Forwarded from 5 minutes of data
The Python Paradox
В 2004 году Пол Грэм заявил, что Python-программисты в среднем сообразительнее Java-разработчиков.
Не потому что Java - плохой язык, а потому что Python тогда был нишевым инструментом, который учили не ради работы, а из любви к кодингу.
И эта идея до сих пор взрывает мозг: если компания пишет софт на непрактичном языке, она ловит самых увлеченных.
Толпы новичков, тонны шаблонного кода, а энтузиасты уже смотрят в сторону Zig.
Что делать?
Даже если у вас legacy на Java, дайте таким людям модуль на Kotlin - они его оживят.
Google до сих пор в Java-вакансиях спрашивает про Python. Потому что знает: это маркёр любви к коду.
Python из хобби стал мейнстримом. С Go та же история. Эзотерика сегодня - завтра хайп.
Даже среди Java-программистов есть гики - их видно по опенсорсу и странным хобби вроде сборки своих IDE.
Парадокс Грэма - не про языки. Это про выбор людей, которые не ищут лёгких путей. Такие есть везде.
Просто в нишевых языках их концентрация выше.
А вы как думаете?
Вот если бы вам пришлось нанимать команду - взяли бы Java-спеца с 10 годами опыта или того парня с кучей проектов на Haskell?
@data_whisperer
В 2004 году Пол Грэм заявил, что Python-программисты в среднем сообразительнее Java-разработчиков.
Не потому что Java - плохой язык, а потому что Python тогда был нишевым инструментом, который учили не ради работы, а из любви к кодингу.
И эта идея до сих пор взрывает мозг: если компания пишет софт на непрактичном языке, она ловит самых увлеченных.
Rust/Elixir vs Java/PHP - первые чаще привлекают тех, кто готов гореть проектом, а не просто трекать часы.Go - идеальный пример, как простота и популярность убивают среднюю температуру по больнице. Синтаксис - легче некуда, зарплаты - выше крыши. Итог? Толпы новичков, тонны шаблонного кода, а энтузиасты уже смотрят в сторону Zig.
Что делать?
Компаниям - ищите в резюме проекты на бесполезных языках. Человек пишет на Erlang в 2025? Это как татуировка программист-фанатик.Даже если у вас legacy на Java, дайте таким людям модуль на Kotlin - они его оживят.
Разработчикам - учите то, от чего горят глаза. Не Go потому что модно, а Elixir потому что офигенно.Google до сих пор в Java-вакансиях спрашивает про Python. Потому что знает: это маркёр любви к коду.
Python из хобби стал мейнстримом. С Go та же история. Эзотерика сегодня - завтра хайп.
Даже среди Java-программистов есть гики - их видно по опенсорсу и странным хобби вроде сборки своих IDE.
Личное мнение:Парадокс Грэма - не про языки. Это про выбор людей, которые не ищут лёгких путей. Такие есть везде.
Просто в нишевых языках их концентрация выше.
А вы как думаете?
Вот если бы вам пришлось нанимать команду - взяли бы Java-спеца с 10 годами опыта или того парня с кучей проектов на Haskell?
@data_whisperer
Forwarded from Python/ django
1. 30-Days-Of-Python — 30-дневный челлендж по основам Python.
2. Python Basics — азы Python для новичков, просто и с примерами.
3. Learn Python — справочник с кодом, пояснениями и практикой.
4. Python Guide — гайд по практикам, инструментам и сложным темам.
5. Learn Python 3 — руководство по Python 3 с практикой для начинающих.
6. Python Programming Exercises — 100+ задач по Python.
7. Coding Problems — алгоритмы и структуры данных для собесов.
8. Project-Based-Learning — Python через реальные проекты.
9. Projects — идеи проектов для прокачки навыков.
10. 100-Days-Of-ML-Code — ML на Python шаг за шагом.
11. TheAlgorithms/Python — алгоритмы и структуры данных на Python.
12. Amazing-Python-Scripts — полезные скрипты: от утилит до автоматизации.
13. Geekcomputers/Python — скрипты для сети, файлов и задач.
14. Materials — код и проекты от Real Python.
15. Awesome Python — топ фреймворков, библиотек и ресурсов.
16. 30-Seconds-of-Python — короткие сниппеты для быстрых решений.
17. Python Reference — скрипты, туториалы и лайфхаки.
#python #github #learning
@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Технологический Болт Генона
Отличные интерактивные Knowledge Maps по Java, Kotlin, Python и Essentials
https://hyperskill.org/knowledge-map/331
https://hyperskill.org/knowledge-map/331
Forwarded from Бидон (BI-DONE)
Если уж Педро Паскаль достиг успеха, представьте чего достиг бы Педро Питон?!
Forwarded from PYTHONOMANIA
Claude Code SDK — это официальный Python SDK для работы с Claude Code. Позволяет выполнять запросы, управлять инструментами и интегрировать Claude Code в Python-проекты.
import anyio
from claude_code_sdk import query
async def main():
async for message in query(prompt="What is 2 + 2?"):
print(message)
anyio.run(main)
#claude #claudecode #python #sdk #opensource #ai #ml #devtools #nodejs #asyncpython #backend
https://github.com/anthropics/claude-code-sdk-python
Please open Telegram to view this post
VIEW IN TELEGRAM
GitHub
GitHub - anthropics/claude-agent-sdk-python
Contribute to anthropics/claude-agent-sdk-python development by creating an account on GitHub.
Forwarded from 5 minutes of data
Dignified Python: 10 Rules to Improve your LLM Agents
Современные LLM обучаются на огромном и неуправляемом наборе кода: сомнительных фрагментах со StackOverflow, недоделанных проектах и любительских репозиториях.
Когда агенты генерируют код на основе такого набора данных, результаты могут быть быстрыми, но не сфокусированными.
Даже если вы не полностью доверяете им, постоянный цикл корректировок, исправлений и переписывания может привести к тому, что разработка будет ощущаться фрагментированной, а не целостной.
Для решения этой проблемы в Dagster Labs систематизировали представления о том, как следует писать код на Python, в набор правил.
Вместо того чтобы полагаться на последующую очистку посредством проверок или переписывания, правила загружаются непосредственно в контекст модели с самого начала. Это дает агентам четкое представление о стандартах, соглашениях и философии проектирования.
Примеры правил можно посмотреть в этом репо.
А для подготовки всего проекта с правилами используют ERK - CLI tool for plan-oriented agentic engineering, тоже интересный проект.
@five_minutes_of_data
Современные LLM обучаются на огромном и неуправляемом наборе кода: сомнительных фрагментах со StackOverflow, недоделанных проектах и любительских репозиториях.
Когда агенты генерируют код на основе такого набора данных, результаты могут быть быстрыми, но не сфокусированными.
Даже если вы не полностью доверяете им, постоянный цикл корректировок, исправлений и переписывания может привести к тому, что разработка будет ощущаться фрагментированной, а не целостной.
Для решения этой проблемы в Dagster Labs систематизировали представления о том, как следует писать код на Python, в набор правил.
Вместо того чтобы полагаться на последующую очистку посредством проверок или переписывания, правила загружаются непосредственно в контекст модели с самого начала. Это дает агентам четкое представление о стандартах, соглашениях и философии проектирования.
Примеры правил можно посмотреть в этом репо.
А для подготовки всего проекта с правилами используют ERK - CLI tool for plan-oriented agentic engineering, тоже интересный проект.
@five_minutes_of_data
dagster.io
Dignified Python: 10 Rules to Improve your LLM Agents Writing Python
Learn how Dagster's "Dignified Python" principles help developers align AI agents with intentional, readable, and performant Python. Ten rules from our Claude prompt that you can adopt.