Python Portal

Відкрити в Telegram

Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6

Сітка:Times | Финансы Росія11 911 Технології та додатки2 547...

📈 Аналітичний огляд Telegram-каналу Python Portal

Канал Python Portal (@pythonportal) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 52 460 підписників, посідаючи 2 547 місце в категорії Технології та додатки та 11 911 місце у регіоні Росія.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 52 460 підписників.

За останніми даними від 10 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -783, а за останні 24 години на -20, загальне охоплення залишається високим.

Статус верифікації: Не верифікований
Рівень залученості (ER): Середній показник залученості аудиторії становить 9.32%. Протягом перших 24 годин після публікації контент зазвичай збирає 5.78% реакцій від загальної кількості підписників.
Охоплення публікацій: В середньому кожен допис отримує 4 892 переглядів. Протягом першої доби публікація в середньому набирає 3 033 переглядів.
Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 25.
Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як строка, none, true, модуль, peter.

📝 Опис та контентна політика

Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6”

Завдяки високій частоті оновлень (останні дані отримано 11 червня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.

52 460

Підписники

-2024 години

-1877 днів

-78330 день

4 892

Перегляди допису

~ 3 03324 години

~ 3 58848 годин

9.32%

Коефіцієнт залучення

~ 3

Дописів на день

Ads index

beta

Архів дописів

52 460

Весна для многих в индустрии началась с сюрпризов, и это не подснежники 💩 Но мы с вами и не с таким справлялись, да? Поэтому давайте сделаем себе что-то приятное :) 🤩🤩🤩 В апреле мы в @qa_guru разыграем сразу 2 полных гранта на годовые программы по автоматизации тестирования. — QA Automation Engineer на Python — QA Automation Engineer на Java Для этого: ⬆26 марта (уже в четверг!) ⬇в 13:00 МСК Приходи на бесплатный карьерный вебинар «QA в 2026: кто вырастет в доходе, а кто исчезнет с рынка». Занять место тут ⬅⬅⬅ Каждый участник встречи получит свой номер. А гранты разыграем среди тех, кто купит любую из годовых программ до 31 марта. Что будет на встрече? Наш эфир — продолжение февральской темы, по которой мы получили от вас много вопросов. — Поговорим, как изменилась роль QA. — Дадим список навыков, которые усиливают ценность QA-инженера и влияют на доход. — Расскажем, заменит ли ИИ тестировщиков и как использовать его в своих целях. — И куда двигаться дальше, план развития на 3–6 месяцев. — Обсудим резюме: что реально повышает отклики, а что уже не работает. Там же откроем специальные цены на курсы только для участников эфира. Если ты уже в QA, думаешь про автоматизацию или ищешь работу — приходи. Узнаешь много полезного бесплатно и получишь готовый карьерный план. 🤩 А если давно хотел пойти учиться, то это шанс забрать год бесплатно. ↘Займи место здесь

52 460

Китай заопенсорсил крупный Python-фреймворк для создания AI-агентов. Он называется AgentScope — это Python-фреймворк, построенный вокруг Agent-Oriented Programming, который позволяет визуально собирать AI-агентов с использованием MCP-инструментов, памяти, RAG и возможностей reasoning. На 100% open source. 👉 @PythonPortal

52 460

Ты можешь разрабатывать и тестировать облачные приложения полностью офлайн, без подключения к интернету Есть gofakes3 — лёгкая реализация S3 для тестирования без AWS. Она позволяет мокать облачное хранилище прямо на твоей машине. - Нулевые расходы на облако для локального тестирования - Можно тестировать интеграции с S3 офлайн - Лёгкий и простой в настройке На 100% open source 👉 @PythonPortal

52 460

Это по-настоящему самоэволюционирующий AI-агент, работающий в продакшене. Автор реализовал полноценную агентную систему всего на 3500 строках чистого Python, без зависимостей от фреймворков, в 8 файлах: Tool Use Loop + трёхуровневая система памяти (сессии → сжатая долгосрочная память через LLM → векторный поиск в LanceDB) + MCP-плагины + планировщик задач + механизм самовосстановления. Интегрированы корпоративный WeChat, обработка видео (ffmpeg), мультиижковый поиск, а также поддерживаются Docker-мультиарендность и круглосуточная работа 24/7. 👉 @PythonPortal

52 460

😅😅😅 👉 @PythonPortal

52 460

Наткнулся на портфолио одного сеньор-разраба использует Linux с 1999 27 лет опыта C/C++ (27 лет), JS (24 года), Python (20 лет), Java (22 года), Go, Rust… чел в одном языке имеет больше опыта, чем многие из нас вообще живут совсем другая лига портфолио → http://kamilnowicki.com 👉 @PythonPortal

52 460

Разберись с Multi-Stage Docker Builds - пригодится на собеседовании. Что такое Multi-Stage Build? Это способ использовать несколько инструкций FROM в Dockerfile, чтобы собирать чистые, компактные и готовые к продакшену образы. Позволяет разделить этапы сборки и выполнения . Зачем использовать Multi-Stage Builds? - Чтобы не тащить в продакшен инструменты сборки и исходный код. - Существенно уменьшить размер образа. - Повысить безопасность и производительность. Ниже пример Multi-Stage Dockerfile для Node.js

# Stage 1: Build
FROM node:18 AS builder
WORKDIR /app
COPY package*.json ./
RUN npm install
COPY . .
RUN npm run build

# Stage 2: Serve
FROM nginx:alpine
COPY --from=builder /app/build /usr/share/nginx/html
EXPOSE 80

Пояснение: - Первый этап: установка зависимостей и сборка приложения. - Второй этап: используется лёгкий образ NGINX для раздачи собранных статических файлов. В финальный образ попадает только результат сборки. Плюсы: - Меньший размер итогового образа. - Чёткое разделение ответственности (build vs runtime). - Работает с любым языком и фреймворком. 👉 @PythonPortal

52 460

Самые быстрорастущие проекты на GitHub за эту неделю: 1. msitarzewski/agency-agents (+23.2K stars) полноценное AI-агентство у вас под рукой: фронтенд-волшебники, комьюнити-ниндзя, «проверяльщики реальности». 2. obra/superpowers (+19.2K stars) фреймворк agentic-навыков, который только что достиг 100K звёзд. plug-and-play инструменты для разработки с AI-агентами. 3. 666ghj/MiroFish (+17.6K stars) движок роевого интеллекта, который умеет предсказывать что угодно. простой, универсальный, с открытым исходным кодом. 4. volcengine/OpenViking (+10.2K stars) open-source база контекста для AI-агентов. объединяет память, ресурсы и навыки. 5. lightpanda-io/browser (+9.9K stars) headless-браузер, созданный для AI и автоматизации. без Chrome, без лишнего. написан на Zig. 6. pbakaus/impeccable (+6.4K stars) дизайн-язык, который прокачивает ваш AI-harness в плане дизайна. делает vibe-coded UI более осмысленным и целостным. 7. alibaba/page-agent (+6.2K stars) in-page GUI-агент на JavaScript от Alibaba. позволяет управлять любым веб-интерфейсом с помощью обычного языка. 8. andrewyng/context-hub (+5.2K stars) слой управления контекстом для AI-агентов от Andrew Ng. 9. langchain-ai/deepagents (+4.9K stars) agent-harness с планированием, файловым backend’ом и возможностью спавнить сабагентов. 10. microsoft/BitNet (+4.8K stars) официальный фреймворк Microsoft для 1-битных LLM. полная производительность при почти нулевых вычислительных затратах. 👉 @PythonPortal

52 460

Кто-то выложил в open source компьютер, который работает даже тогда, когда весь интернет отключен. Он называется Project N.O.M.A.D. Это автономный офлайн-сервер для выживания с AI, Википедией, картами, медицинскими справочниками и полноценными образовательными курсами. Никакого интернета. Никакого облака. Никаких подписок. Он просто работает. Вот что внутри: → Локальный AI-ассистент на базе Ollama (полностью офлайн) → Вся Википедия, доступная для скачивания и поиска → Офлайн-карты любого выбранного региона → Медицинские справочники и гайды по выживанию → Полные курсы Khan Academy с отслеживанием прогресса → Инструменты шифрования и анализа данных через CyberChef → Загрузка документов с семантическим поиском (локальный RAG) И вот самая интересная часть: Солнечная панель, аккумулятор, мини-ПК и Wi-Fi-точка доступа. Всё. Это и есть твоя автономная офлайн-станция знаний. Потребление — от 15 до 65 Вт. Работает из хижины, автодома, парусной лодки или бункера. Компании продают «prepper-накопители» со статичными PDF за $185. А здесь ты получаешь полноценный AI-мозг, целую энциклопедию и реальные курсы — бесплатно. Одна команда для установки. 100% open source. Лицензия Apache 2.0. 👉 @PythonPortal

52 460

Код на Python:

print('Yes' if all([]) or any([]) else 'No')

Каков результат выполнения этого кода? 👉 @PythonPortal

52 460

Перестаньте использовать Python-код для построения «пирамид» или «стрелок» Если у вас слишком много уровней вложенных if, код перестаёт быть читаемым и удобным для поддержки — вы строите пирамиду. 😄 Посмотрите:

def process_user(user_data):
    if user_data:
        if 'name' in user_data:
            if user_data['name']:
                if 'email' in user_data:
                    if validate_email(user_data['email']):
                        return save_user(user_data)
                    else:
                        return "Invalid email"
                else:
                    return "Email missing"
            else:
                return "Name empty"
        else:
            return "Name missing"
    else:
        return "No data"

Это называется «антипаттерн стрелки» (Arrow Anti-Pattern) или «пирамида смерти» (Pyramid of Doom). Основной сценарий спрятан в самом низу. Чтобы понять, что делает код, приходится держать в голове 4+ уровней вложенности. А вот этот вариант гораздо лучше:

def process_user(user_data):
    # Сначала обрабатываем все ошибки
    if not user_data:
        return "No data"
    
    if 'name' not in user_data:
        return "Name missing"
    
    if not user_data['name']:
        return "Name empty"
    
    if 'email' not in user_data:
        return "Email missing"
    
    if not validate_email(user_data['email']):
        return "Invalid email"
    
    return save_user(user_data)

Это линейный стиль «сверху вниз», а не «вглубь и обратно». Ошибки явно обрабатываются в начале, а основная логика выделена в конце. Если данные некорректны — происходит ранний выход из функции (early return). 👉 @PythonPortal

52 460

Фильтр Калмана оценивает истинное состояние системы на основе шумных измерений. Он работает, объединяя две вещи: • модель эволюции системы • неточные показания датчиков Алгоритм выполняется в цикле из двух шагов. 1. predict (предсказание) - используется модель системы для оценки следующего состояния. - на выходе получаем предсказанное состояние и неопределённость. 2. update (обновление) - поступает новое измерение. - оно сравнивается с предсказанием. - оценка корректируется. Коррекция взвешивается с помощью коэффициента Калмана (Kalman Gain): • больше доверия модели → небольшая коррекция • больше доверия датчику → сильная коррекция Неопределённость отслеживается с помощью ковариационной матрицы (Covariance Matrix). Со временем оценка сходится. Шум отфильтровывается. Проявляется истинное состояние. Используется в: • локализации в робототехнике • беспилотных автомобилях • дронах и системах управления полётом • GPS-трекинге • объединении данных с датчиков (sensor fusion) Это рекурсивная система, которая непрерывно уточняет своё представление о состоянии мира в условиях неопределённости. 👉 @PythonPortal

52 460

Какие-то гении выложили в open source полноценный набор инструментов для отслеживания спутников и декодирования их радиосигналов локально. Тебе даже не нужен интернет — используется SDR (software-defined radio), чтобы напрямую принимать погодные снимки и сырые данные из космоса прямо на твой жёсткий диск. 100% open source. 👉 @PythonPortal

52 460

🤭🤭🤭 👉 @PythonPortal

52 460

Alibaba показали, что AI в кодинге не отнимает работу — он пишет легаси, которое ты будешь чинить ближайшие 10 лет 🤣 Пройти кодинг-тест один раз — легко. Поддерживать этот код 8 месяцев, чтобы он не развалился? Для AI почти невозможно. Alibaba протестировали 18 AI-агентов на 100 реальных кодовых базах в течение 233 дней. Смотрели не на «быстрые фиксы», а на долгосрочную стабильность. Результаты впечатлили: — 75% моделей ломали уже работающий код в процессе поддержки — Только Claude Opus 4.5/4.6 держали >50% zero-regression rate — Все остальные накапливали техдолг, который в итоге «ронял» кодовую базу Проблема в том, что мы до сих пор ориентировались на snapshot-бенчмарки вроде HumanEval — «работает ли сейчас?» Новый бенчмарк SWE-CI задаёт другой вопрос:

«А будет ли это работать через 8 месяцев эволюции?»

Большинство AI-агентов - это quick-fix артисты: код проходит тесты сегодня, но завтра превращается в боль поддержки. Они не строят софт, они скорее строят карточный домик. Нарратив стал честнее: писать код могут почти все модели. поддерживать - почти ни одна. 👉 @PythonPortal

52 460

Python Tip: Перегрузка операторов Это очень важная концепция в Python. Задумывались ли вы, как Python понимает, что означает оператор +? Для чисел — это сложение; для строк — конкатенация; для списков — объединение. Это и есть перегрузка операторов в действии. Перегрузка операторов означает задание специального поведения для операторов (+, -, *, == и т. д.) в ваших пользовательских классах. Вы определяете, как эти операторы должны работать с вашими объектами. 👉 @PythonPortal

52 460

Представили browser-whisper Транскрибация аудио в текст, которая работает нативно прямо в браузере. Использует WebCodecs и WebGPU под капотом. Особенности: - без настройки backend - не требуется API-ключ - 100% приватно и работает офлайн - всего 3 строки кода, чтобы встроить Установка:

npm i browser-whisper

GitHub-репозиторий ↓ https://github.com/tanpreetjolly/browser-whisper 👉 @PythonPortal

52 460

Развлечения в 2026 👉 @PythonPortal

52 460

Python медленный, потому что его динамическая архитектура требует runtime-dispatch при выполнении каждой операции. В этой статье много хороших разборов, которые помогают лучше понять, как работает Python. Очень хорошая работа! 👉 @PythonPortal

52 460

Самые быстрорастущие проекты на GitHub в этом месяце: 1. openclaw/openclaw (122K stars) ваш собственный персональный AI-ассистент, работает 24/7 на любой ОС 2. obra/superpowers (30.7K stars) фреймворк agentic-skills. plug-and-play инструменты для AI-агентов 3. ruvnet/RuView (30.4K stars) превращает обычные Wi-Fi сигналы в определение позы человека в реальном времени без камер, без датчиков — только Wi-Fi 4. 666ghj/MiroFish (17K stars) движок swarm intelligence, который предсказывает что угодно 5. moeru-ai/airi (16K stars) self-hosted AI-компаньон с голосовым чатом в реальном времени работает на вашей машине — вы полностью его контролируете 6. shanraisshan/claude-code-best-practice (11.8K stars) репозиторий с лучшими практиками разработки с Claude Code 7. badlogic/pi-mono (11.8K stars) полный toolkit для AI-агентов: CLI, единый LLM API, web-интерфейс, Slack-бот 8. bytedance/deer-flow (10.4K stars) open-source SuperAgent от ByteDance — самостоятельно исследует, пишет код и создаёт 9. shareAI-lab/learn-claude-code (9K stars) создание клона Claude Code с нуля — нужен только bash 10. p-e-w/heretic (7.6K stars) автоматически убирает guardrails у любой языковой модели 👉 @PythonPortal