📱 Промпт для анализа безопасности и устойчивости Python-кода

Этот промпт поможет найти уязвимости, улучшить обработку ошибок и сделать код более надёжным.

✅ Промпт:

Проверь мой Python-код на предмет безопасности и устойчивости.
Дай рекомендации по:
• Обработке исключений и предотвращению сбоев
• Валидации и санитации входных данных
• Безопасному хранению и работе с конфиденциальной информацией
• Защите от распространённых уязвимостей (инъекции, XSS, CSRF и др.)
• Использованию инструментов для статического анализа безопасности (bandit, safety)
• Логированию ошибок и предупреждений

📌 Что получите:
• План по улучшению безопасности кода
• Методы повышения устойчивости и отказоустойчивости
• Инструменты для автоматического обнаружения уязвимостей

Библиотека питониста #буст

🔥 Python 3.14 официально поддерживает многопоточность без GIL

Большой шаг для Python-разработчиков:
С релизом Python 3.14, свободнопоточная сборка CPython (free-threaded build) официально поддерживается и больше не является экспериментальной.

📌 Это означает:
— Реальная многопоточность без GIL.
— Free-threaded Python — поддерживаемая, но пока опциональная сборка.
— Это фаза II. Переход к GIL-free по умолчанию — дело будущего.

👉 PEP 779: Free-threaded CPython

📌 Пример: сравнение GIL vs Free-threaded

Запуск CPU-bound задачи в двух потоках:

from concurrent.futures import ThreadPoolExecutor
import time

def cpu_bound_task():
    start = time.time()
    sum(1 for _ in range(10**7))
    end = time.time()
    print(f"Finished in {end - start:.2f} seconds")

with ThreadPoolExecutor() as e:
    e.submit(cpu_bound_task)
    e.submit(cpu_bound_task)

Результат:

$ uv run -p 3.14 a.py 
Finished in 1.01 seconds
Finished in 1.02 seconds

$ uv run -p 3.14.0b3+freethreaded a.py 
Finished in 0.49 seconds
Finished in 0.51 seconds

> Потоки реально работают параллельно — ускорение почти в 2 раза!

📌 Но не всё так просто

Попытка работать с общими объектами (например, добавлять в список) может замедлить код:

# Вставка элемента в общий список
shared = []
def task():
    for i in range(10**5):
        shared.append(i)

Результат:

$ uv run -p 3.14 a.py 
 Finished in 0.10 seconds
 Finished in 0.11 seconds
 172214
 $ uv run -p 3.14.0b3+freethreaded a.py 
 Finished in 0.48 seconds
 Finished in 0.49 seconds
 1865

> Без GIL нужна синхронизация, иначе возможны конфликты и деградация производительности.

📌 Выводы

— Python наконец-то движется к реальной многопоточности.
— Free-threaded CPython уже работает — и может ускорить CPU-bound задачи.
— Не забывайте: работа с общими объектами требует явной синхронизации (даже с GIL). Потокобезопасность — ваша ответственность.

Библиотека питониста #свежак

📦 Устанавливаем Python 3.14 beta: быстрый гайд

Многие хотят попробовать Python 3.14 с новым free-threaded режимом, но не знают, как установить beta-версию.

Один из частых вопросов от подписчиков:

Хочу попробовать Python 3.14 с новым free-threaded режимом. Как его установить, если он ещё в бете?

Хороший вопрос! Несмотря на то, что Python 3.14 пока в стадии бета, вы уже можете установить его для тестирования.

👇 Вот как это сделать:

➡️ Если вы на Ubuntu

# Добавляем PPA
sudo add-apt-repository ppa:deadsnakes/ppa
sudo apt update

# Устанавливаем Python 3.14
sudo apt install python3.14

➡️ Если вы на Windows

Скачайте установщик с официального сайта и просто установите .exe — он будет существовать параллельно с текущей версией.

➡️ Если у вас другая система

Скачайте исходный код с python.org и соберите вручную. Некоторые пакетные менеджеры также уже предлагают сборки бета-версий.

⚠️ Важно: это бета, не используйте её в продакшене. Только для экспериментов, например, чтобы протестировать free-threading или другие новинки.

Библиотека питониста #междусобойчик

Как относитесь к созданию своего жпт не через конструктор, а хардкорно через код?

🔥 — я своего завайбкодил

🏃‍♀️ Ссылка на курс

🎭 Design Patterns в Python: что стоит забыть

Поищите «design patterns in Python» — и вы утонете в туториалах по классическим паттернам из «Gang of Four».

Там будет всё: диаграммы классов, фабрики внутри фабрик, километры шаблонного кода. Вы будто пишете «серьёзное» ПО. Профессиональное. Enterprise-ready.

▶️ Но есть одна проблема: большинство этих паттернов решают проблемы, которых в Python просто нет. Они придуманы для C++ и Java.

Слепое копирование этих паттернов в Python делает код:
— сложнее,
— запутаннее,
— и больнее для того, кто будет его читать.

В статье:
✅ Какие паттерны из GoF плохо переносятся в Python
✅ Почему они имели смысл в 2001-м, но не сегодня
✅ И как решить те же задачи по-питонически — проще, чище, лучше

📖 Читайте полную статью здесь: https://clc.to/sw706A

Библиотека питониста #буст

📱 Свежие релизы Python‑пакетов за последние 7 дней

📍 Главные релизы
✅ Python 3.14.0b4 — последний бета-релиз перед финалом
✅ pybind11 3.0.0 — мост между C++11 и Python теперь стабильный
✅ Datasets 4.0.0 — масштабный апдейт библиотеки датасетов от HuggingFace
✅ Modin 0.34.0 — ускоряем Pandas

📦 Полезные библиотеки
✅ SQLGlot 27.0.0 — кастомизируемый SQL-парсер и транспайлер
✅ Pandera 0.25.0 — валидация и тестирование датафреймов

🤖 AI-инфраструктура и агенты
✅ mcp 1.11.0 — Model Context протокол SDK
✅ google-adk 1.6.1 — Agent Development Kit от Google
✅ browser-use 0.5.x — делаем сайты доступными для AI-агентов

🛠 Для разработчиков и железа
✅ pyOCD 0.37.0 — отладка Cortex‑M микроконтроллеров на Python

🔥 Опыт других
✅Изучение Python за 2 недели через боль и дедлайн: личная история
✅Как писать красивый и чистый код питонистам

Библиотека питониста #свежак

📎 Топ-вакансий для питонистов за неделю

Python-разработчик, гибрид (Москва)

Разработчик Python (Junior+ | Middle) — от 150 000 ₽, удалёнка

Разработчик Python / AI — от 150 000 до 250 000 ₽, удалёнка

Разработчик Python (Django, DRF) — до 270 000 ₽, удалёнка

Python Developer — от 250 000 ₽, гибрид (Москва)

➡️ Еще больше топовых вакансий — в нашем канале Python jobs

Библиотека питониста

⚡️ Как ускорить Django-запросы: .values() вместо .only()

Если запросы в Django работают медленно, проблема может быть не в базе данных, а в самом ORM.

Один из запросов выполнялся 25 секунд через Django ORM, тогда как тот же SQL-запрос — всего за 2 секунды. После замены .only() на .values() время выполнения тоже сократилось до 2 секунд, а потребление памяти — на 70%.

Что было:

books = (
    Book.objects.filter(published_at__year=2025)
    .select_related("author__publisher")
    .only(
        "title",
        "published_at",
        "author__first_name",
        "author__publisher__name",
    )
)

✅ Итог: ~240 000 записей, но 25 секунд работы.

Что стало:

from django.db.models import F

books = (
    Book.objects.filter(published_at__year=2025)
    .values(
        "title",
        "published_at",
        author_name=F("author__name"),
        publisher_name=F("author__publisher__name"),
    )
)

✅ Те же данные — всего за 2 секунды.

В чём разница:
🚩 .only() не так экономичен, как кажется: Django всё равно создаёт полноценные объекты моделей и подтягивает связанные данные. Это означает лишнюю работу на уровне Python и большее потребление памяти.

🚩 .values(), напротив, возвращает обычные словари и не тратит ресурсы на создание объектов. Особенно эффективно на больших выборках и в read-only сценариях — API, экспорты и отчёты.

Библиотека питониста #буст

🔎PyPy теперь ещё стабильнее: вышел релиз 7.3.20

Команда PyPy выпустила новую версию 7.3.20! Это микро-релиз, совместимый с предыдущими 7.3.x, но с важными улучшениями:

Что нового:
— Исправлены баги в ctypes и OrderedDict
— Поддержка будущей версии Cython для PyPy 3.11
— Обновлён stdlib до CPython 2.7.18+ и 3.11.13

В составе:
— PyPy2.7 — полная поддержка Python 2.7
— PyPy3.11 — быстрая альтернатива Python 3.11

PyPy остаётся одним из самых быстрых интерпретаторов Python благодаря встроенному JIT-компилятору. Отличный выбор для ускорения Python-приложений без переписывания кода.

Поддерживаются сборки для:
— Linux/macOS (x86 и ARM)
— Windows (x64)

➡️ Подробнее: https://clc.to/_uYbNg

Библиотека питониста #свежак

🍝 Почему ваш Python-код превращается в спагетти — и как это исправить

В свежем и полезном видео автор показывает, как даже простой проект на Python может быстро стать нечитаемым… если не использовать абстракции.

Что в ролике:
▶️ Когда и зачем использовать ABC, Protocol и Callable
▶️ Почему абстракции — это не про сложность, а про порядок
▶️ Как снизить связанность и избавиться от «чудовищных импортов»
▶️ Структурная типизация без наследования
▶️ Практические советы даже для маленьких pet-проектов

📹 Смотреть на YouTube: https://clc.to/vt15-w

Библиотека питониста #буст