Создавай Python-пакеты за пару секунд с
Python-пакеты позволяют вынести код в переиспользуемые модули и шарить их между проектами.
Обычно это возня с
UV, быстрый установщик и резолвер зависимостей для Python, упрощает всё до двух команд:
•
•
Полная статья: https://bit.ly/3Jyqtok
👉 @PythonPortal
uv init --package Python-пакеты позволяют вынести код в переиспользуемые модули и шарить их между проектами.
Обычно это возня с
setuptools, настройка билд-системы и разбор всей этой кухни с дистрибуцией.UV, быстрый установщик и резолвер зависимостей для Python, упрощает всё до двух команд:
•
uv init --package сразу поднимает структуру пакета•
uv build и uv publish собирают и отправляют пакет на PyPIПолная статья: https://bit.ly/3Jyqtok
Please open Telegram to view this post
VIEW IN TELEGRAM
👍17❤6
This media is not supported in your browser
VIEW IN TELEGRAM
Дрон, который стартует прыжком, как птица 🐦⬛️
Исследователи из EPFL собрали RAVEN: дрон по мотивам птиц, который умеет ходить, подпрыгивать и прыгать в момент взлета без полосы, катапульты и без помощи человека.
Вместо того чтобы считать ноги балластом, команда спроектировала легкие птичьи ноги, которые реально участвуют и в передвижении, и во взлете.
Дрон использует пружинно-моторные ноги, вдохновленные воронами, за счет чего он может проходить по неровной местности, запрыгивать на возвышения и эффективно “выстреливать” себя в воздух.
Энергия накапливается и высвобождается за счет гибких пальцев и пружин, работающих как сухожилия, на ногах. При размахе крыльев 1 метр дрон может пройти метр за четыре секунды, прыгнуть на 26 см и перепрыгивать щели шириной 12 см.
По сравнению со статическим запуском, взлет с использованием ног подбрасывает его почти на 50 см при скорости вперед 2,2 м/с, и это дает примерно в 10 раз лучшую энергоэффективность.
👉 @PythonPortal
Исследователи из EPFL собрали RAVEN: дрон по мотивам птиц, который умеет ходить, подпрыгивать и прыгать в момент взлета без полосы, катапульты и без помощи человека.
Вместо того чтобы считать ноги балластом, команда спроектировала легкие птичьи ноги, которые реально участвуют и в передвижении, и во взлете.
Дрон использует пружинно-моторные ноги, вдохновленные воронами, за счет чего он может проходить по неровной местности, запрыгивать на возвышения и эффективно “выстреливать” себя в воздух.
Энергия накапливается и высвобождается за счет гибких пальцев и пружин, работающих как сухожилия, на ногах. При размахе крыльев 1 метр дрон может пройти метр за четыре секунды, прыгнуть на 26 см и перепрыгивать щели шириной 12 см.
По сравнению со статическим запуском, взлет с использованием ног подбрасывает его почти на 50 см при скорости вперед 2,2 м/с, и это дает примерно в 10 раз лучшую энергоэффективность.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍41❤13🔥7
Я люблю таких вайб-кодеров
спасибо за все халявные API-ключи
чел получил четыре предупреждения «не пушить в паблик»
и все равно выкатил туда 💀😂
👉 @PythonPortal
спасибо за все халявные API-ключи
чел получил четыре предупреждения «не пушить в паблик»
и все равно выкатил туда 💀
Please open Telegram to view this post
VIEW IN TELEGRAM
😁72❤12👍5
Генерируй сортируемые ID экспериментов с UUID v7 из Python 3.14
UUID4 выдаёт чисто рандомные идентификаторы без хронологического порядка.
Без встроенного таймстемпа тебе приходится заводить отдельное поле с временем и городить свою сортировку по времени создания записей.
В Python 3.14 появился UUID версии 7 со встроенной упорядоченностью по времени.
Ключевые моменты:
• Порядок создания можно определить просто сравнивая два UUID напрямую
• Точное время создания можно вытащить из встроенного в UUID таймстемпа
👉 @PythonPortal
UUID4 выдаёт чисто рандомные идентификаторы без хронологического порядка.
Без встроенного таймстемпа тебе приходится заводить отдельное поле с временем и городить свою сортировку по времени создания записей.
В Python 3.14 появился UUID версии 7 со встроенной упорядоченностью по времени.
Ключевые моменты:
• Порядок создания можно определить просто сравнивая два UUID напрямую
• Точное время создания можно вытащить из встроенного в UUID таймстемпа
import uuid
from datetime import datetime
# UUID v7 вшивает таймстемп для сортируемых ID
id1 = uuid.uuid7()
id2 = uuid.uuid7()
# Получить UUID
print(id1)
# '019a0da1-c3be-744e-9062-9cfa43dbfe41'
# Извлечь таймстемп в миллисекундах
print(id1.time)
# '1761165168875'
# Автоматическая сортировка по времени создания
id1 < id2
# True
Please open Telegram to view this post
VIEW IN TELEGRAM
👍16❤6
Давай соберем динамическую память для AI-агентов на графах знаний и RAG всего в 6 строк кода, шаг за шагом (100% локально).
Когда ты шлёшь в агента большие объёмы данных, это часто приводит к раздутию контекста и галлюцинациям.
Чтобы агенты были надежными, нужен способ связать данные между собой и зафиксировать базовые «ground truth», которые повышают точность в многошаговых диалогах.
Именно это и делает Cognee.
Он помогает строить динамическую память для AI-агентов, заменяя RAG на масштабируемые модульные ECL-пайплайны (Extract, Cognify, Load).
Давай пройдемся по настройке по шагам:
Шаг 1: Data ingestion
В этом примере мы просто прокинем строку текста в Cognee и превратим её в память для ИИ.
Но ты не ограничен только текстом: можно кормить документы, файлы или любые другие источники данных, чтобы собрать knowledge graph.
Дальше можно дергать search() и ходить в него с обычными текстовыми запросами.
Шаг 2: Memify
Теперь добавляем функции памяти. Они работают поверх семантического слоя (knowledge graph), связывают точки и улучшают поиск.
Memify полностью кастомизируется и может использовать любые преобразования, которые ты напишешь.
Шаг 3: Наконец, добавляем Feedback Loops
Cognee поддерживает непрерывное улучшение за счёт механизма обратной связи: он фиксирует, насколько полезны и релевантны результаты поиска по реальным сообщениям пользователей.
Со временем получается обучающаяся система, которая адаптируется под твои задачи и предпочтения.
Cognee сделан под память агентов. Он превращает документы, чаты и файлы в knowledge graph, по которому любая LLM может рассуждать.
Можно запускать локально, в том числе через интерактивные ноутбуки.
Он на 100% опенсорс.😱
👉 @PythonPortal
Когда ты шлёшь в агента большие объёмы данных, это часто приводит к раздутию контекста и галлюцинациям.
Чтобы агенты были надежными, нужен способ связать данные между собой и зафиксировать базовые «ground truth», которые повышают точность в многошаговых диалогах.
Именно это и делает Cognee.
Он помогает строить динамическую память для AI-агентов, заменяя RAG на масштабируемые модульные ECL-пайплайны (Extract, Cognify, Load).
Давай пройдемся по настройке по шагам:
Шаг 1: Data ingestion
В этом примере мы просто прокинем строку текста в Cognee и превратим её в память для ИИ.
Но ты не ограничен только текстом: можно кормить документы, файлы или любые другие источники данных, чтобы собрать knowledge graph.
Дальше можно дергать search() и ходить в него с обычными текстовыми запросами.
Шаг 2: Memify
Теперь добавляем функции памяти. Они работают поверх семантического слоя (knowledge graph), связывают точки и улучшают поиск.
Memify полностью кастомизируется и может использовать любые преобразования, которые ты напишешь.
Шаг 3: Наконец, добавляем Feedback Loops
Cognee поддерживает непрерывное улучшение за счёт механизма обратной связи: он фиксирует, насколько полезны и релевантны результаты поиска по реальным сообщениям пользователей.
Со временем получается обучающаяся система, которая адаптируется под твои задачи и предпочтения.
Cognee сделан под память агентов. Он превращает документы, чаты и файлы в knowledge graph, по которому любая LLM может рассуждать.
Можно запускать локально, в том числе через интерактивные ноутбуки.
Он на 100% опенсорс.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍14❤4
This media is not supported in your browser
VIEW IN TELEGRAM
Использовать mocap-костюм, чтобы робот пнул тебя по яйцам, звучит как идеальная метафора для финала 2025.
👉 @PythonPortal
Please open Telegram to view this post
VIEW IN TELEGRAM
35😁44🤣16❤3💊2
Сейчас у VSCode реально полно нативных AI-фич: автодополнение, предложения правок кода, подтверждение изменений с помощью модели и прочие штуки прямо из коробки.
Please open Telegram to view this post
VIEW IN TELEGRAM
💊37😁13❤2👍2
Кое-что интересненькое: проект отслеживает позы людей сквозь стены, используя Wi-Fi сигналы для реконструкции положения тела.
100% открытый исходный код🕺
👉 @PythonPortal
100% открытый исходный код
Please open Telegram to view this post
VIEW IN TELEGRAM
❤23😁10👍4👀3🤔1🌭1
This media is not supported in your browser
VIEW IN TELEGRAM
На Stepik вышел курс по Linux
Внутри 20+ модулей: от установки Linux и работы с файлами до сетей, прав, дисков, процессов, автоматизации на Bash и многого другого. Всё сразу закрепляется на практике (200+ заданий с автопроверкой)
Материал подаётся понятным языком, шаг за шагом, на реальных примерах и с наглядными схемами.
После прохождения вы получите сертификат, который можно добавить в резюме.
Есть бесплатные демо-уроки для ознакомления. В ближайшие 48ч курс доступен со скидкой 25% по промокоду «
P.S. Курс можно купить в подарок на Новый год
Внутри 20+ модулей: от установки Linux и работы с файлами до сетей, прав, дисков, процессов, автоматизации на Bash и многого другого. Всё сразу закрепляется на практике (200+ заданий с автопроверкой)
Материал подаётся понятным языком, шаг за шагом, на реальных примерах и с наглядными схемами.
После прохождения вы получите сертификат, который можно добавить в резюме.
Есть бесплатные демо-уроки для ознакомления. В ближайшие 48ч курс доступен со скидкой 25% по промокоду «
HNY_LINUX»: открыть курс на StepikP.S. Курс можно купить в подарок на Новый год
❤7👀2💊1