Python/ django

⚡️ Дарио Амодеи: софт скоро может стать «почти бесплатным» CEO Anthropic Дарио Амодеи предупреждает: мы быстро идём к миру, где создание софта становится настолько дешёвым, что будет ощущаться почти бесплатным. Из-за этого может исчезнуть старая логика рынка: раньше приложения делали “в массовую дистрибуцию”, чтобы окупить разработку. А дальше этот принцип может перестать работать. Возможный сценарий будущего: - приложения и функции будут генерироваться под конкретный запрос, - даже для простых задач “на один раз”, - без долгой разработки, команды и релизных циклов. Но у этого есть обратная сторона: карьеры, построенные на традиционной разработке, могут полностью исчезнуть. По мнению Амодеи, адаптироваться можно, но проблема в том, что многие ещё не понимают масштаб изменения, которое уже началось. @pythonl

🖥 Ты бы поставил в прод пакет, который вышел 2 часа назад? Обновлять зависимости важно - так ты получаешь новые фичи и фиксы багов. Но у свежих релизов есть минус: часто в первые дни всплывают ошибки, несовместимости и неожиданные регрессы, пока комьюнити не успеет всё отловить. ✅ В uv для этого есть опция exclude-newer Она позволяет задать “период охлаждения” - и пропускать пакеты, которые были выпущены слишком недавно. Как использовать: добавь в pyproject.toml: exclude-newer = "7 days" И при желании поменяй срок под себя (например, 3 дня, 14 дней и т.д.). Идея простая: обновляйся регулярно, но не на самых горячих релизах. https://www.youtube.com/shorts/98q0IkNrBbU @pythonl

🎨 Генерация изображений с GLM-Image GLM-Image - это мощная модель генерации изображений, использующая гибридную архитектуру с автогрессивным и диффузионным декодерами. Она превосходно справляется с задачами текстового рендеринга и генерацией изображений с высоким уровнем детализации, поддерживая как текст-в-изображение, так и изображение-в-изображение. 🚀 Основные моменты: - Гибридная архитектура для высококачественной генерации изображений. - Поддержка текст-в-изображение и множество задач изображение-в-изображение. - Модуль обратной связи для улучшения семантического понимания и детализации. - Высокая точность рендеринга текста в изображениях. - Доступность через Hugging Face и ModelScope. 📌 GitHub: https://github.com/zai-org/GLM-Image @pythonl

📌 Библиотека алгоритмов робототехники на Python. PythonRobotics - открытая коллекция кода на Python и учебник по алгоритмам робототехники, которую собрал Ацуши Сакаи. 🟡В проекте есть все: 🟢Локализация (EKF, фильтры частиц, гистограммные фильтры); 🟢SLAM (FastSLAM, ICP-сопоставление); 🟢Планирование пути (A, RRT, Дейкстра, D*, потенциальные поля, решетка состояний); 🟢Отслеживание траекторий (контроллер Стэнли, LQR, MPC); 🟢Навигация для манипуляторов; 🟢БПЛА; 🟢Проектирование движения для двуногих роботов. К каждой теме есть визуальные анимации, математические объяснения и рабочий код. Библиотека не перегружена, ее легко читать и понимать, она содержит практические алгоритмы. которые реально используются в индустрии. Это отличный образовательный ресурс с 2 212 коммитами, вкладом 138 разработчиков и активной поддержкой. Если вы изучаете робототехнику, создаете автономные системы или преподаете алгоритмы — этот ресурс для вас. У проекта лицензия MIT, так что можно свободно использовать его в личных или коммерческих проектах. А еще, это отличный пример, как выглядит хороший опен-сорс: образовательный, практичный, хорошо документированный и развиваемый сообществом. @ai_machinelearning_big_data #AI #ML #Robotics #Github

🕐 FastScheduler: “Celery для запуска скриптов по расписанию, но без боли” Иногда нужно просто: - запустить функцию каждые 5 минут - или каждый день в 09:00 - или по cron …и всё. Но Celery для этого — реально оверкилл: брокер, воркеры, Redis/RabbitMQ, отдельная инфраструктура. FastScheduler решает ровно эту задачу: ✅ *in-process* планировщик задач (никаких Redis / брокеров) ✅ decorator-first API — красиво и быстро ✅ async поддержка из коробки ✅ персистентность (состояние сохраняется, переживает рестарты) ✅ опционально — FastAPI dashboard для просмотра задач Пример того, как выглядит API:

@scheduler.every(5).minutes
def sync_users():
    ...

@scheduler.daily.at("09:00")
async def morning_report():

Философия простая:

если тебе не нужна распределённость - не бери Celery, попробуй FastScheduler.

Установка:

pip install fastscheduler[all]

📌 GitHub: https://github.com/MichielMe/fastscheduler @pythonl

Сел я значит вечером подправить пет-проект и вот как-то закрутилось @pythonl

🧠 Awesome Agentic Patterns - шпаргалка по агентам, которая реально полезна Наткнулся на репозиторий awesome-agentic-patterns - и это один из самых практичных “awesome-листов” по теме AI-агентов. 📌 Что внутри: не теоретические рассуждения, а паттерны - мини-архитектуры и рабочие приёмы, которые используют команды, когда делают production-агентов. Автор прямо пишет идею проекта: > тут не про “игрушки и демки”, а про штуки, которые закрывают грязную реальность продакшена. Почти любой агент в проде упирается в одни и те же проблемы: - контекст не помещается → нужно умно управлять памятью - модель косячит → нужны retry/валидация/guardrails - цепочки действий ломаются → нужна оркестрация - непонятно, что пошло не так → нужны логи + eval - безопасность / PII → нужен sandbox и фильтрация И вот под это как раз собраны паттерны. https://github.com/nibzard/awesome-agentic-patterns @pythonl

🌍 Google выпустили TranslateGemma - открытые модели перевода на базе Gemma 3 Google представили TranslateGemma - набор open-source переводчиков, построенных на Gemma 3. Что важно: - это не “чат-LLM, который может переводить”, а отдельная линейка моделей именно под перевод - доступны размеры 4B / 12B / 27B - поддержка 55 языков - фокус на практичности: можно запускать на разном железе и встраивать в приложения Идея простая: сделать качественный машинный перевод доступным и открытым, чтобы разработчики могли использовать модели локально, в продуктах и сервисах без привязки к закрытым API. Ещё один шаг к тому, что перевод становится “базовой функцией” прямо внутри открытых моделей. Анонс: https://blog.google/innovation-and-ai/technology/developers-tools/translategemma/ HF: https://huggingface.co/collections/google/translategemma @pythonl

🐸 Microsoft зарелизили FrogMini - модель для дебага и исправления багов. Что важно: - Базируется на Qwen3-14B - Показала SOTA на SWE-Bench Verified: Pass@1 = 45.0% 🔥 Как обучали: - Использовали SFT (supervised fine-tuning) - Данные - успешные debugging trajectories (пошаговые цепочки исправлений) - Эти траектории сгенерированы сильной teacher-моделью (например, **Claude**) - Источники багов - микс реальных и синтетических датасетов Идея простая, но мощная: учим модель не просто писать код, а думать как дебаггер - шаг за шагом. 📌 Теперь Qwen3-14B + правильные траектории = реальный tool для SWE задач. https://huggingface.co/microsoft/FrogMini-14B-2510 @pythonl

🧭 LLMRouter - умная маршрутизация запросов между LLM UIUC (ULab) выложили LLMRouter - проект про то, что скоро станет стандартом в AI-продуктах: не выбирать “одну лучшую модель”, а маршрутизировать запросы между несколькими LLM так, чтобы было: - дешевле - быстрее - точнее Идея простая: разные модели сильны в разном. Одна лучше пишет код, другая - рассуждает, третья - дешёвая для рутины. Но большинство продуктов до сих пор делают тупо: “все запросы → одна LLM”. LLMRouter делает наоборот: - анализирует входной запрос - оценивает сложность / тип задачи - выбирает подходящую модель - может учитывать цену, latency, качество, политики В итоге: ✅ обычные вопросы идут в дешёвую модель ✅ сложные reasoning-задачи - в сильную ✅ код/инструменты - в специализированную ✅ и всё это автоматически Почему это важно: как только у тебя 3-5 моделей (OpenAI/Anthropic/Gemini/open-source), маршрутизация превращается в экономию десятков тысяч долларов в месяц. Короче: это “load balancer” для LLM, но с мозгами. GitHub: https://github.com/ulab-uiuc/LLMRouter #LLM #AI #Routing #Agents #MLOps @pythonl

💼 ru-test-assignments - большая база реальных тестовых заданий от IT-компаний ru-test-assignments - это открытая коллекция настоящих тестовых заданий, которые кандидаты получали на собеседованиях в российских IT-компаниях. Без абстрактных задач «в вакууме» только то, что реально спрашивают. Что внутри 👇 • Сотни заданий по направлениям: Frontend, Backend, QA, Android, iOS, Data Science, DevOps • Компании из топа рынка: Avito, Яндекс, Тинькофф, Сбер, Ozon, VK и другие • Разные языки и стеки: Python, JavaScript, Go, Java, PHP, Ruby, C# • Готовые задания можно прикреплять в портфолио (например, через Hexlet CV) Почему это полезно: - понимаешь реальные требования рынка - тренируешься на задачах уровня интервью - закрываешь пробелы в стеке - усиливаешь портфолио без выдуманных кейсов Отличный ресурс для подготовки к собеседованиям и оценки своего уровня. https://github.com/Hexlet/ru-test-assignments

⚡️ Все шпаргалки для программистов в одном месте. Внутри много полезного: короткие, понятные подсказки по языкам, технологиям и фреймворкам. Без регистрации и бесплатно. https://overapi.com/ @pythonl

📢 ИИ из каждого утюга, а как им пользоваться-то? Владение нейросетями — один из ключевых навыков для разработчика в 2026 году. И пока год только начинается, есть время накопить «опыт в ML» и подтвердить его в собственном резюме. Научитесь применять ИИ на практике с бесплатным курсом Академии Selectel. На нем вы: 👉 развернете нейросети в облаке за 5 минут, 👉 создадите Telegram-бота для обработки полученных сообщений, 👉 познакомитесь с библиотекой от Hugging Face и задеплоите шаблон для генерации изображений на сервер с GPU. А бонусом разберете актуальные нейросети в 2026 году и получите лайфхаки по генерации изображений. Внутри курса — шесть блоков с инструкциями от экспертов Selectel, обзоры на Midjourney, DALL-E, Stable Diffusion и другие нейросети для разработчиков. Прокачивайте практические навыки абсолютно бесплатно ➡️

🖥 PYTHON СТАРТЕР ДЛЯ ЛЮБОГО ПРОЕКТА Сохраняй себе это - и используй каждый раз, когда начинаешь новый Python-проект. Перед тем как писать код, сделай 5 вещей: - создай правильную структуру проекта - подними виртуальное окружение - закрепи зависимости (requirements/poetry) - добавь линтер и форматтер, чтобы код сразу был норм - вынеси секреты в .env, а не в код Это экономит часы на дебаге и делает проект “взрослым” с первой минуты.

1) создать папку проекта
mkdir my_project && cd my_project

2) виртуальное окружение
python -m venv .venv
source .venv/bin/activate

3) базовые файлы
touch main.py requirements.txt .env .gitignore

4) gitignore + env
echo ".venv/
__pycache__/
.env
*.pyc" > .gitignore

# 5) полезный стартовый набор
pip install -U pip
pip install ruff black python-dotenv

https://www.youtube.com/shorts/lnKQ_2UjOfw

🎁 Дед Мороз Денис Носков тут подарки вам на +300к принёс! Заберёте? Без лишних прелюдий, рассказываем: 💥 5000+ рабочих AI-шаблонов 💥 170+ AI-ассистентов 💥 3 годовые подписки на ВСЕ нейронки (стоимостью более 200 000₽) 💥 17+ локальных нейросетей 💥 готовые open-source решения под заработок Всё это может стать вашим, ведь уже 17 января (суббота) в 12:00 по мск Денис Носков на своём бесплатном эфире будет раздавать эти подарки всем участникам! Хотите тоже их получить? Жмите на ссылку и регистрируйтесь: 👉🏼 https://neuroncourses.com/web2?utm_source=ch7 Помимо этого Денис расскажет, как вы можете собрать своё AI-агентство и продавать AI-решения по $1500+ за проект уже сейчас! Без кода. Без команды. Без «разберитесь сами». Это не лекция. Это раздача активов и рабочей модели. 🎯 Эфир бесплатный. 🎁 Подарки ВСЕМ, кто будет до конца. 👉 https://t.me/Neuron_PromtMaster_bot?start=ch7 Количество бесплатных мест ограничено.

🖥 БЫСТРЫЙ СЕРВЕР ДЛЯ PYTHON ЗА 5 МИНУТ Нужно быстро поднять сервер под Python-проект без лишней возни? Ставим системные пакеты, создаём отдельного пользователя, настраиваем venv, делаем systemd-сервис и сразу получаем автозапуск + рестарт при падении. Идеально для FastAPI / Flask / любых API и ботов.

sudo apt update && sudo apt install -y python3-venv python3-pip nginx
sudo useradd -m -s /bin/bash app && sudo mkdir -p /opt/app && sudo chown -R app:app /opt/app
sudo -u app bash -lc 'cd /opt/app && python3 -m venv venv && ./venv/bin/pip install -U pip uvicorn fastapi'

sudo tee /etc/systemd/system/app.service >/dev/null <<'EOF'
[Unit]
After=network.target

[Service]
User=app
WorkingDirectory=/opt/app
ExecStart=/opt/app/venv/bin/uvicorn main:app --host 0.0.0.0 --port 8000
Restart=always

[Install]
WantedBy=multi-user.target
EOF

sudo systemctl daemon-reload
sudo systemctl enable --now app
sudo systemctl status app --no-pager

https://www.youtube.com/shorts/cbUNWU1Sbsc

📹 Загрузчик видео с YouTube и других платформ tuitube — это текстовый интерфейс для загрузки видео с YouTube, 𝕏, Twitch, Instagram и Bilibili с использованием yt-dlp. Удобный инструмент для тех, кто предпочитает командную строку. 🚀 Основные моменты: - Поддержка множества видео платформ - Использует yt-dlp для загрузки - Простой текстовый интерфейс - Легко настраивается и использует командную строку 📌 GitHub: https://github.com/remorses/tuitube #python

🤖 talk-to-girlfriend-ai - AI-агент для помощи в переписке через Telegram Это проект Telegram-бота/агента, который помогает придумывать умные и уместные ответы в переписке — анализирует контекст и предлагает варианты ответа. Что умеет AI: - пишет ответы на основе диалога - генерирует фразы для старта разговора - помогает формулировать сообщения более интересно - даёт советы, как поддерживать беседу - умеет читать и отправлять сообщения через Telegram API ⚡️ Как работает: - CLI-агент на TypeScript - мост на Python для работы с Telegram - AI-ядро (модель) - semantic search для поиска подходящих фраз 📌 Репозиторий: https://github.com/arlanrakh/talk-to-girlfriend-ai

🚀 Умный плагин для Claude Code Claude Workflow — это универсальный плагин, который включает специализированные агенты и навыки для автоматизации разработки программного обеспечения. Он помогает в координации задач, анализе кода, написании документации и обеспечении безопасности. 🚀 Основные моменты: - 7 специализированных агентов для различных задач - 6 знаний для улучшения проектирования и тестирования - Поддержка нескольких стилей вывода через слэш-команды - Автоматизация с помощью хуков для повышения безопасности и качества кода 📌 GitHub: https://github.com/CloudAI-X/claude-workflow

🚀 Модели IQuest-Coder-V1 для автономного программирования IQuest-Coder-V1 — это семейство больших языковых моделей, предназначенных для улучшения автономного программирования и интеллектуального анализа кода. Модели используют инновационную многослойную парадигму обучения, обеспечивая выдающиеся результаты на ключевых бенчмарках. 🚀 Основные моменты: - Достигает лучших результатов на SWE-Bench и других бенчмарках. - Обучение на основе динамики изменений в репозиториях. - Два специализированных направления: Thinking и Instruct модели. - Поддержка контекста до 128K токенов. - Эффективная архитектура с рекуррентным механизмом. 📌 GitHub: https://github.com/IQuestLab/IQuest-Coder-V1 #python