Python/ django

📐 Agent Reinforcement Trainer — фреймворк для обучения ИИ-агентов через reinforcement learning Проект предлагает удобный способ прокачки LLM для решения практических задач. Во время работы ART использует метод GRPO и позволяет обучать агентов работать с MCP-серверами, играть в игры и выполнять другие действия через взаимодействие со средой. Инструмент минимально требователен к данным — система сама анализирует доступные инструменты и генерирует учебные сценарии. Поддерживается интеграция с популярными языковыми моделями, включая Qwen 2.5. 🤖 GitHub @pythonl

🚀 Python Pro совет Хотите измерить время выполнения куска кода без лишних библиотек? Используйте модуль timeit, встроенный прямо в Python:

# Запуск из командной строки
python -m timeit -n 100 -r 5 "sum(range(1000))"

# В коде
import timeit
print(timeit.timeit("sum(range(1000))", number=1000))

💡 Это простой способ проверить, какой из вариантов реализации быстрее. Сравнивайте разные подходы и оптимизируйте критичные куски кода на практике. @pythonl

🔍 Django ModelSearch: Умный поиск для ваших моделей Django ModelSearch позволяет индексировать модели Django и осуществлять поиск с помощью ORM. Поддерживает PostgreSQL FTS, SQLite FTS5, Elasticsearch и OpenSearch. Идеально подходит для создания мощных поисковых решений в ваших приложениях. 🚀Основные моменты: - Индексация моделей в Elasticsearch и OpenSearch - Поддержка автозаполнения и фасетного поиска - Возможность использования существующих QuerySets - Поддержка нечеткого поиска и структурированных запросов - Нулевая простоя при перестройке индекса 📌 GitHub: https://github.com/kaedroho/django-modelsearch @pythonl #python

⚠️ SQL-инъекция через f-string Если подставлять значения прямо в SQL через f-string, злоумышленник может выполнить любой код в базе:

name = "Alice'; DROP TABLE accounts; --"
query = f"SELECT * FROM accounts WHERE name = '{name}'"
conn.sql(query)

💥 И вот таблица accounts удалена! Почему так? Потому что строка с именем вставляется как есть и воспринимается как часть SQL-запроса. ✅ Правильный способ — использовать параметры:

name = "Alice'; DROP TABLE accounts; --"
query = "SELECT * FROM accounts WHERE name = ?"
conn.sql(query, params=(name,))

✔ Имя ищется как текст, база остаётся в безопасности. 👉 Запомни: никогда не вставляй пользовательские данные напрямую в SQL. Используй параметризованные запросы — это надёжная защита от SQL-инъекций. @pythonl

🚀 Современная система сборки Meson Meson — это высокопроизводительная система сборки, ориентированная на простоту и скорость. Она поддерживает множество языков и инструментов, обеспечивая гибкость и эффективность в разработке. 🚀 Основные моменты: - Поддержка Python и Ninja для сборки. - Быстрая и интуитивно понятная настройка проектов. - Активное сообщество и возможность внесения вкладов. - Совместимость с различными платформами и языками. 📌 GitHub: https://github.com/mesonbuild/meson #python @pythonl

🚀 Полезный совет: any и all в Python работают с генераторами и используют short-circuit Иногда в python есть малоизвестные особенности, которые могут сильно помочь. Например, функция all и any умеют работать не только с простыми списками, но и с генераторами. Это значит, что пайтон остановит проверку сразу, как только результат станет очевидным — это называется "шорт-сёркьют".

nums = [0, 0, 0, 5, 0]

#any (эни) вернёт True, как только найдёт первый элемент != 0
print(any(nums))  # True

#ll (ол) вернёт False, как только встретит первый элемент == 0
print(all(nums))  # False

#использование с генератором — не создаёт лишний список
print(any(x > 10 for x in nums))  # False  

Это позволяет писать очень эффективный код без лишних проверок и без создания промежуточных списков. @pythonl

🐍 Необычный Python-совет В Python можно перегрузить оператор [] и превратить объект в умный словарь или вычисляемый массив. Это позволяет писать очень выразительный код. Пример: создадим класс, который хранит функцию и вычисляет результат «на лету» при обращении по индексу:

class PowTable:
    def __init__(self, power):
        self.power = power

    def __getitem__(self, n):
        return n ** self.power

squares = PowTable(2)
cubes = PowTable(3)

print(squares[5])  # 25
print(cubes[4])    # 64

👉 В итоге obj[x] может не просто доставать значение, а вычислять его динамически. Это мощный приём для DSL, кэшей и ленивых вычислений.

🍏 Apple представила FastVLM на Hugging Face — модели 0.5B, 1.5B и 7B с поддержкой WebGPU VLM (Vision-Language Model) — это модель, которая умеет одновременно работать с картинками и текстом: понимать, что изображено, описывать картинку словами, отвечать на вопросы по изображению и совмещать визуальные и текстовые данные. ⚡ Что это значит: - До 85 раз быстрее и в 3.4 раза компактнее аналогичных VLM - У крупных моделей время до первого токена стало быстрее в 7.9 раз - Меньше выходных токенов + быстрее обработка картинок высокого разрешения 🔥Модель работает в реальном времени прямо в браузере через transformers.js и WebGPU. https://huggingface.co/spaces/apple/fastvlm-webgpu @pythonl

🆕 OctoBot — мощный криптовалютный торговый бот с открытым исходным кодом! OctoBot — это: - Открытый и настраиваемый крипто-торговый бот от Drakkar-Software - Интерфейс конфигурации и система *tentacles* (модули-«щупальца») для гибкого построения стратегий — от технического анализа до интеграции внешних данных - Поддержка Spot и Futures, торговля на более чем 15 биржах через библиотеку ccxt - Возможности: создание и тестирование стратегий, оптимизация, торговля корзиной криптовалют, использование AI-инструментов и backtesting Архитектура проекта: - OctoBot — ядро с backtesting и стратегическим менеджментом - OctoBot-Tentacles — модули для стратегий, нотификаций, внешних данных - OctoBot-Trading — взаимодействие с биржами через ccxt - Дополнительные пакеты: OctoBot-Services, OctoBot-Backtesting, OctoBot-Commons, Async-Channel Активность и релизы: - 4,5k★ и 900+ форков на GitHub - Недавний релиз 2.0.12 (июнь 2025) с поддержкой Windows, Linux (x64, arm64) и macOS - Регулярные обновления и активное сообщество Почему это важно: - Гибкая модульная архитектура - Возможность добавлять свои стратегии и источники данных - Отличный инструмент для изучения алгоритмической торговли и прототипирования - Интеграции с AI, TradingView, Telegram 👉 Репозиторий: https://github.com/Drakkar-Software/OctoBot @pythonl

🖥Вышла крутейшая документалка про Python c Гвидо ван Россумом и другими ключевыми людьми в истории самого популярного языка программирования в мире Внутри целая драма — начало, как Python создавался в качестве хобби, едва не исчез, но все-таки взлетел и стал одним из ведущих ЯП. В документалке даже проявляется сам Гвидо ван Россум, а также создатель NumPy, и другие топы коммьюнити. 📌Смотрим тут

⚡️ Limekit — кроссплатформенный GUI-фреймворк на Lua Хочешь писать десктоп-приложения без Python и компиляции? С Limekit всё просто: «написал один раз — запускай везде» (Windows, macOS, Linux). ✨ Что умеет: - Чистый Lua API, без необходимости знать Python - 40+ встроенных виджетов, поддержка Material Design и тёмной темы - Запуск без сборки — достаточно Python и самого фреймворка - Много примеров и документация на ReadTheDocs - Полностью опенсорс (GPLv3) 📌 Минимальный пример:

local window = Window{title='Limekit app'}
window:show()

Две строки кода — и у тебя уже готовое окно 🚀 ⚡️GitHub @pythonl

Тренировки Яндекса по алгоритмам: от решения задач к карьере в IT Вас ждет 4 недели практики, чтобы систематизировать знания и научиться решать задачи, которые встречаются на собеседованиях и в реальной работе. Программа включает восемь ключевых тем: множества, словари, динамическое программирование и не только. Лекции и разборы будет вести Михаил Густокашин — директор Центра студенческих олимпиад ВШЭ и тренер чемпионов мира по программированию. Топ-300 участников смогут пропустить контест при отборе на стажировку в Яндекс по направлениям бэкенд, фронтенд, мобилка и пройти пробное техническое собеседование. А еще лидеры рейтинга смогут получить персональные карьерные консультации. Подать заявку можно до 29 сентября.

🐍 Изучаем MCP на Python — серия уроков от Microsoft Пошаговое руководство для Python-разработчиков по Model Context Protocol (MCP): как понять концепцию и построить свой MCP-сервер в интерактивном формате. 📚 Репозиторий с гайдом #python #MCP #tutorial #developers

🚀 Jupyter Agent 2 Этот агент умеет: 📂 Загружать данные 💻 Запускать код 📊 Строить графики прямо в Jupyter — быстрее, чем вы успеете прокрутить экран! 🤖 Основан на движке Qwen3-Coder ⚡️ Работает на Cerebras ⚙️ Запускается в E2B ↕️ Поддерживает загрузку файлов 👉 Попробовать можно здесь: https://hf.co/spaces/lvwerra/jupyter-agent-2 @pythonl

☕️ JPype — проект, позволяющий вызывать Java-код напрямую из Python-скриптов. В отличие от Jython, JPype не переписывает Python на Java, а создает мост между двумя виртуальными машинами через нативные интерфейсы. Инструмент сохраняет доступ ко всем возможностям CPython и Java-библиотек одновременно. Это открывает возможности для использования Java-фреймворков в научных вычислениях на Python, тестирования Java-кода через Python-скрипты и интеграции legacy-систем. 🤖 GitHub @pythonl

🔍Тестовое собеседование на Middle Python в четверг с разработчиком из Авито 28 августа(в четверг) в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика. Как это будет: 📂 Даня, старший разработчик в Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Даня будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Дане Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Java-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot Реклама. О рекламодателе.

📊 Из PDF в DataFrame за пару строк кода Работаете с финансовыми отчётами или любыми табличными данными в PDF? С библиотекой docling это становится максимально просто. Большинство инструментов для работы с PDF заставляют собирать пайплайн вручную: одна библиотека для извлечения текста, другая для парсинга, третья для чанкинга. Docling закрывает весь процесс — от сырых PDF до структурированных и готовых к поиску данных — в одном решении. 📌 Преимущество Docling 🔹 Поддержка PDF, DOCX, PPTX, HTML и изображений 🔹 AI-модель TableFormer для понимания сложных таблиц 🔹 Vision-модели для OCR и image-to-text 🔹 Простой экспорт в pandas DataFrame, JSON и Markdown Пример: конвертируем PDF с отчётом о доходах и сразу получаем pandas DataFrame 👇

from docling.document_converter import DocumentConverter

converter = DocumentConverter()
result = converter.convert("financial_report.pdf")

for table in result.document.tables:
    df = table.export_to_dataframe()

📌 Github @pythonl #AI #RAG #Docling #DataEngineering #PDF

⁉️Как машинное обучение связано с AI?   Машинное обучение — это основа всего современного искусственного интеллекта, и вы можете понять, почему именно сегодня эти технологии актуальны как никогда. Присоединяйтесь к открытому вебинару 26 августа в 18:00 МСК! Мы разберемся, как Machine Learning (ML) стал неотъемлемой частью развития AI и GenAI. Что стоит за этим технологическим бумом и как ML используется в реальных AI-моделях? Мы покажем, как использовать ML для создания мощных AI-моделей и какие знания стоит развивать сегодня. ➡️ Присоединяйтесь и получите скидку на курс «Machine Learning. Basic»: https://otus.pw/zPPT/?erid=2W5zFHSttKz Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🖥 Полный проект с нуля: клон голоса на Python 🔊 Клонирование голоса на Python с нуля: пошаговый разбор, рабочий код, проверка сходства и защита с водяными знаками. Полное руководство для разработчиков по созданию собственного проекта voice cloning. 📌 Читать @pythonl

🚀 **Docker + Python полезный совет** Если вы запускаете Python-приложения в Docker, ускорить их можно с помощью многоступенчатой сборки. Это позволяет собирать зависимости отдельно и не тащить весь мусор в финальный образ.

# Этап сборки зависимостей
FROM python:3.12-slim AS builder
WORKDIR /app
COPY requirements.txt .
RUN pip install --user -r requirements.txt

# Финальный минимальный образ
FROM python:3.12-slim
WORKDIR /app
COPY --from=builder /root/.local /root/.local
COPY . .

ENV PATH=/root/.local/bin:$PATH
CMD ["python", "app.py"]

💡 Такой подход уменьшает размер образа и ускоряет деплой. Вместо гигабайт вы получаете лёгкий production-контейнер с только нужным кодом и либами. @pythonl