Python/ django

🐸 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

⚡️ Приём на Python под высокой нагрузкой: ограничивай конкуренцию сам, а не доверяй это ОС. Вместо тысячи одновременных задач делай очередь + фиксированное число воркеров. Так ты: - не убиваешь БД/внешний сервис шторма́м запросов - контролируешь задержки - получаешь естественный backpressure Пример для I/O-нагрузки (HTTP запросы) с asyncio:

import asyncio
import aiohttp
from time import perf_counter

URLS = [
    "https://example.com"
    for _ in range(10_000)  # много запросов под нагрузкой
]

MAX_CONCURRENCY = 100  # ограничиваем параллелизм
QUEUE_SIZE = 1_000      # ограничиваем длину очереди (backpressure)


async def worker(name: int, queue: asyncio.Queue, session: aiohttp.ClientSession):
    while True:
        url = await queue.get()
        if url is None:  # сигнал завершения
            queue.task_done()
            break

        try:
            async with session.get(url, timeout=5) as resp:
                await resp.text()  # или resp.read()
                # здесь твоя логика обработки
        except Exception as e:
            # логируй, но не падай
            print(f"[worker {name}] error: {e}")

        queue.task_done()


async def main():
    queue = asyncio.Queue(maxsize=QUEUE_SIZE)

    async with aiohttp.ClientSession() as session:
        # поднимаем ограниченное число воркеров
        workers = [
            asyncio.create_task(worker(i, queue, session))
            for i in range(MAX_CONCURRENCY)
        ]

        # кидаем задачи в очередь
        for url in URLS:
            await queue.put(url)

        # шлём сигнал завершения воркерам
        for _ in workers:
            await queue.put(None)

        # ждём, пока всё отработает
        await queue.join()

        # аккуратно завершаем воркеров
        for w in workers:
            await w


if __name__ == "__main__":
    t0 = perf_counter()
    asyncio.run(main())
    print(f"Done in {perf_counter() - t0:.2f}s")

Суть приёма: Вместо «одна корутина на каждый запрос» ты держишь фиксированный пул воркеров. Очередь с maxsize работает как предохранитель: если бэкенд/БД не успевают, продюсер начинает тормозиться. Такой подход гораздо стабильнее под всплесками трафика, чем голый gather на десятки тысяч задач. @pythonl

🖥 На Stepik вышел курс, который учит работать с Docker на реальных проектах. Владение Docker - навык, который отличает новичка от профи, Сегодня почти всё разворачивается в контейнерах. Если ты не умеешь работать с Docker, ты медленнее, зависим от чужих настроек и постоянно ловишь баги «у меня локально работает». • как упаковывать проекты в контейнеры • как поднимать целые системы за минуты • как избегать типичных ошибок в продакшене • как делать стабильные и повторяемые окружения •в нем разобраны все возможные ошибки Только практика и реальные кейсы от авторов Docker Академии- с нуля до уверенного уровня. 🎁 Скидка 40 процентов действует 48 часов 👉 Записывайся и сделай Docker своим настоящим рабочим инструментом.

🔥 Год ChatGPT Plus бесплатно: экономим 20 000 рублей Нашли рабочую лазейку в правилах OpenAI. Вы получаете полноценный аккаунт без лимитов и с доступом ко всем топовым моделям. Инструкция (займет 2 минуты): 1️⃣ Переходим на сервис временной почты: https://em.bjedu.tech/en/ 2️⃣ Важно: в списке доменов выбираем erzi me. 3️⃣ Регистрируем новый аккаунт ChatGPT на этот адрес. 4️⃣ Получаем код подтверждения в почту - готово! ⚡️ Проверили, пока еще работает

📄🚀 Qwen-Doc: Открытые проекты по пониманию документов Qwen-Doc — это репозиторий, посвященный ИИ для работы с документами, разработанный командой Tongyi-Zhiwen. Здесь собраны исследования и практики, направленные на улучшение обработки сложных документов с помощью современных технологий, включая обучение с подкреплением и долгосрочное понимание контекста. 🚀Основные моменты: - Модели для долгосрочного понимания документов. - Использование обучения с подкреплением для улучшения ИИ. - Открытые данные и методологии для сообщества. - Проекты QwenLong-L1 и QwenLong-L1.5 с передовыми алгоритмами. - FRAMEWORK SPELL для автономного генерации обучающих данных. 📌 GitHub: https://github.com/Tongyi-Zhiwen/Qwen-Doc #python

🧮 CoolCalculator: Мини-язык программирования для вычислений CoolCalculator — это консольный калькулятор, который поддерживает пользовательские переменные и функции, рекурсию и локальные области видимости. Он предназначен для изучения парсинга и оценки выражений, а не только для численных вычислений. 🚀Основные моменты: - Поддержка пользовательских переменных и функций - Рекурсивные вызовы и перегрузка функций - Многострочный ввод и последовательное выполнение - Автоматическое создание несуществующих переменных - Удобный синтаксис для работы с выражениями 📌 GitHub: https://github.com/YaroslavPryatkin/CoolCalculator

⚡️ Wavelet Matrix - структура данных, которая делает сложные запросы быстрыми Wavelet Matrix позволяет хранить последовательности так, чтобы работать с ними молниеносно и компактно. 🔥 Что умеет библиотека: - rank - сколько раз элемент встречается до позиции - select - где находится k-е вхождение элемента - quantile - k-й по величине элемент на отрезке - top-k - самые частые элементы на диапазоне И всё это — за логарифмическое время и с экономией памяти. Чем полезен - работает быстрее, чем наивные структуры - меньше памяти, чем обычные массивы - подходит для поиска, индексирования, сжатия, аналитики Wavelet Matrix - это пример того, как «умные» структуры данных дают реальные ускорения, а не просто красивая теория. Если интересуешься алгоритмами - этот репозиторий точно стоит сохранить. Репозиторий: https://github.com/math-hiyoko/wavelet-matrix @pythonl

🐍 Стоит ли аннотировать каждую переменную в Python? Разберёмся спокойно и без фанатизма. Что вообще такое аннотации типов В Python можно указывать типы у переменных, аргументов и функций. Это помогает IDE, линтерам и статическим анализаторам находить ошибки в коде. Простой пример:

x: int = 10
name: str = "Alice"

Аргументы ЗА аннотации везде • код становится явнее • IDE лучше подсказывает • меньше скрытых ошибок • полезно в больших проектах и командах Аргументы ПРОТИВ • код становится грязнее • в простом коде типы и так очевидны • аннотации отвлекают от логики программы • иногда разработчики подгоняют код под типы, вместо хорошего дизайна программы Например, так делать смысла мало:

a: int = 0      # избыточно
count = 0       # и так понятно

Но если структура сложная, аннотация действительно помогает:

result: dict[str, list[int]] = {}

Где же истина Опытные разработчики сходятся на том, что: ✔ аннотировать функции, API и сложные структуры - полезно ✖ аннотировать каждую локальную переменную - перебор Аннотации - это инструмент для ясности, а не чек-лист, который нужно заполнять до последней строчки. Используй их там, где они помогают понять коди не заставляй Python выглядеть как Java ради галочки 🙂 ⚡️ Подробнее: https://uproger.com/🐍-nuzhno-li-annotirovat-kazhduyu-peremennuyu-v-pythonpodrobnyj-razbor-bez-fanatizma/ @pythonl

⚡️ Qcrawl - простой и быстрый веб-краулер Qcrawl - это open-source проект краулера, написанный на Go, предназначенный для эффективного сбора страниц из интернета и обработки ссылок. Это: • легковесный веб-краулер • ориентирован на масштабируемость и простоту Основные возможности • параллельная загрузка страниц • polite crawling (учёт robots.txt, ограничения на частоту запросов) • управление глубиной обхода • обработка и нормализация ссылок • гибкая архитектура для кастомных обработчиков контента • подходит для задач сбора данных из веба • хорошая база для собственных crawler-ботов • легко адаптируется под свои сценарии (парсинг, индексация, анализ) Репозиторий содержит примеры запуска, конфигурации глубины и очередей, а также модули для безопасной загрузки страниц. Если вам нужен краулер без лишнего «тяжелого» функционала, Qcrawl может стать отличной отправной точкой. GitHub: github.com/crawlcore/qcrawl