Неожиданная для меня ветка развития Джуна - разработка open source'а.

Не думал, что там кому-то могут платить, а тем более - что у этого есть другие плюсы, кроме как уметь читать и писать код.

Вполне отличная штука, если тебе нужен ментор, а ментору - свободные руки.

https://habr.com/ru/articles/967610/

Убил пару часов залипая на карту Github: https://anvaka.github.io/map-of-github/

Какой-то чувак спарсил все проекты и построил зависимости между ними по общим людям, которые поставили звезды. Очень удобно, когда ты выбираешь альтернативный инструмент - можно ткнуть в него и посмотреть, какие +- аналоги лайкают люди.

Например, я узнал, что на FastStream поставили звездочки 3 категории людей:
1. подписчики Соболева❤️
2. любители смузи-стека - Robyn, polyfactory, msgspec, litestar, granian
3. Те, кто реально искал очереди - Faust, taskiq, arq

А еще раскопал 100500 некро-DI проектов для python😅

В общем, рекомендую позалипать - мб тоже что интересное найдете.

А ссылку стащил с канала человека, который на меня подписался - https://news.1rj.ru/str/dotrubic/218
Да, я иногда сталкерю всех подписчиков и отписчиков тоже🌚

всем любителям .env посвящается

$ cat dumpenv.py 
import os
print(os.getenv("XXX"))                                                                                                                                                                                                                    

$ cat .env                      
XXX = 1
export XXX=2                                                                                                                                                                                                                               

$ uv run --env-file=.env ./dumpenv.py
1

$ dotenv run python ./dumpenv.py
2

ещё больше вкусного в комментариях

Чё там, AGI soon? Надеюсь, что традиции машинного перевода останутся 🙏

Если кто-то занимается разработкой агентных приложений (или просто LLM-based) и волнуется на тему безопасности, то у меня для вас есть полезный сканер от NVIDIA

https://github.com/NVIDIA/garak/

Это штука неплохо находит prompt injection, system prompt leaking, jailbreak'и и прочие радости AI-based приложений. И - оно правда работает (парочку уязвимостей мы им нашли😢)

Только не надо его натравливать на приложения вайбкодеров... Пожалуйста

Кто-то говорит что киллер-фича 3.15 это lazy imports. Nah, not even close.

Реальная киллер-фича 3.15 это встроенный статистический профилировщик Tachyon.
Корокто: вы можете запустить его на проде, и ваше приложение (которое вы профилируете) никак не пострадает по перфомансу.

> Есть wall-clock/cpu режимы
> async-aware (Господи, наконец-то). При чем умеет отображать как те корутины что прямо сейчас жрут CPU, так и те которые ждут IO/лока, и так далее
> Умеет в native stack (удивительно)
> GC-aware
> GIL-aware
> Умеет сэмплировать все треды, а не только текущий

Astral выпустили бета-версию своего тайп-чекера ty (версия 0.0.2). Я последний раз пробовал с ним играться весной, когда его только анонсировали и тогда он был откровенно сырым. Попробовал сейчас по-быстрому (`uvx ty check` если в проекте уже есть uv), вот первые впечатления:

- Действительно супер быстрый, с mypy не сравнить
- Очень подробный отчет о найденных ошибках в консоли, мне нравится
- Ругается на то, на что mypy не ругается, но я пока его не конфигурировал
- Часть проблем в коде, которые он нашел выглядят валидными, вторая часть спорная но наверное это можно побороть покопавшись в настройках

В целом выглядит интересно, на праздниках немного глубже покопаюсь - насколько действительно можно тащить в реальные проекты.

Ссылка на анонс https://astral.sh/blog/ty

Для себя открыт ещё один способ утечки памяти в питоне.

Если ошибку один раз константой задать и рейзить её периодически - то стек будет добавляться каждый раз и не очищаться.

Типа

foo = Exception('awesome error')

for _ in range(1_000_000):
    try:
        raise foo
    except Exception:
        pass

Вот такой код течёт.

Что нашёл, тем делюсь)

Проверьте, нет ли у вас где глобальных переменных м ошибками, типа енамов

UPD:
код проверки, что память течёт

import time

class SharedError(Exception):
    pass


def tblen(traceback):
    c = 0
    t = traceback
    while t:
        c += 1
        t = t.tb_next
    return c


def main() -> None:
    iterations = 5000000
    progress_every = 50000
    shared_error = SharedError("expired token")

    for index in range(iterations):
        try:
            raise shared_error  # рейзим шаренный эксепшн, не создаем новый
        except SharedError as e:
            if (index + 1) % progress_every == 0:
                print(tblen(e.__traceback__))

        if (index + 1) % progress_every == 0:
            print(f"raised {index + 1} exceptions")

    time.sleep(60)

if __name__ == "__main__":
    main()

Ребятки. Я тут решил порелаксировать по поводу канала.

Как вы видите - не так уж и часто я это пишу. И делал я это по разным причинам, не вдаваясь в подробности. А даже когда писал - писал не только про питон, хотя паблик, очевидно, про питончик мой любимый.

Изначально я задумывал его, как краткое резюме к стоящим статьям по питону. Позже - добавились мини обзоры книжек. Позже - околоменеджерские темы и про программирование/архитектуру в общем.

Тем временем этот паблик - отражение моих мыслей так или иначе. Моя роль меняется и я уже стал лидом официально и в сам питон погружаюсь реже, чем раньше. Реже, чем хотелось бы.

Отсюда к вам вопрос, дорогие подписчики, какой формат канала вас больше устраивает.
З.Ы. постараюсь просто больше контента делать на тему, что вы выберете, но не перестану вкидывать других вещей.

Кто там хотел локальной Claude Code ?

ollama с версии 0.14 поддерживает Anthropic Messages API, что позволяет использовать Claude Code с локальными моделями вроде qwen3-coder или GPT-OSS.

Говорят, что нужно переключить переменные окружения вот так

{
  "env": {
    "ANTHROPIC_BASE_URL": "http://localhost:11434",
    "ANTHROPIC_AUTH_TOKEN": "ollama",
    "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1"
  }
}

И потом запустить примерно так

claude --model qwen3-coder

Еще говорят, что после такого люди сразу начинают понимать ценность стандартной подписки на Claude Code))

Ваш, @llm_under_hood 🤗

Не так всё однозначно ©️

Подоспел очередной бенчмарк версий CPython (3.10 - 3.14). В целом, конечно, производительность улучшилась, но есть и деградация. Например, pickle/unpickle (что может быть важно для ML), работа с json и корутинами.

https://en.lewoniewski.info/2025/python-314-vs-313-312-311-310-performance-testing-video/ #python

Тренд ИИ автоматизации продолжается.

На этот раз я наткнулся на app.devin.ai - ИИ ревьюер.

Почему выделил его среди остальных:
1. Бесплатный для открытых проектов
2. Даёт вполне внятные комментарии. Примеры: 1, 2, 3
3. Достаточно просто подключить и позвать при необходимости.
4. Умеет смотреть на уже закрытые ПРы.

На данный момент я не особо активный опен сурсер, но наверняка среди вас такие есть - призываю посмотреть и попробовать этот инструмент. Я его нашёл в чате по reagento проектам (dishka,adaptix), которые стараются не использовать лишние инструменты, но даже им это зашло. Например, этот и этот коммент

В этом месяце думаю ещё пару постов на тему ИИ закину, ждите)

PyPy... умирает?
Для тех кто не знает PyPy является одной из реализаций Python, прямой аналог CPython, при чем с крутым джитом.
Один из мейнтейнеров PyPy предложил numpy дропнуть поддержку для PyPy со словами "PyPy is no longer under active development": https://github.com/numpy/numpy/issues/30416
Печальная новость для всего Python сообщества.

За ссылку спасибо @serjflint

Просто оставлю тут 2 новости про ИИ

1. Развитие MCP - некоторые продукты теперь имеют свой mcp, чтобы ллм могла к ним обращаться. В статье это - CRM

https://3dnews.ru/1135863/otvet-openai-anthropic-prevratila-claude-v-rabochuyu-stantsiyu-so-vstroennimi-canva-slack-i-figma

2. ИИ потратила деньги на курсы инфоцыган и премиум домен

https://www.isranews.tv/item/126984

Ну а теперь если серьёзно

Последние месяцы я достаточно загружен на работе всякими созвонами/планированиями/1to1 и прочими менеджерскими обязанностями, но кодить то меньше хотеть не стало. На работке дали доступ к ИИ агентам - в частности я юзал claude это время. И хочу сказать - я немного изменил парадигму программирования и чаще ловлю себя за синдромом самозванца - теперь я, по сути, постоянный ревьюер того, что нагенерила ЛЛМ.

Из плюсов:
- снимает головную боль / позволяет не загружать голову контекстом задачи - ты описываешь, что надо сделать и следишь за тем, что ЛЛМ делает и направляешь её
- ЛЛМ пишет достаточно много кода. Если измерять продуктивность в строках - моя продуктивность на том же уровне, когда я был разрабом и писал код или даже выше, при меньших временных затратах (субъективщина)
- ЛЛМ способна делать разного рода задачи и мгновенно накидывать идеи и/или реализации твоих идей.

Минусы:
- Ты не пишешь код руками в большинстве случаев - только правишь явно или промптом говоришь, что надо поправить. Меньше морального удовлетворения.
- Теперь ты не кодер, ты ревьюер
- Всякие психологические моментики, что тебя скоро заменит машина (не заменит, уверен, но трансформирует работу) и что она может писать код иногда лучше тебя (скорее про отношение скорость/качество)

Ниже в статейке чел ловит похожие инсайты, которыми делюсь и с вами

https://devby.io/news/10-veschei-kotorye-ya-ponyal-ob-ii-kodinge-razrab-sozdal-50-proektov-i-vygorel

И ещё вдогонку забавный пост про работу пидантика с inf/nan. Каких правильно сериализовать и десериализовать

Tl;dr - ser_json_inf_nan='constants'. По крайней мере если работаем в рамках питона и пидантика. Если нужны другие языки - в ход идут кастомные поля

https://www.fmularczyk.pl/posts/2026_01_nan_null_none/

Листал я тут сохраненки в телеге за прошлый год и нашёл прекрасное. На скрине я чут-чут попросил Gemini поработать за меня в кубере, но ушлый индус по ту сторону такой наглости не стерпел и сразу вывалил порчу на санскрите, но чтобы не палиться -- оставил READY и тифика.

Если серьёзно, то я ума не приложу как она вообще к такому пришла. Помню только что я усердно пытался заставить её (модель) что-то сделать в контексте сертификатов, что было нужно мне, но до неё это никак не доходило. Было это во время версии 2.5 Pro.

Python 3.13:

>>> from typing import get_origin
>>> get_origin(None | str)
<class 'types.UnionType'>

Python 3.14:

>>> from typing import get_origin
>>> get_origin(None | str)
<class 'typing.Union'>

Иногда такое чувство, что вот функции анализа типов в питоне это такой вот троллинг, где тебе каждый релиз всё переставляют и меняют местами

Увидел ссылку в соседнем паблике, но всё же добавлю немного Tl;dr.

Дипсик придумал немного другую архитектуру llm.
Раньше - это были N-граммы. Сейчас - трансформеры. Он же придумал - Engram - рядом с трансформером рядом стоит фильтр из N-граммы.

Кратко - ллм станет быстрее и использовать меньше памяти.

Более полно, в чём различие абстрактно - увидел в комментах под статьёй.

Спасибо damakin

"Александр Македонский" в новой архитектуре рассматривается как единая сущность, только когда эти два слова идут строго друг за другом; "Александр Невский" - совсем другая 2-грамма. Близкий аналог - составные слова "Нейросеть" и "Нейрохирургия": похоже начинаются, но совсем разные по значению.

Transformer "рассуждает" примерно так: "Александр", "Македонский". Как эти слова связаны между собой? "Македонский" означает, что этот некто из страны "Македония". Знаю ли я какого-нибудь Александра из Македонии (складываю векторы Александр + Македония)? О да, в древности был такой знаменитый царь (в векторном пространстве рядом оказались понятия "Древний мир" и "Правитель").

Engram не разбивает "Александр Македонский" на отдельные слова. В его памяти эта 2-грамма - единое понятие, к которому уже привязаны понятия "Древний мир", "Правитель", "Македония". Если Engram увидит "Александр Невский", и в памяти (грубо говоря, кэше знаний) нет информации о такой личности, она разобьёт 2-грамму на 2 вектора: "Александр", "Невский" и пойдёт рассуждать по старому пути, найдя в итоге поблизости понятия "Русь" и "князь".

Engram сравнима с изобретением кэша, благодаря которому не нужно каждый раз ходить в базу данных и заново производить тяжёлые операции выборки и фильтрации.

https://habr.com/ru/companies/bothub/articles/989538/