Python 3.15 выходит с крутыми новыми фичами 🐍

Самые интересные:

• Ленивые импорты через ключевое слово lazy - ускоряют запуск
• frozendict наконец-то стал встроенным типом
• Распаковка в comprehensions через * и **
• Улучшения JIT-компилятора - на 6-13% быстрее на x86-64 Linux
• Новый высокочастотный статистический профилировщик

Бета выйдет позже на этой неделе.

@Python_Community_ru

🌟 WindsurfAPI - тот самый мост, которого не хватало между Windsurf и привычными AI-инструментами.

Проект поднимает локальный API-прокси и позволяет обращаться к моделям Windsurf через знакомые форматы:

- /v1/chat/completions - OpenAI-compatible API
- /v1/messages - Anthropic-compatible API

То есть можно подключать Windsurf к Claude Code, Cursor, Cline, своим скриптам, агентам и LLM-gateway без переписывания всей инфраструктуры.

Что полезного:

- запуск локально или на своём сервере
- работа через привычные SDK
- совместимость с OpenAI / Anthropic форматами
- переключение между моделями из экосистемы Windsurf
- account pooling для распределения лимитов между аккаунтами

По сути, WindsurfAPI превращает Windsurf из закрытого IDE-инструмента в нормальный API-слой для своих агентных пайплайнов.

Очень практичная штука для тех, кто собирает кастомные AI-workflows и хочет подключать модели к своим инструментам, а не жить только внутри редактора.

Сейчас дают 50+ популярных ИИ через официальные API бесплатно.

GitHub: https://github.com/dwgx/WindsurfAPI

@Python_Community_ru

🔒 OpenAI Privacy Filter: Защита Личных Данных

Модель для обнаружения и маскировки персонально идентифицируемой информации (PII) в текстах. Идеальна для высокопроизводительных рабочих процессов по очистке данных, обеспечивая быструю и контекстно осведомлённую обработку. Подходит для локального использования и настройки.

🚀 Основные моменты:
- Двусторонняя классификация токенов для PII.
- Легкая настройка под специфические данные.
- Поддержка длинных контекстов до 128,000 токенов.
- Низкие требования к ресурсам: работает на ноутбуках и в браузерах.
- Гибкость в управлении точностью и полнотой.

📌 GitHub: https://github.com/openai/privacy-filter

#python

@Python_Community_ru

Python 3.15 beta 1 вышела в релиз 🐍

Это значит, что крупные фичи для релиза фактически зафиксированы. Дальше - бета, тесты, багфиксы и подготовка к финальному релизу.

Что интересного в 3.15:
- lazy imports через ключевое слово lazy
- встроенные frozendict и sentinel
- JIT стал быстрее на x86-64 Linux
- распаковка прямо внутри comprehensions
- новый статистический profiler с низким overhead
- frame pointers включены по умолчанию

Python 3.15.0b1 вышел 7 мая 2026 года, это первая из четырёх запланированных beta-версий и точка feature freeze; финальный релиз запланирован на 1 октября 2026 года.

https://blog.python.org/2026/05/python-3150-beta-1/

@Python_Community_ru

#Вакансия #Удаленка #Remote #Fulltime #Research #Python #Backend #CyberSec #InfoSec #Сети #Networking #Pentest #SOC #Middle #Junior

🛡 Python Backend-инженер (CyberSec)

─────────────────

🧪 О нас:

Технологический стартап. Делаем систему детекции аномалий в трафике: защищаем онлайн-сервисы от фрода (ловим VPN/прокси).

Сразу о главном: мы ищем человека в R&D. Наша работа больше похожа на лабораторию кибербеза. Если вы устали клепать одинаковые фичи и хотите применять свой инженерный азарт — вам сюда.

Особенно ждём кандидатов из ИБ/сетей, которые ушли в код: сетевиков, пентестеров, SOC-аналитиков, реверсеров, которые уверенно пишут на Python.

─────────────────

🎯 Задачи:

Работа в связке с research-инженерами: проверять гипотезы, копаться в данных, превращать идеи в production-код.

─────────────────

⚙️ Требования:

▪️Бэкграунд в ИБ/сетях. Профильное образование или подтверждённый опыт: работа в кибербезе/сетевом администрировании, CTF, пет-проекты, open-source — всё считается.

▪️Python от 1 года коммерческого опыта. Чистый масштабируемый код, удобные REST API.

▪️Сети ниже уровня requests/aiohttp. TCP-handshake, TLS ClientHello, DNS. Практика с tcpdump и Wireshark.

▪️Уверенный Linux. Консоль, понимание сетевого стека ядра.

▪️Чтение чужого кода. Легаси и исследовательские скрипты не пугают.

─────────────────

🤝 Soft-skills (для нас критически важно):

▪️Самостоятельность и проактивность. Из вас не нужно «вытягивать» задачи.
▪️Готовность копать вглубь. Логику нашего продукта не нагуглить — её приходится выводить из данных. Вы не один: research-инженеры рядом, гипотезы обсуждаем вместе, спрашивать не стыдно. Главное — не ждать тикета с пошаговой инструкцией, а идти и разбираться.

─────────────────

💼 Условия

▪️Удалёнка, фуллтайм
▪️100–200К на руки (возможны выплаты в USDT). Готовы рассмотреть выше для опытных
▪️Минимум бюрократии, максимум инженерной свободы
▪️Развитие в CyberSec
▪️Локация: РФ или РБ

─────────────────

📩 Как откликнуться:

Заполните анкету: [ссылка] (https://docs.google.com/forms/d/e/1FAIpQLSdPRs9NMRSg-JaPUsZdAtBP-6vrGoigK7jQth1N-IoXe44UEA/viewform?usp=pp_url&entry.1583537502=pythonl)
P.S. Ценим живые ответы, написанные своими словами.

@Python_Community_ru

‍⚡️ Глава Google Cloud выложил свой личный набор skills для AI-агентов

И это выглядит не как очередная папка с промптами, а как полноценный рабочий pipeline для разработки.

Внутри - 19 skills и 7 slash-команд, которые превращают агента в почти нормальную инженерную систему: от идеи и спецификации до тестов, ревью и релиза.

Логика разбита на 6 этапов:

- Define - помогает сформулировать идею, требования и спецификацию до начала кодинга
- Plan - дробит большую задачу на понятные шаги
- Build - ведёт пошаговую разработку с учётом контекста и нужных API
- Verify - прогоняет проверки через DevTools, ловит баги и помогает их чинить
- Review - смотрит качество кода, безопасность и производительность
- Ship - готовит проект к релизу и доводит до состояния «можно выкатывать»

Самое интересное - это не привязано к одному инструменту.

Сборку можно встроить в Claude Code, Cursor, Antigravity, OpenCode, Gemini CLI и другие агентные IDE / CLI.

По сути это готовый скелет для разработки с AI-агентом: меньше хаоса, меньше «сделай красиво», больше нормального процесса.

https://github.com/addyosmani/agent-skills

@Python_Community_ru

‍⚡️ Вредонос в PyPI превратил установку пакета в русскую рулетку

Microsoft расследует взлом популярного Python-пакета mistralai - официального клиента для работы с моделями Mistral AI.

По данным исследователей, злоумышленники внедрили вредонос прямо в библиотеку. Самое неприятное - код срабатывал уже при обычном import и пытался красть данные из окружения.
Но дальше история становится совсем абсурдной.

Вредонос проверял язык и регион системы, обходил русскоязычные окружения и включал геозависимую «лотерею» для остальных. Для некоторых стран поведение было особенно жёстким: с вероятностью 1 к 6 он мог запустить разрушительную команду удаления файлов.
В X после этого начали шутить, что лучший security-патч года - русский языковой пакет.

Шутки шутками, но кейс неприятный: это был не случайный левый пакет с тремя скачиваниями, а клиент для популярного AI-сервиса. То есть supply chain-атаки уже давно бьют не только по npm-мусору, а по нормальным инструментам, которые разработчики ставят почти на автомате.

Вывод простой: даже официальный пакет сегодня не гарантия безопасности.

Проверяйте версии, lock-файлы, хеши, changelog и окружение, где ставите зависимости. Особенно если это AI SDK, который по умолчанию получает доступ к токенам, ключам и рабочим данным.

https://x.com/lauriewired/status/2054231467744760131?s=46

@Python_Community_ru

🌐 МHR-CFW: MasterHttpRelay + Cloudflare Worker

MHR-CFW — это инструмент для создания анонимного прокси-сервера, использующего Google и Cloudflare для маскировки реального трафика. Он позволяет обойти сетевые фильтры, скрывая целевые сайты за обычным трафиком Google.

🚀 Основные моменты:
- Прокси-сервер, использующий Google и Cloudflare для анонимности.
- Подходит для образовательных и исследовательских целей.
- Не требует установки дополнительных зависимостей, кроме Python.
- Предоставляется без гарантии и ответственности.

📌 GitHub: https://github.com/denuitt1/mhr-cfw

@Python_Community_ru

🚀 Удобная система сборки для нескольких языков с rigx

rigx — это экспериментальная система сборки для C, C++, Go, Rust, Zig, Nim и Python, которая упрощает процесс разработки, обеспечивая изоляцию и кэширование. Все зависимости управляются автоматически, а сборки выполняются в песочнице, что исключает проблемы с "работает на моем компьютере".

🚀 Основные моменты:
- Простая декларативная конфигурация через rigx.toml.
- Поддержка многопоточности и интеграционных тестов.
- Кэширование выходных данных для ускорения сборок.
- Совместимость с Nix для управления зависимостями.

📌 GitHub: https://github.com/unofficialtools/rigx

#python

@Python_Community_ru

Python-скрипт, который автоматически «понимает» PDF-книги: AI Reads Books.

Достаточно предоставить PDF, запустить скрипт — и он будет анализировать содержимое по страницам, извлекать ключевые знания и генерировать структурированное резюме в формате Markdown.

GitHub: https://github.com/echohive42/AI-reads-books-page-by-page

@Python_Community_ru

‍✔️ Machine Learning Roadmap: нормальная карта входа в ML без сказок про «выучить нейросети за месяц»

Большой русскоязычный roadmap по машинному обучению: от первого import numpy до LLM, RAG, fine-tuning, AI-агентов и MLOps.

Внутри нормальная структура: что учить, в каком порядке, зачем это нужно и какой практический артефакт должен появиться после каждого этапа.

Roadmap разбит на 7 треков:

- фундамент: Python, математика, статистика, инструменты
- классический ML: scikit-learn, табличные данные, метрики, валидация
- Deep Learning: PyTorch, CNN, RNN, training loop
- LLM и трансформеры: attention, KV-cache, RAG, LoRA, агенты
- Generative AI: изображения, видео, аудио, мультимодальность
- MLOps и прод: Docker, Kubernetes, CI/CD, мониторинг, serving
- специализация: CV, NLP, RecSys, RL, Safety

Самое полезное - там честно написано, что ML это не только «обучить модель». В реальности большая часть работы живёт вокруг данных, метрик, деплоя, мониторинга, воспроизводимости и понимания, почему модель вообще ошибается.

Хорошая мысль из roadmap: LLM не делает джуна сениором. Она ускоряет того, кто понимает базу. Без базы человек просто превращается в оператора Copilot, который не может объяснить, почему модель сломалась.

По времени тоже без инфоцыганства:

- 0-3 месяца: Python, математика, классический ML
- 3-6 месяцев: Deep Learning и PyTorch
- 6-12 месяцев: LLM, RAG, fine-tuning, AI-агенты
- 12+ месяцев: MLOps, прод, масштабирование, специализация

Короче, если давно хотели системно зайти в ML, а не прыгать между роликами про ChatGPT, Stable Diffusion и «топ-10 библиотек», это хороший ориентир.

https://github.com/justxor/MachineLearningRoadmap/tree/main

@Python_Community_ru

🔒🌐 Awesome Privacy: Your Guide to Online Privacy Tools

Этот репозиторий собрал лучшие ресурсы и инструменты для обеспечения вашей конфиденциальности в интернете. Здесь вы найдете полезные ссылки на программы, сервисы и советы по защите личных данных.

🚀Основные моменты:
- Обширный список инструментов для защиты конфиденциальности
- Ресурсы по анонимности и безопасности в сети
- Регулярные обновления и новые добавления
- Полезные советы по улучшению личной безопасности

📌 GitHub:

#markdown

@Python_Community_ru

https://github.com/Lissy93/awesome-privacy

Вышел Codex CLI 0.133.0.

Goals теперь работают по умолчанию. У них появилось отдельное хранилище, прогресс трекается сквозь активные ходы, так что агент держит цель в фокусе между шагами и не забывает, куда шёл.

Заметно прокачали Permission profiles: API для списков, наследование настроек, поддержка managed requirements.toml, обновление прав в рантайме без перезапуска и усиленный сэндбокс под Windows.

Расширения получили доступ к событиям подагентов (старт, стоп), вызовам инструментов, метаданным хода и асинхронной обработке аппрувов. Можно строить нормальные обвязки вокруг Codex.

Плагины: discovery теперь учитывает маркетплейсы, показывает установленные версии, видимые корни и умеет работать с удалёнными коллекциями.

https://github.com/openai/codex/releases/tag/rust-v0.133.0

@Python_Community_ru

Kronos - open-source модель, которая читает финансовые свечи как язык

Это не обычная LLM, которую натянули на финансы. Kronos изначально обучали на K-line данных: open, high, low, close, volume и рыночных паттернах.

Что умеет:

- прогнозировать цену по свечам;
- оценивать будущую волатильность;
- работать zero-shot без дообучения;
- запускаться в разных размерах - от 4.1M до 499M параметров;
- делать прогнозы через несколько строк Python.

Модель обучали на данных с 45+ бирж, есть live demo для BTC/USDT, модели выложены на Hugging Face, код открыт под MIT.

Главная идея сильная: финансовые данные наконец начали обрабатывать не как обычный временной ряд, а как отдельный язык рынка.

GitHub: github.com/shiyu-coder/Kronos

@Python_Community_ru