Разрабы, будьте осторожны

👉 @PythonPortal

Вышла LocalVQE Pi V1 — компактная модель для обработки голоса размером всего 49 тысяч параметров.

Модель выполняет акустическое эхоподавление (AEC), шумоподавление и дереверберацию в реальном времени. По словам разработчика, она работает с производительностью до 21× realtime на одном ядре Raspberry Pi 5.

LocalVQE Pi V1 основана на архитектуре GTCRN и отличается от предыдущих моделей LocalVQE, которые использовали DeepVQE. Размер модели удалось сократить на несколько порядков, сохранив при этом приемлемое качество обработки речи.

Проект ориентирован на локальные голосовые приложения, IoT-устройства и edge-решения, где критичны минимальное потребление ресурсов и работа без облака.

https://huggingface.co/spaces/LocalAI-io/LocalVQE-demo

👉 @PythonPortal

😂😂😂😂

👉 @PythonPortal

Python — как Новый год. Можно передавать кортеж в startswith и endswith.

👉 @PythonPortal

Переменные в Python — это стикеры, а не коробки.

Переменная не хранит значение, а указывает на него. Меняешь список — обе переменные видят изменение. Со стикерами это логично. С коробками — магия: две коробки загадочно меняются одновременно.

👉 @PythonPortal

Идём на AI Hardcore Day в офис Авито на Лесной 11 июля! 🤩

Будем слушать доклады о Spec-Driven Development, разработке и тестировании MCP, атаках на GenAI-агентов.
А после — нетворкать на террасе.

⚡ Регистрация и подробности — по ссылке.

Кстати, доклады будут не под запись — советуем не пропускать!

Эта TTS-модель синтезирует речь в 167 раз быстрее, чем ты её слушаешь.

Supertonic работает прямо на устройстве через ONNX. Без GPU, на 31 языке. Передаёт любые эмоции. Обгоняет ElevenLabs по скорости. Запускается даже на Raspberry Pi.

Полностью открытый исходный код.

👉 @PythonPortal

Хочешь быстро прокачать SQL?

Вот 4 курса, которые помогут поднять уровень:

- SQL Basics for Data Science
[https://programmingvalley.com/course/learn-sql-basics-for-data-science-free-course]

- Google Data Analytics
[https://programmingvalley.com/course/google-data-analytics-free-course]

- IBM Data Science
[https://programmingvalley.com/course/ibm-data-science-free-course]

- Google Business Intelligence
[https://programmingvalley.com/course/google-business-intelligence-free-course]

Подойдут как для изучения основ SQL, так и для освоения анализа данных, BI-инструментов и работы с данными в реальных проектах.

👉 @PythonPortal

Заслужил

👉 @PythonPortal

Исторический момент. Новый HTTP-метод в стандарте.

QUERY. Альтернатива GET и POST.

Как GET — не меняет состояние ресурса. Как POST — можно использовать тело запроса. Шлёшь JSON, кешируешь ответ.

Только что повышен до Proposed Standard.

👉 @PythonPortal

Как не дать ИИ заливать мусор в GitHub.

В репозитории git push no-mistakes предложили подход, где изменения прогоняются через локальную проверку до попадания в PR.

Идея простая. Перед пушем ветка проходит валидацию: ИИ проверяет код, дальше запускаются тесты, линтер, генерация документации и CI. Всё это работает локально через worktree, без блокировок и без остановки процесса разработки.
Если всё зелёное — открывается чистый pull request.

👉 @PythonPortal

Коротко почему ПРОГРАММИРОВАНИЕ все учат на ютубе

👉 @PythonPortal

Появился Hyper-Extract — инструмент, который превращает неструктурированные документы в полноценные базы знаний.
Вместо обычного разбиения PDF на чанки для RAG, Hyper-Extract может автоматически строить графы знаний, гиперграфы, временные и пространственные графы, типизированные модели данных, Obsidian Vault и базы знаний с поддержкой MCP.

Среди сценариев использования:
• преобразование научных статей в исследовательские графы;
• извлечение компаний, людей, метрик и рисков из финансовых отчётов;
• создание поисковых баз знаний из внутренних документов;
• локальный запуск через vLLM без отправки данных в облако;
• подключение к Claude Desktop и агентам в IDE через MCP.
В комплекте также есть более 80 YAML-шаблонов для финансов, юриспруденции, медицины и других областей.

GitHub: https://github.com/yifanfeng97/Hyper-Extract

👉 @PythonPortal

Вышло руководство по Loop Engineering — новый подход к работе с AI-агентами

Опубликован репозиторий loop-engineering, предлагающий сдвиг парадигмы: вместо того чтобы вручную давать промпты AI-агентам, разработчик проектирует цикл, который делает это автоматически.

Автор отмечает, что большинство до сих пор использует Claude Code, Codex, Cursor и Grok как обычный чат: промпт → ожидание → копирование → исправление → снова промпт. Loop Engineering предлагает перестать быть «нянькой» для агента и вместо этого построить систему, где агенты работают, проверяют, исправляют и эскалируют самостоятельно.

Репозиторий включает готовые циклы для ежедневного триажа, PR, CI, зависимостей, changelog и issues. В комплекте идут CLI для создания циклов, оценки токенов, аудита репозитория и безопасного запуска агентов через GitHub Actions.

«Prompt engineering был о том, как писать лучшие промпты. Loop engineering — о создании системы, где агенты продолжают работать без вашего присмотра на каждом шагу», — говорится в описании.

Репозиторий доступен на GitHub.

Репозиторий: https://github.com/cobusgreyling/loop-engineering

👉 @PythonPortal

Китайский брат выложил в открытый доступ замену для NumPy, которая выполняет вычисления на GPU.
Называется CuPy. Во многих случаях достаточно заменить одну строку:

import numpy as np

на

import cupy as cp

и тот же код может работать на CUDA до 100 раз быстрее.

Что умеет:
→ Совместим с существующим кодом на NumPy и SciPy.
→ Не требует переписывать программу или изучать новый синтаксис.
→ Поддерживает не только CUDA, но и AMD ROCm.

Проект полностью с открытым исходным кодом.

👉 @PythonPortal

Вышел Chunkr. Проект с открытым исходным кодом для интеллектуальной обработки документов. Он преобразует PDF, презентации PowerPoint, документы Word и изображения в структурированные блоки, готовые для RAG-систем и конвейеров на базе LLM.

Возможности:
» анализ структуры документа с OCR и координатами элементов;
» экспорт в структурированный HTML и Markdown;
» обработка с помощью визуально-языковых моделей;
» возможность развернуть локально через Docker Compose с поддержкой различных LLM-провайдеров.

👉 @PythonPortal

Недавно наткнулся на Open Lovable — open source-проект команды Firecrawl, который уже набрал более 24 тысяч звёзд на GitHub.

Порог входа практически отсутствует: просто вставьте ссылку на сайт, который хотите «клонировать», и через несколько секунд получите очень точную React-версию. Макет, стили и взаимодействия максимально повторяют оригинал, поэтому её удобно использовать как основу для дальнейшей разработки.

GitHub: http://github.com/mendableai/open-lovable

Кратко о возможностях:

- В один клик «клонирует» любой сайт в React-приложение, справляясь даже со сложными страницами.
- Поддерживает работу с несколькими моделями, включая OpenAI, Anthropic, Gemini, Grok и другие, позволяя легко переключаться между ними.
- Построен на базе Firecrawl для извлечения структуры страниц, что делает воссоздание сайтов более стабильным и точным.
- Поддерживает локальную отладку и развёртывание, а также показывает результат в режиме реального времени во время генерации — сразу видно, что получается.
- Интегрируется с песочницей E2B для более безопасного запуска и тестирования.

Проект распространяется по лицензии MIT и полностью открыт: достаточно скачать его локально, указать необходимые API-ключи — и можно начинать работу.

👉 @PythonPortal

Появился почти «божественный» инструмент. Думаю, после него количество доработок у людей, которые делают PowerPoint-презентации, заметно снизится.

hugohe3/ppt-master — 33 093★ на GitHub, +589 за сегодня. Хотя он работает на ИИ, он не просто генерирует «слайды с вставленными картинками» — он собирает полноценные редактируемые .pptx-файлы с нативными фигурами и анимациями. Сильная штука.

Самая больная часть генерации документов через ИИ — потом это нельзя нормально править. ppt-master умеет конвертировать любой документ в .pptx, поддерживает кастомные шаблоны и даже добавляет аудионарацию для заметок докладчика.

В веб-версии ChatGPT и Claude это уже есть, поэтому хорошо, что появился и CLI-вариант. В реальной практике обычно работает простая схема: «ИИ делает черновик, человек доводит руками». Похоже, такие пайплайны будут дальше только развиваться.

https://github.com/hugohe3/ppt-master

👉 @PythonPortal

Трансформеры становятся понятнее, когда можно «потыкать» модель напрямую.

Transformer Explainer — это интерактивный инструмент визуализации для изучения того, как работают текстогенерирующие модели на основе трансформеров, такие как GPT.

Он помогает связать архитектуру с реальным поведением, запуская живую GPT-2 прямо в браузере, позволяя вводить свой текст и показывая, как внутренние компоненты работают вместе для предсказания следующих токенов.

Ключевые возможности:

- Живая GPT-2 в браузере — экспериментируйте без настройки отдельного сервера модели
- Свой текст — пробуйте собственные промпты и смотрите, как модель их обрабатывает
- Внутренние компоненты — наблюдайте за операциями, работающими внутри трансформера
- Фокус на предсказании следующего токена — связывайте каждый визуальный шаг с предсказаниями модели
- Локальная разработка — клонируйте репозиторий, установите зависимости и запустите через npm для глубокого изучения

Это open-source (лицензия MIT).

https://github.com/poloclub/transformer-explainer

👉 @PythonPortal