1946
Сборник Python новостей: https://pythondigest.ru Наш симулятор IT инцидентов: https://incidenta.tech
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 я автоматизировал юридическую рутину
https://habr.com/ru/articles/1007750/
Я бывший фронтенд-разработчик, который уже семь лет работает корпоративным юристом. Устал копировать одни и те же реквизиты в десятки типовых форм. Пробовал автоматизировать через Excel, мечтаю о React-приложении, но в итоге остановился на Python-скрипте, который штампует документы за секунды.Рассказываю про путь от идеи до реализации и почему для небольших юридических команд до сих пор нет нормальных инструментов.
Darts: библиотека для временных рядов
https://habr.com/ru/companies/otus/articles/1003098/
В Python хватает инструментов для работы с временными рядами, но обычно приходится жонглировать тремя-четырьмя пакетами с разными API. Darts — библиотека, которая собирает всё в одном месте: статистические модели, градиентный бустинг, нейросети — и работает по знакомой схеме fit() / predict(). Сегодня разберём её подробно: что умеет, где удобна, как использовать в задачах.
Отказ от ответа в табличной классификации: max-prob, entropy и conformal sets на CatBoost
https://habr.com/ru/articles/1007870/
Модель не обязана отвечать всегда. На мультиклассовой табличке (letter) я сравнил 3 способа отказа для CatBoost: maxprob, entropy/margin и conformal APS. Результаты — в risk–coverage кривых и таблице «coverage → ошибка», чтобы быстро понять, какой метод лучше “отбрасывает” ошибки отказами.
Собственная облачная LLM на 16 ГБ VRAM — часть 1: базовая сборка, tools и MCP
https://habr.com/ru/companies/selectel/articles/1005504/
При плотной нагрузке счет за API легко превращается в постоянную и плохо прогнозируемую статью расходов, от которой уже сложно отмахнуться. В статье я покажу практичный компромисс: как развернуть собственную облачную LLM, которая укладывается в 16 ГБ видеопамяти, поддерживает инструменты и вызов функций, интегрируется с MCP-серверами и может использоваться как полноценный API-сервис для бэкенд-задач.
Знакомьтесь, Ричард Джонс (цикл заметок о выдающихся питонистах)
https://habr.com/ru/articles/1007150/
PyPI — централизованный каталог Python-пакетов. Сегодня в нем более 865 тысяч проектов общим весом 36 терабайт.PyPI создал Ричард Джонс. В октябре 2002-го, в электричке, по дороге на работу в Мельбурн. Будет интересно
Building a Hypervisor in Python with KVM
https://www.nightshift.sh/blog/less-cursed-vm
RAG vs GraphRAG: When Agents Hallucinate Answers
https://dev.to/aws/rag-vs-graphrag-when-agents-hallucinate-answers-2mcb
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
numpy - 2.4.3
https://pypi.org/project/numpy/2.4.3/
Модуль для работы с многомерными массивами. Скачать можно по ссылке: https://pypi.python.org/pypi/numpy/
3d в MonoGame, python в c# или всё таки KNI в браузере? трёхслойная постирония о том, как я игру делал
https://habr.com/ru/articles/1007946/
В ходе этого материала вы узнаете: 1. Как сделать простой рендер на c# в MonoGame. 2. Что использовать, чтобы вызвать python из c#. 3. Почему пункт 2 - это плохая идея. 4. Как MonoGame игру сбилдить в web/html с помощью его форка KNI
#python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Алгоритм Крускала и кишки лабиринтов
- Ускоряем pandas, не переписывая код. Мой опыт с FireDucks
- Как мы сделали AI code review через Ollama без облака?
- Использование алгоритма Hunt&Kill для создания клеточного лабиринта
- От скалярной тоски к SIMD-эйфории: как подружить IDA Pro с инструкциями RISC-V P Extension
- Как я автоматизировал юридическую рутину
- Grep-AST или Как мы заменили векторный поиск всего одной библиотекой
- py2many: Transpiler of Python to Many Other Languages
- skill-scanner - Security Scanner for Agent Skills
- redis - 7.3.0
- Django - 6.0.3
Заходите в гости - https://pythondigest.ru/issue/638/
Making Django unique constraints case-insensitive (with no downtime)
https://cliffordgama.com/tech/django-case-insensitive-unique-constraints/
Fix Django’s case-sensitive unique constraint pitfalls by cleaning duplicates, adding Lower() constraints, and safely migrating with PostgreSQL CONCURRENTLY to avoid downtime.
skill-scanner - Security Scanner for Agent Skills
https://github.com/cisco-ai-defense/skill-scanner
Custom Data Structures in E-Graphs
https://uwplse.org/2026/02/24/egglog-containers.html
Deprecate confusing APIs like “os.path.commonprefix()”
https://sethmlarson.dev/deprecate-confusing-apis-like-os-path-commonprefix