emllm 0.1.10

Large Language Model Email Message registry and interpreter

EMLLM (Email Message Language for LLM)

EMLLM is a powerful Python library for parsing, validating, and generating email messages with support for LLM integration. It provides a simple and intuitive API for working with email messages in various formats.

✨ Features

• Parse and validate email messages
• Generate email messages programmatically
• Support for MIME messages and attachments
• Integration with Large Language Models
• Command-line interface for easy usage
• REST API for remote processing
• Comprehensive test coverage
• Type hints for better development experience

🚀 Quick Start

Installation

pip install emllm

Basic Usage

from emllm import EMLLMParser

# Initialize the parser
parser = EMLLMParser()

# Parse an email message
message = """
From: [e-mail]
To: [e-mail]
Subject: Test Message

Hello, this is a test message.
"""

parsed = parser.parse(message)
print(parsed)

## 📚 Documentation

Full documentation is available at [emllm.readthedocs.io](https://emllm.readthedocs.io/).

Key sections:
- [Installation Guide](docs/installation/index.md)
- [Usage Examples](docs/usage/index.md)
- [API Reference](docs/api/index.md)
- [Contributing](CONTRIBUTING.md)

## 🤝 Contributing

Contributions are welcome! Please read our [Contributing Guide](CONTRIBUTING.md) for details on how to submit pull requests, report issues, or suggest new features.

## 📄 License

This project is licensed under the Apache License 2.0 - see the [LICENSE](LICENSE) file for details.

## 📫 Contact

For questions or support, please open an issue on [GitHub](https://github.com/emllm/eml/issues).

---

<p align="center">
  Made with ❤️ by the EMLLM Team
</p>

EMLLM is an advanced system for AI-generated software distribution, using email infrastructure as a transport protocol. The system combines the capabilities of Large Language Models with traditional email infrastructure, enabling the automatic distribution of dynamically generated code/applications.

## 🛠️ Installation

```bash
pip install emllm

• Trudność w code signing i verification
• Podatność na email interception

Problemy ze skalowalnością:

• Email attachment size limits (zazwyczaj 25-50MB)
• SMTP delivery delays i retry mechanisms
• Brak real-time feedback o deployment status

Złożoność debugowania:

• Trudność w śledzeniu błędów deployment
• Ograniczone logging capabilities
• Problemy z dependency resolution

Compliance i audit issues:

• Potencjalne konflikty z corporate IT policies
• Trudności w change management tracking
• Legal issues z automated code distribution

Sposób dystrybucji w praktyce

Architektura systemu

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   User Request  │───▶│   LLM Generator │───▶│  SMTP Gateway   │
│  (Webhook/API)  │    │   (Code Gen)    │    │   (Email Send)  │
└─────────────────┘    └─────────────────┘    └─────────────────┘
                                │                       │
                                ▼                       ▼
                       ┌─────────────────┐    ┌─────────────────┐
                       │   Metadata      │    │   User Inbox    │
                       │   Packaging     │    │   (Receive)     │
                       └─────────────────┘    └─────────────────┘
                                │                       │
                                ▼                       ▼
                       ┌─────────────────┐    ┌─────────────────┐
                       │  EML Creation   │    │  Auto Extract   │
                       │  (Self-Extract) │    │   (Execute)     │
                       └─────────────────┘    └─────────────────┘

Flow procesu:

1. Request initiation: Webhook lub API call z parametrami aplikacji
2. LLM Processing: AI generuje kod bazując na input parameters
3. Metadata enrichment: Automatyczne dodawanie dependencies, configs
4. EML Packaging: Tworzenie samorozpakowującego się email archive
5. SMTP Delivery: Wysyłka przez konfigurowany SMTP server
6. Client Reception: Otrzymanie i automatyczne przetworzenie
7. Execution: Uruchomienie aplikacji w target environment

Wykorzystanie webhooków:

Inbound webhooks (triggering generacji):

{
  "app_type": "dashboard",
  "requirements": ["Python", "FastAPI", "Docker"],
  "recipient": "[e-mail]",
  "parameters": {
    "database": "PostgreSQL",
    "auth": "OAuth2",
    "deployment": "containerized"
  }
}

Outbound webhooks (status notifications):

{
  "status": "email_sent",
  "request_id": "req_12345",
  "recipient": "[e-mail]",
  "timestamp": "2025-06-19T10:30:00Z",
  "tracking_id": "email_67890"
}

Przykłady zastosowań

1. Enterprise Internal Tools

• Automatyczne generowanie admin dashboards
• Custom reporting applications
• One-off automation scripts dla specific tasks

2. Client Deliverables

• Personalized demos dla sales presentations
• Custom integrations dla client environments
• Proof-of-concept applications

3. Emergency Deployments

• Hotfix distribution gdy CI/CD is down
• Disaster recovery tools
• Quick patches dla critical systems

4. Training i Development

• Personalized learning environments
• Custom exercise generators
• Development environment setup

Techniczne aspekty implementacji

LLM Integration considerations:

Model selection criteria:

• Code generation capabilities (Python, JavaScript, Docker)
• Support for structured output (JSON metadata)
• Rate limiting i cost considerations
• Local vs. cloud deployment options

Prompt engineering patterns:

GENERATION_PROMPT = """
Generate a complete {app_type} application with the following requirements:
- Technology stack: {tech_stack}
- Deployment target: {deployment_target}
- Features: {features}

Include:
1. Complete source code
2. Dockerfile dla containerization
3. Deployment instructions
4. Configuration files
5. Basic tests

Output as JSON with file paths and contents.
"""

SMTP Server considerations:

Authentication i security:

• OAuth2 dla Gmail/Office365 integration
• SMTP-AUTH dla dedicated servers
• TLS encryption dla all communications
• Rate limiting dla abuse prevention

Delivery optimization:

• Queue management dla bulk operations
• Retry logic dla failed deliveries
• Monitoring i alerting dla SMTP health
• Load balancing across multiple SMTP servers

Email formatting strategies:

MIME structure optimization:

multipart/mixed
├── text/plain (human readable summary)
├── text/html (rich formatted instructions)
├── application/octet-stream (source_code.zip)
├── application/json (metadata.json)
└── text/x-dockerfile (Dockerfile)

Metadata standardization:

{
  "version": "1.0",
  "generated_at": "2025-06-19T10:30:00Z",
  "llm_model": "gpt-4",
  "request_id": "req_12345",
  "app_metadata": {
    "name": "Custom Dashboard",
    "type": "web_application",
    "runtime": "python:3.11",
    "dependencies": ["fastapi", "uvicorn", "pydantic"]
  },
  "deployment": {
    "method": "docker",
    "port": 8080,
    "environment_vars": ["DATABASE_URL", "SECRET_KEY"]
  },
  "execution_instructions": [
    "docker build -t custom-dashboard .",
    "docker run -p 8080:8080 custom-dashboard"
  ]
}

Porównanie z alternatywnymi rozwiązaniami

Aspekt	Email Distribution	GitHub Actions	Docker Registry	Package Managers
Setup Complexity	Niski	Średni	Średni	Wysoki
Infrastructure Deps	Email only	Git + CI/CD	Registry server	Package repos
Real-time Feedback	Ograniczony	Excellent	Good	Good
Security	Podstawowy	Strong	Strong	Excellent
Versioning	Email history	Git-based	Tag-based	Semantic versioning
Rollback	Manual resend	Automated	Tag switching	Version downgrade
Enterprise Integration	Native	Good	Good	Excellent
Debugging	Limited	Excellent	Good	Good

Implementacja referencyjna

System składa się z trzech głównych komponentów:

1. AI Code Generator Service

• REST API dla request handling
• LLM integration (OpenAI/Anthropic/Local)
• Template management system
• Code validation i testing

2. Email Distribution Service

• SMTP server integration
• Email template generation
• Attachment handling
• Delivery tracking

3. Client Integration Tools

• Email parsing utilities
• Automatic extraction scripts
• Execution wrappers
• Status reporting hooks

Wnioski i rekomendacje

Email-based AI software distribution to interesująca koncepcja dla specific use cases, ale nie zastąpi tradycyjnych methods dla production systems.

Zalecane zastosowania:

• Prototyping i rapid development
• Internal tool distribution w małych teams
• Emergency deployment scenarios
• Educational i training environments

Nie zalecane dla:

• Production deployment systems
• Security-critical applications
• High-frequency update cycles
• Applications wymagające complex dependency management

Kluczowe success factors:

• Strong email infrastructure
• Proper security protocols
• Clear governance policies
• Comprehensive monitoring
• User education i training

Uniwersalne launchery dla różnych platform

📁 Struktura projektu

emllm/
├── src/
│   └── emllm/
│       ├── __init__.py
│       ├── api.py
│       ├── core.py
│       ├── cli.py
│       └── validator.py
├── tests/
├── pyproject.toml
├── Makefile
└── README.md

universal-webapp/
├── testapp.eml.py          # Główny uniwersalny plik
├── run-windows.bat             # Windows batch launcher  
├── run-macos.command           # macOS double-click launcher
├── run-linux.sh               # Linux shell launcher
├── install-python.md          # Instrukcje instalacji Python
└── README.md                   # Instrukcje użytkowania

🪟 Windows Batch Launcher (run-windows.bat)

@echo off
REM Windows Launcher for Universal EML WebApp
REM Automatycznie znajduje Python i uruchamia aplikację

title Universal EML WebApp - Windows

echo.
echo ==========================================
echo    Universal EML WebApp - Windows
echo ==========================================
echo.

REM Sprawdź czy istnieje plik główny
if not exist "testapp.eml.py" (
    echo BLAD: Nie znaleziono pliku testapp.eml.py
    echo Upewnij sie, ze plik znajduje sie w tym samym katalogu.
    pause
    exit /b 1
)

REM Znajdź Python (sprawdź różne możliwe lokalizacje)
set PYTHON_CMD=

REM Sprawdź python3
python3 --version >nul 2>&1
if %errorlevel% == 0 (
    set PYTHON_CMD=python3
    goto :python_found
)

REM Sprawdź python
python --version >nul 2>&1
if %errorlevel% == 0 (
    set PYTHON_CMD=python
    goto :python_found
)

REM Sprawdź py launcher (Windows 10+)
py --version >nul 2>&1
if %errorlevel% == 0 (
    set PYTHON_CMD=py
    goto :python_found
)

REM Sprawdź ścieżki bezpośrednie
if exist "C:\Python3*\python.exe" (
    for /f %%i in ('dir /b "C:\Python3*"') do (
        set PYTHON_CMD="C:\%%i\python.exe"
        goto :python_found
    )
)

REM Python nie znaleziony
echo BLAD: Python nie jest zainstalowany lub nie znajduje sie w PATH
echo.
echo Aby zainstalowac Python:
echo 1. Idz na https://python.org/downloads
echo 2. Pobierz Python 3.8+ dla Windows
echo 3. Podczas instalacji zaznacz "Add Python to PATH"
echo 4. Uruchom ponownie ten plik
echo.
pause
exit /b 1

:python_found
echo Znaleziono Python: %PYTHON_CMD%

REM Sprawdź wersję Python
for /f "tokens=2" %%i in ('%PYTHON_CMD% --version 2^>^&1') do set PYTHON_VERSION=%%i
echo Wersja Python: %PYTHON_VERSION%
echo.

REM Pokaż menu wyboru
echo Wybierz akcje:
echo [1] Otworz w przegladarce (domyslnie)
echo [2] Uruchom w Docker
echo [3] Wyodrebnij pliki
echo [4] Pokaz informacje
echo [5] Pomoc
echo.
set /p choice="Wybor (1-5) lub Enter dla domyslnej akcji: "

if "%choice%"=="" set choice=1
if "%choice%"=="1" set ACTION=browse
if "%choice%"=="2" set ACTION=run
if "%choice%"=="3" set ACTION=extract
if "%choice%"=="4" set ACTION=info
if "%choice%"=="5" set ACTION=help

if not defined ACTION (
    echo Nieprawidlowy wybor: %choice%
    pause
    exit /b 1
)

echo.
echo Uruchamianie: %PYTHON_CMD% testapp.eml.py %ACTION%
echo.

REM Uruchom aplikację
%PYTHON_CMD% testapp.eml.py %ACTION%

if %errorlevel% neq 0 (
    echo.
    echo Wystapil blad podczas uruchamiania aplikacji.
    echo Kod bledu: %errorlevel%
)

echo.
echo Nacisnij dowolny klawisz aby zakonczyc...
pause >nul

🍎 macOS Command Launcher (run-macos.command)

#!/bin/bash
#
# macOS Launcher for Universal EML WebApp
# Double-click to run, or use from Terminal
#

# macOS specific setup
export PATH="/usr/local/bin:/opt/homebrew/bin:/usr/bin:/bin:$PATH"

# Change to script directory
cd "$(dirname "$0")"

echo "🍎 Universal EML WebApp - macOS Launcher"
echo "========================================"
echo

# Check if main file exists
if [ ! -f "testapp.eml.py" ]; then
    echo "❌ Błąd: Nie znaleziono pliku testapp.eml.py"
    echo "Upewnij się, że plik znajduje się w tym samym katalogu."
    
    # Show in Finder
    osascript -e 'tell application "Finder" to reveal POSIX file "'$(pwd)'"' 2>/dev/null
    
    echo "Naciśnij Enter aby zamknąć..."
    read
    exit 1
fi

# Find Python
PYTHON_CMD=""

# Check python3 first (preferred on macOS)
if command -v python3 > /dev/null 2>&1; then
    PYTHON_CMD="python3"
elif command -v python > /dev/null 2>&1; then
    # Check if it's Python 3
    PYTHON_VERSION=$(python --version 2>&1)
    if [[ $PYTHON_VERSION == *"Python 3"* ]]; then
        PYTHON_CMD="python"
    fi
fi

# Check Homebrew Python
if [ -z "$PYTHON_CMD" ] && [ -x "/opt/homebrew/bin/python3" ]; then
    PYTHON_CMD="/opt/homebrew/bin/python3"
elif [ -z "$PYTHON_CMD" ] && [ -x "/usr/local/bin/python3" ]; then
    PYTHON_CMD="/usr/local/bin/python3"
fi

if [ -z "$PYTHON_CMD" ]; then
    echo "❌ Błąd: Python 3 nie jest zainstalowany"
    echo
    echo "Aby zainstalować Python na macOS:"
    echo "1. Zainstaluj Homebrew: https://brew.sh"
    echo "2. Uruchom: brew install python3"
    echo "3. Lub pobierz z: https://python.org/downloads"
    echo
    
    # Offer to open installation page
    osascript -e 'display dialog "Python nie jest zainstalowany. Otworzyć stronę instalacji?" buttons {"Nie", "Tak"} default button "Tak"' 2>/dev/null
    if [ $? -eq 0 ]; then
        open "https://python.org/downloads/macos/"
    fi
    
    echo "Naciśnij Enter aby zamknąć..."
    read
    exit 1
fi

echo "✅ Znaleziono Python: $PYTHON_CMD"
PYTHON_VERSION=$($PYTHON_CMD --version 2>&1)
echo "📍 Wersja: $PYTHON_VERSION"
echo

# Show action menu with macOS styling
if [ "$TERM_PROGRAM" = "" ]; then
    # GUI mode (double-clicked)
    ACTION=$(osascript -e 'choose from list {"browse", "run", "extract", "info", "help"} with prompt "Wybierz akcję:" default items {"browse"}' 2>/dev/null)
    
    if [ "$ACTION" = "false" ]; then
        echo "Anulowano przez użytkownika"
        exit 0
    fi
else
    # Terminal mode
    echo "Wybierz akcję:"
    echo "1) 🌐 browse  - Otwórz w przeglądarce (domyślnie)"
    echo "2) 🐳 run     - Uruchom w Docker"  
    echo "3) 📁 extract - Wyodrębnij pliki"
    echo "4) ℹ️  info    - Pokaż informacje"
    echo "5) ❓ help    - Pomoc"
    echo
    read -p "Wybór (1-5) lub Enter dla domyślnej akcji: " choice
    
    case $choice in
        1|"") ACTION="browse" ;;
        2) ACTION="run" ;;
        3) ACTION="extract" ;;
        4) ACTION="info" ;;
        5) ACTION="help" ;;
        *) 
            echo "❌ Nieprawidłowy wybór: $choice"
            echo "Naciśnij Enter aby zamknąć..."
            read
            exit 1
            ;;
    esac
fi

echo "🚀 Uruchamianie: $PYTHON_CMD testapp.eml.py $ACTION"
echo

# Run the application
$PYTHON_CMD testapp.eml.py $ACTION

# Check exit status
if [ $? -ne 0 ]; then
    echo
    echo "❌ Wystąpił błąd podczas uruchamiania aplikacji."
    
    # Show error dialog in GUI mode
    if [ "$TERM_PROGRAM" = "" ]; then
        osascript -e 'display dialog "Wystąpił błąd podczas uruchamiania aplikacji. Sprawdź Terminal aby zobaczyć szczegóły." buttons {"OK"} default button "OK"' 2>/dev/null
    fi
fi

# Keep terminal open if launched from Finder
if [ "$TERM_PROGRAM" = "" ]; then
    echo
    echo "Naciśnij Enter aby zamknąć..."
    read
fi

🐧 Linux Shell Launcher (run-linux.sh)

#!/bin/bash
#
# Linux Launcher for Universal EML WebApp
# Works on Ubuntu, Debian, Fedora, CentOS, Arch, etc.
#

echo "🐧 Universal EML WebApp - Linux Launcher"
echo "========================================"
echo

# Change to script directory
cd "$(dirname "$0")"

# Check if main file exists
if [ ! -f "testapp.eml.py" ]; then
    echo "❌ Błąd: Nie znaleziono pliku testapp.eml.py"
    echo "Upewnij się, że plik znajduje się w tym samym katalogu."
    exit 1
fi

# Detect Linux distribution
if [ -f /etc/os-release ]; then
    . /etc/os-release
    DISTRO=$NAME
else
    DISTRO="Unknown Linux"
fi

echo "🖥️  System: $DISTRO"

# Find Python
PYTHON_CMD=""

# Check python3 first (standard on modern Linux)
if command -v python3 > /dev/null 2>&1; then
    PYTHON_CMD="python3"
elif command -v python > /dev/null 2>&1; then
    # Check if it's Python 3
    PYTHON_VERSION=$(python --version 2>&1)
    if [[ $PYTHON_VERSION == *"Python 3"* ]]; then
        PYTHON_CMD="python"
    fi
fi

# Try alternative locations
if [ -z "$PYTHON_CMD" ]; then
    for py_path in /usr/bin/python3 /usr/local/bin/python3 /opt/python3/bin/python3; do
        if [ -x "$py_path" ]; then
            PYTHON_CMD="$py_path"
            break
        fi
    done
fi

if [ -z "$PYTHON_CMD" ]; then
    echo "❌ Błąd: Python 3 nie jest zainstalowany"
    echo
    echo "Aby zainstalować Python 3:"
    
    # Distribution-specific install commands
    if command -v apt > /dev/null 2>&1; then
        echo "Ubuntu/Debian: sudo apt update && sudo apt install python3"
    elif command -v yum > /dev/null 2>&1; then
        echo "CentOS/RHEL:   sudo yum install python3"
    elif command -v dnf > /dev/null 2>&1; then
        echo "Fedora:        sudo dnf install python3"
    elif command -v pacman > /dev/null 2>&1; then
        echo "Arch Linux:    sudo pacman -S python"
    elif command -v zypper > /dev/null 2>&1; then
        echo "openSUSE:      sudo zypper install python3"
    else
        echo "Użyj menedżera pakietów twojej dystrybucji lub pobierz z python.org"
    fi
    
    exit 1
fi

echo "✅ Znaleziono Python: $PYTHON_CMD"
PYTHON_VERSION=$($PYTHON_CMD --version 2>&1)
echo "📍 Wersja: $PYTHON_VERSION"

# Check for Docker (optional)
if command -v docker > /dev/null 2>&1; then
    echo "🐳 Docker: Dostępny"
else
    echo "🐳 Docker: Niedostępny (opcjonalny - potrzebny tylko dla komendy 'run')"
fi

echo

# Show menu
echo "Wybierz akcję:"
echo "1) 🌐 browse  - Otwórz w przeglądarce (domyślnie)"
echo "2) 🐳 run     - Uruchom w Docker"
echo "3) 📁 extract - Wyodrębnij pliki"  
echo "4) ℹ️  info    - Pokaż informacje"
echo "5) ❓ help    - Pomoc"
echo

read -p "Wybór (1-5) lub Enter dla domyślnej akcji: " choice

case $choice in
    1|"") ACTION="browse" ;;
    2) ACTION="run" ;;
    3) ACTION="extract" ;;
    4) ACTION="info" ;;
    5) ACTION="help" ;;
    *) 
        echo "❌ Nieprawidłowy wybór: $choice"
        exit 1
        ;;
esac

echo
echo "🚀 Uruchamianie: $PYTHON_CMD testapp.eml.py $ACTION"
echo

# Run the application
$PYTHON_CMD testapp.eml.py $ACTION

# Check exit status
if [ $? -ne 0 ]; then
    echo
    echo "❌ Wystąpił błąd podczas uruchamiania aplikacji."
    exit 1
fi

echo
echo "✅ Zakończono pomyślnie"

📋 Instrukcje instalacji Python (install-python.md)

# Instalacja Python dla Universal EML WebApp

## 🪟 Windows

### Opcja 1: Ze strony Python.org (Zalecane)
1. Idź na https://python.org/downloads
2. Pobierz najnowszą wersję Python 3.8+
3. **WAŻNE**: Podczas instalacji zaznacz "Add Python to PATH"
4. Kliknij "Install Now"
5. Po instalacji uruchom `run-windows.bat`

### Opcja 2: Microsoft Store
1. Otwórz Microsoft Store
2. Wyszukaj "Python 3.11" (lub nowszy)
3. Kliknij "Pobierz"
4. Python będzie dostępny jako `python3`

### Opcja 3: Chocolatey
```powershell
choco install python3

🍎 macOS

Opcja 1: Homebrew (Zalecane)

# Zainstaluj Homebrew jeśli nie masz
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# Zainstaluj Python
brew install python3

Opcja 2: Ze strony Python.org

1. Idź na https://python.org/downloads/macos
2. Pobierz installer dla macOS
3. Uruchom installer i podążaj za instrukcjami
4. Python będzie dostępny jako python3

Opcja 3: pyenv (dla zaawansowanych)

brew install pyenv
pyenv install 3.11.0
pyenv global 3.11.0

🐧 Linux

Ubuntu/Debian

sudo apt update
sudo apt install python3 python3-pip

Fedora

sudo dnf install python3 python3-pip

CentOS/RHEL 8+

sudo dnf install python3 python3-pip

CentOS/RHEL 7

sudo yum install python3 python3-pip

Arch Linux

sudo pacman -S python python-pip

openSUSE

sudo zypper install python3 python3-pip

✅ Weryfikacja instalacji

Po instalacji otwórz terminal/wiersz poleceń i sprawdź:

python3 --version
# lub
python --version

Powinieneś zobaczyć coś jak: Python 3.8.10 lub nowszy.

🐳 Docker (Opcjonalny)

Jeśli chcesz używać komendy run (uruchomienie w kontenerze):

Windows/macOS

1. Pobierz Docker Desktop: https://docker.com/products/docker-desktop
2. Zainstaluj i uruchom
3. Docker będzie dostępny z wiersza poleceń

Linux

# Ubuntu/Debian
sudo apt install docker.io
sudo systemctl start docker
sudo usermod -aG docker $USER

# Fedora
sudo dnf install docker
sudo systemctl start docker
sudo usermod -aG docker $USER

# Arch
sudo pacman -S docker
sudo systemctl start docker
sudo usermod -aG docker $USER

🔧 Rozwiązywanie problemów

"python nie jest rozpoznany jako polecenie"

• Windows: Reinstaluj Python z opcją "Add to PATH"
• Użyj pełnej ścieżki: C:\Python311\python.exe

"Permission denied" na Linux/macOS

chmod +x testapp.eml.py
chmod +x run-linux.sh      # Linux
chmod +x run-macos.command # macOS

Python 2 zamiast Python 3

# Użyj explicit python3
python3 testapp.eml.py browse

Brak uprawnień Docker na Linux

sudo usermod -aG docker $USER
# Wyloguj się i zaloguj ponownie

## 📖 README.md - Główne instrukcje

```markdown
# 🌍 Universal EML WebApp - Faktury Maj 2025

**Uniwersalna aplikacja webowa w formacie EML - działa na Windows, macOS i Linux!**

## 🚀 Szybki start

### Automatyczne uruchomienie (Zalecane)

**Windows:**

Kliknij dwukrotnie: run-windows.bat

**macOS:**

Kliknij dwukrotnie: run-macos.command

**Linux:**
```bash
./run-linux.sh

Ręczne uruchomienie

# Wszystkie platformy
python3 testapp.eml.py [komenda]

# Windows (alternatywnie)
python testapp.eml.py [komenda]

📋 Dostępne komendy

Komenda	Opis	Przykład
browse	Otwórz w przeglądarce (domyślnie)	python3 testapp.eml.py browse
run	Uruchom w Docker na porcie 8080	python3 testapp.eml.py run
extract	Wyodrębnij pliki do katalogu temp	python3 testapp.eml.py extract
info	Pokaż informacje o pliku	python3 testapp.eml.py info
help	Wyświetl pomoc	python3 testapp.eml.py help

🛠️ Instalacja

Z PyPI

pip install emllm

Z źródeł

git clone https://github.com/emllm/eml.git
cd eml
poetry install

💻 Wymagania systemowe

• Python 3.8+ (standardowo dostępny)
• Docker (opcjonalnie, tylko dla komendy run)
• Przeglądarka (dowolna nowoczesna)

🎯 Funkcje

✅ Uniwersalność - jeden plik działa wszędzie
✅ Samorozpakowywanie - wszystko w jednym pliku
✅ Kompatybilność email - prawidłowy format EML
✅ Docker ready - natywne wsparcie kontenerów
✅ Responsive design - działa na wszystkich urządzeniach
✅ Zero instalacji - tylko Python (już zainstalowany)

🔧 Instalacja Python

Jeśli Python nie jest zainstalowany, zobacz: install-python.md

📝 License

This project is licensed under the Apache License 2.0 - see the LICENSE file for details.

📧 Format EML

Ten plik jest jednocześnie:

• Wykonywalnym skryptem Python
• Prawidłowym emailem EML
• Kompletną aplikacją webową

Możesz go:

• Uruchomić jako skrypt
• Otworzyć w kliencie email (Outlook, Thunderbird)
• Wysłać przez email jako załącznik

🌐 Wsparcie platform

Platform	Status	Launcher	Python
Windows 10/11	✅	run-windows.bat	python3 / python
macOS 10.15+	✅	run-macos.command	python3
Ubuntu 18.04+	✅	run-linux.sh	python3
Debian 10+	✅	run-linux.sh	python3
Fedora 30+	✅	run-linux.sh	python3
CentOS 8+	✅	run-linux.sh	python3
Arch Linux	✅	run-linux.sh	python3

🐳 Docker

Jeśli masz Docker, możesz uruchomić aplikację w kontenerze:

python3 testapp.eml.py run

Aplikacja będzie dostępna na: http://localhost:8080

📱 Mobile

Aplikacja działa również w przeglądarkach mobilnych:

• Safari (iOS)
• Chrome (Android)
• Firefox Mobile

🔒 Bezpieczeństwo

• Transparentny kod - wszystko widoczne przed uruchomieniem
• Brak zależności zewnętrznych - tylko standardowa biblioteka Python
• Lokalny sandbox - aplikacja działa lokalnie
• Docker isolation - dodatkowa izolacja w kontenerze

🎨 Funkcje UI

• Responsywny design - dostosowuje się do ekranu
• Animacje - płynne przejścia i efekty
• Powiadomienia systemowe - natywne notyfikacje
• Tryb ciemny - automatyczne wykrywanie preferencji
• Skróty klawiszowe - Ctrl/Cmd + 1,2,3,i

📊 Dane biznesowe

Dashboard zawiera:

• 5 przykładowych faktur
• Łączna wartość: 13,900 PLN
• Status płatności: 60% opłacone
• Filtrowanie po statusie
• Statystyki w czasie rzeczywistym

🛠️ Dla deweloperów

Struktura pliku

testapp.eml.py
├── Python script (wykonywalna część)
├── EML headers (MIME metadata)
├── HTML (index.html)
├── CSS (style.css)
├── JavaScript (script.js)
├── Images (thumbnails)
├── Dockerfile
└── Metadata (JSON)

Customization

Możesz zmodyfikować:

• Dane biznesowe w script.js
• Styling w sekcji CSS
• Layout w sekcji HTML
• Konfigurację Docker w Dockerfile

📞 Wsparcie

W przypadku problemów:

1. Sprawdź czy Python 3.6+ jest zainstalowany
2. Użyj odpowiedniego launchera dla swojej platformy
3. Sprawdź install-python.md dla instrukcji instalacji

📄 Licencja

Ten projekt jest dostępny na licencji Apache 2.0

Możesz go swobodnie używać, modyfikować i dystrybuować.

---

🌍 Universal EML WebApp - One file, all platforms!

## 🎯 Podsumowanie rozwiązania

Stworzyłem **kompletne uniwersalne rozwiązanie** składające się z:

### 1. **Główny plik** - `testapp.eml.py`
- Działa na **wszystkich platformach** (Windows, macOS, Linux)
- **Python 3.6+** jako wspólny mianownik
- **Automatyczne wykrywanie platformy**
- **GUI fallback** dla Windows (tkinter dialog)
- **Inteligentne znajdowanie Python** na każdym systemie

### 2. **Launchery platformowe**
- `run-windows.bat` - Windows batch z menu wyboru
- `run-macos.command` - macOS z osascript dialogs
- `run-linux.sh` - Linux z wykrywaniem dystrybucji

### 3. **Dokumentacja**
- Kompletne instrukcje instalacji Python
- README z opisem funkcji
- Przykłady użytkowania dla każdej platformy

### 🌟 **Kluczowe zalety:**

✅ **Jedna komenda** - `python3 testapp.eml.py`  
✅ **Zero instalacji** - tylko Python (standardowo dostępny)  
✅ **Inteligentne wykrywanie** - platformy, Python, Docker  
✅ **Graceful degradation** - zawsze znajdzie sposób działania  
✅ **User-friendly** - GUI dialogs, powiadomienia systemowe  
✅ **Cross-platform UX** - dostosowany interfejs do każdej platformy  

Ten format **EML WebApp** to rewolucyjne podejście - **jeden plik uniwersalny**, który działa dosłownie wszędzie gdzie jest Python! 🚀





















# AI LLM Email Distribution: Analiza koncepcji i implementacji

## Wprowadzenie do koncepcji

**Email jako protokół dystrybucji oprogramowania generowanego przez AI** to rewolucyjna koncepcja łącząca możliwości Large Language Models (LLM) z tradycyjną infrastrukturą email. Idea polega na automatycznej dystrybucji dynamicznie generowanego kodu/aplikacji bezpośrednio przez SMTP, wykorzystując email jako medium transportu i metadanych.

### Kluczowe elementy systemu:

- **LLM Generator**: AI model generujący kod na żądanie
- **SMTP Server**: Serwer email jako kanał dystrybucji  
- **Webhook Interface**: API do triggering generacji i wysyłki
- **Metadata Packaging**: Automatyczne tworzenie samorozpakowujących się pakietów
- **Email Parsing**: Automatyczne wyodrębnianie i wykonywanie załączników

## Wady i zalety modelu

### ✅ **Zalety**

**Infrastruktura email jest uniwersalna:**
- Każda organizacja ma już działający system email
- Brak potrzeby dodatkowych narzędzi deployment
- Naturalna kompatybilność z istniejącymi workflow

**AI-driven personalizacja:**
- Kod generowany on-demand na podstawie specyfikacji
- Dynamiczne dostosowanie do środowiska użytkownika
- Automatyczne uwzględnienie dependencies i konfiguracji

**Asynchroniczna dystrybucja:**
- Brak blocking operations podczas generacji
- Kolejkowanie requestów w SMTP queue
- Scalability przez distributed email servers

**Audit trail i wersjonowanie:**
- Naturalny system logowania przez email history
- Możliwość rollback przez resend starszych wersji
- Compliance z corporate email policies

**Zero-dependency deployment:**
- Brak potrzeby CI/CD pipeline'ów
- Nie wymaga VPN ani internal network access
- Działa przez firewall restrictions

## Sposób dystrybucji w praktyce

### **Architektura systemu**

┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐ │ User Request │───▶│ LLM Generator │───▶│ SMTP Gateway │ │ (Webhook/API) │ │ (Code Gen) │ │ (Email Send) │ └─────────────────┘ └─────────────────┘ └─────────────────┘ │ │ ▼ ▼ ┌─────────────────┐ ┌─────────────────┐ │ Metadata │ │ User Inbox │ │ Packaging │ │ (Receive) │ └─────────────────┘ └─────────────────┘ │ │ ▼ ▼ ┌─────────────────┐ ┌─────────────────┐ │ EML Creation │ │ Auto Extract │ │ (Self-Extract) │ │ (Execute) │ └─────────────────┘ └─────────────────┘

## Techniczne aspekty implementacji

### **LLM Integration considerations:**

**Model selection criteria:**
- Code generation capabilities (Python, JavaScript, Docker)
- Support for structured output (JSON metadata)
- Rate limiting i cost considerations
- Local vs. cloud deployment options

**Prompt engineering patterns:**
```python
GENERATION_PROMPT = """
Generate a complete {app_type} application with the following requirements:
- Technology stack: {tech_stack}
- Deployment target: {deployment_target}
- Features: {features}

Include:
1. Complete source code
2. Dockerfile dla containerization
3. Deployment instructions
4. Configuration files
5. Basic tests

Output as JSON with file paths and contents.
"""

SMTP Server considerations:

Authentication i security:

• OAuth2 dla Gmail/Office365 integration
• SMTP-AUTH dla dedicated servers
• TLS encryption dla all communications
• Rate limiting dla abuse prevention

Delivery optimization:

• Queue management dla bulk operations
• Retry logic dla failed deliveries
• Monitoring i alerting dla SMTP health
• Load balancing across multiple SMTP servers

Email formatting strategies:

MIME structure optimization:

multipart/mixed
├── text/plain (human readable summary)
├── text/html (rich formatted instructions)
├── application/octet-stream (source_code.zip)
├── application/json (metadata.json)
└── text/x-dockerfile (Dockerfile)

Porównanie z alternatywnymi rozwiązaniami

Aspekt	Email Distribution	GitHub Actions	Docker Registry	Package Managers
Setup Complexity	Niski	Średni	Średni	Wysoki
Infrastructure Deps	Email only	Git + CI/CD	Registry server	Package repos
Real-time Feedback	Ograniczony	Excellent	Good	Good
Security	Podstawowy	Strong	Strong	Excellent
Versioning	Email history	Git-based	Tag-based	Semantic versioning
Rollback	Manual resend	Automated	Tag switching	Version downgrade
Enterprise Integration	Native	Good	Good	Excellent
Debugging	Limited	Excellent	Good	Good

Implementacja referencyjna

System składa się z trzech głównych komponentów:

1. AI Code Generator Service

• REST API dla request handling
• LLM integration (OpenAI/Anthropic/Local)
• Template management system
• Code validation i testing

2. Email Distribution Service

• SMTP server integration
• Email template generation
• Attachment handling
• Delivery tracking

3. Client Integration Tools

• Email parsing utilities
• Automatic extraction scripts
• Execution wrappers
• Status reporting hooks

Wnioski i rekomendacje

Email-based AI software distribution to interesująca koncepcja dla specific use cases, ale nie zastąpi tradycyjnych methods dla production systems.

Zalecane zastosowania:

• Prototyping i rapid development
• Internal tool distribution w małych teams
• Emergency deployment scenarios
• Educational i training environments

Nie zalecane dla:

• Production deployment systems
• Security-critical applications
• High-frequency update cycles
• Applications wymagające complex dependency management

Kluczowe success factors:

• Strong email infrastructure
• Proper security protocols
• Clear governance policies
• Comprehensive monitoring
• User education i training