NVIDIA представила и открыла исходный код NOOA — нового фреймворка для создания ИИ-агентов.

Его главная идея — описывать агента как один Python-класс, а не разносить логику по промптам, схемам инструментов, колбэкам и графам выполнения.

В NOOA:
• методы — это действия агента;
• поля — его состояние;
• docstring становятся промптами;
• тип возвращаемого значения задаёт контракт ответа.

Самая интересная особенность — «пустые» методы. Если тело метода содержит только ..., его реализацию во время выполнения генерирует LLM. Если внутри есть обычный Python-код, он выполняется без участия модели. Так в одном классе сразу видно, где модель может принимать решения, а где поведение полностью детерминировано.

Ещё одна сильная сторона — работа с данными. Если методу передать список из 100 элементов, модель увидит только имя переменной, её тип, размер и несколько элементов с начала и конца. Все данные остаются в памяти процесса, а модель взаимодействует с ними через код, который пишет на лету. Благодаря этому ограничения начинают определяться не размером контекстного окна, а ресурсами машины, на которой выполняется код.

По словам NVIDIA, на SWE-bench Verified с GPT-5.5 NOOA набирает 82,2% против 78,6% у OpenCode, используя примерно вдвое меньше обращений к модели и токенов.

Статья: http://arxiv.org/abs/2607.20709
Репозиторий: http://github.com/nvidia-nemo/labs-OO-Agents

👉 @PythonPortal

Знали ли вы, что в Python можно читать текстовые файлы с помощью pathlib?

Вот как это сделать:

👉 @PythonPortal

10 GitHub-репозиториев, которые настолько хороши, что их, кажется, не должны раздавать бесплатно:

1. OmniRoute — единая точка доступа к 231 AI-провайдеру с компрессией токенов и автоматическим переключением при сбоях.

https://github.com/diegosouzapw/OmniRoute

2. OfficeCLI — управление Word, Excel и PowerPoint из одной командной строки.

https://github.com/iOfficeAI/OfficeCLI]

3. System Prompts Leaks — системные промпты Claude, GPT, Gemini, Grok, Cursor, Copilot и других моделей.

https://github.com/asgeirtj/system_prompts_leaks

4. OpenCut — бесплатная open-source альтернатива CapCut, работающая прямо в браузере.

https://github.com/OpenCut-app/OpenCut

5. AI Job Search — агент на базе Claude Code, который анализирует вакансии, адаптирует резюме и пишет сопроводительные письма.

https://github.com/MadsLorentzen/AI-Job-Search

6. Meetily — полностью локальная транскрибация встреч и создание саммари с помощью Whisper и Ollama.

https://github.com/zaid-maker/meetily

7. Vibe-Trading — создание и запуск торговых стратегий с помощью естественного языка и AI-агентов.

https://github.com/HKUDS/Vibe-Trading

8. Strix — open-source AI-сканер уязвимостей для поиска и исправления проблем безопасности.

https://github.com/usestrix/strix

9. Superpower — self-hosted AI-рабочее пространство.

https://github.com/superpowerlabs/superpower

10. Firecrawl — превращает любой сайт в чистые данные, готовые для использования LLM.

https://github.com/mendableai/firecrawl

👉 @PythonPortal

Как распаковать кортеж, список и объект range с помощью одной звёздочки в Python.

👉 @PythonPortal

MIT 6.824 (распределённые системы) — один из лучших бесплатных инженерных курсов в интернете.

Вместо чистой теории весь курс построен вокруг чтения и разбора фундаментальных работ из реальных систем:

GFS (Google File System) — архитектура с одним главным узлом, распределение чанков и работа с eventual consistency при больших нагрузках на добавление данных.

Raft — выбор лидера, репликация журнала и инварианты безопасности. Алгоритм разбирается намного доступнее, чем Paxos.

ZooKeeper — координация без блокировок, системы с преобладанием чтения, линейно согласованные записи и eventual consistency для чтений через watches.

Spanner — глобально распределённые транзакции, двухфазный commit поверх Paxos и использование TrueTime (атомные часы + GPS) для обеспечения внешней согласованности.

Также в курсе разбираются MapReduce, Spark, Frangipani, Memcached от Facebook и другие системы.

Если хотите выйти за пределы поверхностного system design и понять, как внутри устроены реальные распределённые хранилища и системы консенсуса, этот курс — настоящий клад.

Плейлист: https://youtube.com/playlist?list=PLrw6a1wE39_tb2fErI4-WkMbsvGQk9_UB

👉 @PythonPortal

🐍 Потокобезопасность в Python: гайд на использование Lock и другие методы — https://realpython.com/python-thread-lock/

#python

👉 @PythonPortal

«Introduction to Machine Learning» — ещё один бесплатный учебник по машинному обучению объёмом около 600 страниц, который делает акцент на глубоком математическом понимании предмета.

Книга начинается с математической базы, необходимой для дальнейшего изучения: линейной алгебры, математического анализа, теории вероятностей, матричного анализа и методов оптимизации. Затем разбираются основные алгоритмы обучения с учителем: линейная и логистическая регрессия, метод ближайших соседей, деревья решений, случайные леса, бустинг и нейронные сети.

Значительная часть книги посвящена вероятностным и генеративным моделям. Рассматриваются методы Монте-Карло, графические модели, байесовские сети, вариационные методы, нормализующие потоки, вариационные автокодировщики (VAE) и генеративно-состязательные сети (GAN).

В заключительных главах обсуждаются кластеризация, метод главных компонент (PCA), обучение на многообразиях и теоретические оценки способности моделей к обобщению.

На мой взгляд, это отличный справочник для тех, кто хочет получить широкое представление о машинном обучении и разобраться в математике, лежащей в основе ключевых методов, а не воспринимать их как «чёрный ящик».

https://arxiv.org/pdf/2409.02668

👉 @PythonPortal

Django 6.1 уже вышел.

Из нового:

* варианты удаления для ForeignKey на уровне базы данных;
* настройки email через словари;
* поддержка Python 3.12–3.14;
* режимы загрузки полей модели;
* и другие изменения.

👉 @PythonPortal

Это важно: OpenAI запускает Agent Plugins.

Открытый стандарт для упаковки навыков и MCP-серверов в единый пакет, который можно использовать в разных клиентах.

Стандарт поддерживают AWS, Cursor, GitHub, Microsoft, Vercel и другие.

https://github.com/agentplugins/agent-plugins-spec

👉 @PythonPortal