Командная строка

В каждом проекте есть manage.py. Скрипт mlango делает то же самое, когда проекта ещё нет, а python -m mlango работает, если скрипта нет в PATH.

python manage.py help
python manage.py help train

Команды

Начало работы

Команда	Что делает
mlango startproject NAME [DIR]	Создаёт проект, который уже работает. --bare пропускает демо-приложение
manage.py startapp NAME	Создаёт приложение: datasets, models, agents, evals, admin, migrations, tests
manage.py check	Проверяет настройки, бэкенды, связи, миграции и админку
mlango startplugin NAME --kind trainer	Создаёт публикуемый пакет, расширяющий mlango

startplugin не нужен проект: он пишет дистрибутив — pyproject с уже объявленным entry point, контракт с комментариями в интересных местах, LICENSE и тесты, — так что проекту достаточно pip install. --kind — это trainer, provider, storage или source. См. Расширение.

Свои данные

В Django есть inspectdb для существующей базы. Здесь то же самое для файла: команда читает выборку и печатает Dataset, который можно вставить в datasets.py — так первое объявление становится правкой, а не пустым листом.

python manage.py inspectdata data/reviews.csv
python manage.py inspectdata data/reviews.csv --name Feedback -n 5000
python manage.py inspectdata data/reviews.csv --write --app reviews

Читает .csv, .tsv, .jsonl, .ndjson, .json и .parquet. Своих объявлений ей не нужно, поэтому она работает на только что созданном проекте.

class Reviews(Dataset):
    """40 rows, 6 columns."""

    id = IntegerField(min_value=1, max_value=40)
    body = TextField()
    stars = IntegerField(min_value=1, max_value=5)
    country = CharField(max_length=16, choices=["GB", "US"])
    verified = BooleanField()
    label = LabelField(["neg", "pos"])

    class Meta:
        source = CSVSource("data/reviews.csv")
        primary_key = "id"

Как она решает:

Признак	Становится
Все значения — целые числа	IntegerField с наблюдённым диапазоном
Хоть одно значение с точкой	FloatField с наблюдённым диапазоном
true/yes/t/on и противоположные	BooleanField
dict, list или строка, разбираемая как они	JSONField
Метки времени в ISO	DateTimeField
Мало различных значений, и они повторяются	CharField(choices=…)
Хоть одно значение длиннее 32 символов	TextField
Колонка с именем label, target, y, class…	LabelField или TargetField
Уникальная колонка id, uuid или *_id	Meta.primary_key
Часть значений пуста	null=True, required=False

Два правила, которые стоит знать. Целевой становится ровно одна колонка — две оставили бы Model.get_target() без выбора, поэтому остальные категориальные остаются CharField с choices. И max_length выставляется только когда все значения в выборке короткие: слишком маленький предел позже отвергнет валидные данные, а TextField не отвергает ничего.

Это отправная точка, а не истина. Всё, что она угадала, помечено комментарием, а имя колонки, которое не может быть атрибутом Python, названо явно, а не молча искажено.

Данные

python manage.py dataset list
python manage.py dataset show reviews.Reviews
python manage.py dataset head reviews.Reviews -n 20
python manage.py dataset validate reviews.Reviews
python manage.py dataset materialize reviews.Reviews --notes "ночной снимок"
python manage.py dataset versions reviews.Reviews

Миграции

python manage.py makemigrations [app] [-n NAME] [--dry-run] [--empty]
python manage.py migrate [app] [--plan] [--fake]
python manage.py showmigrations [app]

Обучение

python manage.py train reviews.Sentiment -p C=2.0 -p max_features=5000 \
    --tag baseline --notes "первая попытка" --materialize

python manage.py sweep reviews.Sentiment -p C=0.25,1,4 \
    --strategy grid --metric accuracy --mode max --promote-best production

Флаг	Что делает
-p NAME=VALUE	Переопределяет гиперпараметр. Можно повторять
--dataset LABEL	Обучает на другом датасете
--tag TAG	Помечает запуск тегом. Можно повторять
--seed N	Переопределяет seed
--materialize	Сначала фиксирует обучающую выборку как версию датасета
--no-register	Обучает, не добавляя в реестр версий

По умолчанию трайлы идут один за другим. --workers запускает их вместе:

python manage.py sweep reviews.Sentiment -p C=0.25,1,4 --workers 4

Потоки, а не процессы: настройки и реестр и так общие, метастор — это SQLite в режиме WAL, рассчитанный на пересекающихся читателей и писателей, а численная работа в sklearn и torch отпускает GIL.

Одна честная цена: seed — глобальный на процесс, поэтому параллельные трайлы больше не стартуют каждый из одного и того же состояния. Свип — это поиск, а не число, которое нужно воспроизвести; если нужна точная оценка победителя, перезапустите эту точку отдельно.

Предсказание

Оценка без запуска сервера. Модель берётся из реестра версий, то есть работает тот же артефакт, который отдавал бы API.

python manage.py predict reviews.Sentiment "понравилось от начала до конца"
python manage.py predict reviews.Sentiment "отлично" "ужасно" --proba

python manage.py predict reviews.Sentiment --dataset -n 100
python manage.py predict reviews.Sentiment --dataset --filter label=pos

python manage.py predict reviews.Sentiment --file incoming.jsonl \
    --format jsonl --output scored.jsonl

Флаг	Что делает
--dataset	Оценить объявленный датасет модели
--filter FIELD=VALUE	Сузить датасет. Можно повторять
--file PATH	Оценить файл csv/tsv/jsonl/json/parquet
-n N	Остановиться после N записей
--version N / --stage NAME	Какую версию из реестра загрузить
--proba	Добавить вероятности классов
--format table\|jsonl\|csv	Как выводить
--output PATH	Записать в файл вместо stdout

Если во входных данных есть id, uuid или pk, он попадает в вывод — так оценённый файл можно соединить с источником. Если в данных нет признака, который нужен модели, команда назовёт отсутствующую колонку и перечислит имеющиеся, вместо того чтобы уронить тренер где-то внутри векторизатора.

Объяснение версии

На какие признаки на самом деле опиралась обученная версия. Веса записываются в строку версии при регистрации, поэтому команда читает метастор и не загружает артефакт:

python manage.py explain reviews.Sentiment
python manage.py explain reviews.Sentiment --stage production -n 10
python manage.py explain reviews.Sentiment --json

reviews.Sentiment@v4
top 10 of 40, largest weight first

delightful   ████████████████████████████████  2.4439
dull         ████████████████████████████···· -2.1614
brilliant    ███████████████████████████·····  2.0495
boring       ███████████████████████████····· -2.0407
badly        ██████████████████████████······ -1.9794
beautifully  ██████████████████████████······  1.9708
awful        █████████████████████████······· -1.8902
excellent    █████████████████████████·······  1.8844
waste        ███████████████████············· -1.4853
every        ███████████████████·············  1.4288

Векторайзер в пайплайне называет свои колонки сам — именно это превращает 40 000 безымянных ячеек в слова выше. Знак — это направление эффекта: он сохраняется для бинарных и регрессионных фитов, где что-то значит, и отбрасывается для многоклассовых, где признак «за» один класс одновременно «против» другого.

Флаг	Что делает
--version N / --stage NAME	Какую версию объяснять (по умолчанию — последнюю)
-n N	Сколько признаков показать
--json	Отдать веса вместо диаграммы
--recompute	Загрузить артефакт, пересчитать веса и сохранить их

--recompute — запасной выход для версии, зарегистрированной до того, как mlango научился объяснять. Бэкенды, которые не могут назвать признак — нейросетевые, — не сообщают ничего, вместо того чтобы выдумать правдоподобный список.

Сравнение двух версий

Агрегированные метрики отвечают на вопрос «новая лучше?» и прячут тот ответ, которого вы боитесь: версия, которая на два пункта точнее в среднем, могла сломать сорок строк, работавших раньше. Эта команда прогоняет обе по одним и тем же данным и сравнивает ответы.

python manage.py diff reviews.Sentiment 3 4
python manage.py diff reviews.Sentiment                      # production против последней
python manage.py diff reviews.Sentiment 3 4 --show-changes 20
python manage.py diff reviews.Sentiment 3 4 --fail-on-regression

reviews.Sentiment v3 → v4 on 500 rows of reviews.Reviews

  agreement      94.2%
  changed        29 row(s)
    neg → pos                18
    pos → neg                11

Against the labels
  v3 accuracy      0.8840
  v4 accuracy      0.9020   +0.0180
  fixed          22 row(s) wrong in v3
  broke           4 row(s) right in v3
  verdict        a real improvement: 22 fixed against 4 broken (p=0.001)

broke — то число, которое никто не показывает и которое всем нужно. Промоут, поднимающий среднее ценой строк, работавших раньше, — это ровно тот промоут, который откатывают через неделю; --fail-on-regression превращает его в код возврата, который можно поставить перед промоутом.

verdict отвечает на вопрос, который эти два числа сами и порождают. Строки, где обе версии правы, ничего не говорят о том, какая лучше; строки, где обе неправы, — тоже. Информацию несут только расхождения. Значит вопрос в том, была ли честной монета, выпавшая 22 раза орлом из 26 бросков, — это критерий Макнемара, посчитанный точно, а не приближением, потому что промоут обычно решается на нескольких сотнях строк.

Различение, которое он даёт, — ровно то, что нужно перед промоутом: 200 починенных против 3 сломанных это улучшение, 38 против 40 — монета, а правило, считающее сломанные строки, называет регрессией и то и другое.

--from-log сравнивает две версии по запросам, на которые они уже ответили, а не прогоняет датасет сейчас. Для этого нужно теневое развёртывание — обе версии отвечают на один трафик, — и тогда в отчёте нет fixed/broke: у продакшн-трафика нет разметки:

python manage.py diff reviews.Sentiment 4 5 --from-log --since 24h

Без номеров версий сравнивается то, что в production, с самой новой, — то есть ровно тот вопрос, который у вас есть перед промоутом.

Флаг	Что делает
--dataset LABEL	Прогнать по другому датасету, например по отложенному
-n N	Остановиться после N строк
--show-changes N	Напечатать до N строк, где ответы разошлись
--json	Отдать весь отчёт
--fail-on-regression	Ненулевой код, если новая ошиблась там, где старая была права
--fail-on-regression significant	Ненулевой код, только если потери перевешивают приобретения сильнее случайности
--alpha P	Уровень значимости для режима выше. По умолчанию 0.05

# Курируемый регрессионный набор: терять нельзя ничего.
python manage.py diff reviews.Sentiment --fail-on-regression

# Настоящий датасет перед промоутом: шум пропускаем, настоящую потерю — нет.
python manage.py diff reviews.Sentiment --fail-on-regression significant

Три рендеринга, один отчёт. --format markdown даёт текст, предназначенный для пул-реквеста, а не для терминала, а --output пишет его в файл, не трогая код возврата, — так что задача CI может и сохранить отчёт, и покраснеть:

python manage.py diff reviews.Sentiment     --format markdown --show-changes 20     --output diff.md --fail-on-regression significant

--json — старое написание --format json, и оно значит то же самое. Про рабочий процесс вокруг этого — Непрерывная интеграция.

Промоут версии

Вторая половина сравнения. promote переводит версию модели или агента в стадию, а --check сначала сравнивает её с тем, кто эту стадию занимает, — и отказывает, если кандидат потерял строки.

python manage.py promote reviews.Sentiment 4                     # в production
python manage.py promote reviews.Sentiment                       # последнюю версию
python manage.py promote reviews.Sentiment 4 --stage staging
python manage.py promote reviews.Sentiment 4 --check             # не потерять ничего
python manage.py promote reviews.Sentiment 4 --check significant # не потерять значимого

$ python manage.py promote reviews.Sentiment 2 --check

v1 → v2 on 500 rows of reviews.Reviews
  accuracy       0.7700 → 0.8060   +0.0360
  fixed          29 row(s)
  broke          11 row(s)

error: Refusing to promote: v2 is wrong on 11 row(s) that v1 got right.
Inspect them with: manage.py diff reviews.Sentiment 1 2 --show-changes 11

Обратите внимание: v2 точнее, и строгая проверка всё равно отказывает. Это правило — для выверенного набора, где терять нельзя ничего. На реальных данных используйте --check significant: он пропускает потерю, которую свидетельства не отличают от монетки, и отказывает там, где отличают:

  verdict        a real improvement: 29 fixed against 11 broken (p=0.006)
reviews.Sentiment@v2 is now at stage 'production'.

Флаг	Что делает
--stage NAME	В какую стадию. По умолчанию production
--check [any\|significant]	Сначала сравнить с действующей и отказать при регрессии
--dataset LABEL	По какому датасету считать --check
-n N	Ограничить число строк для --check
--notes TEXT	Зачем — записывается вместе с перемещением
--history	Показать, что уже промоутили, вместо промоута

Один глагол на модели и агентов: версия агента — та же идея, поэтому promote support.Support 3 тоже работает. Для --check нужна модель, потому что он сравнивает предсказания; для агента сравнивайте два прогона его набора оценок через diff --eval.

Каждое перемещение записывается. Колонка stage изменяемая — промоут v3 затирает то, чем была v2, — поэтому сам по себе реестр говорит, что сейчас в проде, и ничего о том, как он к этому пришёл:

python manage.py promote reviews.Sentiment --history   # одна модель
python manage.py promote --history                     # всё сразу

reviews.Sentiment — 3 move(s), newest first

when              version  move                   who      on the strength of
----------------  -------  ---------------------  -------  -------------------------------------
2026-08-27 11:26  v2       none → production      denis    29 fixed / 11 broke, accuracy +0.0360
2026-08-27 11:26  v1       production → archived  denis    superseded by v2
2026-08-20 09:03  v1       none → production      denis    first one live

Три вещи здесь сделаны намеренно. Понижение тоже пишется в лог — иначе история читается как список победителей, а не как история. --check записывает свой вердикт в строку: промоут, сделанный по сравнению, и промоут, сделанный по наитию, через месяц неотличимы, если сравнение никто не записал, — а перемещение, которое никто не проверял, так и говорит: not checked, и это самое полезное, что лог промоутов вообще может сообщить. Актор берётся как локальный пользователь, по образцу git; переопределяется через MLANGO_ACTOR — именно это и должна делать задача CI, потому что аккаунт раннера — это никто.

Из Python тот же лог — это mlango.metastore.history:

from mlango.metastore.history import history, stage_at

history("reviews.Sentiment")                       # перемещения, свежие сверху
stage_at("reviews.Sentiment", when=last_tuesday)   # что было живым тогда

stage_at проигрывает лог, а не читает строки версий: строки версий знают только про «сейчас», а это ровно не тот вопрос, когда что-то сломалось в прошлый вторник.

Модели, которые обучил не mlango

Сравнению безразлично, откуда взялись две модели: ему нужны два объекта, умеющих predict, и датасет, на котором их прогнать. Значит можно указать на артефакты, которые у вас уже есть, — без класса Model и без перехода на фреймворк:

python manage.py diff --dataset reviews.Reviews \
  --left  models/sentiment-v3.joblib \
  --right models/sentiment-v4.joblib

Датасет обязателен: сохранённая модель не несёт ни строк, на которых её оценивать, ни колонки с правильным ответом. Если объявленного датасета ещё нет, manage.py inspectdata data/rows.csv напишет его по файлу.

Флаг	Что делает
--left URI, --right URI	Две модели. Путь либо схема:ссылка
--task	classification (по умолчанию) или regression
--target	Колонка с ответом. По умолчанию — объявленная целевая датасета
--features	Входные колонки через запятую. По умолчанию — все, кроме целевой и первичного ключа

Обычный путь читается через joblib с откатом на pickle. Другие схемы приходят из пакетов, регистрирующихся в группе точек входа mlango.loaders:

[project.entry-points."mlango.loaders"]
mlflow = "my_package.loaders:load_mlflow_model"

Функция получает то, что идёт после схемы — models:/Sentiment/3 для mlflow:models:/Sentiment/3, — и возвращает что угодно с методом predict. Клиенты чужих реестров живут в таких пакетах, а не здесь: фреймворк, который ставит чужой SDK ради чтения одного файла, — не тот фреймворк, который вам нужен.

Регрессионные модели сравниваются по расстоянию, а не по равенству — два вещественных предсказания никогда не равны, — поэтому отчёт даёт среднюю и максимальную дельту и считает строки, ставшие ближе к истине, против строк, ставших дальше.

Данные без разметки тоже годятся: тогда отчёт говорит, что изменилось, и не делает вид, что говорит, что улучшилось.

Этой команды нет в админке, и это намеренно: она загружает две модели и прогоняет датасет — такое место за командой, которую вы решили запустить, а не за страницей, открывающейся по клику.

Сравнение двух прогонов оценки

У агента нет номера версии. Вы меняете промпт, описание инструмента или модель, перезапускаете набор — и двигается только pass rate, который прячет ровно то же, что прячет accuracy: часть кейсов, проходивших раньше, теперь не проходит, и это обычно те самые, на которые жаловались.

Результаты по кейсам уже сохранены, поэтому команда просто джойнит два прогона по case_id:

python manage.py diff --eval support.AnswerQuality
python manage.py diff --eval support.AnswerQuality --runs 7c8f1020 c089b7e6
python manage.py diff --eval support.AnswerQuality --show-changes 20
python manage.py diff --eval support.AnswerQuality --fail-on-regression significant

support.AnswerQuality 7c8f1020 → c089b7e6 on 120 shared case(s)

  7c8f1020 pass rate    0.8250
  c089b7e6 pass rate    0.8667   +0.0417
  fixed          7 case(s) failing in 7c8f1020
  broke          2 case(s) passing in 7c8f1020
  verdict        7 fixed against 2 broken is not distinguishable from noise (p=0.180)
  reworded       11 case(s) answered differently and still passed

Без --runs сравниваются два последних завершившихся прогона этого набора.

Страница набора в админке показывает то же сравнение для двух последних прогонов. В отличие от сравнения моделей отрисовать его ничего не стоит: ничего не загружается и не прогоняется — evaluate уже записал вердикт по каждому кейсу.

Отчёт говорит и о том, что изменилось в самом объекте оценки. Каждый прогон записывает конфигурацию цели — промпт агента, модель и лимит шагов; у модели — зарегистрированную версию и гиперпараметры, — поэтому рядом со следствием оказывается причина:

  verdict        a real regression: 50 broken against 0 fixed (p=0.000)

What changed about it
  version        21 → 22
  C              8.0 → 0.01
  max_features   5000 → 1

Длинное значение вроде системного промпта помечается как изменённое с обеими длинами, а не печатается: страница текста в терминальном отчёте не помогает никому. Если в цели ничего не сдвинулось, отчёт скажет и это — что само по себе информативно: значит, разница принадлежит самой цели (сэмплирование, температура, иначе ответивший инструмент).

Прогоны, записанные до появления этой возможности, конфигурации не несут и показываются как неизвестные, а не как неизменившиеся.

reworded — строка, которая важна только для агента: кейсы, которые всё ещё проходят, но отвечают иначе. Для классификатора это ничто; для того, чей вывод читает человек, половина продукта только что изменилась, не уронив ни одного теста.

Кейсы, которые есть только в одном прогоне, называются, а не поглощаются. Набор, выросший между двумя прогонами, — это другой набор, и тихо засчитать новые кейсы в итог — ровно тот способ, которым pass rate растёт за счёт добавления простых вопросов.

Флаг	Что делает
--runs OLDER NEWER	Какие два прогона. По умолчанию — два последних
--show-changes N	Напечатать до N кейсов, сначала те, чей вердикт сменился
--json	Отдать весь отчёт
--fail-on-regression [any\|significant]	Ненулевой код. Правило то же, что для моделей
--alpha P	Уровень значимости. По умолчанию 0.05

Строка verdict — тот же тест Макнемара, что и в сравнении моделей, и по той же причине: семь исправленных против двух сломанных на наборе из 120 — это не доказательство, а гейт, который считает это доказательством, отключат через месяц.

Слежение за дрейфом

Ушёл ли вход от того, на чём обучалась версия. Читает лог предсказаний, который выключен, пока вы его не включите, — см. Мониторинг.

python manage.py drift reviews.Sentiment
python manage.py drift reviews.Sentiment --stage production --since 24h
python manage.py drift reviews.Sentiment --against reviews.Incoming
python manage.py drift reviews.Sentiment --since 24h --fail-on significant

reviews.Sentiment@v4 vs 2841 logged predictions over the last 7d

Column             Kind         PSI     Verdict
-----------------  -----------  ------  -----------
text               text         0.4132  significant
label (predicted)  categorical  0.1801  moderate

--fail-on завершается ненулевым кодом — именно это делает команду пригодной для регулярной задачи, а не только для терминала.

Оценка

python manage.py evaluate support.AnswerQuality
python manage.py evaluate support.AnswerQuality --show-failures
python manage.py evaluate support.AnswerQuality --min-pass-rate 0.9

Агенты

python manage.py agent support.Support                          # интерактивно
python manage.py agent support.Support "как мне ...?"            # один запрос
python manage.py agent support.Support "..." --show-steps        # показать вызовы инструментов
python manage.py agent support.Support "..." --session user-42   # с памятью

Версии агентов

Версия модели — это артефакт; поведение агента и есть его объявление, поэтому версия — это объявление. Она записывается при первом запуске агента и затем всякий раз, когда меняется промпт, модель или любая другая опция Meta:

python manage.py agent support.Support --versions
python manage.py agent support.Support --promote 3
python manage.py agent support.Support --promote 3 --stage staging

Version  Stage       Fingerprint   Tools            Recorded          Current
-------  ----------  ------------  ---------------  ----------------  -------
v3       none        16c5d2295ade  search_docs      2026-08-22 11:09  ←
v2       production  58fa45bab53f  search_docs      2026-08-19 09:22
v1       archived    a1b2c3d4e5f6  search_docs      2026-08-14 17:40

Стрелка ← отмечает версию, совпадающую с объявлением, которое лежит перед вами. Если не отмечено ничего — код правили после последней записи: то, что записано, и то, что запустится, разошлись, и команда об этом скажет.

Регистрация идемпотентна по отпечатку и разрешается один раз на процесс, поэтому обслуживающий агент на тысяче запросов пишет одну строку и делает один запрос. Каждый трейс записывает, какая версия отвечала, — чтобы трейс, прочитанный через месяц, не толковали по сегодняшнему промпту.

Версия фиксирует конфигурацию, а не код

Инструменты — это вызываемые объекты, живущие в вашем исходнике. Записанная версия хранит их имена, поэтому пропавший инструмент видно, но восстановить реализацию она не может. Реестр, утверждающий обратное, врал бы.

Возврат к прежнему промпту записывает новую версию со старым отпечатком, а не переиспользует старую строку: история — это журнал того, каким было объявление и когда, и «во вторник вернули обратно» — её часть.

Что уже произошло

python manage.py runs list --kind train --status finished -n 20
python manage.py runs show 7c8f1020
python manage.py runs compare 7c8f1020 c089b7e6

python manage.py traces list --agent support.Support
python manage.py traces show a1b2c3d4 -v 2

Разработка

python manage.py runserver              # 127.0.0.1:8000
python manage.py runserver 8080
python manage.py runserver 0.0.0.0:8080 --reload
python manage.py runserver --no-admin

python manage.py shell                  # IPython, если установлен
python manage.py shell -c "print(Reviews.objects.count())"

python manage.py test                   # pytest, на одноразовом метахранилище
python manage.py test -k splits -x
python manage.py test --coverage

manage.py test на время прогона переводит метахранилище и хранилище артефактов во временный каталог, поэтому тест физически не может задеть настоящие данные — та же идея, что и тестовая база в Django.

startproject создаёт готовый каталог tests/, так что новый проект зелёный ещё до первой правки: есть с чего начать и есть что скопировать.

Общие флаги

Доступны в каждой команде:

Флаг	Что делает
--settings MODULE	Использовать другой модуль настроек для этого запуска
-v 0..3	Тихо, обычно, подробно, очень подробно
--traceback	Показать полный traceback вместо сообщения

Оболочка

manage.py shell заранее импортирует все объявленные объекты и несколько вспомогательных функций:

>>> Reviews.objects.filter(label="positive").count()
1284
>>> Sentiment.versions()
[<ModelVersion reviews.Sentiment@v2 stage=production>, ...]
>>> recent_runs(limit=3)
>>> get_trace("a1b2c3d4").spans
>>> apps.summary()

Свои команды

Положите модуль в <app>/management/commands/, и он появится в manage.py help — включая команду, которая переопределяет встроенную. Именно так проект настраивает train под себя, не форкая фреймворк.

reviews/management/commands/import_reviews.py

from mlango.management import BaseCommand, CommandError


class Command(BaseCommand):
    help = "Импортировать отзывы из хранилища."

    def add_arguments(self, parser):
        parser.add_argument("since", help="Дата в формате ISO, с которой импортировать.")
        parser.add_argument("--dry-run", action="store_true")

    def handle(self, **options):
        rows = fetch_since(options["since"])
        if not rows:
            raise CommandError(f"Нечего импортировать с {options['since']}.")

        self.table(
            ["id", "subject"],
            [[r["id"], r["subject"]] for r in rows[:10]],
        )
        if options["dry_run"]:
            self.warn("Пробный запуск: ничего не записано.")
            return
        write(rows)
        self.ok(f"Импортировано отзывов: {len(rows)}.")

Что доступно на self:

Метод	Печатает
self.write(msg, level=1)	Строку, с учётом -v
self.ok(msg) / self.warn(msg)	Зелёным / жёлтым
self.stderr(msg)	В stderr
self.table(headers, rows)	Выровненную таблицу
self.style.bold(...) и т. д.	Цвет, отключается при перенаправлении вывода

Бросайте CommandError там, где пользователь должен увидеть сообщение, а не traceback. Поставьте requires_apps = False для команды, которая должна работать до загрузки приложений, и requires_settings = False — для той, что работает вообще без проекта.