного JSON.
+"""
+
+from pydantic import BaseModel
+
+from chllm import RobustLLMParser
+
+
+class Product(BaseModel):
+    """Модель данных товара для демонстрации парсинга."""
+
+    name: str
+    price: float
+
+
+def run_demo() -> None:
+    """Запускает демонстрацию восстановления поврежденного JSON ответа."""
+    parser = RobustLLMParser()
+
+    # Пример 1: ИИ обрезал ответ на середине
+    raw_response = """
+    Вот список товаров в формате JSON:
+    ```json
+    [
+      {"name": "Laptop", "price": 999.99},
+      {"name": "Smartphone", "price": 49
+    """  # JSON не закрыт, кавычка оборвана
+
+    print("--- Исходный текст ---")
+    print(raw_response)
+
+    result = parser.parse(raw_response, validation_model=Product)
+
+    print("\n--- Результат парсинга (бач) ---")
+    for item in result["batch"]:
+        if isinstance(item, Product):
+            print(f"Товар: {item.name}, Цена: {item.price}")
+        else:
+            print(f"Товар: {item.get('name')}, Цена: {item.get('price')}")
+
+    # Пример 2: Глубокая вложенность
+    nested_raw = '{"data": {"user": {"id": 1, "meta": {"bio": "Hello'
+    raw_obj = parser.parse_raw(nested_raw)
+
+    print("\n--- Восстановление вложенного объекта ---")
+    print(f"Полученный объект: {raw_obj}")
+
+
+if __name__ == "__main__":
+    run_demo()

chllm-0.1.0/pyproject.toml

@@ -0,0 +1,70 @@
+[project]
+name = "chllm"
+version = "0.1.0"
+description = "Отказоустойчивый Python фреймворк для взаимодействия с LLM, валидации Pydantic и надежного парсинга структурированных ответов."
+authors = [{ name = "Chu4hel", email = "sergeiivanov636@gmail.com" }]
+license = "MIT"
+readme = "README.md"
+requires-python = ">=3.10"
+dependencies = [
+    "pydantic>=2.8.0",
+]
+
+[project.optional-dependencies]
+chutils = ["chutils>=3.5.0"]
+tokens = ["tiktoken>=0.7.0"]
+all = [
+    "chutils>=3.5.0",
+    "tiktoken>=0.7.0",
+]
+
+[dependency-groups]
+dev = [
+    "pytest>=8.0.0",
+    "pytest-asyncio>=0.23.0",
+    "pytest-mock>=3.12.0",
+    "ruff>=0.8.0",
+    "mypy>=1.10.0",
+    "chutils[rich]>=3.5.0",
+]
+
+[tool.hatch.build.targets.wheel]
+packages = ["src/chllm"]
+
+[[tool.uv.index]]
+name = "aliyun"
+url = "https://mirrors.aliyun.com/pypi/simple/"
+default = true
+
+[build-system]
+requires = ["hatchling"]
+build-backend = "hatchling.build"
+
+[tool.pytest.ini_options]
+pythonpath = ["src"]
+asyncio_mode = "auto"
+testpaths = ["tests"]
+markers = [
+    "slow: маркер для долгих тестов",
+]
+
+[tool.ruff]
+target-version = "py310"
+line-length = 120
+
+[tool.ruff.lint]
+select = ["E", "F", "W", "I", "UP", "SIM", "RUF"]
+ignore = [
+    "RUF001",  # Ambiguous unicode characters in strings (русский язык)
+    "RUF002",  # Ambiguous unicode characters in docstrings
+    "RUF003",  # Ambiguous unicode characters in comments
+]
+
+[tool.ruff.lint.per-file-ignores]
+"__init__.py" = ["F401"]
+"tests/*" = ["S101"]
+
+[tool.mypy]
+python_version = "3.10"
+check_untyped_defs = true
+ignore_missing_imports = true