Нормализовать переводы строк в LF

Решение по TD-STYLE-ANALYZERS: LF — инструменты проекта (Python/Node) пишут LF, CRLF-.sh не работают на Linux CI (sh scripts/ci.sh), большинство файлов уже были LF. Добавлен .gitattributes (* text=auto eol=lf, бинарные исключения), .editorconfig переведён на lf, 1029 файлов конвертированы, git add --renormalize. Из индекса убраны закравшиеся archive/**/__pycache__/*.pyc.
2026-09-11 19:01:42 +03:00
parent 39c9bdc1b7
commit 713d554dc2
751 changed files with 94507 additions and 94486 deletions
@@ -1,70 +1,70 @@
-"""HTTP-API автономного ML-сервиса LeadRadar.
-
-Запуск: uvicorn server:app --host 0.0.0.0 --port 8100
-(в compose сервис `ml`, наружу порт не публикуется).
-"""
-from __future__ import annotations
-
-from fastapi import FastAPI, HTTPException
-from pydantic import BaseModel
-
-import model as m
-
-app = FastAPI(title="LeadRadar ML", version="1.0.0")
-
-
-class LearnItem(BaseModel):
-    text: str
-    label: str
-    delta: float = 1.0
-
-
-class PredictBody(BaseModel):
-    text: str
-
-
-class BatchBody(BaseModel):
-    items: list[LearnItem]
-
-
-@app.get("/health")
-def health() -> dict:
-    return {"ok": True, "service": "leadradar-ml"}
-
-
-@app.get("/status")
-def status() -> dict:
-    return m.status()
-
-
-@app.post("/learn")
-def learn(body: LearnItem) -> dict:
-    if not body.text.strip() or not body.label.strip():
-        raise HTTPException(400, "text и label обязательны")
-    m.learn(body.label, body.text, body.delta)
-    return {"ok": True}
-
-
-@app.post("/learn-batch")
-def learn_batch(body: BatchBody) -> dict:
-    m.learn_batch([it.model_dump() for it in body.items])
-    return {"ok": True, "learned": len(body.items)}
-
-
-@app.post("/predict")
-def predict(body: PredictBody) -> dict:
-    if not body.text.strip():
-        raise HTTPException(400, "text обязателен")
-    return m.predict(body.text)
-
-
-@app.post("/reset")
-def reset() -> dict:
-    m.reset()
-    return {"ok": True}
-
-
-@app.on_event("startup")
-def _startup() -> None:
-    # прогреваем соединение с БД модели
-    m.status()
+"""HTTP-API автономного ML-сервиса LeadRadar.
+
+Запуск: uvicorn server:app --host 0.0.0.0 --port 8100
+(в compose сервис `ml`, наружу порт не публикуется).
+"""
+from __future__ import annotations
+
+from fastapi import FastAPI, HTTPException
+from pydantic import BaseModel
+
+import model as m
+
+app = FastAPI(title="LeadRadar ML", version="1.0.0")
+
+
+class LearnItem(BaseModel):
+    text: str
+    label: str
+    delta: float = 1.0
+
+
+class PredictBody(BaseModel):
+    text: str
+
+
+class BatchBody(BaseModel):
+    items: list[LearnItem]
+
+
+@app.get("/health")
+def health() -> dict:
+    return {"ok": True, "service": "leadradar-ml"}
+
+
+@app.get("/status")
+def status() -> dict:
+    return m.status()
+
+
+@app.post("/learn")
+def learn(body: LearnItem) -> dict:
+    if not body.text.strip() or not body.label.strip():
+        raise HTTPException(400, "text и label обязательны")
+    m.learn(body.label, body.text, body.delta)
+    return {"ok": True}
+
+
+@app.post("/learn-batch")
+def learn_batch(body: BatchBody) -> dict:
+    m.learn_batch([it.model_dump() for it in body.items])
+    return {"ok": True, "learned": len(body.items)}
+
+
+@app.post("/predict")
+def predict(body: PredictBody) -> dict:
+    if not body.text.strip():
+        raise HTTPException(400, "text обязателен")
+    return m.predict(body.text)
+
+
+@app.post("/reset")
+def reset() -> dict:
+    m.reset()
+    return {"ok": True}
+
+
+@app.on_event("startup")
+def _startup() -> None:
+    # прогреваем соединение с БД модели
+    m.status()