Python/ django

🚀 PyTogether - Google Docs для Python-кода PyTogether - это браузерная IDE для Python с совместной работой в реальном времени. Несколько человек могут писать и запускать код одновременно, видеть курсоры друг друга и общаться прямо внутри редактора. Что умеет: • Совместное редактирование Python-кода (live-collaboration) • Запуск Python прямо в браузере через Pyodide • Чат и голосовая связь внутри IDE • Живые курсоры, выделения и заметки • Простая авторизация и проекты для команд • Никакой установки — всё работает в браузере Кому подойдёт: • Обучение и менторство • Парное программирование • Онлайн-курсы и воркшопы • Быстрые разборы кода и собесы Технологии под капотом: Python (Django, DRF), WebSockets + Y.js для синхронизации, React + CodeMirror, Redis и PostgreSQL. Всё open-source под MIT-лицензией. Хороший пример того, как современные web-технологии превращают IDE в социальный инструмент для обучения и командной работы. https://github.com/SJRiz/pytogether @pythonl

Новая работа MIT: LLM, который видит и меняет состояние Python В MIT предложили подход, при котором языковая модель работает не только с текстом, а напрямую с живым состоянием Python-кода - переменными, объектами в памяти и текущей точкой выполнения. Подход называется NIGHTJAR. Главный результат В экспериментах NIGHTJAR сократил объем кода в среднем на 39.6% без потери корректности. В чем была проблема Обычная LLM: - читает текст - генерирует текст - не видит реальные данные программы Поэтому типичный пайплайн выглядит так: - данные сериализуются в текст - отправляются модели - ответ парсится - программа вручную обновляется Много glue-кода, много мест для ошибок. Что меняет совместное состояние Shared state полностью меняет модель взаимодействия: - LLM может читать и писать переменные - изменять объекты прямо в памяти - останавливать и пропускать циклы - работать с текущим состоянием выполнения Модель не «рассуждает о коде», она с ним взаимодействует. Как это реализовано LLM не получает прямой доступ к памяти. Она отправляет небольшие команды: - прочитать переменную - записать значение - обновить объект - выйти из цикла Python-обработчик выполняет эти команды. Такой контракт авторы называют natural function interface. Результаты На бенчмарке SPSBench с 25 программами: - корректность осталась на уровне ручной интеграции или выше - код стал заметно короче - но время выполнения иногда росло до 4.3 раза Причина проста - каждое обращение к состоянию может требовать отдельного вызова модели. Почему это важно - меньше шаблонного glue-кода - проще писать сложную логику с участием LLM - шаг к более тесной интеграции AI и runtime - фундамент для новых агентных и интерактивных систем Это не про ускорение. Это про изменение архитектуры взаимодействия между программой и моделью. 📌 Статья: arxiv.org/abs/2512.14805 #AI #LLM #Python

🖥 python-injection - практический сборник уязвимостей в Python python-injection - это репозиторий с наглядными примерами инъекций и небезопасных паттернов в Python-коде, которые регулярно встречаются в реальных проектах. Проект показывает, как «обычный» Python-код превращается в уязвимость, если не понимать, как именно работают интерпретатор, библиотеки и внешние вызовы. Что внутри: - Command Injection через os.system, subprocess, shell=True - SQL Injection при неправильной работе с запросами - Code Injection через eval, exec, pickle - Path Traversal и небезопасная работа с файлами - Template Injection - Примеры небезопасной десериализации - Реальные анти-паттерны из production-кода Главная ценность репозитория — код, а не теория: - есть уязвимый пример - есть объяснение, почему он опасен - понятно, как именно происходит атака Подходит для: - Python-разработчиков - backend-инженеров - security-энтузиастов - code review и обучения безопасному программированию Если ты пишешь Python и думаешь, что «у нас же не веб» - этот репозиторий стоит открыть. pip install python-injection https://github.com/100nm/python-injection

Roadmap по Python Привет! По немногочисленным просьбам, решив, что давно не радовал вас чем-то полезным, а только прогревал на стартапы и YouTube, посоветовавшись со знакомым питонистом, я подготовил Roadmap по Python — аналогичный моему Roadmap'у по Go. Я разместил его под Go-шным roadmap'ом. Всем, кому актуально, прошу посмотреть и написать свои правки, идеи, предложения! Go & Python Roadmap 2025 😎 Реклама. Дмитриев А.С. ИНН 501214283070. erid: 2W5zFHbfpL8

🖼️✨ Qwen-Image-Layered: Модель для многослойной обработки изображений Qwen-Image-Layered позволяет разбирать изображения на несколько RGBA слоев, обеспечивая возможность редактирования каждого слоя независимо. Это открывает новые горизонты для редактирования, позволяя выполнять операции с высоким качеством, такие как изменение размера и перекраска, без влияния на другие элементы. 🚀Основные моменты: - Декомпозиция изображений на независимые слои. - Поддержка высококачественного редактирования. - Гибкость в количестве слоев для декомпозиции. - Возможность редактирования с сохранением целостности других слоев. - Интуитивно понятный интерфейс для работы с изображениями. 📌 GitHub: https://github.com/QwenLM/Qwen-Image-Layered #python

🚀 Интерактивный помощник для Кодинга Mistral Vibe Mistral Vibe - это командный интерфейс для взаимодействия с кодом, который позволяет использовать естественный язык для выполнения задач. Он предлагает мощные инструменты для работы с файлами, поиска кода и управления версиями, обеспечивая удобный и интуитивный опыт. 🚀 Основные моменты: - Интерактивный чат с AI для выполнения запросов. - Набор инструментов для манипуляции файлами и выполнения команд. - Автоматическое сканирование структуры проекта для контекстной информации. - Высокая настраиваемость через конфигурационные файлы. - Поддержка UNIX и Windows. 📌 GitHub: https://github.com/mistralai/mistral-vibe @pythonl

📌 Подробная шпаргалка по командам Docker Удобный и практичный референс для повседневной работы с Docker: образы, контейнеры, сети, тома и Docker Compose. 🐋 Общие команды Docker - docker --version — версия Docker - docker info — информация о системе Docker - docker help — список доступных команд - docker <command> --help — помощь по конкретной команде 📦 Работа с образами - docker pull <image> — скачать образ из реестра - docker images — список локальных образов - docker build -t name:tag . — собрать образ из Dockerfile - docker tag <image> <repo>:<tag> — назначить тег образу - docker rmi <image> — удалить образ - docker image prune — удалить неиспользуемые образы - docker image prune -a — удалить все неиспользуемые, включая невисячие 🚀 Контейнеры: запуск и управление - docker run <image> — запустить контейнер - docker run -d <image> — запуск в фоне - docker run -it <image> bash — интерактивный режим - docker ps — активные контейнеры - docker ps -a — все контейнеры - docker stop <container> — остановить контейнер - docker start <container> — запустить остановленный - docker restart <container> — перезапуск - docker rm <container> — удалить контейнер - docker rm -f <container> — принудительно удалить - docker logs <container> — логи контейнера - docker exec -it <container> bash — войти внутрь контейнера - docker inspect <container> — подробная информация (JSON) 🧹 Очистка и обслуживание - docker container prune — удалить все остановленные контейнеры - docker image prune — удалить неиспользуемые образы - docker volume prune — удалить неиспользуемые тома - docker network prune — удалить неиспользуемые сети - docker system prune — очистить всё неиспользуемое - docker system prune -a — максимально агрессивная очистка - docker system df — использование диска Docker’ом 📊 Мониторинг и отладка - docker stats — использование CPU и памяти контейнерами - docker top <container> — процессы внутри контейнера - docker diff <container> — изменения файловой системы контейнера 🌐 Сети Docker - docker network ls — список сетей - docker network inspect <network> — информация о сети - docker network create <name> — создать сеть - docker network rm <name> — удалить сеть 💾 Docker Volumes - docker volume ls — список томов - docker volume inspect <volume> — информация о томе - docker volume create <name> — создать том - docker volume rm <name> — удалить том ⚙️ Docker Compose - docker compose up — запустить сервисы - docker compose up -d — запуск в фоне - docker compose down — остановить и удалить всё - docker compose build — пересобрать образы - docker compose pull — скачать образы - docker compose logs — логи всех сервисов - docker compose ps — статус сервисов - docker compose restart — перезапуск 🧠 Полезные советы - Используй --rm, чтобы контейнер удалялся после выполнения - Проверяй размер Docker-данных через docker system df - Для отладки всегда полезен docker inspect - Регулярно чисти систему, чтобы Docker не съел весь диск Эта шпаргалка закрывает 90% повседневных задач при работе с Docker - от локальной разработки до продакшена. @pythonl

🖥 Как уменьшить Docker-образ в 10+ раз - понятный и практичный разбор. Размер Docker-образа - это не косметика. Он напрямую влияет на: - скорость CI/CD - время деплоя - cold start контейнеров - расходы на storage и трафик В примере ниже образ удалось сократить с 588 MB до 47.7 MB - почти на 92%. Вот какие приёмы реально дают эффект. 1) Выбор базового образа - самое важное решение Полный python:3.9 тянет за собой: - лишние системные утилиты - документацию - dev-пакеты Переход на python:3.9-alpine: - в разы меньше размер - быстрее скачивание - меньше attack surface Это первый и самый крупный выигрыш. 2) Оптимизация слоёв Docker Каждый RUN, COPY, ADD - это новый слой. Много мелких инструкций = раздув образа. Правило: - объединяй связанные команды - удаляй временные файлы в том же RUN Меньше слоёв - меньше вес - быстрее сборка. 3) .dockerignore - бесплатная оптимизация, которую часто забывают Без .dockerignore в build context улетает всё: - .venv - .cache - .git - временные файлы Это: - увеличивает размер контекста - замедляет сборку - иногда ломает кеширование .dockerignore должен быть всегда. Без исключений. 4) Multi-stage build - must-have для продакшена Одна из самых мощных техник. Идея простая: - stage 1 - сборка, компиляция, зависимости - stage 2 - только то, что нужно для запуска В финальном образе: - нет build-инструментов - нет лишних библиотек - только runtime Результат: - меньше размер - меньше уязвимостей - быстрее старт Итоговый эффект: - 588 MB -> 47.7 MB - −91.89% размера - быстрее CI - быстрее деплой - дешевле инфраструктура Главный вывод: маленькие оптимизации накапливаются. Каждый сэкономленный мегабайт: - ускоряет каждый pull - ускоряет каждый deploy - масштабируется вместе с вашей системой Оптимизация Docker - это не микрооптимизация. Это инженерная гигиена. @pythonl

🎧 Модель аудиоразмышлений Step-Audio-R1 Step-Audio-R1 — первая аудиомодель, которая преодолевает проблему "обратного масштабирования", улучшая производительность при увеличении вычислительных ресурсов. Используя метод MGRD, модель фокусируется на акустическом анализе, что позволяет ей эффективно обрабатывать аудиоданные. 🚀 Основные моменты: - Успешно решает проблему "обратного масштабирования" - Сравнима с Gemini 3 по аудиобенчмаркам - Инновационный подход к обучению через акустические особенности - Доступна для использования на Hugging Face и ModelScope 📌 GitHub: https://github.com/stepfun-ai/Step-Audio-R1 @pythonl

Аналитика, которая скрывает больше, чем кажется Каждый день мы пользуемся продуктами, за которыми стоят тщательно продуманные эксперименты и A/B-тесты. Мы видим только интерфейс, а аналитики изучают поведение миллионов пользователей и формируют гипотезы на основе собранных данных. Даже мелкие изменения — например, баннер, цвет кнопки или порядок элементов на странице — могут сильно повлиять на бизнес-показатели. Именно специалисты по данным помогают компаниям принимать решения, опираясь на такие эксперименты. Развивайте свои навыки в аналитике данных с курсом онлайн-школы karpovꓸcourses, созданной одним из самых читаемых аналитиков России по данным NEWHR — Анатолием Карповым. Обучение максимально приближено к реальной работе: за 5,5 месяцев вы освоите полный стек навыков — от SQL и Python до A/B-тестирования. Преподают практики, а не теоретики: Анатолий Карпов, Роман Бунин, Анастасия Кузнецова и Анастасия Зеленова — востребованные аналитики, которые точно знают, какие компетенции помогут построить успешную карьеру. После большинства онлайн-курсов новичкам сложно устроиться на первую работу — работодатели не всегда доверяют формальному образованию. С выпускниками karpovꓸcourses ситуация другая: их ценят на рынке, а во многих вакансиях прямо указывают, что кандидаты после karpovꓸcourses получают приоритет при отборе Освойте навыки, которые действительно ценят работодатели: https://clc.to/erid_2W5zFJUaHB6 Реклама. ООО "КАРПОВ КУРСЫ". ИНН 7811764627. erid: 2W5zFJUaHB6

🤯💣 PYTHON ТРЮК ПО УСКОРЕНИЮ #python Совет по Python: если в цикле много обращений к атрибутам объекта или модуля — вынеси их в локальную переменную. Доступ к локалам работает быстрее, чем к атрибутам, поэтому такой приём иногда ускоряет код на 20–50 процентов.

#медленно — каждый проход лезет в атрибут
for i in range(10_000_000):
    x = obj.value

#быстрее — сохрани ссылку заранее
val = obj.value
for i in range(10_000_000):
    x = val

#ещё пример — кешируем функцию
import math
sqrt = math.sqrt
for i in range(1_000_000):
    r = sqrt(i)

📌 Андрей Карпаты написал ИИ-пайплайн для проверки IT-прогнозов десятилетней давности. Андрей опубликовал разбор своего нового пет-проекта. Он создал систему, которая анализирует архивные треды Hacker News и с помощью LLM проверяет, сбылись ли предсказания пользователей спустя 10 лет. Проект использует так называемые «послезнание» (hindsight), чтобы сравнивать старые комментарии с реальностью, выявлять визионеров и находить самые громкие ошибки. Технически решение представляет собой пайплайн, который собирает данные через API Algolia и обрабатывает их с помощью структурированного промпта. Тестовый прогон на 930 обсуждениях (месячный архив статей Hacker News) занял около часа и обошелся всего в 58 долларов. На выходе система генерирует статический сайт с «Залом славы» аналитиков и рейтингом точность прогнозов. Исходный вайб-код проекта, по традиции - в открытом доступе. @ai_machinelearning_big_data #AI #ML #LLM #Tutorial #Karpaty

Выходим на новый уровень для удобной работы над ИТ-продуктами Свежий релиз SourceCraft — когда AI, Git и безопасность работают синхронно. Специальная ИИ-система проверяет безопасность кода и оформляет найденные уязвимости в карточки прямо на платформе. Для команд: — поддержка Gitlab CI/CD YAML, удобные инструменты релизов и web-интерфейс для решения конфликтов в PR. Для безопасности: — дашборд уязвимостей по всем репозиториям, страница Code Scanning для SAST, rescan и список библиотек с уязвимостями в SCA. — пройдена оценка соответствия требованиям ФЗ-152, PCI DSS, ГОСТ 57580. Обновлён UI для CI/CD и появились Telegram-уведомления. Работаем дальше Подробнее в канале

💀➡️ Большинство кодеров не знают про это ускорение в Python Одна из самых недооценённых оптимизаций в Python — вынесение повторяющихся вычислений в локальные переменные. Причина проста: доступ к локальной переменной в CPython *в 2–3 раза быстрее*, чем к глобальной или атрибуту модуля. Особенно важно в циклах и горячих участках кода.

import math

# Медленнее: math.sqrt вызывается через глобальное пространство имён
def slow(nums):
    return [math.sqrt(x) for x in nums]

# Быстрее: ссылка на функцию закэширована в локальной переменной
def fast(nums):
    sqrt = math.sqrt
    return [sqrt(x) for x in nums]

# Ещё пример: длину списка лучше сохранить локально
def sum_fast(nums):
    total = 0
    ln = len(nums)  # локальная ссылка быстрее
    for i in range(ln):
        total += nums[i]
    return total

🌍🤖 GigaWorld-0: Модели мира GigaWorld-0 - это унифицированная платформа для обучения Vision-Language-Action, использующая генерацию видео и 3D моделирование. Она обеспечивает создание разнообразных и реалистичных последовательностей, что делает её мощным инструментом для разработки эмбодированных ИИ. 🚀Основные моменты: - Интеграция видео и 3D генерации для физической реалистичности. - Поддержка текстовых подсказок для генерации видео. - Модели доступны на Hugging Face для быстрого старта. - Открытый исходный код с лицензией Apache 2.0. 📌 GitHub: https://github.com/open-gigaai/giga-world-0 #python

📝 Редактирование PDF с помощью ИИ 🚀 Nano PDF - это CLI инструмент для редактирования PDF-документов с использованием естественных языковых запросов. Он позволяет изменять слайды, добавлять новые и сохранять текстовый слой благодаря OCR. Инструмент использует модель Gemini 3 Pro Image для быстрого и качественного редактирования. 🚀 Основные моменты: - Редактирование слайдов по текстовым командам - Генерация новых слайдов в стиле существующих - Поддержка многопоточной обработки - Сохранение текстового слоя PDF 📌 GitHub: https://github.com/gavrielc/Nano-PDF #python @pythonl

🖥 Django 6.0 вышел - крупное обновление фреймворка Вышел Django 6.0, и это одно из самых насыщенных обновлений за последнее время. Релиз добавляет функциональность, которую разработчики долго закрывали сторонними библиотеками или кастомными решениями. Что нового и действительно важно: Поддержка template partials из коробки Теперь Django умеет частичные шаблоны на уровне фреймворка. Это упрощает структуру HTML, повышает переиспользуемость и делает шаблоны чище и понятнее без лишних include-хаков. Нативный фреймворк для фоновых задач В Django появился встроенный механизм для background tasks. Для многих проектов это означает, что Celery или RQ больше не обязательны для базовых задач — отложенные и асинхронные операции можно реализовать стандартными средствами. Встроенная система Content Security Policy (CSP) Django 6.0 получил полноценную поддержку CSP. Это серьёзный шаг в сторону безопасности по умолчанию и защита от XSS и других атак без внешних middleware. Современный email API с нормальной Unicode-поддержкой Работа с email стала более предсказуемой и дружелюбной к Unicode, что особенно важно для международных проектов и сложных шаблонов писем. Жизненный цикл версий Django 5.2 больше не имеет mainstream-поддержки. Разработчикам рекомендуется переходить на 6.0, чтобы получать новые возможности, обновления безопасности и улучшения платформы. Django продолжает двигаться в сторону «batteries included», но делает это аккуратно и прагматично. Django 6.0 снижает зависимость от внешних библиотек, усиливает безопасность и делает повседневную разработку заметно удобнее. Это релиз, который стоит внимательно изучить и запланировать апгрейд. https://www.djangoproject.com/weblog/2025/dec/03/django-60-released/ @pythonl

🚀 Интерактивный помощник для Кодина Mistral Vibe Mistral Vibe - это командный интерфейс для взаимодействия с кодом, который позволяет использовать естественный язык для выполнения задач. Он предлагает мощные инструменты для работы с файлами, поиска кода и управления версиями, обеспечивая удобный и интуитивный опыт. 🚀 Основные моменты: - Интерактивный чат с AI для выполнения запросов. - Набор инструментов для манипуляции файлами и выполнения команд. - Автоматическое сканирование структуры проекта для контекстной информации. - Высокая настраиваемость через конфигурационные файлы. - Поддержка UNIX и Windows. 📌 GitHub: https://github.com/mistralai/mistral-vibe @pythonl

🚀 PYTHON В DOCKER: УСКОРЯЕМ СБОРКУ! Если ваш Python-приложение в Docker работает медленно при старте или «греет» CPU, проблема часто в том, что Docker пересобирает зависимости каждый раз. Хитрый приём: замораживайте зависимости в отдельный слой и используйте .dockerignore, чтобы локальные файлы не ломали кеш. Так Docker перестаёт пересобирать pip-пакеты и старт проекта ускоряется в разы.

 для оптимизации Python-сборки
FROM python:3.12-slim

WORKDIR /app

Слой с зависимостями (кешируется!)

COPY requirements.txt .

RUN pip install --no-cache-dir -r requirements.txt

Теперь копируем код (не ломает кеш pip)

COPY . .

CMD ["python", "main.py"]

Т-Банк ищет стажеров Хотите начать карьеру в бигтехе без опыта? В 2024 году это сделали больше тысячи студентов. 75% из них остались в команде и сегодня работают над продуктами, которыми пользуются миллионы. Стажеры здесь не остаются один на один с трудностями. С первого дня рядом менторы и команда, которая помогает разобраться в новых задачах, поддерживает и делится опытом. Вас ждет оплачиваемая стажировка с официальным оформлением и гибким графиком, чтобы совмещать работу с учебой. Что ждет новых участников стажировки: — восемь направлений на выбор: разработка, аналитика, QA, SRE и другие; — погружение в бизнес-задачи с первого дня; — работа над продуктами, которыми пользуются миллионы; — возможность работать удаленно или в офисе; — комьюнити, где вы быстро почувствуете себя своим. Подайте заявку на оплачиваемую стажировку уже сейчас