d'Ivan

Первая мысль: а зачем вообще здесь нужен ИИ?
Можно ведь построить графики средствами самого Google Sheets. Ну или экспортировать в CSV и оттуда в какую-то СУБД, чтобы сделать запрос.

А, вообще, вроде бы, при помощи Amazon Bedrock можно создавать запросы к СУБД, на основе которых уже можно строить любые графики.
AWS Bedrock Gen AI - Generate SQL Code

Дополнение

Но мне интересно проверить, может ли "AI" упростить это.

насколько я понимаю, речь идёт о составлении запросов на основе набора данных в Google Sheets. Используя питоновский пакет LangChain, можно подключить к СУБД и составлять запросы от ИИ человеческим языком. Получив ответ на запрос, нужно программно вставить данные ответа и график.
В https://developers.google.com/sheets/api/samples/charts описано как программно создавать графики.

В порядке эксперимента, не используя Visual Studio вообще, создал форк проекта soleiledit на GitHub, и при помощи добавленного сценария GitHub Actions смог собрать выпуск v1.0.0 для древней версии проекта, использующей .NET 2.0, собрал под .NET 4.0. И всё это, используя лишь веб-браузер, аккаунт GitHub, ИИ ассистента и скудные знания о разработке на .NET восьмилетней давности.
Как это работает:
при создании нового выпуска запускается сценарий на серверах GitHub, который скачивает код с репозитория, собирает код (с MSBuild) на сервере Windows Server 2019 (установлена нужная версия .NET) и затем создаётся выпуск версии, затем упаковывается ZIP и прикрепляется к выпуску.

Любой желающий сможет зайти, скачать ZIP и запустить у себя на компьютере, при наличии необходимой установленной версии .NET .
Было ли это просто? Наверное, нет. Но не было ничего сложного. Надо было поставить серию экспериментов для достижения результата.

Аналогичным образом можно собрать проекты:
1. на C++ необходимо проверить какая используется сборочная система. Часто используется Autoconf (присутствует файл configure.ac). В сочетании со сборочной системой CMake (присутствует файл CMakeLists.txt). Вообще, в Readme обычно можно найти инструкции по сборке. А, порой - в разделе Wiki проекта. На примере проекта Tesseract: страница https://tesseract-ocr.github.io/tessdoc/Compiling.html содержит инструкции по самостоятельной сборке или на странице https://tesseract-ocr.github.io/tessdoc/Installati... можно скачать скомпилированный набор файлов.
2. на Python (нужной версии) обычно выполняется установка зависимостей с pip install -r requirements.txt, затем сама установка с python setup.py build.

Если пойти дальше, то такие средства, как Chocolatey, которые снимают нагрузку по разрешению задач, связанных с установкой разного ПО и имеют список ПО, которое можно установить одной командой. Пример: https://community.chocolatey.org/packages/tesseract

Один образ собирать для Linux, а другой для Windows, разве не так?

Начинаю приходить к следующему выводу: если есть проект с графическим интерфейсом, собранный в контейнер под Linux, то он и не обязан запускаться на компьютере, на котором установлена Windows.

Верно. И не просто "не обязан", а попросту не будет.

Docker под разными платформами работает по-разному. Но на одной платформе не имеет значения какой образ запускается, кроме лишь для какой платформы предназначен. Это означает аппаратную архитектуру процессора и ОС.

2) Создать отдельное приложение, которые будет проводить контроль, результаты выкидывать в БД, а уже Django приложение будет при выполнении запроса передавать на сайт информацию с БД

Можно при помощи отдельного приложения периодически опрашивать датчики и отправлять результаты в какую-нибудь внешнюю систему мониторинга или СУБД временных серий. На Джанго можно только показывать графики с TSDB / системы мониторинга. Роль оповещения могут взять на себя как Джанго, так и внешние средства.

Использовать Celery - по необходимости, если есть нужда в фоновой обработке задач.

Если нужны готовые решения, то:
https://github.com/Pixboost/transformimgs
https://github.com/thumbor/thumbor
Cloudinary

Попробуй другой URL, допустим, https://www.wikipedia.ru/robots.txt
Если так же, то у тебя что-то с прокси.
Покажи вывод go env в терминале.

Что выбрать в качестве промежуточного хранилища в проекте?

Redis таковое и есть.

Смысл в кешировании не в том, чтобы сканировать в Redis всё подряд, а чтобы взять данные по заранее известному ключу или двух-трёх максимум, но не более, ключей.
Кеширование имеет смысл тогда, когда количество попаданий в кеш него большое. Если для возврата ответа сервером необходимо совершить запросов по 120К записям, то у вас что-то не так.

В чём проблема?
Фон - изображение.
Ссылки в овалах - в виде прямоугольных DIV блоков, внутри которых с фиксированным смещение по (x, y) расположить DIV с ссылками внутри.