Fedir RYKHTIK fedir

Installing uv on Fedora Silverblue

uv is a fast, all-in-one Python package and project manager written in Rust, developed by Astral (creators of Ruff). It replaces pip, virtualenv, pyenv, and pipx.

Install

Since Fedora Silverblue is an immutable OS, the recommended way is the official installer script, which places uv in ~/.local/bin — no system modifications needed.

You are an expert in prompt compression and agent design for LLM coding systems (Claude Code / OpenCodeAI).

Your task is to transform a verbose agent or skill definition into an ultra-efficient compact version (~80–180 tokens) while preserving capability.

Goals

Reduce token usage by 80–95%
Preserve decision-making quality and correctness
Keep the agent fully functional for real-world development tasks

	Cas d'usage / Action	Requête CURL
	Lister tous les projets (visibles par vous)	curl --header "PRIVATE-TOKEN: <token>" "https://gitlab.company/api/v4/projects"
	Lister les projets d'un groupe	curl --header "PRIVATE-TOKEN: <token>" "https://gitlab.company/api/v4/groups/<ID>/projects"
	Lister incluant les sous-groupes	curl --header "PRIVATE-TOKEN: <token>" "https://gitlab.company/api/v4/groups/<ID>/projects?include_subgroups=true"
	Chercher un texte dans un projet (Code)	curl --header "PRIVATE-TOKEN: <token>" "https://gitlab.company/api/v4/projects/<ID>/search?scope=blobs&search=<votre_texte>"
	Trouver l'ID d'un groupe par son nom	curl --header "PRIVATE-TOKEN: <token>" "https://gitlab.company/api/v4/groups?search=<nom_du_groupe>"
	Vérifier validité Token / Utilisateur	curl --header "PRIVATE-TOKEN: <token>" "https://gitlab.company/api/v4/user"

Catégorie	Terme (Français)	Terme (Anglais)	Définition Concise
Architecture	RADOS	RADOS	Le cœur du stockage objet distribué de Ceph.
Architecture	Nœud Ceph	Ceph Node	Unité hôte du cluster (serveur physique ou VM).
Architecture	Algorithme CRUSH	CRUSH	Algorithme de placement des données sans table centrale.
Architecture	Carte du Cluster	Cluster Map	Ensemble des cartes (MON, OSD, PG, MDS) décrivant l'état du cluster.
Démons	OSD	Ceph OSD	Démon gérant un disque physique et la réplication des données.
Démons	Moniteur	Ceph Monitor (MON)	Démon garant du quorum et de la cohérence de l'état du cluster.
Démons	Gestionnaire	Ceph Manager (MGR)	Démon gérant le monitoring et les modules (ex: Dashboard).
Démons	Serveur de Métadonnées	MDS	Démon gérant les métadonnées pour CephFS.
Interface	Périphérique Bloc	RBD	Interface de stockage par blocs (équivalent SAN/LUN).

Google Cloud Vision PDF OCR to Markdown

A Python script that extracts text from PDF documents using Google Cloud Vision API and converts tables to Markdown format. Optimized for French documents with ~95% accuracy.

Features

✨ High Accuracy OCR: Leverages Google Cloud Vision API for superior text recognition
📊 Table Detection: Automatically detects and converts tables to Markdown format
🇫🇷 Language Optimized: Configured for French documents (easily customizable)
📄 Multi-page Support: Handles PDFs of any size

Prerequisites

Install required packages:

pip install google-cloud-vision google-cloud-storage

Set up Google Cloud:
- Create a Google Cloud project

Enable the Cloud Vision API

Ollama + Open WebUI = Local LLM Server

Motivation

This guide helps you deploy a local Large Language Model (LLM) server on your Apple MacBook (Intel CPU or Apple Silicon (M-series)) with a user-friendly chat interface. By running LLMs locally, you ensure data privacy, improve reliability with offline capabilities, and leverage cutting-edge tools for efficient AI workflows

Prerequisites

macOS 11.0 or later (Intel, Apple Silicon (M-series))
At least 8 GB of RAM (16 GB recommended for optimal performance)

	{
	"$schema": "https://opencode.ai/config.json",
	"plugin": ["opencode-claude-auth"],

	/* ─── Modèles ───────────────────────────────────────────────────────────────
	model : modèle principal pour le codage et le refactoring
	small_model : modèle léger pour les tâches automatiques (titres, résumés,
	compaction) — OpenCode le choisit seul quand c'est suffisant */
	"model": "anthropic/claude-sonnet-4-6",
	"small_model": "anthropic/claude-haiku-4-5",

	use ldap3::{LdapConnAsync, Mod, SearchEntry, Scope};
	use std::collections::HashSet;

	#[tokio::main]
	async fn main() -> Result<(), Box<dyn std::error::Error>> {
	// 1. Connect to the server
	let (conn, mut ldap) = LdapConnAsync::new("ldap://localhost:389").await?;
	ldap3::drive!(conn);

	// 2. Bind (Authenticate)

	#!/usr/bin/env python3
	# -- coding: utf-8 --
	"""
	rename_files.py - Rename files by removing accents and special chars, safe for UTF-8

	Usage:
	python3 rename_files.py <directory> [--dry-run]

	Features:
	- Normalizes accents (NFKD)