# генератор уникальных идей проектов на праздники
import random

ideas = [
    "Локальный AI-помощник для поиска по личным заметкам",
    "Генератор музыки с визуализацией (MIDI + matplotlib)",
    "Трекер сна с анализом и графиками",
    "Бот-редактор картинок (фильтры, обводка, коллажи)",
    "Симулятор простых биржевых стратегий на исторических данных",
    "Планировщик тренировок с прогрессией нагрузки",
    "Мини-игра «жизнь колонии» с простой физикой"
]

def show():
    print("Твой нестандартный проект:")
    print(random.choice(ideas))

@basic_auth_required
def my_view(request):
    …

# Установка:
# pip install transformers accelerate torch

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

MODEL_NAME = "Qwen/Qwen2.5-1.5B-Instruct"

# Модель и токенайзер загрузятся один раз — потом работают офлайн
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
model = AutoModelForCausalLM.from_pretrained(
    MODEL_NAME,
    torch_dtype=torch.float16,
    device_map="auto"   # автоматически использует GPU, если есть
)

prompt = "Объясни простыми словами, чем контейнер отличается от виртуальной машины."

inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(
    **inputs,
    max_new_tokens=200,
    do_sample=True,
    temperature=0.7
)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

# Tokenization demo (Python)
# pip install tiktoken

import tiktoken

text = "I love programming in Python 🐍"

enc = tiktoken.get_encoding("cl100k_base")
tokens = enc.encode(text)

print("Text:", text)
print("Token IDs:", tokens)
print("Tokens count:", len(tokens))

# decode back
print("\nDecoded tokens:")
for t in tokens:
    print(t, "->", repr(enc.decode([t])))