Python Portal

Как распаковать кортеж, список и объект range с помощью одной звёздочки в Python. 👉 @PythonPortal

10 GitHub-репозиториев, которые настолько хороши, что их, кажется, не должны раздавать бесплатно: 1. OmniRoute — единая точка доступа к 231 AI-провайдеру с компрессией токенов и автоматическим переключением при сбоях. https://github.com/diegosouzapw/OmniRoute 2. OfficeCLI — управление Word, Excel и PowerPoint из одной командной строки. https://github.com/iOfficeAI/OfficeCLI] 3. System Prompts Leaks — системные промпты Claude, GPT, Gemini, Grok, Cursor, Copilot и других моделей. https://github.com/asgeirtj/system_prompts_leaks 4. OpenCut — бесплатная open-source альтернатива CapCut, работающая прямо в браузере. https://github.com/OpenCut-app/OpenCut 5. AI Job Search — агент на базе Claude Code, который анализирует вакансии, адаптирует резюме и пишет сопроводительные письма. https://github.com/MadsLorentzen/AI-Job-Search 6. Meetily — полностью локальная транскрибация встреч и создание саммари с помощью Whisper и Ollama. https://github.com/zaid-maker/meetily 7. Vibe-Trading — создание и запуск торговых стратегий с помощью естественного языка и AI-агентов. https://github.com/HKUDS/Vibe-Trading 8. Strix — open-source AI-сканер уязвимостей для поиска и исправления проблем безопасности. https://github.com/usestrix/strix 9. Superpower — self-hosted AI-рабочее пространство. https://github.com/superpowerlabs/superpower 10. Firecrawl — превращает любой сайт в чистые данные, готовые для использования LLM. https://github.com/mendableai/firecrawl 👉 @PythonPortal

Знали ли вы, что в Python можно читать текстовые файлы с помощью pathlib? Вот как это сделать: 👉 @PythonPortal

Ежедневная рутина с Claude

NVIDIA представила и открыла исходный код NOOA — нового фреймворка для создания ИИ-агентов. Его главная идея — описывать агента как один Python-класс, а не разносить логику по промптам, схемам инструментов, колбэкам и графам выполнения. В NOOA: • методы — это действия агента; • поля — его состояние; • docstring становятся промптами; • тип возвращаемого значения задаёт контракт ответа. Самая интересная особенность — «пустые» методы. Если тело метода содержит только ..., его реализацию во время выполнения генерирует LLM. Если внутри есть обычный Python-код, он выполняется без участия модели. Так в одном классе сразу видно, где модель может принимать решения, а где поведение полностью детерминировано. Ещё одна сильная сторона — работа с данными. Если методу передать список из 100 элементов, модель увидит только имя переменной, её тип, размер и несколько элементов с начала и конца. Все данные остаются в памяти процесса, а модель взаимодействует с ними через код, который пишет на лету. Благодаря этому ограничения начинают определяться не размером контекстного окна, а ресурсами машины, на которой выполняется код. По словам NVIDIA, на SWE-bench Verified с GPT-5.5 NOOA набирает 82,2% против 78,6% у OpenCode, используя примерно вдвое меньше обращений к модели и токенов. Статья: http://arxiv.org/abs/2607.20709 Репозиторий: http://github.com/nvidia-nemo/labs-OO-Agents 👉 @PythonPortal

🔴 Завтра тестовое собеседование на Middle Python с разработчиком из Авито Уже завтра вечером 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 Python-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.

Этот проект клонирует любой голос за несколько секунд. Voicebox — опенсорсное приложение, которое работает локально. ✓ 23 языка ✓ 5 доступных TTS-движков ✓ Высокая производительность благодаря Tauri и Rust Настоящая приватность и большой потенциал для голосовых приложений. → http://github.com/jamiepine/voicebox 👉 @PythonPortal

Если вы пользуетесь Claude Code, это поможет ощутимо сэкономить. Проблема: после каждого изменения ИИ заново читает всю кодовую базу, чтобы понять, что поменялось. Десятки тысяч токенов на каждом шаге уходят на контекст, который у него уже был. Этот репозиторий решает проблему. Он называется Code Review Graph и строит карту всей кодовой базы: каждого файла, каждой функции и всех связей между ними. Так можно увидеть реальную структуру проекта. Настройка занимает две минуты: pip install code-review-graph code-review-graph install — автоматически настраивает Claude Code, Cursor, Codex, Gemini CLI и другие инструменты code-review-graph build Когда вы меняете одну функцию, инструмент точно определяет, чего коснулось изменение: всех вызывающих её функций, зависимых файлов и тестов. ИИ читает только затронутые части, а не весь репозиторий. Экономия огромная. Задача, на которую раньше уходило около 100 000 токенов — примерно один доллар, — теперь обходится примерно в один цент. https://github.com/tirth8205/code-review-graph 👉 @PythonPortal

Делюсь страницей об AGENTS.md. На ней объясняется, как использовать этот файл, какую информацию стоит в него добавлять, а также собраны примеры из более чем 60 тысяч проектов. Отличный справочник для тех, кто хочет писать более точные инструкции для Codex и других агентов. https://agents.md 👉 @PythonPortal

Oracle, возможно, устроила одно из самых громких убийств open-source проекта в истории. Речь о Solaris. Эта ОС получила возможности, похожие на контейнеры, за много лет до появления Docker. Разработанная Sun Microsystems, Solaris в 1990-х и 2000-х работала в дата-центрах, университетах и банках по всему миру. Технология Solaris Zones позволяла запускать изолированные окружения задолго до того, как Docker сделал контейнеры массовыми. ZFS принесла снапшоты, самовосстанавливающееся хранилище и проверки целостности данных ещё тогда, когда аналогов практически не существовало. Solaris не догоняла индустрию — индустрия догоняла Solaris. В 2010 году Oracle купила Sun Microsystems за 7,4 млрд долларов. Спустя несколько месяцев компания закрыла открытую модель разработки, благодаря которой инженеры со всего мира могли участвовать в развитии проекта. Уже в августе 2010 года Oracle полностью прекратила публикацию исходного кода. Разработчики, которые годами отправляли патчи, не стали ждать. Многие ушли в Linux, где разработка оставалась открытой и развивалась быстрее. Бывшие инженеры Sun решили не дать проекту исчезнуть. Через несколько часов после закрытия открытой разработки они запустили illumos — продолжение Solaris на базе последней открытой версии исходного кода Sun. Oracle продолжила продавать Solaris корпоративным клиентам, но в 2017 году уволила большую часть команд Solaris и SPARC. К 2019 году система перешла в режим sustaining support. Если перевести с корпоративного языка, это означает: «Мы ответим на ваши обращения, но ничего нового больше не ждите». Solaris проиграла не из-за плохой инженерии. Она проиграла компании, для которой контракты на поддержку оказались важнее будущего продукта. illumos существует до сих пор. Проект остаётся открытым и поддерживается инженерами, которых Oracle так и не смогла удержать. 👉 @PythonPortal

Добро пожаловать в мир разработки Проект «TERMINAL» стал крупнейшей библиотекой бесплатного образования. В одном канале собраны курсы, книги, полезные инструменты и практические тренажёры для всех разработчиков 🎓 Практические курсы и задания 🪽 Книги и статьи известных авторов 😮‍💨 Полезные инструменты и ресурсы 🌟 IT-новости и инсайды Обучение по всем направлениям: SQL, Python, ML, Frontend, PHP, C++, Go, GIT, Linux, QA, Java, Vibe-coding, Infosec и др. Ценишь знания, подпишись: Terminal_tg

Мы постоянно обсуждаем LLM и их непрерывное развитие, но следующая революция уже совсем близко. Робототехника изменит всё не меньше. А возможно, даже сильнее. 👉 @PythonPortal

Opus 5 пересобрал Pokémon в виде полностью играбельной 3D-игры. промпт и репо: https://github.com/PauliusOS/pallet-town-3d 👉 @PythonPortal

collections.ChainMap — встроенный класс Python, который объединяет несколько словарей или других отображений в единое обновляемое представление. Вместо слияния словарей и создания новых структур данных в памяти он связывает их по ссылке, позволяя выполнять поиск и управлять ими как единым целым. 👉 @PythonPortal

Вы когда-нибудь использовали коллекцию deque в Python? deque специально разработана для быстрого, эффективного по памяти и потокобезопасного добавления и удаления элементов с обоих концов. deque можно даже циклически сдвигать! Вот несколько примеров:

Лучшие инженеры не изучают распределённые системы по поверхностным пересказам. Они сразу обращаются к фундаментальным научным статьям. Чтение таких работ помогает понять, почему системы спроектированы именно так, а не просто научиться ими пользоваться. Вот пять классических статей всех времён, которые должен прочитать каждый разработчик. 1. The Google File System (2003) Почему стоит прочитать: статья изменила подход всей индустрии, предложив считать отказ компонентов нормой, а не исключением. В ней описано, как построить масштабную отказоустойчивую распределённую систему хранения данных на базе недорогого массового оборудования, оптимизировав её под интенсивную последовательную дозапись вместо произвольной записи. Ссылка: https://static.googleusercontent.com/media/research.google.com/en//archive/gfs-sosp2003.pdf 2. Dynamo: Amazon’s Highly Available Key-Value Store (2007) Почему стоит прочитать: исчерпывающий разбор того, как пожертвовать согласованностью ради высокой доступности — AP в теореме CAP. В статье изложены ключевые паттерны, лежащие в основе масштабируемых NoSQL-хранилищ: консистентное хеширование, векторные часы, gossip-протоколы и настраиваемый кворум для операций чтения и записи. Ссылка: https://allthingsdistributed.com/files/amazon-dynamo-sosp2007.pdf 3. In Search of an Understandable Consensus Algorithm (Raft) (2014) Почему стоит прочитать: Paxos печально известен тем, насколько сложно его понять и корректно реализовать, тогда как Raft делает концепцию реплицируемых конечных автоматов более доступной. Алгоритм разбивает задачу консенсуса на отдельные подзадачи, которые легко анализировать: выбор лидера, репликацию журнала и обеспечение безопасности. Ссылка: https://raft.github.io/raft.pdf 4. Spanner: Google’s Globally-Distributed Database (2012) Почему стоит прочитать: статья показывает, как добиться строгой сериализуемости и внешней согласованности между дата-центрами по всему миру. Секрет — API Google TrueTime, ограничивающий неопределённость времени с помощью синхронизированных GPS-приёмников и атомных часов. Ссылка: https://static.googleusercontent.com/media/research.google.com/en//archive/spanner-osdi2012.pdf 5. Time, Clocks, and the Ordering of Events in a Distributed System Почему стоит прочитать: на физическое время нельзя полагаться при работе с независимыми узлами. Лэмпорт вводит логические часы и фундаментальное отношение «произошло до» (happened-before), лежащее в основе упорядочивания событий в современных распределённых сетях. Ссылка: https://amturing.acm.org/p558-lamport.pdf 👉 @PythonPortal

Сохрани этот ресурс, если работаешь с SQL. Это playground без установки, где можно: - создавать таблицы, выполнять запросы и делиться результатами; - работать с MySQL, PostgreSQL и SQL Server. Бесплатно и без установки: → http://runsql.com/r 👉 @PythonPortal

Wan2GP — бесплатная опенсорсная альтернатива облачным сервисам для генерации AI-видео вроде Higgsfield. Всё запускается локально и, по заявлению разработчиков, работает даже с 6 ГБ VRAM, старыми RTX 10-й серии и ноутбуками с 8 ГБ памяти. Внутри: — генерация видео из текста и изображений — Wan 2.2, LTX-2, Hunyuan Video и Flux — браузерный интерфейс с очередью генераций — поддержка LoRA — редактор масок — улучшение промптов Пятисекундный ролик на среднем игровом ПК можно сгенерировать за несколько минут. Без подписки, облака, лимитов и водяных знаков. Всё бесплатно. https://github.com/deepbeepmeep/Wan2GP Ну, если считать видеокарту и электричество бесплатными. 🥲 👉 @PythonPortal

В Python обычный zip() может незаметно «съесть» часть данных, если списки разной длины. 🐍 Например:

x = [1, 2, 3, 4, 5]
y = ['a', 'b', 'c']

list(zip(x, y))
# [(1, 'a'), (2, 'b'), (3, 'c')]

zip() останавливается, как только заканчивается самый короткий список — поэтому 4 и 5 просто не попадут в результат. Если нужно сохранить все элементы, есть itertools.zip_longest():

import itertools

list(itertools.zip_longest(x, y))
# [(1, 'a'), (2, 'b'), (3, 'c'), (4, None), (5, None)]

Недостающие значения он по умолчанию заполняет None. Небольшая штука, но полезно помнить, когда объединяете данные из источников разной длины. 👉 @PythonPortal

Facebook настолько не устраивал Git, что в итоге компания создала ему сразу три замены. Начиналось всё как у многих: один огромный monorepo, в котором лежал код всех команд. По мере роста кодовой базы Git начал сдавать. Обычный git fetch мог занимать до 30 минут. Инженеры тратили больше времени на ожидание Git, чем на написание кода. Facebook обратился к мейнтейнерам Git с вопросом, как масштабировать такую систему. Ответ был простой: разбить репозиторий на несколько поменьше. Для Facebook это не подходило. Весь смысл был именно в monorepo. Тогда инженеры обратили внимание на менее популярный Mercurial. Его было проще расширять, а сообщество охотнее принимало изменения. Facebook перенёс туда всю кодовую базу и помог превратить Mercurial в один из лучших вариантов для огромных monorepo. Но со временем и Mercurial упёрся в ограничения. Тогда Facebook написал собственную систему контроля версий с нуля — Sapling. А когда кодовая база выросла настолько, что один инженер уже физически не мог скачать её целиком на ноутбук, появился EdenFS — виртуальная файловая система, которая подгружает файл только в тот момент, когда разработчик реально его открывает. Три замены. Одна компания. И всё потому, что кодовая база росла быстрее, чем успевали масштабироваться существующие системы контроля версий. Большинство компаний подстраивают рабочие процессы под доступные инструменты. Facebook просто создаёт новые инструменты, когда старые перестают справляться. 👉 @PythonPortal