50319
Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Работаем с @Spiral_Yuri РКН: https://clck.ru/3GMMF6
Распаковка словаря
Существует несколько способов распаковать словарь, чтобы извлечь его ключи и значения в отдельные переменные или структуры данных.
- Использование функции list для извлечения ключей
Если у вас есть словарь и вы хотите получить его ключи в виде списка, можно использовать функцию list. Передача словаря в качестве аргумента этой функции возвращает список ключей словаря. См. ниже:
my_dict = {'name': 'John', 'age': 30, 'city': 'New York'}
# Извлечение ключей словаря
dict_keys = list(my_dict)
dict_keys['name', 'age', 'city']
def display_info(name, age, city):
print(f"Your name is {name}. You are {age} years old. "
f"You live in {city}")
my_dict = {'name': 'John', 'age': 30, 'city': 'New York'}
display_info(**my_dict)
Your name is John. You are 30 years old. You live in New York
При написании научных статей или работе с исследовательскими отчётами приходится использовать LaTeX для вёрстки, запускать Python-скрипты и постоянно переключаться между редактором и AI-веб-страницами.
Недавно, просматривая GitHub, наткнулся на open-source проект под названием ClaudePrism — это локальный десктопный клиент, специально заточенный под академическое и исследовательское письмо.
В нём есть встроенный офлайн-компилятор LaTeX, среда выполнения Python и AI-ассистент для написания текстов, при этом все файлы хранятся локально.
Также в нём есть более 100 профессиональных skill-паков для разных научных областей: биоинформатика, хемоинформатика, машинное обучение и другие.
Плюс есть фича Q&A по скриншотам — можно выделить формулу или график из PDF и сразу отправить в AI с вопросом, а также таким образом разбирать комментарии рецензентов.
👉 @PythonPortal
Кто-то недавно сделал инструмент, который генерирует и визуализирует сложные 3D particle systems просто по текстовому промпту.
Ты описываешь, что нужно — он сам собирает физику и сразу отдаёт готовый код на React или three.js.
Полностью бесплатно.
👉 @PythonPortal
Проверка на анаграммы
У вас есть две строки; как проверить, являются ли они анаграммами? Анаграммы — это слова или фразы, содержащие один и тот же набор символов, но в другом порядке. Например, “listen” и “silent” — анаграммы друг друга, потому что используют одни и те же буквы.
Если вы хотите проверить, являются ли две строки анаграммами, можно использовать Counter() из модуля collections. Counter() поддерживает проверку на равенство. По сути, мы можем использовать его, чтобы проверить, равны ли переданные объекты. В приведённом ниже коде мы проверяем, являются ли a и b анаграммами.
from collections import Counter
my_word = 'test'
another_word = 'stot'
print(Counter(my_word.casefold()) == Counter(another_word.casefold()))
sorted() для проверки, являются ли две строки анаграммами. По умолчанию функция sorted() сортирует переданную строку по возрастанию. Поэтому, когда мы передаём строки в sorted() и сравниваем их на равенство, сначала строки сортируются, а затем сравниваются. См. код ниже:def check_anagrams(str1, str2):
return sorted(str1) == sorted(str2)
my_word = 'lost'
another_word = 'stol'
result = check_anagrams(my_word, another_word)
print(result)
def check_anagrams(str1, str2):
if len(str1) != len(str2):
return False
for char in str1:
if str1.count(char) != str2.count(char):
return False
return True
my_word = 'lost'
another_word = 'stol'
print(check_anagrams(my_word, another_word))
После тысячи видео "Стань Python-разработчиком с 0 до PRO" нашли видео для джунов, которые уже знают базу и не хотят опять слушать про print("Hello, World!")
Если уже знаешь синтаксис и основные конструкции в питоне, но застрял на уровне джуна, то видео точно будет полезно. Как мы поняли, это первая часть. В ней про Pydantic, ООП и декораторы настолько понятно, насколько это вообще возможно. К концу второй части обещают подтянуть 😊
👉 @PythonPortal
Microsoft открыла исходники комплексной обучающей программы по Rust
Репозиторий microsoft/RustTraining на GitHub содержит 7 структурированных «книг», охватывающих Rust от начального до экспертного уровня, с учётом разработчиков из разных стеков:
Bridge-книги (начать отсюда):
• Rust для C/C++ разработчиков
• Rust для C# разработчиков
• Rust для Python разработчиков
Deep Dive: Async Rust (Tokio, стримы, отмена задач)
Advanced: Rust Patterns (Pin, аллокаторы, lock-free структуры)
Expert: Type-Driven Correctness (type-state, phantom types)
Practices: Rust Engineering (CI/CD, кросс-компиляция, Miri)
Каждая книга включает 15–16 глав, диаграммы Mermaid, интерактивные Rust playground’ы и практические задания.
Независимо от того, вы системный программист, переходящий с C++, .NET-разработчик, изучающий high-performance код, или Python-разработчик, уставший от GIL — здесь есть понятный путь.
Уже более 500 звёзд. Полностью open-source (MIT + CC-BY-SA-4.0).
Rust всё увереннее закрепляется в индустриальном стеке. Если вы ждали структурированный способ его изучить — это он.
100% опенсорс
👉 @PythonPortal
termaid —— Python CLI-инструмент, который напрямую рендерит Mermaid в Unicode-диаграммы прямо в терминале.
Когда работаешь в SSH, TUI или CLI-пайплайнах, не нужно переключаться в браузер, чтобы посмотреть диаграмму. Инструмент уже поддерживает основные типы: flowchart, sequence, class, ER, state, treemap, pie. При этом он полностью на Python и без зависимостей — что особенно важно для CLI-утилит.
100% опенсорс
👉 @PythonPortal
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
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
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
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
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"
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)
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
Кто-то сейчас делает веб-браузер с нуля.
❌Не форкает Chromium
❌Не использует WebKit
❌Не заимствует ничего из Gecko
С нуля.
Вот почему это почти безумная затея.
Практически все браузеры, которыми вы пользуетесь сегодня — Chrome, Edge, Brave, Opera, Arc, Samsung Internet — работают на Chromium. Safari работает на WebKit, от которого в своё время произошёл Chromium. Firefox — единственный независимый движок, и его доля рынка снижается уже больше десяти лет.
Браузерный движок — одна из самых сложных систем, о которой большинство людей даже не задумывается. Он парсит HTML, исполняет JavaScript, реализует CSS, обрабатывает криптографию, декодирует изображения, воспроизводит видео, управляет памятью — и всё это одновременно, для каждой вкладки, при этом поддерживая границу безопасности между вашей машиной и интернетом.
Создать такой движок с нуля — это то, что никому не удавалось успешно сделать уже больше десяти лет.
И всё же Ladybird это делает.
Более 1200 контрибьюторов. Каждый слой написан с нуля:
> LibWeb — движок рендеринга
> LibJS — JavaScript-движок
> LibWasm — WebAssembly
> LibCrypto / LibTLS — криптография
> LibGfx — графика
> LibMedia — аудио и видео
Каждая вкладка работает в отдельном sandboxed-процессе. Сетевые соединения и декодирование изображений вынесены в отдельные процессы, чтобы вредоносная страница не могла добраться до остальной системы.
Пока это pre-alpha. Релизов ещё нет. Но уже более 61K звёзд.
Когда один движок контролирует веб, одна компания фактически решает, каким будет интернет.
Именно эту проблему и пытается решить Ladybird.
👉 @PythonPortal
RAG не работает в 2026 году, если вы всё ещё используете старые подходы.
Да, многие компании до сих пор фейлятся с RAG — не потому что делают его неправильно, а потому что застряли на устаревших техниках.
Обычно всё происходит так: большинство компаний начинают с чат-бота / chat-приложения, когда говорят про внедрение AI. И здесь RAG становится ключевым — чтобы подключить свои данные через базу и дать чат-приложению возможность доставать релевантные документы.
Но сегодня RAG уже не ограничивается только чатами. Применения RAG практически безграничны и это хорошо.
RAG по-прежнему остаётся базой для всего, что вы строите на LLM и AI-агентах. Изменилось только одно — сами техники RAG. Старый подход больше не работает, нужны более продвинутые техники — то, что сейчас называют advanced RAG.
Суть RAG — обогащать систему своими данными через базу, чтобы она могла находить релевантные документы или их части. Результаты при этом простые и зачастую «окей», особенно если документы хорошо структурированы и их немного.
Но когда документы неструктурированы и важно получать не просто точные документы, а ещё и правильный контекст, в дело вступают продвинутые техники:
- декомпозиция запроса (query decomposition)
- обогащение метаданными (metadata enrichment)
- гибридная индексация (hybrid indexing)
- reranking
- слияние контекста (context fusion)
Эти подходы позволяют RAG-системе находить и генерировать более точные и контекстно релевантные ответы.
Поэтому advanced RAG — это важно. RAG не умер и не может умереть. Просто используйте более умные техники.
👉 @PythonPortal
3 года назад, чувак создал браузер на базе Chromium, который полностью работает прямо в терминале.
Он называется Carbonyl и умеет отображать реальные веб-страницы прямо в командной строке. Самое крутое — в режиме простоя он использует 0% CPU.
- Полноценный движок Chromium прямо в терминале.
- В режиме ожидания — ровно 0% загрузки CPU.
- Быстрый, лёгкий и полностью нативный для терминала.
На 100% с открытым исходным кодом.
👉 @PythonPortal
Вот несколько полезных библиотек Python для разработки сетевых приложений 😎
👉 @PythonPortal
Все надоело и пропал интерес, чувствуешь себя амебой и хочется только залипать в телефоне. Бывает?
Homo Manifestans — канал для айтишников, у которых периодически опускаются руки и отключается мозг, ибо переработки и постоянная тревожность не приводят к другим исходам 🤗
✓ Как научиться отвлекаться от работы и отдыхать?
✓ Как совместить кучу рабочих задач и время с семьей?
✓ Как справиться с прокрастинацией?
✓ Как не растерять запал, даже если начальник и коллеги 💩 и кажется, что ничего не выходит?
Подписывайтесь на канал @vadimpetrovpsi и научитесь работать без упахивания, выгорания и ущерба для личной жизни!
Псс. Заходите в закреп — там много полезного, и даже бесплатный мини-курс по выходу из апатии:
👉 /channel/+ou2-l5lmzUU3NTQy
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
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
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
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
Код на Python:
print('Yes' if all([]) or any([]) else 'No')
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