Прикол, в даркнете барыжат звездами на гитхабе не хуже чем лайками в инсте. Челы пишут, что палево заметно: лайкающие аккаунты недавние и с пустыми профилями: https://dagster.io/blog/fake-stars

Классная библиотека, чтобы выкачать себе Яндекс.Картинки по запросу. Нужен файрфокс на компе, а еще автор полагает, что все сидят на винде и у него там geckodriver.exe, который на маке или убунте надо заменить на подходящий отсюда: https://github.com/mozilla/geckodriver/releases и поменять в коде ссылку на него

Мужик классно разложил в ролике когда писать функции, а когда классы. Если фокус на действиях (обработка данных), то функции. Если фокус на состояниях (банковский счет, транзакции и остаток баланса), то классы, иначе задолбаешься сохранять кучу переменных: https://youtu.be/txRTzljmV0Q

#заметка вычислительные задачи лучше параллелить на процессы (по разным ядрам процессора), потоки здесь не помогут ускориться, а i/o-задачи (запросы к API или базе) можно дробить на потоки в рамках одного ядра, будет выигрыш по времени.

Прикольная мысль, что запросы и ответы больших языковых моделей — это суть универсальный API, разные модельки смогут общаться между собой на естественном языке.

Интересная хрень, я люблю прогать и читать код, но терпеть не могу писать и читать нормативные документы, хотя это одно и то же, по сути.

Отличная статья от Додо про грамотные названия переменных. Особенно понравилось про нарезание предметной области на понятия и составление словарика: https://habr.com/ru/companies/dododev/articles/714512/

Хорошая шутка про то, что OpenAI перестало хватать вычислительных мощностей: product-market overfit

Оч быстрый и универсальный линтер/форматтер для питона: https://astral.sh/ruff

Случайно набрел на потрясную тулзу для мака.

У меня за годы накопилось много книжек в pdf, разобраться в том складе было уже нереально.

Этой штуке можно скормить папку, она за какое-то время просканирует pdf-ки и будет готова интеллектуально искать по ним (использует эмбеддинги, подозреваю). И pdf в виде картинок тоже распознала на ура.

Из сорцов sqlite

Чувак на длинном рейсе написал прогу, позволяющую получить бесплатный доступ в интернет из самолета, используя уязвимость на сайте программы лояльности.

Она отправляет http-запросы через поле имени учетки пассажира, передавая их на наземный компьютер, который уже непосредственно работает с инетом и шлет ответы обратно по тому же каналу: https://robertheaton.com/pyskywifi/

Прикольная стата от Яндекса про потребности юзеров нейросетей, кто что генерит: https://ya.ru/ai/stat

Конечные автоматы

Недавно разбирался с машиной состояний в библиотеке для тг-ботов aiogram (см. FSM) и ушел читать дальше про концепцию конечных автоматов. Математическое определение довольно занудное, но по сути — это способ разбить любой процесс на понятные шаги (состояния) с чёткими правилами переходов от одного к другому.

Например корзина на сайте: сначала она пуста, затем юзер добавляет товары, переходит к оформлению заказа, подтверждает оплату и корзина очищается. Всё это можно описать как последовательные состояния с переходами между ними — так проще управлять логикой приложения и избегать неопределенных ситуаций.

Потрогать руками эту штуку на питоне можно с библиотекой transitions. С ее помощью легко описать все нужные состояния, переходы, триггеры, провоцирующие переход и действия, которые при этом надо совершить.

У них шикарный совершенно quickstart на примере Бэтмена с его состояниями: ['спит', 'тусуется', 'голоден', 'вспотел', 'спасает мир']: https://github.com/pytransitions/transitions?tab=readme-ov-file#quickstart

Разобрался, наконец, с декораторами в питоне! Предыдущие подходы к снаряду заканчивались полным фиаско, спотыкался об эту идею: «Изменяет поведение функции, не меняя ее кода». В итоге попросил у чата gpt самый примитивный пример и все встало на места.

Декоратор просто конструирует некую новую функцию, внутри которой можно что-то сделать, потом вызвать исполнение нашей базовой функции и вдогонку выполнить что-то еще.

В результате, если декорировать функцию, то потом при ее вызове будет выполняться не она сама, а вся эта конструкция, описанная выше.

Нашел бесплатный аналог GPT-4 Vision у mistral.ai, модель называется Pixtral 12B, доступна по API.

На вход подаем картинку (через url или в base64) и промт, работать удобно через питонячью библиотеку mistralai, на сайте есть хорошие туториалы с анализом диаграмм, парсингом чеков и распознанием рукописи (интересно, рецепт врача осилит?)).

Вытаскивать инфу с изображения можно сразу в json через параметр:

response_format = {
"type": "json_object"
}

И лучше в промте явно указать какие поля мы в этом джейсоне хотим увидеть.

Но самый кайф, что при регистрации на сайте мистраля проверочная смска отлично пришла на мой российский МТС. Пользуемся)

Наткнулся на либу slowapi для настройки рэйт лимита в приложении на FastAPI, подключается под декоратором с адресом пути:

@app.get("/home")
@limiter.limit("5/minute")

Можно ставить сразу несколько лимитов, например 1/секунду и 60/минуту, чтобы в последний момент минуты не прилетело 60 запросов.

Заодно классное видео про рейт лимитеры как таковые и эту либу в частности.