Уже доступно! Исследование Telegram 2025 — ключевые инсайты года 
PythonDigest
Открыть в Telegram
Сборник Python новостей: https://pythondigest.ru Наш IT-тренажер: https://app.incidenta.tech/ Создано в @incidenta_tech
Больше1 862
Подписчики
+124 часа
-17 дней
+330 день
Загрузка данных...
Похожие каналы
Облако тегов
Входящие и исходящие упоминания
---
---
---
---
---
---
Привлечение подписчиков
июнь '26
июнь '26
+16
в 0 каналах
май '26
+16
в 0 каналах
Get PRO
апрель '26
+14
в 1 каналах
Get PRO
март '26
+13
в 1 каналах
Get PRO
февраль '26
+20
в 0 каналах
Get PRO
январь '26
+16
в 1 каналах
Get PRO
декабрь '25
+15
в 0 каналах
Get PRO
ноябрь '25
+18
в 1 каналах
Get PRO
октябрь '25
+21
в 0 каналах
Get PRO
сентябрь '25
+10
в 1 каналах
Get PRO
август '25
+9
в 0 каналах
Get PRO
июль '25
+12
в 1 каналах
Get PRO
июнь '25
+12
в 0 каналах
Get PRO
май '25
+13
в 0 каналах
Get PRO
апрель '25
+12
в 2 каналах
Get PRO
март '25
+15
в 1 каналах
Get PRO
февраль '25
+21
в 0 каналах
Get PRO
январь '25
+20
в 2 каналах
Get PRO
декабрь '24
+16
в 1 каналах
Get PRO
ноябрь '24
+25
в 2 каналах
Get PRO
октябрь '24
+26
в 1 каналах
Get PRO
сентябрь '24
+16
в 1 каналах
Get PRO
август '24
+19
в 1 каналах
Get PRO
июль '24
+26
в 0 каналах
Get PRO
июнь '24
+15
в 0 каналах
Get PRO
май '24
+38
в 0 каналах
Get PRO
апрель '24
+39
в 0 каналах
Get PRO
март '24
+41
в 0 каналах
Get PRO
февраль '24
+50
в 0 каналах
Get PRO
январь '24
+73
в 0 каналах
Get PRO
декабрь '23
+74
в 0 каналах
Get PRO
ноябрь '23
+25
в 0 каналах
Get PRO
октябрь '23
+24
в 0 каналах
Get PRO
сентябрь '23
+19
в 0 каналах
Get PRO
август '23
+30
в 0 каналах
Get PRO
июль '23
+26
в 0 каналах
Get PRO
июнь '23
+17
в 0 каналах
Get PRO
май '23
+11
в 0 каналах
Get PRO
апрель '23
+18
в 0 каналах
Get PRO
март '23
+29
в 0 каналах
Get PRO
февраль '23
+18
в 0 каналах
Get PRO
январь '23
+27
в 0 каналах
Get PRO
декабрь '22
+20
в 0 каналах
Get PRO
ноябрь '22
+18
в 0 каналах
Get PRO
октябрь '22
+11
в 0 каналах
Get PRO
сентябрь '22
+20
в 0 каналах
Get PRO
август '22
+14
в 0 каналах
Get PRO
июль '22
+18
в 0 каналах
Get PRO
июнь '22
+8
в 0 каналах
Get PRO
май '22
+27
в 0 каналах
Get PRO
апрель '22
+16
в 0 каналах
Get PRO
март '22
+21
в 0 каналах
Get PRO
февраль '22
+15
в 0 каналах
Get PRO
январь '22
+21
в 0 каналах
Get PRO
декабрь '21
+19
в 0 каналах
Get PRO
ноябрь '21
+25
в 0 каналах
Get PRO
октябрь '21
+29
в 0 каналах
Get PRO
сентябрь '21
+21
в 0 каналах
Get PRO
август '21
+24
в 0 каналах
Get PRO
июль '21
+24
в 0 каналах
Get PRO
июнь '21
+18
в 0 каналах
Get PRO
май '21
+20
в 0 каналах
Get PRO
апрель '21
+20
в 0 каналах
Get PRO
март '21
+46
в 0 каналах
Get PRO
февраль '21
+23
в 0 каналах
Get PRO
январь '21
+33
в 0 каналах
Get PRO
декабрь '20
+1 968
в 0 каналах
| Дата | Привлечение подписчиков | Упоминания | Каналы | |
| 30 июня | +1 | |||
| 29 июня | 0 | |||
| 28 июня | 0 | |||
| 27 июня | +1 | |||
| 26 июня | 0 | |||
| 25 июня | 0 | |||
| 24 июня | +3 | |||
| 23 июня | +1 | |||
| 22 июня | 0 | |||
| 21 июня | +1 | |||
| 20 июня | +2 | |||
| 19 июня | 0 | |||
| 18 июня | 0 | |||
| 17 июня | +1 | |||
| 16 июня | 0 | |||
| 15 июня | 0 | |||
| 14 июня | 0 | |||
| 13 июня | 0 | |||
| 12 июня | 0 | |||
| 11 июня | 0 | |||
| 10 июня | 0 | |||
| 09 июня | 0 | |||
| 08 июня | +1 | |||
| 07 июня | 0 | |||
| 06 июня | 0 | |||
| 05 июня | +2 | |||
| 04 июня | +2 | |||
| 03 июня | 0 | |||
| 02 июня | 0 | |||
| 01 июня | +1 |
Посты канала
Как я устал от CVAT и в соло написал десктопный инструмент для авторазметки датасетов на PyQt5
https://habr.com/ru/articles/1053394/
Надоело разворачивать CVAT через докер и мириться с лагами браузера? Я расскажу свою историю, как от простецкого аннотатора собранного на коленке написал мощную легковесную отечественную альтернативу на PyQt5 и OpenGl, с пакетной авторазметкой и иерархией классов.
| 2 | import-linter: пусть границы слоёв сторожит машина, а не человек
https://habr.com/ru/articles/1053430/
Обычный летний день на проекте: ruff зелёный, mypy зелёный, тесты проходят. А domain при этом тихо импортирует adapters. Слоистая архитектура, которую рисовали на старте, теперь осталась только на схеме. Линтер ловит неиспользуемый импорт и кривой отступ. Типизатор - что вместо int передали str. А то, что бизнес-логика потащила в себя SQLAlchemy или Redis, не видит никто. | 152 |
| 3 | Интересные развлечения со змеей
https://habr.com/ru/companies/timeweb/articles/1035184/
На этот раз у нас известный язык программирования Python, c двумя стилизованными змеями на логотипе, интересные и необычные развлечения с которым были собраны в этой замечательной статье. | 202 |
| 4 | Django-style фильтры поверх SQLAlchemy: зачем я написал python пакет sqlalchemy-query-manager
https://habr.com/ru/articles/1052518/
TL;DR: я сделал sqlalchemy-query-manager — небольшой слой поверх SQLAlchemy для типовых backend-запросов. Он не заменяет SQLAlchemy, а добавляет более компактную запись для частых операций: фильтры в стиле number__gte=100, условия через Q, фильтрацию по связанным моделям, eager loading, CRUD helpers, агрегаты и просмотр итогового SQL. Идея в том, чтобы оставить SQLAlchemy в основе, но убрать повторяющийся код там, где запросы становятся слишком большими. | 214 |
| 5 | Сводка pythonz 21.06.2026 — 28.06.2026
https://pythonz.net/articles/651/
А теперь о том, что происходило в последнее время на других ресурсах. | 205 |
| 6 | #python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Django-style фильтры поверх SQLAlchemy
- Как утки с СДВГ довели меня до опенсорса
- Почему RAG естественно подходит для рекомендаций
- uv в проде: скорость реальна, интеграция не бесплатна
- Science‑purpose‑RAG: туда и обратно
- Инженер попросил нейросеть помочь с кодом…
- Хватит засовывать всё в контейнеры: возвращаем комфорт в локальную разработку
- TileRT - Tile-Based Runtime for Ultra-Low-Latency LLM Inference
- numpy - 2.5.0
- Django 6.1
Заходите в гости - https://pythondigest.ru/issue/654/ | 207 |
| 7 | Мой мониторинг аптайма сам нагенерил 932 фантомных падения
https://habr.com/ru/articles/1052038/
2 июня мой мониторинг аптайма разом отрапортовал, что упало почти всё: 932 инцидента за 25 минут. Сайты были живы — все до единого. Виноваты дефолтный лимит файловых дескрипторов 1024 и «оптимизация», тихо размножившаяся в 60 раз. Разбираю по приборам: /proc, ss, EMFILE и почему docker compose restart не спасает. | 202 |
| 8 | Science‑purpose‑RAG: туда и обратно
https://habr.com/ru/articles/1052280/
Я хотел написать маленький локальный RAG для научных статей: графы, hybrid search, HyDE, reranker, всё красиво. В итоге Full Pipeline проиграл почти всем простым baseline’ам, графы начали портить контекст, HyDE вредил, а локальная LLM уверенно делала вид, что всё хорошо. Потом я разобрался, что ломалось, выкинул лишние LLM‑вызовы, починил trimming и получил систему, которая, наконец, начала выигрывать там, где должна. Где же оно сломалось? | 213 |
| 9 | Построили рекомендательную систему для игр и поняли, почему простые решения работают, а сложные нет
https://habr.com/ru/companies/alfa/articles/1048308/
В игре человек выполняет задания ради бонусов или энергии, а для банка эти задания — реальные действия: оплата ЖКХ, заправка через приложение или заказ новой карты. Это отличный способ нативно продвигать продукты без назойливых рекламных баннеров.Если в играх мало заданий, то их можно просто показать всем. Но когда механик становится много, появляется классическая рекомендательная задача: что именно предложить конкретному клиенту, в каком порядке, и как оценить эффект? | 225 |
| 10 | Python in a Sandbox With MicroPython and WASM
https://pycoders.com/link/16613/web
Simon’s been in search of the perfect code sandbox. This article is about his latest attempt and covers why he wants a sandbox and what tech he’s used to achieve it. | 222 |
| 11 | TileRT - Tile-Based Runtime for Ultra-Low-Latency LLM Inference
https://github.com/tile-ai/TileRT | 219 |
| 12 | sglang-omni - High-Performance Multi-Stage Pipeline Framework for Omni Models
https://github.com/sgl-project/sglang-omni | 230 |
| 13 | The Fastest Python Struct?
https://www.crumpledpaper.tech/2026-06-21-python-struct-profiling/ | 227 |
| 14 | Free-threaded Python: past, present, and future
https://lwn.net/SubscriberLink/1078367/5800cc051d01e516/ | 246 |
| 15 | Explicit Lazy Imports Are Coming to Python 3.15
https://blog.jetbrains.com/pycharm/2026/06/explicit-lazy-imports-are-coming-to-python-3-15/ | 249 |
| 16 | Как утки с СДВГ довели меня до опенсорса: зачем я собрал утилиту для перевода коротких видео на домашней видеокарте
https://habr.com/ru/articles/1051580/
Листал ленту тиктока и попался американский ролик про СДВГ, где всё объясняют на утках. Понравилось. И я подумал: классно было бы сделать такой же тикток, только на русском.Но я ленивый. Снимать, писать сценарии, делать всё с нуля - это скучно. А вот взять готовый ролик и перевести-переозвучить его на русский - вот это уже интересно, подумал я, а потом задумался, о том, как это автоматизировать. Это оказалось интересной инженерной задачей, которая увлекла меня на неделю времени, и привела к созданию ИИ утилиты с открытым исходным кодом. | 239 |
| 17 | Run Modified Python Code Using the AST Module
https://pydantic.dev/articles/eval-type-backport
How to work with Python’s Abstract Syntax Tree (AST), a foundation of many metaprogramming techniques, and how this can be valuable in the age of AI | 238 |
| 18 | Pluggy - production ready plugin system
https://github.com/pytest-dev/pluggy | 243 |
| 19 | Хватит засовывать всё в контейнеры: возвращаем комфорт в локальную разработку
https://habr.com/ru/companies/domclick/articles/1048230/
Сегодня хочу поделиться своим подходом к локальной разработке backend‑приложений. Речь пойдёт о том, как вернуться к использованию виртуальных окружений, отказавшись от контейнеризации там, где она начинает мешать, а не помогать.Каждый разработчик давно знает обо всех преимуществах Docker: мы привыкли воспринимать его как универсальный ответ на любые вопросы инфраструктуры. Некогда революционная парадигма разработки стала чем‑то обыденным и сегодня часто принимается как no‑brainer решение при разработке очередного проекта на локальной машине. | 242 |
| 20 | Книга: «Анализ данных с LLM. Текст, таблицы, изображения и аудио»
https://habr.com/ru/companies/piter/articles/1050570/
Большие языковые модели (LLM) позволяют оптимизировать и ускорить решение практически любой задачи в области анализа данных. Освойте методы для анализа больших массивов текстовых, табличных и графовых данных, изображений, видео и многого другого с помощью понятных запросов на естественном языке и нескольких строк кода на Python. | 248 |
