¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
PythonDigest
Ir al canal en Telegram
Сборник Python новостей: https://pythondigest.ru Наш IT-тренажер: https://app.incidenta.tech/ Создано в @incidenta_tech
Mostrar más1 862
Suscriptores
-124 horas
+27 días
+530 días
Carga de datos en curso...
Canales Similares
Nube de Etiquetas
Menciones Entrantes y Salientes
---
---
---
---
---
---
Atraer Suscriptores
junio '26
junio '26
+6
en 0 canales
mayo '26
+16
en 0 canales
Get PRO
abril '26
+14
en 1 canales
Get PRO
marzo '26
+13
en 1 canales
Get PRO
febrero '26
+20
en 0 canales
Get PRO
enero '26
+16
en 1 canales
Get PRO
diciembre '25
+15
en 0 canales
Get PRO
noviembre '25
+18
en 1 canales
Get PRO
octubre '25
+21
en 0 canales
Get PRO
septiembre '25
+10
en 1 canales
Get PRO
agosto '25
+9
en 0 canales
Get PRO
julio '25
+12
en 1 canales
Get PRO
junio '25
+12
en 0 canales
Get PRO
mayo '25
+13
en 0 canales
Get PRO
abril '25
+12
en 2 canales
Get PRO
marzo '25
+15
en 1 canales
Get PRO
febrero '25
+21
en 0 canales
Get PRO
enero '25
+20
en 2 canales
Get PRO
diciembre '24
+16
en 1 canales
Get PRO
noviembre '24
+25
en 2 canales
Get PRO
octubre '24
+26
en 1 canales
Get PRO
septiembre '24
+16
en 1 canales
Get PRO
agosto '24
+19
en 1 canales
Get PRO
julio '24
+26
en 0 canales
Get PRO
junio '24
+15
en 0 canales
Get PRO
mayo '24
+38
en 0 canales
Get PRO
abril '24
+39
en 0 canales
Get PRO
marzo '24
+41
en 0 canales
Get PRO
febrero '24
+50
en 0 canales
Get PRO
enero '24
+73
en 0 canales
Get PRO
diciembre '23
+74
en 0 canales
Get PRO
noviembre '23
+25
en 0 canales
Get PRO
octubre '23
+24
en 0 canales
Get PRO
septiembre '23
+19
en 0 canales
Get PRO
agosto '23
+30
en 0 canales
Get PRO
julio '23
+26
en 0 canales
Get PRO
junio '23
+17
en 0 canales
Get PRO
mayo '23
+11
en 0 canales
Get PRO
abril '23
+18
en 0 canales
Get PRO
marzo '23
+29
en 0 canales
Get PRO
febrero '23
+18
en 0 canales
Get PRO
enero '23
+27
en 0 canales
Get PRO
diciembre '22
+20
en 0 canales
Get PRO
noviembre '22
+18
en 0 canales
Get PRO
octubre '22
+11
en 0 canales
Get PRO
septiembre '22
+20
en 0 canales
Get PRO
agosto '22
+14
en 0 canales
Get PRO
julio '22
+18
en 0 canales
Get PRO
junio '22
+8
en 0 canales
Get PRO
mayo '22
+27
en 0 canales
Get PRO
abril '22
+16
en 0 canales
Get PRO
marzo '22
+21
en 0 canales
Get PRO
febrero '22
+15
en 0 canales
Get PRO
enero '22
+21
en 0 canales
Get PRO
diciembre '21
+19
en 0 canales
Get PRO
noviembre '21
+25
en 0 canales
Get PRO
octubre '21
+29
en 0 canales
Get PRO
septiembre '21
+21
en 0 canales
Get PRO
agosto '21
+24
en 0 canales
Get PRO
julio '21
+24
en 0 canales
Get PRO
junio '21
+18
en 0 canales
Get PRO
mayo '21
+20
en 0 canales
Get PRO
abril '21
+20
en 0 canales
Get PRO
marzo '21
+46
en 0 canales
Get PRO
febrero '21
+23
en 0 canales
Get PRO
enero '21
+33
en 0 canales
Get PRO
diciembre '20
+1 968
en 0 canales
| Fecha | Crecimiento de Suscriptores | Menciones | Canales | |
| 10 junio | 0 | |||
| 09 junio | 0 | |||
| 08 junio | +1 | |||
| 07 junio | 0 | |||
| 06 junio | 0 | |||
| 05 junio | +2 | |||
| 04 junio | +2 | |||
| 03 junio | 0 | |||
| 02 junio | 0 | |||
| 01 junio | +1 |
Publicaciones del Canal
[Видео] Как мы изобретали Temporal, пытаясь просто создать приложение
https://www.youtube.com/watch?v=UO8kOmZ5Tfk
Ларин Андрей. Старший разработчик, группа разработки IDP, Яндекс. Слайды: https://moscowpython.ru/meetup/111/inventing-temporal/
| 2 | [Видео] AI в разработке: очень хороший автокомплит или роботы нас заменят?
https://www.youtube.com/watch?v=xJPcr72bJTQ
Модерируемая дискуссия со спикерами. Рассмотрим с разных углов как AI инструменты меняют мир разработки. | 121 |
| 3 | Как я проектировал очередь задач для работы с AI-агентом
https://habr.com/ru/articles/1044554/
Разбираю, как я отделил жизненный цикл задачи от владельца следующего действия, чтобы AI-агент видел не просто список дел, а очередь: что можно брать в работу, что ждет человека, что требует ревью и что заблокировано. | 182 |
| 4 | tornado - 6.5.7
https://pypi.org/project/tornado/6.5.7/
Масштабируемый, не блокирующий web-сервер. Скачать можно по ссылке: https://pypi.python.org/pypi/tornado/ | 191 |
| 5 | Локальная Gemma 4 на MacBook читает графики и таблицы — и врёт красивее, чем говорит правду
https://habr.com/ru/articles/1044400/
MacBook M3, 16 ГБ, никакого облака. Поставил свежую Gemma 4, написал инструмент: кидаешь картинку с графиком или таблицей — получаешь CSV. Три кейса из семи — идеально. На остальных модель начала врать, причём аккуратнее, чем говорила правду: вместо рваных реальных чисел подсовывала гладкие выдуманные. Разобрал по шагам — сетап на маке, грабли с llama.cpp, сам инструмент — и собрал карту, где локальному зрению можно верить, а где оно тихо галлюцинирует | 226 |
| 6 | Как дообучить LLM. Рассказываю шаг за шагом
https://habr.com/ru/articles/1044422/
В этой статье я шаг за шагом расскажу, как дообучить LLM под свою задачу. В качестве примера возьму open-source модель Qwen2.5-0.5B и дообучу её извлекать информацию из текста в формате JSON по заданной схеме. Сначала дам короткую вводную по этапам обучения языковых моделей, а затем перейдём к практике: подготовим данные, настроим LoRA, обучим модель в Colab и сравним метрики до и после — заодно проверим, насколько сильно модель забывает прежние знания. Рассказ будет сопровождаться кодом на Python | 231 |
| 7 | Разбираемся в ML без воды: от базы до Attention. Часть 9: Дерево решений
https://habr.com/ru/articles/1044364/
В восьмой части мы завершили изучение SVM и разобрались с Kernel Trick. Теперь пришло время познакомиться с деревьями решений — одним из самых популярных и интуитивно понятных алгоритмов машинного обучения. Идея дерева решений достаточно проста. Алгоритм последовательно задаёт вопросы о признаках объекта и, в зависимости от ответов, движется по ветвям дерева, пока не придёт к итоговому решению. Именно благодаря такой структуре деревья решений считаются одними из самых интерпретируемых моделей машинного обучения. | 209 |
| 8 | Сводка pythonz 31.05.2026 — 07.06.2026
https://pythonz.net/articles/648/
А теперь о том, что происходило в последнее время на других ресурсах. | 214 |
| 9 | auto-browser - real browser — with a human in the loop.
https://github.com/LvcidPsyche/auto-browser | 204 |
| 10 | #python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Как я отучил оракула молоть околесицу про ГОСТы: сказ о doc-rag без единого (почти) заморского слова
- Как мы проектировали мониторинг Telegram-групп на Telethon
- Реверс-инжиниринг карт Heroes of Might and Magic III: Horn of the Abyss + парсер на Python
- Как конечные автоматы помогают сделать агента надежнее и при чем тут pydantic-graph?
- Как дообучить LLM. Рассказываю шаг за шагом
- Как собрать своё зеркало PyPI на nginx за вечер
- A2A изнутри: как AI-агенты из разных сервисов договариваются друг с другом
- auto-browser - real browser — with a human in the loop.
- whichllm - поиск лучшей LLM модели под оборудование
- Django - 6.0.6
Заходите в гости - https://pythondigest.ru/issue/651/ | 209 |
| 11 | whichllm - поиск лучшей LLM модели под оборудование
https://github.com/Andyyyy64/whichllm | 218 |
| 12 | beautifulsoup4 - 4.15.0
https://pypi.org/project/beautifulsoup4/4.15.0/
XML/HTML парсер. Скачать можно по ссылке: https://pypi.python.org/pypi/beautifulsoup4/ | 214 |
| 13 | aiohttp - 3.14.1
https://pypi.org/project/aiohttp/3.14.1/
http клиент/сервер для asyncio. Скачать можно по ссылке: https://pypi.python.org/pypi/aiohttp | 214 |
| 14 | (An ((Even Better) Lisp) Interpreter (In Python))
http://norvig.com/lispy2.html | 211 |
| 15 | Pipeline в машинном обучении: как создавать сложные модели без боли и утечек данных
https://habr.com/ru/companies/otus/articles/1039162/
В ML‑проектах проблемы часто начинаются не с выбора алгоритма, а с предобработки: один трансформер забыли применить к тестовой выборке, другой обучили до кросс‑валидации, третий сломался при передаче проекта коллеге. В статье разберём, как Pipeline в sklearn помогает собрать обработку данных и модель в единый воспроизводимый конвейер, снизить риск data leakage и упростить работу со сложными ML‑сценариями | 216 |
| 16 | Как конечные автоматы помогают сделать агента надежнее и при чем тут pydantic-graph?
https://habr.com/ru/articles/1043808/
Когда пишешь библиотеку, рано или поздно упираешься в движок. Не в красивый внешний интерфейс и не в обёртки, а в ту часть внутри, которая гоняет процесс по состояниям: что-то сгенерировал, проверил, решил, что делать дальше, повторил. Пара флагов, цикл while, большой if посередине, и через месяц вы уже сами не помните, какие переходы там вообще возможны и почему одна из веток недостижима.Недавно я собирал ровно такой движок и наткнулся на библиотеку, которая делает эту работу заметно аккуратнее. Называется pydantic-graph. Про неё почти не пишут, хотя на ней стоит весь pydantic-ai, агентский фреймворк от авторов Pydantic. | 224 |
| 17 | Реверс-инжиниринг карт Heroes of Might and Magic III: Horn of the Abyss + парсер на Python
https://habr.com/ru/articles/1039296/
Мне стало любопытно: смогу ли я распарсить карту HotA и написать такой парсер, который сможет быстро отвечать на вопросы вроде: «Где можно выучить заклинание “Городской портал”?», «Где найти артефакт, например, Чёрный шар?», «Есть ли в тюрьме герой Джелу?» и всё в таком духе.А ещё я решил, что искать в интернете готовые спецификации скучно. | 230 |
| 18 | Как я отучил оракула молоть околесицу про ГОСТы: сказ о doc-rag без единого (почти) заморского слова
https://habr.com/ru/articles/1043346/
Дело моё — программы писать, а сходиться им положено с мастеровой грамотой: ГОСТами, СТО, спецификациями. Хочу спросить оракула в писарне про точный пункт — получаю складную околесицу со ссылками на то, чего никто не писал. Тогда я сложил себе doc-rag: местную снасть для извлечения премудрости из собственных свитков. Внутри — устройство, грабли, история про утраченный указатель и попытка рассказать всё это без единого заморского слова. | 241 |
| 19 | Мой личный джун. Часть 1. Учим агента писать код и пользоваться git
https://habr.com/ru/articles/1043348/
Я стал немного более GPU-rich. А это значит, что пора сдуть пыль со старого проекта)В этой части статьи мы создадим необходимую инфраструктуру, напишем простого агента, а также добавим нашему агенту MCP-инструменты. | 245 |
| 20 | redis - 7.3.1
https://pypi.org/project/redis/7.3.1/
Python клиент для Redis. Скачать можно по ссылке: https://pypi.python.org/pypi/redis/ | 256 |
