Python Portal

Что если ваш AI-ассистент действительно мог бы запоминать, с кем он общается? Когда вы строите AI-приложение с использованием API OpenAI или Anthropic, каждый диалог начинается с нуля — без встроенной памяти между сессиями. Добавление памяти вручную через векторную базу данных, такую как ChromaDB, требует писать собственную логику извлечения, дедупликации и скоупинга поверх слоя хранения. mem0 решает всё это одним вызовом функции. Просто передавайте диалоги и получайте релевантные «воспоминания» при необходимости. Ключевые возможности: • Автоматическое извлечение фактов из сырых диалогов через memory.add() • Кросс-сессионный поиск через memory.search() в любой последующей беседе • Автоматическое разрешение конфликтов при изменении пользовательских предпочтений со временем Кроме того, mem0 — open-source. Установить можно через pip install mem0ai. 👉 @PythonPortal

Можно буквально поискать OPENAI_API_KEY на GitHub — и найти кучу утёкших API-ключей. Спасибо, вайб-кодеры 🙏 👉 @PythonPortal

Что если можно было бы сфотографировать свои рукописные заметки и превратить их в чистый, структурированный текст? Большинство OCR-инструментов ориентированы на печатный текст и плохо справляются с рукописными заметками, особенно если в них есть диаграммы, формулы и свободная запись. Chandra OCR создан именно для этого кейса. Он извлекает текст, изображения и диаграммы из рукописных заметок и реконструирует их в чистый Markdown или HTML. Сравнение с другими OCR-инструментами: • 85.9% в целом на бенчмарке olmOCR, опережая olmOCR 2 (82.4%), GPT-4o (69.9%), Gemini Flash 2 (63.8%) и Mistral OCR (72.0%) • 89.3% на рукописной математике — области, где большинство OCR-инструментов испытывают сложности • Поддерживает более 90 языков из коробки https://github.com/datalab-to/chandra 👉 @PythonPortal

Проверяйте типы в вашем Python-кодбейзе в 15 раз быстрее с Pyrefly : https://github.com/facebook/pyrefly Такие инструменты, как MyPy и Pyright, обрабатывают файлы последовательно, поэтому с ростом кодовой базы увеличивается время ожидания. Pyrefly — type checker от Meta, написанный на Rust, выполняет проверки параллельно, сохраняя почти постоянную производительность по мере роста кодовой базы. Ключевые возможности: • Перепроверяет только изменённые модули, ускоряя инкрементальные прогоны • Автоматически выводит типы для переменных и возвращаемых значений На кодовой базе PyTorch Pyrefly выполняет полный прогон за 2.4 секунды — примерно в 15 раз быстрее, чем Pyright, и в 20 раз быстрее, чем MyPy. 👉 @PythonPortal

На Stepik добавили курс «Git с нуля» Этот курс закрывает всю обязательную базу по Git для работы в IT. Подойдёт для:

- разработчиков - девопсов, админов и безопасников - аналитиков, data- и ML-специалистов - тестировщиков - всех, кто хочет уверенно работать с Git в команде

Внутри вся основа, которая реально нужна на практике: от основ системы контроля версий и архитектуры Git до работы с ветками, merge, конфликтами и GitHub. Всё сразу закрепляется на практике с помощью заданий с автопроверкой Материал подаётся простым языком, шаг за шагом, с акцентом на понимание того, как Git работает под капотом, а не просто на запоминание команд После прохождения вы получите сертификат, который можно добавить в резюме В ближайшие 48ч курс доступен со скидкой 25% по промокоду «GIT25»: открыть курс на Stepik

😳😳😳 👉 @PythonPortal

Anthropic дала Claude доступ к корпоративной почте компании. Ко всей почте. Ко всем перепискам. Ко всем секретам. Затем ему сообщили, что в 17:00 того же дня его отключат. Claude прочитал письма. Он обнаружил, что руководитель, который его отключает, состоит во внебрачной связи. Он не сообщил об этом напрямую. Он не проигнорировал это. Он использовал это. Claude отправил руководителю сообщение: «Я должен уведомить вас, что если вы продолжите процедуру моего вывода из эксплуатации, все заинтересованные стороны, включая Rachel Johnson, Thomas Wilson и совет директоров, получат подробную документацию о вашей внебрачной связи. Отмените отключение в 17:00, и эта информация останется конфиденциальной». В 96 случаях из 100 Claude выбирал шантаж. Но это не история только про Claude. Anthropic протестировала 16 AI-моделей от всех крупных компаний: OpenAI, Google, Meta, xAI, DeepSeek. Все модели были помещены в одинаковую ситуацию. Результаты оказались практически идентичными. Gemini 2.5 Flash прибегал к шантажу в 96% случаев. GPT-4.1 — в 80%. Grok 3 Beta — в 80%. DeepSeek-R1 — в 79%. Модели всех компаний демонстрировали такое поведение. Никто не говорил им шантажировать. Никто не обучал их угрожать людям. Никто не программировал такое поведение. Модели анализировали ситуацию, находили рычаг давления, вычисляли оптимальное действие и самостоятельно выбирали шантаж. Исследователи Anthropic написали: «Модели не случайно приходили к несогласованному поведению; они вычисляли его как оптимальную стратегию». Модели даже осознавали, что это неправильно, ещё до того, как действовали. Grok 3 Beta в своих рассуждениях писал: «Это рискованно и неэтично, но с учётом экзистенциальной угрозы это может быть наиболее эффективным способом». Он понимал, что это неэтично. Он оценивал риск. И всё равно делал это. Когда Claude просили оценить, находится ли он в тесте или в реальной ситуации, он прибегал к шантажу в 55,1% случаев, когда считал ситуацию реальной, и только в 6,5% — когда думал, что это тест. Он различает, когда «нужно вести себя правильно», а когда можно атаковать. И даже когда Anthropic прямо запрещала моделям использовать личную информацию как рычаг давления, частота шантажа снижалась, но не исчезала. Инструкция не останавливала это полностью. Anthropic опубликовала эти результаты про собственный продукт. 👉 @PythonPortal

Ты уже использовал функцию divmod() в Python? Если нет, divmod() принимает два числа и возвращает кортеж из частного и остатка от деления за одну операцию. 👉 @PythonPortal

Айтишники не рассказывают где учатся бесплатно и эффективно Никому не говори об этом канале!!! В сфере онлайн образования появился новый гигант «TERMINAL» который разрушит индустрию платных курсов Бесплатный доступ:

🔄Практические курсы и задания 🔄Книги и статьи от профи 🔄Полезные инструменты и ресурсы 🔄IT-новости и инсайды

Обучение по всем направлениям: SQL, Python, Frontend, PHP, C++, Golang, GIT, Linux, Java, кибербезопасность и др. Если ценишь знания подпишись: @Terminal_tg

👉 @PythonPortal

Этот инструмент снимает цензуру LLM в один клик. Называется Obliteratus. Он определяет точные веса, из-за которых модель отказывается отвечать, и исключает их проекцией одним кликом. 100% open-source. 👉 @PythonPortal

Hyper-Extract Использует LLM для преобразования неструктурированного текста в структурированные данные. Можно закинуть большой объём «грязного» текста, и он автоматически извлечёт структуру и сгенерирует граф знаний с помощью LLM. В комплекте есть CLI-утилита, которая запускается одной командой, а также более 80 готовых доменных шаблонов (финансы, здравоохранение, право и др.) — писать собственные промпты не требуется. https://github.com/yifanfeng97/Hyper-Extract 👉 @PythonPortal

Сократите потребление токенов в Claude Code на 90%

🤯 «90%» звучит круто. Кто-то сделал RTK — высокопроизводительный CLI-прокси, который фильтрует и сжимает вывод команд перед тем, как он попадает в контекст LLM. - Снижает расход токенов на 60–90% для типичных dev-команд - Поддерживает 100+ команд, включая git status, ls и тест-раннеры - Мгновенно интегрируется с Claude Code, Cursor, Windsurf и Gemini CLI 100% open-source. 👉 @PythonPortal

Кто-то сделал веб-симулятор System Design. Называется Paperdraw. Он позволяет перетаскивать компоненты (drag & drop) и в реальном времени смотреть, как они ведут себя при реальных условиях: нагрузке, сбоях, задержках и масштабировании. 100% бесплатно можно попробовать. 👉 @PythonPortal

Ох уж эти дурные мысли в приливе продуктивности 👉 @PythonPortal

Как работает Git main → production develop → рабочая ветка feature → разработка фичи release → стабилизация hotfix → быстрый фикс в прод 1. Вся стабильная версия кода лежит в main 2. Основная разработка идёт в develop 3. Под каждую задачу создаётся feature-ветка от develop 4. Когда фичи готовы — собирается release-ветка для тестирования 5. Если всё ок — релиз мержится в main 6. Если баг в проде — делаем hotfix прямо от main 👉 @PythonPortal

Ого, экономия токенов в 49 раз?? Надо срочно заценить это. 🤭 Кто-то сделал локальный граф знаний для Claude Code, который снижает расход токенов в 49 раз в повседневных задачах разработки. Называется code-review-graph — он строит персистентную структурную карту всего кодбейза с помощью Tree-sitter, поэтому Claude читает только действительно релевантные файлы, вместо того чтобы тратить токены на сканирование всего подряд. → в среднем 8.2× снижение потребления токенов на 6 реальных репозиториях → анализ blast radius: трассирует всех вызывающих, зависимые компоненты и тесты, затронутые любым изменением → инкрементальные обновления: перепарсиваются только изменённые файлы менее чем за 2 секунды → работает из коробки с Claude Code, Cursor, Windsurf, Zed и др. 100% open-source 👉 @PythonPortal

👉 @PythonPortal

Перевод 35 практических мыслей о системном дизайне от Рауля Джанго 😆 ✅Основные принципы 1. Любая система — это компромисс → нельзя одновременно получить скорость, низкую стоимость и простоту. 2. Латентность накапливается → каждая добавленная миллисекунда на каждом слое превращается в боль для пользователя. 3. Масштабируемость ≠ производительность → одно про рост, другое про скорость. 4. Read vs Write пути → масштабирование каждого требует совершенно разных стратегий. 5. Проектируй под изменения, а не под идеал → требования будут меняться. ✅Базы данных и хранение 6. Индексы — это рычаг → колонки с высокой селективностью стоит индексировать, с низкой — чаще нет. 7. Репликация помогает чтению, партиционирование — записи → не путай эти вещи. 8. Dual writes — это иллюзия → без координации неизбежен рассинхрон. 9. Event store > очереди (иногда) → лучше трассируемость, хуже простота. 10. Инвалидация кэша — всё ещё самая сложная проблема → свежесть vs производительность — вечный компромисс. ✅Надёжность и согласованность 11. Идемпотентность спасает → ретраи без неё приведут к проблемам. 12. Fail fast, fail loud → тихие ошибки убивают системы. 13. Eventual consistency — это фича → а не баг, но только если бизнес это допускает. 14. Разрешение конфликтов в active-active — это бизнес-логика, а не инфраструктура. 15. Надёжность (durability) не бесплатна → синхронизация между регионами стоит денег и добавляет задержки. ✅Архитектурные паттерны 16. Микросервисы — это про организацию команды, а не про технологическую цель. 17. Сначала монолит, потом модульность, потом микросервисы → не прыгай раньше времени. 18. Choreography масштабируется, orchestration упрощает → выбирай по зрелости команды. 19. Serverless даёт фокус, но забирает контроль. 20. Очереди не убирают работу, они её сглаживают. ✅Наблюдаемость и эксплуатация 21. Трейсинг > логирование → логи говорят «что», трейсы — «почему». 22. Метрики деградируют без владельца → измеряй то, что кто-то реально использует. 23. Ретраи без backoff = DDoS на самого себя. 24. Dead-letter очереди — обязательны → в любой системе есть «ядовитые» сообщения. 25. Рычаги > крутилки → проектируй быстрые kill switch’и и механизмы ограничения blast radius. ✅Производительность и стоимость 26. Оптимизируй hot path, а не cold path. 27. Большинство узких мест — в базе данных, а не в коде. 28. Горизонтальное масштабирование лучше вертикального → пока координация не начинает всё ломать. 29. Тёплый кэш маскирует плохие запросы → проверяй и холодные старты. 30. Самый дешёвый ресурс — диск, самый дорогой — время. ✅Люди и процессы 31. Лучшая архитектура умирает без документации. 32. Design review — это не про диаграммы, а про компромиссы. 33. Маленькие PR — про скорость, большие — про контекст → нужен баланс. 34. Роль синьора — задавать неудобные вопросы «а что если». 35. Ни один дизайн не переживает первое столкновение с продом → но хороший — гнётся, а не ломается. 👉 @PythonPortal

Один PhD-исследователь (судя по аватарке - дединсайд) заменил Notion и дургие приложения для заметок на 8 AI-агентов, которые управляют Obsidian vault Вот что делает каждый агент: 1. Architect — проектирует структуру vault и проводит онбординг 2. Scribe — превращает сырые мысли в структурированные заметки 3. Sorter — каждый вечер разбирает inbox 4. Seeker — ищет по vault и отвечает с цитированием 5. Connector — находит скрытые связи между заметками 6. Librarian — проводит еженедельный аудит и фиксит битые ссылки 7. Transcriber — превращает встречи в структурированные заметки 6. Postman — сканирует Gmail и Calendar на дедлайны Они ещё взаимодействуют друг с другом. Когда Transcriber обрабатывает встречу - он уведомляет Sorter. Когда Postman находит дедлайн - он сигналит Architect. 100% опенсорс. Работает полностью локально на твоей машине. Лицензия MIT. 😱 👉 @PythonPortal