Forwarded from AI for Devs
This media is not supported in your browser
VIEW IN TELEGRAM
⚡ JetBrains встроили Claude Agent прямо в свои IDE
Claude Agent теперь живёт прямо в AI-чате IDE, а под капотом — свежевыпущенный Claude 4.5 Sonnet.
Примечательно, что это первый сторонний агент, официально встроенный в экосистему JetBrains, и он идёт в составе подписки JetBrains AI — доплат не просят. Сделан на Anthropic Agent SDK, поэтому умеет в контекст, тулы, файловые операции и даже исполнение кода. Работает через MCP: агент видит IDE как сервер инструментов, вы — просто переписываетесь в чате.
Кратко об основных возможностях:
🟣 Работа с несколькими файлами: агент показывает предложенные правки в виде диффов прямо в редакторе — удобно сравнить «до/после» и решить, принять или выкинуть.
🟣 Контроль на вашей стороне: без вашего разрешения Claude ничего не тронет — ни файл, ни консоль. Но если достаточно смелые, то можно включить Brave mode и агент пойдет заниматься своими делами без ваших апрувов
🟣 Plan mode: агент сначала опишет шаги и только потом займется реализацией.
🟣 Управление контекстом: можно подкинуть файлы, папки или даже картинки — агент станет отвечать точнее и умнее.
Источник
@ai_for_devs
Claude Agent теперь живёт прямо в AI-чате IDE, а под капотом — свежевыпущенный Claude 4.5 Sonnet.
Примечательно, что это первый сторонний агент, официально встроенный в экосистему JetBrains, и он идёт в составе подписки JetBrains AI — доплат не просят. Сделан на Anthropic Agent SDK, поэтому умеет в контекст, тулы, файловые операции и даже исполнение кода. Работает через MCP: агент видит IDE как сервер инструментов, вы — просто переписываетесь в чате.
Кратко об основных возможностях:
Источник
@ai_for_devs
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4🔥4❤1👏1
💸 Устаревшие версии Python обходятся компаниям в миллионы долларов
Команда Python for Devs подготовила перевод статьи о скрытых издержках использования старых версий Python.
TL;DR: 83% разработчиков застряли на Python 3.10–3.11, и это обходится компаниям в миллионы долларов ежегодно из-за лишних "облачных" затрат.
А ведь казалось бы, обновиться — проще простого.
📚 Подробности на Хабр: https://habr.com/ru/articles/951234/
Команда Python for Devs подготовила перевод статьи о скрытых издержках использования старых версий Python.
TL;DR: 83% разработчиков застряли на Python 3.10–3.11, и это обходится компаниям в миллионы долларов ежегодно из-за лишних "облачных" затрат.
А ведь казалось бы, обновиться — проще простого.
📚 Подробности на Хабр: https://habr.com/ru/articles/951234/
👍5😱4❤2
This media is not supported in your browser
VIEW IN TELEGRAM
🔥 Manim: питон, математика, магия
Если вам когда-то хотелось сделать презентацию, которая выглядит как видео с ютуба «3Blue1Brown», то вот ответ — Manim. Это целый движок, который превращает код в красивые ролики с графиками, фигурами и текстом.
Что умеет:
– Строить абстрактные сцены из линий, кругов и формул.
– Анимировать всё это плавно и «научно красиво».
– Легко комбинировать текст и геометрию.
– Поддерживать и простые проекты «на коленке», и масштабные лекции/курсы.
Интересно, что библиотека выросла из личного проекта блогера (Grant Sanderson aka 3Blue1Brown), а теперь её используют университеты, энтузиасты и даже стартапы для объясняющих видосов. Комьюнити активно пилит фичи, а документация и примеры выглядят уже вполне серьёзно.
Выглядит как инструмент будущего для тех, кто хочет объяснять сложное просто — и при этом не тратить полжизни в Premiere, Davinci и т.д.
Так что да, пора пробовать!
Исходный проект Manim
Manim Community (версия, поддерживаемая сообществом)
Getting Started от создателя
Если вам когда-то хотелось сделать презентацию, которая выглядит как видео с ютуба «3Blue1Brown», то вот ответ — Manim. Это целый движок, который превращает код в красивые ролики с графиками, фигурами и текстом.
Что умеет:
– Строить абстрактные сцены из линий, кругов и формул.
– Анимировать всё это плавно и «научно красиво».
– Легко комбинировать текст и геометрию.
– Поддерживать и простые проекты «на коленке», и масштабные лекции/курсы.
Интересно, что библиотека выросла из личного проекта блогера (Grant Sanderson aka 3Blue1Brown), а теперь её используют университеты, энтузиасты и даже стартапы для объясняющих видосов. Комьюнити активно пилит фичи, а документация и примеры выглядят уже вполне серьёзно.
Выглядит как инструмент будущего для тех, кто хочет объяснять сложное просто — и при этом не тратить полжизни в Premiere, Davinci и т.д.
Так что да, пора пробовать!
Исходный проект Manim
Manim Community (версия, поддерживаемая сообществом)
Getting Started от создателя
🔥6❤3🤩2😱1
😢 Ржавеет экосистема Python
Два Ивана посмотрели, что же у нас произошло за последние пару лет: массовый рост количества замен pip install: PDM, Poetry и главное — UV.
Тоже самое мы видим и в линтерах и форматтерах: был blake + flake8, стал Ruff. Что объединяет все эти штуки? Конечно, скорость работы и разработка этих инструментов на Rust.
😉 СМОТРЕТЬ НА YOUTUBE
Два Ивана посмотрели, что же у нас произошло за последние пару лет: массовый рост количества замен pip install: PDM, Poetry и главное — UV.
Тоже самое мы видим и в линтерах и форматтерах: был blake + flake8, стал Ruff. Что объединяет все эти штуки? Конечно, скорость работы и разработка этих инструментов на Rust.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3🔥3👏2😱1
⚡️ Python 3.14: ошибки стали понятнее, чем когда-либо
В новой версии язык стал не просто «ругаться» на ошибки, а объяснять их понятным человеческим языком — с подсказками, где проблема и как её исправить. Т
еперь вместо сухого
📚 Подробности на Хабр: https://habr.com/ru/articles/953410/
В новой версии язык стал не просто «ругаться» на ошибки, а объяснять их понятным человеческим языком — с подсказками, где проблема и как её исправить. Т
еперь вместо сухого
invalid syntax вы получите конкретное объяснение и даже намёк на решение.📚 Подробности на Хабр: https://habr.com/ru/articles/953410/
🔥8👍4❤3
⚡️ Вышел Python 3.14 — теперь с JIT, фритредингом и шаблонными строками
Python наконец официально стал многопоточным по-взрослому — и даже обзавёлся экспериментальным JIT-компилятором. Да, это уже не просто обновление, а настоящий апгрейд эпохи GIL.
Версия Python 3.14.0 вышла как стабильный релиз и принесла массу интересных новшеств — от улучшенной работы аннотаций до встроенной поддержки Zstandard и UUIDv7.
Главные фичи:
• PEP 779 — Free-threaded Python теперь официально поддержан (GIL больше не обязателен).
• PEP 750 — шаблонные строки t"", аналог f"", но для кастомных парсеров.
• PEP 649 — аннотации теперь вычисляются отложенно.
• PEP 784 — новый модуль compression.zstd (поддержка Zstandard).
• PEP 768 — интерфейс для внешних отладчиков без накладных расходов.
• uuid теперь поддерживает версии 6–8 и работает до 40% быстрее.
• macOS и Windows-билды теперь включают экспериментальный JIT.
• Впервые доступны официальные Android-сборки.
Python окончательно перестаёт быть «медленным, но удобным». С фритредингом, JIT’ом и оптимизированной памятью он всё больше приближается к C# и Java по скорости исполнения — сохраняя простоту синтаксиса.
Полный список нововведений
@python_for_devs
Python наконец официально стал многопоточным по-взрослому — и даже обзавёлся экспериментальным JIT-компилятором. Да, это уже не просто обновление, а настоящий апгрейд эпохи GIL.
Версия Python 3.14.0 вышла как стабильный релиз и принесла массу интересных новшеств — от улучшенной работы аннотаций до встроенной поддержки Zstandard и UUIDv7.
Главные фичи:
• PEP 779 — Free-threaded Python теперь официально поддержан (GIL больше не обязателен).
• PEP 750 — шаблонные строки t"", аналог f"", но для кастомных парсеров.
• PEP 649 — аннотации теперь вычисляются отложенно.
• PEP 784 — новый модуль compression.zstd (поддержка Zstandard).
• PEP 768 — интерфейс для внешних отладчиков без накладных расходов.
• uuid теперь поддерживает версии 6–8 и работает до 40% быстрее.
• macOS и Windows-билды теперь включают экспериментальный JIT.
• Впервые доступны официальные Android-сборки.
Python окончательно перестаёт быть «медленным, но удобным». С фритредингом, JIT’ом и оптимизированной памятью он всё больше приближается к C# и Java по скорости исполнения — сохраняя простоту синтаксиса.
Полный список нововведений
@python_for_devs
🔥13👏2🤩2👍1
😇 PEP 8 как религия: почему Python сам не соблюдает свои же правила?
Мысль проста: споры о стиле в Python часто сводятся к одному —
Так стоит ли вообще относиться к PEP 8 как к догме?
📚 Подробности на Хабр: https://habr.com/ru/articles/953412/
Мысль проста: споры о стиле в Python часто сводятся к одному —
snake_case против camelCase. Даже сам Python не следует своим же правилам. Так стоит ли вообще относиться к PEP 8 как к догме?
📚 Подробности на Хабр: https://habr.com/ru/articles/953412/
👍5🔥3❤2
⚡️ Python 3.14: теперь реально быстрый или всё ещё просто “удобный”?
Думаю, вы уже слышали: релиз Python 3.14 состоялся. Мемы про “самый быстрый Python в истории” уже гуляют по сети — но давайте разберёмся, действительно ли он стал быстрее, или это очередной “чуть быстрее, но всё равно медленно”.
🟣 CPython 3.14 стал примерно на 27% быстрее, чем 3.13 — особенно заметно на рекурсивных задачах вроде вычисления чисел Фибоначчи.
🟣 Точка невозврата, как выяснилось, была ещё в 3.11 — именно тогда Python перестал быть “черепахой”.
🟣 Новый free-threading интерпретатор (без GIL) наконец-то показывает смысл в многопоточных сценариях: в CPU-нагруженных задачах ускорение до 3×.
🟣 А вот JIT-компиляция пока “для галочки” — ускорения почти нет, местами даже хуже.
🟣 PyPy всё ещё читает всем нотации: в 5–18 раз быстрее, чем CPython. Rust — вне конкуренции (в 70 раз быстрее, но это уже другая лига).
Другими словами, если вы всё ещё на Python 3.10 — апгрейд обязателен. Если уже на 3.13 — можно подождать, но 3.14 порадует, особенно если у вас параллельные вычисления. А вот на JIT пока не стоит делать ставку — он явно в стадии “эксперимента”.
📊 На графиках выше видно, как версии Python ускорялись с каждым релизом — особенно на задачах вроде вычисления чисел Фибоначчи и сортировки пузырьком. Python 3.14 уверенно обгоняет 3.13 и оставляет старые релизы далеко позади.
Источник
@python_for_devs
Думаю, вы уже слышали: релиз Python 3.14 состоялся. Мемы про “самый быстрый Python в истории” уже гуляют по сети — но давайте разберёмся, действительно ли он стал быстрее, или это очередной “чуть быстрее, но всё равно медленно”.
Другими словами, если вы всё ещё на Python 3.10 — апгрейд обязателен. Если уже на 3.13 — можно подождать, но 3.14 порадует, особенно если у вас параллельные вычисления. А вот на JIT пока не стоит делать ставку — он явно в стадии “эксперимента”.
Источник
@python_for_devs
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥7⚡5🤩2👍1👏1
⚡️ Автоматический парсинг чеков с LlamaIndex и Pydantic
Команда Python for Devs подготовила перевод статьи о том, как с помощью LlamaIndex и Pydantic можно превратить сканы чеков в структурированные данные.
Минимум кода — и у вас готовый CSV для анализа.
📚 Подробности на Хабр: https://habr.com/ru/articles/953414/
Команда Python for Devs подготовила перевод статьи о том, как с помощью LlamaIndex и Pydantic можно превратить сканы чеков в структурированные данные.
Минимум кода — и у вас готовый CSV для анализа.
📚 Подробности на Хабр: https://habr.com/ru/articles/953414/
👍5🔥4❤1
⚙️ Как собрать свою RAG-систему — без облаков и подписок
Хватит искать PDF-ки по корпоративным чатам. Сегодня любую внутреннюю документацию можно превратить в умный поисковик, который реально понимает, о чём вы спрашиваете. И всё — на чистом open source, локально и бесплатно.
RAG (Retrieval-Augmented Generation) объединяет две вещи: поиск по документам и генерацию ответов на естественном языке. Идея простая — модель не “придумывает” из головы, а берёт контекст из ваших файлов и формирует точный ответ. Ни утечек данных, ни платных API.
В новой статье — 5 инструментов:
🟣 MarkItDown — конвертирует любые документы (PDF, Word, HTML) в чистый Markdown.
🟣 LangChain RecursiveCharacterTextSplitter — умно режет текст на логические куски, чтобы LLM мог работать с контекстом.
🟣 SentenceTransformers (multi-qa-mpnet-base-dot-v1) — генерирует эмбеддинги локально, без доступа к API.
🟣 ChromaDB — хранит векторы и обеспечивает быстрый поиск по смыслу (HNSW-поиск под капотом).
🟣 Ollama + Gradio — локальная LLM (например, Mistral, Llama 3) и веб-интерфейс с потоковой генерацией ответов.
На выходе — полноценный Q&A-интерфейс по вашим документам: спрашиваете “как работает декоратор в Python”, получаете структурированный ответ с примером и ссылкой на исходный фрагмент. Всё работает офлайн, на локальной машине.
📚 Подробности на Хабр: https://habr.com/ru/articles/955798/
Хватит искать PDF-ки по корпоративным чатам. Сегодня любую внутреннюю документацию можно превратить в умный поисковик, который реально понимает, о чём вы спрашиваете. И всё — на чистом open source, локально и бесплатно.
RAG (Retrieval-Augmented Generation) объединяет две вещи: поиск по документам и генерацию ответов на естественном языке. Идея простая — модель не “придумывает” из головы, а берёт контекст из ваших файлов и формирует точный ответ. Ни утечек данных, ни платных API.
В новой статье — 5 инструментов:
На выходе — полноценный Q&A-интерфейс по вашим документам: спрашиваете “как работает декоратор в Python”, получаете структурированный ответ с примером и ссылкой на исходный фрагмент. Всё работает офлайн, на локальной машине.
📚 Подробности на Хабр: https://habr.com/ru/articles/955798/
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥14❤4👍3
😍 Красивый код на LaTeX прямо из Python
У вас тоже бывало — написал шикарную формулу в Python, а на презентации она выглядит как набор странных скобок и звёздочек?
Так вот, теперь можно не страдать с ручным LaTeX — Python умеет сам превращать ваш код в аккуратные математические выражения.
Три способа оживить ваши формулы:
🟣 handcalcs — делает пошаговые вычисления с подстановками, будто вы решаете задачу на доске.
🟣 latexify-py — автоматически превращает функции Python в чистый LaTeX без всяких промежуточных расчётов.
🟣 SymPy — для тех, кто хочет работать не с числами, а с уравнениями: символы, интегралы, производные — всё в одном пакете.
Подробнее про эти инструменты читайте на Хабре
@python_for_devs
У вас тоже бывало — написал шикарную формулу в Python, а на презентации она выглядит как набор странных скобок и звёздочек?
Так вот, теперь можно не страдать с ручным LaTeX — Python умеет сам превращать ваш код в аккуратные математические выражения.
Три способа оживить ваши формулы:
Подробнее про эти инструменты читайте на Хабре
@python_for_devs
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4❤2🔥2
Forwarded from AI for Devs
Как же я устал от тех, кто ссылается на ChatGPT
Вот реально, кажется, наступил новый уровень профессиональной лени. Ставишь задачу, человек уходит, потом приносит результат… а там мешанина из слов и/или кода. Спрашиваешь: “Ты сам то это читал?” — и получаешь в ответ: “Ааа, так это ChatGPT херню нагенерил…”
Ёпта. Я вижу, что это херня. Вопрос не в том, что сделал ChatGPT. Вопрос в том, почему ты решил, что это можно мне отправить не глядя? Неужели ты рельно думаешь, что я не знаю что такое ChatGPT и не в состоянии самостоятельно отправить в него запрос? Если бы мне нужен был ответ от ChatGPT, я бы не обращался к тебе.
Использовать ChatGPT — норм. Но проверять, понимать и фильтровать что он там нагенерил – долг того, кто обратился к ChatGPT. А если к тебе обратился человек, то и проверять он хочет результат от человека, а не от ChatGPT, иначе зачем ему обращаться к тебе?
Вот реально, кажется, наступил новый уровень профессиональной лени. Ставишь задачу, человек уходит, потом приносит результат… а там мешанина из слов и/или кода. Спрашиваешь: “Ты сам то это читал?” — и получаешь в ответ: “Ааа, так это ChatGPT херню нагенерил…”
Ёпта. Я вижу, что это херня. Вопрос не в том, что сделал ChatGPT. Вопрос в том, почему ты решил, что это можно мне отправить не глядя? Неужели ты рельно думаешь, что я не знаю что такое ChatGPT и не в состоянии самостоятельно отправить в него запрос? Если бы мне нужен был ответ от ChatGPT, я бы не обращался к тебе.
Использовать ChatGPT — норм. Но проверять, понимать и фильтровать что он там нагенерил – долг того, кто обратился к ChatGPT. А если к тебе обратился человек, то и проверять он хочет результат от человека, а не от ChatGPT, иначе зачем ему обращаться к тебе?
💯23👍8🔥4👏1
GitHub выкатили ежегодный Octoverse 2025: разработчиков теперь больше 180 миллионов, а новый аккаунт появляется буквально каждую секунду. Главный триггер этого бума? Бесплатный GitHub Copilot, который запустили в конце 2024-го. Привет всем вайбкодерам!)
А теперь — к тому, что важно Python-разработчикам.
Во-первых, Python впервые уступил первое место TypeScript’у, но не потому, что сдал позиции. Просто фронтенд и строгая типизация сейчас на пике популярности вместе с агентами и Copilot’ом. TypeScript — идеальный партнёр для ИИ, который пишет код: строгие типы помогают ограничить количество “галлюцинирующего” кода. А вот Python — всё так же король, когда речь про модели, пайплайны и экспериментальные среды. Он стал самым популярным языком во всех AI-ориентированных проектах на GitHub: 582 000 репозиториев (+50% за год) и рост Jupyter-ноутбуков на +75%.
Во-вторых, Python-экосистема — это теперь де-факто стандарт для ИИ. Всё, что связано с моделями, оркестрацией и инфраструктурой — строится именно на Python.
Ну и напоследок — GitHub сообщает: к 2030 году каждый третий новый разработчик будет из Индии. Там уже +5 миллионов за год, и прогноз — 57,5 миллиона к концу десятилетия. Cтарый мем про “индийский код” станет повседневностью?)
Короче, рост — это круто. Наверное.
Источник
@python_for_devs
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4❤3🔥3😱1
Forwarded from AI for Devs
This media is not supported in your browser
VIEW IN TELEGRAM
Мем дня: на сайте AI World Clocks девять ИИ-моделей каждую минуту получают простейшее задание — сделать обычные аналоговые часы на HTML и CSS.
Казалось бы, что может быть сложного?)
Казалось бы, что может быть сложного?)
😁12👍4🔥3
🤔 Python 3.14 без GIL: что это значит для веб-разработки?
Последние месяцы в новостях про Python много говорили о скорости: сравнивали 3.14 с 3.13, спорили о бенчмарках, радовались снижению оверхеда. Но почти нигде не было упора на веб-разработку.
Новая статья, которую мы перевели, закрывает этот пробел — и делает это на реальных ASGI и WSGI-приложениях.
Если коротко по фактам: в Python 3.14 free-threaded режим перестал быть экспериментом и почти догнал «обычный» интерпретатор по оптимизациям — провал в производительности сократился с ~35% до 5–10%. Но в вебе абсолютная скорость чистого Python — не главное. Здесь решает конкурентность, а она упиралась в GIL десятилетиями. Масштабирование через воркеры, гигабайты памяти на процессы — всё это было больше про обход ограничений, чем про реальные потребности приложений.
Практические тесты это подтверждают. В ASGI-приложениях free-threaded версия почти не уступает по I/O, зато заметно экономит память: можно держать больше сервисов на одной машине, упираясь в CPU, а не в RAM. В WSGI-сценариях картина смешанная: огромный выигрыш на CPU-нагруженных эндпоинтах, но и заметный рост потребления памяти — возможно, вопрос того, как серверы и GC адаптируются к новой модели исполнения.
Главная мысль: free-threaded Python не столько «ускоряет веб», сколько упрощает и стабилизирует его. Меньше магии с потоками и процессами, меньше компромиссов ради GIL, более предсказуемое масштабирование. Для большинства веб-сервисов это уже сейчас выглядит практичным улучшением, а не экспериментальной фичей.
@python_for_devs
Последние месяцы в новостях про Python много говорили о скорости: сравнивали 3.14 с 3.13, спорили о бенчмарках, радовались снижению оверхеда. Но почти нигде не было упора на веб-разработку.
Новая статья, которую мы перевели, закрывает этот пробел — и делает это на реальных ASGI и WSGI-приложениях.
Если коротко по фактам: в Python 3.14 free-threaded режим перестал быть экспериментом и почти догнал «обычный» интерпретатор по оптимизациям — провал в производительности сократился с ~35% до 5–10%. Но в вебе абсолютная скорость чистого Python — не главное. Здесь решает конкурентность, а она упиралась в GIL десятилетиями. Масштабирование через воркеры, гигабайты памяти на процессы — всё это было больше про обход ограничений, чем про реальные потребности приложений.
Практические тесты это подтверждают. В ASGI-приложениях free-threaded версия почти не уступает по I/O, зато заметно экономит память: можно держать больше сервисов на одной машине, упираясь в CPU, а не в RAM. В WSGI-сценариях картина смешанная: огромный выигрыш на CPU-нагруженных эндпоинтах, но и заметный рост потребления памяти — возможно, вопрос того, как серверы и GC адаптируются к новой модели исполнения.
Главная мысль: free-threaded Python не столько «ускоряет веб», сколько упрощает и стабилизирует его. Меньше магии с потоками и процессами, меньше компромиссов ради GIL, более предсказуемое масштабирование. Для большинства веб-сервисов это уже сейчас выглядит практичным улучшением, а не экспериментальной фичей.
@python_for_devs
👍5🔥5❤3