1946
Сборник Python новостей: https://pythondigest.ru Наш симулятор IT инцидентов: https://incidenta.tech
Знакомьтесь, Барри Уорсо (цикл заметок о выдающихся питонистах)
https://habr.com/ru/articles/1010076/
Влюбился в Python в 1994-м, придумал PEP как систему управления изменениями в языке, спрятал пасхалку import this в стандартную библиотеку и годами прокладывал Python дорогу в Linux-дистрибутивы. Речь пойдёт о Барри Уорсо (Barry Warsaw) – первом неголландце в ядре Python.
DNS TXT как канал доставки конфигов: тихо, надёжно, неубиваемо?
https://habr.com/ru/articles/1009628/
TXT-запись — это произвольная строка текста привязанная к домену. Придумали её для SPF (верификация почтовых серверов) и DKIM, потом стали использовать для подтверждения владения доменом в Google Search Console и Let's Encrypt. Технически это просто поле «здесь может лежать любой текст до 255 байт».
OpenSandbox - sandbox platform for AI applications
https://github.com/alibaba/OpenSandbox
#python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Наблюдаемость LLM-агентов: Часть 1 и 2
- От OCR до ADE: как машины научились не просто читать, а понимать документы
- Умная теплица на Raspberry Pi 4. Часть 1
- Аугментации изображений: как улучшить качество моделей без новых данных
- DNS TXT как канал доставки конфигов: тихо, надёжно, неубиваемо?
- Как обнаружить заказной негатив с помощью скриптов
- Гит в Телеграм?
- opc-skills - Agent Skills for Solopreneurs
- cinderx: High-Performance Python Runtime Extensions
Заходите в гости - https://pythondigest.ru/issue/639/
Okmain: you have an image but you want a colour
https://dgroshev.com/blog/okmain/
Линейная алгебра для нейросетей: векторы на практике
https://habr.com/ru/articles/1001896/
Данная статья посвящена основе основ нейронауки — линейной алгебре. Если вы когда-либо планируйте изучать искусственные нейронные сети (и не только), то вам необходимо начать именно с этого. Причем не важно, собираетесь ли вы заниматься фундаментальными исследованиями (Data Science) или просто лепить модели в продакшн на конвейере (ML Engineering), вы обязаны знать их математику хотя бы поверхностно. Любые настройки, дообучение и применение даже готовой модели, требуют понимания основ. А по сему данное знание, как минимум, не будет избыточным.
Система рекомендаций для изображений: пример на Python и CLIP
https://habr.com/ru/articles/1009024/
В этой статье я делюсь реальным кейсом построения системы рекомендаций для картин. Сначала мы реализовали простой поиск по тегам, а затем перешли к эмбеддингам изображений с помощью CLIP и хранению в Elasticsearch. Также я показываю, как строим персонализированные рекомендации на основе лайков и просмотров пользователя. Статья будет полезна тем, кто хочет понять, как создать рабочую систему рекомендаций на Python и постепенно улучшать её точность.
scrapy - 2.14.2
https://pypi.org/project/scrapy/2.14.2/
Гибкий фреймворк для написания web-пауков (парсеров). Скачать можно по ссылке: https://pypi.python.org/pypi/scrapy
Простые проблемы с RAG, которые мы решали в ИИ-стартапе
https://habr.com/ru/articles/1008230/
Задача основателю казалась простой. Нужно было построить систему, которая принимает пользовательский запрос, анализирует контекст пользователя, извлекает релевантные данные и формирует ответ.
Computer Vision модель в борьбе с галлюцинациями LLM. Оправданный оверинжиниринг?
https://habr.com/ru/articles/1007788/
Проект PhotoMentor создавался как ИИ-ментор для фотографов. Механика простая: пользователь загружает снимок, а под капотом Gemini выступает в роли арт-директора — анализирует композицию, работу со светом, цветовую гармонию и выдает детальный фидбек с оценкой.С главной проблемой Vision-моделей я столкнулся в первый же день закрытых тестов. Я скормил Gemini свой тестовый снимок: крупный портрет собаки, положившей морду на лапы.
DeepSeek-V3 Model: Theory, Config, and Rotary Positional Embeddings
https://pyimagesearch.com/2026/03/09/deepseek-v3-model-theory-config-and-rotary-positional-embeddings/
Бот из бытовой боли
https://habr.com/ru/articles/1008218/
Все начинается с безобидного "надо не забыть купить фильтр". Потом эта мысль куда-то уезжает. Потом кто-то уверен, что это уже где-то записано. Потом кто-то другой уверен, что это точно помнит. Потом фильтр не куплен, это нигде не зафиксировано, а вся домашне-бытовая система, оказывается, держалась на древней и крайне ненадежной технологии "да это же очевидно, как такое забыть".
Между tail и ELK: пытаюсь собрать логи с нескольких серверов одной командой
https://habr.com/ru/articles/1008256/
Я студент и соло‑разработчик, который только начинает заходить в devops‑тематику. Сам я не админ и не держу в проде десяток серверов, поэтому решил не выдумывать «боли» из головы, а посмотреть, на что реально жалуются люди в статьях и форумах.Одна жалоба повторялась достаточно часто: «Когда что‑то падает, приходится обходить несколько серверов, смотреть логи по отдельности и пытаться сложить картину вручную. ELK/syslog решают, но ради пары сервисов это перебор.»
Умная теплица на Raspberry Pi 4: управляем GPIO, ESP8266 и автоматизацией через веб-интерфейс. Часть 1
https://habr.com/ru/articles/1008126/
Когда у меня появилась теплица, первым желанием было автоматизировать всё, что можно: контроль температуры, управление вентиляцией, полив, освещение. Готовые решения либо стоят дорого, либо замкнуты в экосистеме одного производителя, либо не дают нужной гибкости. Поэтому я решил создать собственную систему по автоматизации управления процессами в теплице.
Сводка от pythonz 01.03.2026 — 08.03.2026
https://pythonz.net/articles/635/
А теперь о том, что происходило в последнее время на других ресурсах.
Как обнаружить заказной негатив с помощью скриптов
https://habr.com/ru/articles/1010014/
По данным Data Insight 30% отказов от покупок связано с заказным негативом. Раньше ботов вычисляли по шаблонным фразам, но сейчас спамеры массово генерируют жалобы через LLM. Модерация геосервисов пропускает такой контент. Формально отзывы уникальны и не нарушают правила площадок.
Avoiding empty strings in non-nullable Django string-based model fields
https://peateasea.de/avoiding-empty-strings-in-non-nullable-django-string-based-model-fields/
Django silently converts None values in non-nullable string fields into empty strings, but a simple CheckConstraint can enforce truly required values and prevent empty data from slipping into your database.
opc-skills - Agent Skills for Solopreneurs
https://github.com/ReScienceLab/opc-skills
Comparing Python packages for A/B test analysis (with code examples)
https://e10v.me/python-packages-for-ab-test-analysis/
Локальный голосовой ввод: Whisper + Ollama на Python
https://habr.com/ru/articles/1009538/
Мне нужен был голосовой ввод. Не диктовка в Google Docs, не облачный API — а простая штука: зажал клавишу, сказал, отпустил, текст появился в активном окне. Локально, без отправки аудио куда-либо.Готовых решений, которые бы устроили, сходу не нашёл. Сделал свое. Может, кому будет полезно.
STAC — знакомство: Браузеры, API и управление доступом к пространственным данным (часть 3)
https://habr.com/ru/articles/1009110/
В первых двух статьях мы разобрали основы спецификации STAC (SpatioTemporal Asset Catalog), её объектную модель и философию, превращающую разрозненные архивы геоданных в единую, машиночитаемую «библиотеку». Мы увидели, как STAC описывает каталоги (catalog), коллекции (collection), элементы (item) и их ресурсы (assets), создавая универсальный язык для работы с геопространственной информацией.
Аугментации изображений: как улучшить качество моделей без новых данных
https://habr.com/ru/articles/1008560/
Аугментация данных — один из самых мощных инструментов улучшения качества моделей машинного обучения. В компьютерном зрении она почти всегда критична: без неё модели быстро переобучаются и плохо обобщаются.Но на практике её часто используют поверхностно: «добавим флип, поворот и color jitter».В этой статье разбираем аугментации глубжe
cinderx: High-Performance Python Runtime Extensions
https://github.com/facebookincubator/cinderx
Наблюдаемость LLM-агентов: Часть 2. Разработка и отладка графа
https://habr.com/ru/articles/1008402/
В этой части перейдём от теории к практике: соберём агента, который пишет сказки. В графе будут задействованы инструменты, условные переходы и циклы обратной связи.
От OCR до ADE: как машины научились не просто читать, а понимать документы
https://habr.com/ru/articles/1008610/
Ещё 10 лет назад машина видела в документе просто набор пикселей. Сегодня она понимает структуру страницы, читает таблицы, графики и рукописи — и автоматически извлекает нужные данные. Разбираем как это работает под капотом и почему это меняет целые индустрии.
Гит в Телеграм?
https://habr.com/ru/articles/1008202/
На своем тг-канале я предлагаю подписчикам выбор, какую бредовую идею запилить следующей. На этот раз подписчики выбрали новый челлендж: сделать Git в Telegram. Чтобы можно было через бота инитить проекты, пушить файлы, коммитить — и всё это в публичном канале с тредами.С практической точки зрения этот проект нахуй не нужен. Есть гитхаб, есть гитлаб, есть куча нормальных инструментов. Но как эксперимент — почему бы и нет?
Автобусы в Петербурге или GTFS по-русски: успеть за 15 минут
https://habr.com/ru/articles/1008224/
Сегодня, когда в очередной раз я вижу 0 сообщений в телеграм канале, который должен предупреждать о приближающихся автобусах, будет достаточно символично написать эту статью. Дело началось в тот момент, когда..
Наблюдаемость LLM-агентов: Часть 1. Трассировка LangGraph и версионирование промптов с LangFuse
https://habr.com/ru/articles/1008300/
Отладка LangGraph-агента - это отдельная боль: когда граф начинает жить своей жизнью, а LLM уходит в бесконечные циклы, понять, что случилось, становится сложно. В этой статье я покажу, как связать LangGraph с LangFuse для трассировки и покажу как управлять промптами как кодом (версионирование и миграция).
tornado - 6.5.5
https://pypi.org/project/tornado/6.5.5/
Масштабируемый, не блокирующий web-сервер. Скачать можно по ссылке: https://pypi.python.org/pypi/tornado/
virtualenv - 21.2.0
https://pypi.org/project/virtualenv/21.2.0/
Инструмент создания виртуального рабочего окружения. Скачать можно по ссылке: https://pypi.python.org/pypi/virtualenv