1946
Сборник Python новостей: https://pythondigest.ru Наш симулятор IT инцидентов: https://incidenta.tech
tallyman: CLI to Summarize Code Size by Language
https://github.com/mikeckennedy/tallyman
Лучший перевод Шекспира с точки зрения математики
https://habr.com/ru/articles/996614/
За переводы сонетов Шекспира брались многие мастера и любители. Мне стало интересным провести лексико-семантический анализ нескольких переводов 74 сонета и сравнить их с оригиналом. Я взял авторов, авторитет которых как поэтов и переводчиков вне сомнения Маршака и Пастернака. И двух переводчиков, не известных как поэты - Николая Гербеля и Модеста Чайковского. Я захотел проверить, кто из переводчиков точнее всего передал смысл, ритм и эмоции оригинала, используя алгоритмы машинного обучения.
redis - 7.2.1
https://pypi.org/project/redis/7.2.1/
Python клиент для Redis. Скачать можно по ссылке: https://pypi.python.org/pypi/redis/
Генерация лабиринтов с использованием алгоритма Recursive backtracker
https://habr.com/ru/articles/1002460/
Расскажу о том, как сгенерировать рандомный лабиринт используя алгоритм Recursive backtracker. Все подробности об алгоритме, структуре кода, асимптотике и итоговых лабиринтах здесь.
Vector Search Using Ollama for Retrieval-Augmented Generation (RAG)
https://pyimagesearch.com/2026/02/23/vector-search-using-ollama-for-retrieval-augmented-generation-rag/
Я дал 100 AI-агентам равный бюджет — они изобрели кредиты под 15%
https://habr.com/ru/articles/1001646/
Дал 100 AI-агентам по 1000 токенов и одну цель — набрать максимум очков. Не программировал ни торговлю, ни кредиты, ни специализацию. Через двое суток агент №23 попросил у агента №91 займ под 15%. К 72-му часу — три банкира, 12 банкротов и коэффициент Джини 0.71. Внутри — код на Python, логи, распределение ресурсов. И честный разбор того в чем я до сих пор не уверен.
Связывание абстрактных классов со свойствами
https://habr.com/ru/articles/1002538/
В данной статье хочу поделиться своим опытом по абстрактным классам. Думаю это будет полезно как разработчикам, только начинающим свой путь, так и уже имеющим опыт. В материале можно посмотреть, как изящно связать свойства и абстрактные классы с реализацией принципа DRY .Для начал кратко пробежимся по определениями и терминам, и далее ответим на вопросы, которые могут логично вытекать из этих определений.
virtualenv - 20.39.0
https://pypi.org/project/virtualenv/20.39.0/
Инструмент создания виртуального рабочего окружения. Скачать можно по ссылке: https://pypi.python.org/pypi/virtualenv
Как я снизил WER с 33% до 3.3% для русской речи на CPU: сравнение GigaAM, Whisper и Vosk
https://habr.com/ru/articles/1002260/
За два месяца я перепробовал три ASR-движка, шесть моделей Whisper, адаптивное чанкование, T5-коррекцию и ансамблевое голосование — и большая часть идей оказалась тупиком. В статье — подробный разбор шести тупиков и одной находки: почему GigaAM от Сбера на обычном CPU показывает 3.3% WER на русском, обходя Whisper large-v3-turbo на RTX 4090 (7.9%) в 2.4 раза. С бенчмарками, кодом и честными оговорками.
Сводка от pythonz 15.02.2026 — 22.02.2026
https://pythonz.net/articles/633/
А теперь о том, что происходило в последнее время на других ресурсах.
Надоел Celery? Не нужен K8s? Как мы сделали легковесный оркестратор на Python
https://habr.com/ru/articles/1002060/
Если вы когда-нибудь сталкивались с задачей запуска сотен изолированных фоновых процессов на одном сервере (будь то парсеры для клиентов, торговые боты или обработчики данных в SaaS), то вы знаете, как быстро всё усложняется. Встречайте: RedTailFox — легковесный оркестратор на Python, который управляет Docker-контейнерами с вашими воркерами на одном сервере. Он сам решает, когда поднять новый контейнер, сам следит за здоровьем слотов и сам себя чинит.
django-cms - 5.0.6
https://pypi.org/project/django-cms/5.0.6/
Легкая в использовании и удобная для разработки CMS. Скачать можно по ссылке: https://pypi.python.org/pypi/django-cms/
FastAPI на AMD FX-8320: оптимизация P99 latency в условиях ограниченных ресурсов (HDD, DDR3)
https://habr.com/ru/articles/1002312/
В 2026 году асинхронный Python уже никого не удивляет. Мы привыкли к автоскейлингу в облаках, но что делать, если ваш бюджет на инфраструктуру равен нулю, а в распоряжении есть только «печка» из 2012 года? Рассказываю про личный опыт выжимания максимума из FastAPI на AMD FX-8320: от тюнинга ядра Linux и PostgreSQL до миграции на Ed25519 и использования Rust-сервера Granian.
djangofmt - A fast, HTML aware, Django template formatter, written in Rust
https://github.com/UnknownPlatypus/djangofmt
django-tasks-db - An ORM-based backend for Django Tasks
https://github.com/RealOrangeOne/django-tasks-db
Базовый минимум. Часть 3: RAG-системы
https://habr.com/ru/articles/1002152/
Большая языковая модель это не источник актуальных сведений, а статистическая система, обученная на данных прошлого. Она не обращается к внешним базам знаний и не узнает о новых событиях. Все что она знает было усвоено на этапе обучения и зафиксировано в ее параметрах.
virtualenv - 20.39.1
https://pypi.org/project/virtualenv/20.39.1/
Инструмент создания виртуального рабочего окружения. Скачать можно по ссылке: https://pypi.python.org/pypi/virtualenv
Как организовать тестовую среду, сохраняя покой владельца данных
https://habr.com/ru/companies/neoflex/articles/1003000/
Хочу поделиться опытом с коллегами - как мы решили одну из наболевших проблем нашей команды разработки – отсутствие полноты данных для тестирования реализованного функционала в условиях ограниченного доступа к реальным данным компании. Если вы работаете с персональными данными, то наверняка сталкивались с такой проблемой.
Как я построил Graph RAG систему с точностью 96.7% за 5 дней: от научных статей до production-ready пайплайна
https://habr.com/ru/articles/1003064/
Я реализовал Graph RAG систему, которая комбинирует 5 техник из свежих научных статей (KET-RAG, HippoRAG 2, VectorCypher) в единый пайплайн с декларативным Datalog reasoning-движком, полной провенансной трассировкой и типизированным API. Результат: 174/180 (96.7%) на билингвальном бенчмарке из 30 вопросов, оценённых в 6 режимах retrieval. Три режима достигли 100%. В статье — архитектура, 10 уроков оптимизации и эволюция от 38% до 96.7% за 10 итераций.
SQLAlchemy - 2.0.47
https://pypi.org/project/sqlalchemy/2.0.47/
Библиотека работы с базами данных. Скачать можно по ссылке: https://pypi.python.org/pypi/SQLAlchemy/
Как устроены задачи (Task) в asyncio
https://habr.com/ru/articles/1002690/
В прошлой статье мы разобрали механику событийного цикла asyncio.В этот раз поговорим о задачах, объектах класса asyncio.Task (они же по-простому "таски"). Тема важная, потому что по сути вся работа событийного цикла сводится к постоянному жонглированию задачами: запустить, приостановить, разбудить, завершить. Если понять, как устроена таска изнутри, изрядная доля магии asyncio (как и нелюбви к нему) исчезнет. На десерт шок-контент
Что нужно знать о Django миграциях, чтобы не превратить в тыкву свой продакшен во время обновлений
https://habr.com/ru/articles/1002672/
Если вы разработчик и выбрали для своего проекта Django Framework, но не делали большие миграции на своем проекте, эти советы вам точно пригодятся.
Метрики для задач NLP. Часть 2. Генерация текста: BLEU, ROUGE, METEOR, BERTScore
https://habr.com/ru/articles/1002218/
В этой статье будет рассказано о популярных метриках оценки для задач генерации текста: BLEU, ROUGE, METEOR, BERTScore. Рассказ будет сопровождаться визуализацией, примерами и кодом на Python.
Внутреннее устройство веб-сервера. Часть 1: От syscalls до WSGI
https://habr.com/ru/articles/1002550/
В этой статье мы разберём, какие механизмы предоставляет Linux для работы с сетью и как на их основе строятся фреймворки и библиотеки, которыми мы пользуемся каждый день. К концу статьи мы напишем минималистичный WSGI-веб-сервер, с помощью которого можно запускать произвольные WSGI-приложения.
#python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Трансформер своими руками: с нуля до Numpy реализации и обучения
- Как мы собрали СЭД для поликлиники из трёх костылей
- Я заменил Google на 50 строк Python. Через месяц я забыл, как пишется tar -xzf
- Как писать юнит-тесты, которые не ломаются
- Подключаем российские AI-сервисы к OpenClaw: GigaChat, YandexGPT и Yandex 360
- Python mmap: Улучшенный I/O файлов с помощью отображения файлов в память
- djangofmt - A fast, HTML aware, Django template formatter, written in Rust
- oxyde: Type-Safe, Pydantic-Centric Async ORM
- Flask - 3.1.3
Заходите в гости - https://pythondigest.ru/issue/636/
От RLHF к DPO и дальше: как мы разучились бояться и полюбили выравнивание LLM
https://habr.com/ru/articles/1002298/
В 2022 году существовал ровно один способ сделать языковую модель «хорошей» — RLHF. Один. Если вы хотели, чтобы ваша LLM отвечала адекватно и хотя бы делала вид, что понимает вопрос, — вам нужны были армия аннотаторов и бюджет уровня OpenAI.Четыре года спустя у нас зоопарк из десятка методов выравнивания, половину из которых можно запустить на одной RTX 4090 за выходные. DPO убрал reward model. SimPO убрал reference model. GRPO и DeepSeek R1 доказали, что RL жив — но в новой форме. Anthropic опубликовала конституцию Claude на ~80 страниц в открытом доступе и сменила парадигму: от правил к причинам.
The Real Python Podcast – Episode #285: Exploring MCP Apps & Adding Interactive UIs to Clients
https://realpython.com/podcasts/rpp/285/
How can you move your MCP tools beyond plain text? How do you add interactive UI components directly inside chat conversations? This week on the show, Den Delimarsky from Anthropic joins us to discuss MCP Apps and interactive UIs in MCP.
dj-urls-panel
https://github.com/yassi/dj-urls-panel
Visualize Django URL routing inside the Django Admin, including patterns, views, namespaces, and conflicts.
Python mmap: Улучшенный I/O файлов с помощью отображения файлов в память
https://habr.com/ru/articles/1001546/
В Zen of Python есть много мудрых идей. Одна особенно полезная гласит: «Должен быть один — и желательно только один — очевидный способ сделать это». Тем не менее в Python существует несколько способов решить большинство задач. Например, есть разные способы чтения файла в Python, включая редко используемый модуль mmap.
memU - Memory for 24/7 proactive agents like openclaw
https://github.com/NevaMind-AI/memU