🔥 DeepSeek Harness - пример того, почему сегодня важна не только модель, но и всё окружение вокруг неё
Harness - это слой между LLM и реальной работой: инструменты, terminal, permissions, память, tool loop и правила обработки ответов.
У deepseek-harness есть Python-библиотека, CLI dsh, MCP-сервер и интеграция в формате Anthropic Skill. Проект документирует особенности протокола DeepSeek V4-Pro/V4-Flash и автоматически обрабатывает проблемные места вроде reasoning_content, parallel tool calls, streaming и context limits.
Например:
pip install deepseek-harness-cli
Ключевая идея очень актуальна для agent engineering:
одна и та же модель с разным harness может вести себя как совершенно другой агент.
Модель отвечает за интеллект.
Harness - за то, сможет ли этот интеллект стабильно работать с инструментами и длинными workflow.
Вот полезный гайд, (https://helmcode.com/deepseek-harness) где собрали большой разбор проекта: 23 секции, от запуска за минуту до архитектуры и теории Cordis.
Что особенно интересно:
архитектура максимально модульная - компоненты можно заменять плагинами;
проект model-agnostic и работает с OpenAI-compatible API;
под harness лежит Cordis - отдельная формальная модель безопасного самоизменения программ;
можно менять не только tools, но даже логику, которая решает, что агент должен делать дальше;
проект пока developer preview, поэтому breaking changes ожидаемы
Разбор: https://helmcode.com/deepseek-harness
@Python_Community_ru
Harness - это слой между LLM и реальной работой: инструменты, terminal, permissions, память, tool loop и правила обработки ответов.
У deepseek-harness есть Python-библиотека, CLI dsh, MCP-сервер и интеграция в формате Anthropic Skill. Проект документирует особенности протокола DeepSeek V4-Pro/V4-Flash и автоматически обрабатывает проблемные места вроде reasoning_content, parallel tool calls, streaming и context limits.
Например:
pip install deepseek-harness-cli
Ключевая идея очень актуальна для agent engineering:
одна и та же модель с разным harness может вести себя как совершенно другой агент.
Модель отвечает за интеллект.
Harness - за то, сможет ли этот интеллект стабильно работать с инструментами и длинными workflow.
Вот полезный гайд, (https://helmcode.com/deepseek-harness) где собрали большой разбор проекта: 23 секции, от запуска за минуту до архитектуры и теории Cordis.
Что особенно интересно:
архитектура максимально модульная - компоненты можно заменять плагинами;
проект model-agnostic и работает с OpenAI-compatible API;
под harness лежит Cordis - отдельная формальная модель безопасного самоизменения программ;
можно менять не только tools, но даже логику, которая решает, что агент должен делать дальше;
проект пока developer preview, поэтому breaking changes ожидаемы
Разбор: https://helmcode.com/deepseek-harness
@Python_Community_ru
🖥 Для Python появился Interlock - современный circuit breaker без зоопарка отдельных решений для sync и async.
Один CircuitBreaker умеет работать и с обычными функциями, и с async, считать процент ошибок по скользящему окну и отдельно реагировать на слишком медленные вызовы.
Можно собрать полноценный pipeline отказоустойчивости:
pipeline = (
Pipeline.builder()
.fallback(...)
.retry(attempts=4)
.circuit_breaker(breaker)
.bulkhead(8)
.timeout(2.0)
.build()
)
То есть timeout, retry, ограничение параллелизма, circuit breaker и fallback складываются в одну явную цепочку.
Есть интеграции с httpx, aiohttp, requests, FastAPI, Redis и OpenTelemetry. Через Redis состояние breaker можно шарить между несколькими процессами или инстансами приложения.
Ещё полезная штука - METRICS_ONLY: сначала можно просто посмотреть реальные проценты ошибок и медленных запросов в проде, ничего не блокируя, а уже потом включить breaker.
https://github.com/bagowix/interlock
@Python_Community_ru
Один CircuitBreaker умеет работать и с обычными функциями, и с async, считать процент ошибок по скользящему окну и отдельно реагировать на слишком медленные вызовы.
Можно собрать полноценный pipeline отказоустойчивости:
pipeline = (
Pipeline.builder()
.fallback(...)
.retry(attempts=4)
.circuit_breaker(breaker)
.bulkhead(8)
.timeout(2.0)
.build()
)
То есть timeout, retry, ограничение параллелизма, circuit breaker и fallback складываются в одну явную цепочку.
Есть интеграции с httpx, aiohttp, requests, FastAPI, Redis и OpenTelemetry. Через Redis состояние breaker можно шарить между несколькими процессами или инстансами приложения.
Ещё полезная штука - METRICS_ONLY: сначала можно просто посмотреть реальные проценты ошибок и медленных запросов в проде, ничего не блокируя, а уже потом включить breaker.
https://github.com/bagowix/interlock
@Python_Community_ru
Для тех, кто работает с ACP-агентами из терминала, появился простой REPL
acp-repl запускает любой stdio-сервер с поддержкой Agent Client Protocol и позволяет общаться с агентом прямо из терминала: отправлять промпты, создавать сессии, переключать модель и режим, обрабатывать permission-запросы и смотреть debug-логи.
Работает не с одним конкретным агентом. В README есть примеры для OpenCode, Codex, Claude Code и Pi, плюс можно подключить любой другой ACP-совместимый executable.
Удобная штука для быстрой проверки агента до того, как встраивать его в свой runtime или приложение. Можно сравнить поведение разных моделей и режимов, проверить permissions или просто понять, нормально ли стартует конкретный ACP-провайдер.
Запуск через npm:
npm install -g @normahq/acp-repl@latest
acp-repl -- opencode acp
Репозиторий:
https://github.com/normahq/acp-repl
@Python_Community_ru
acp-repl запускает любой stdio-сервер с поддержкой Agent Client Protocol и позволяет общаться с агентом прямо из терминала: отправлять промпты, создавать сессии, переключать модель и режим, обрабатывать permission-запросы и смотреть debug-логи.
Работает не с одним конкретным агентом. В README есть примеры для OpenCode, Codex, Claude Code и Pi, плюс можно подключить любой другой ACP-совместимый executable.
Удобная штука для быстрой проверки агента до того, как встраивать его в свой runtime или приложение. Можно сравнить поведение разных моделей и режимов, проверить permissions или просто понять, нормально ли стартует конкретный ACP-провайдер.
Запуск через npm:
npm install -g @normahq/acp-repl@latest
acp-repl -- opencode acp
Репозиторий:
https://github.com/normahq/acp-repl
@Python_Community_ru
Python Game Server: простой сервер для пошаговых мультиплеерных игр
python-game-server — лёгкий open source-фреймворк на Python для создания пошаговых мультиплеерных игр.
Он даёт готовую серверную основу, чтобы не писать с нуля комнаты, игровые сессии и сетевое взаимодействие.
Из коробки есть:
— единый API для разных игр
— несколько параллельных игровых сессий
— подключение к конкретной комнате
— автоматический вход в ближайшую свободную сессию
— возможность относительно легко добавлять новые игры
Проект рассчитан в первую очередь на настольные, карточные и другие turn-based игры. Для написания клиентов и новых игровых механик, по словам автора, достаточно базового знания Python.
В репозитории уже больше 600 коммитов, отдельно лежат клиентская и серверная части.
GitHub: https://github.com/feberts/python-game-server
@Python_Community_ru
python-game-server — лёгкий open source-фреймворк на Python для создания пошаговых мультиплеерных игр.
Он даёт готовую серверную основу, чтобы не писать с нуля комнаты, игровые сессии и сетевое взаимодействие.
Из коробки есть:
— единый API для разных игр
— несколько параллельных игровых сессий
— подключение к конкретной комнате
— автоматический вход в ближайшую свободную сессию
— возможность относительно легко добавлять новые игры
Проект рассчитан в первую очередь на настольные, карточные и другие turn-based игры. Для написания клиентов и новых игровых механик, по словам автора, достаточно базового знания Python.
В репозитории уже больше 600 коммитов, отдельно лежат клиентская и серверная части.
GitHub: https://github.com/feberts/python-game-server
@Python_Community_ru
🖥 pyhctsa - Python-инструмент для highly comparative time-series analysis: он автоматически считает большой набор характеристик временного ряда и превращает сигнал в таблицу признаков.
Базовый сценарий выглядит так:
from pyhctsa.calculator import FeatureCalculator
calc = FeatureCalculator()
features = calc.extract(data)
На выходе — DataFrame, где каждая временная серия превращается в набор feature'ов. Причём серии могут быть разной длины.
Есть:
— полный набор операций из коробки
— собственные YAML-конфиги для подмножеств признаков
— вызов отдельных feature-функций
— параллельная обработка на нескольких CPU
— инструменты для nonlinear analysis, HRV и других специализированных задач
GitHub: https://github.com/DynamicsAndNeuralSystems/pyhctsa
@Python_Community_ru
Базовый сценарий выглядит так:
from pyhctsa.calculator import FeatureCalculator
calc = FeatureCalculator()
features = calc.extract(data)
На выходе — DataFrame, где каждая временная серия превращается в набор feature'ов. Причём серии могут быть разной длины.
Есть:
— полный набор операций из коробки
— собственные YAML-конфиги для подмножеств признаков
— вызов отдельных feature-функций
— параллельная обработка на нескольких CPU
— инструменты для nonlinear analysis, HRV и других специализированных задач
GitHub: https://github.com/DynamicsAndNeuralSystems/pyhctsa
@Python_Community_ru
This media is not supported in your browser
VIEW IN TELEGRAM
Лицо C++-разработчика, когда он написал 6000 строк кода, чтобы обогнать твои 4 строки на Python на 0,000438 секунды.
@Python_Community_ru
@Python_Community_ru
10 открытых GitHub-репозиториев для изучения Python
1. 30 Days of Python - курс от основ до более продвинутых тем за 30 дней.
https://github.com/Asabeneh/30-Days-Of-Python
2. Learn Python - компактный учебник с примерами: типы, функции, ООП, декораторы, генераторы и многое другое.
https://github.com/trekhleb/learn-python
3. The Algorithms — Python - сотни алгоритмов и структур данных с реализациями на Python.
https://github.com/TheAlgorithms/Python
4. Python Mini Projects — много небольших проектов, на которых удобно набивать руку.
https://github.com/Python-World/python-mini-projects
5. Interactive Coding Challenges - задачи по алгоритмам, структурам данных и программированию с решениями.
https://github.com/donnemartin/interactive-coding-challenges
6. Python Patterns - паттерны проектирования и идиоматичный Python на реальных примерах.
https://github.com/faif/python-patterns
7. Learn Python 3 - хороший набор примеров и упражнений от базового синтаксиса до продвинутых возможностей языка.
https://github.com/jerry-git/learn-python3
8. Real Python Materials - исходники и примеры к большому количеству обучающих материалов Real Python.
https://github.com/realpython/materials
9. 100+ Python Challenging Programming Exercises - большая коллекция задач с постепенным ростом сложности.
https://github.com/zhiwehu/Python-programming-exercises
10. Awesome Python - огромный каталог библиотек, фреймворков и инструментов Python. Полезен, когда базу уже прошёл и хочется понять экосистему.
https://github.com/vinta/awesome-python
Если идти по порядку, я бы начал с 30 Days of Python → Learn Python → Mini Projects → The Algorithms → Python Patterns. Так получится путь от синтаксиса до алгоритмов и нормального продакшен-кода.
@Python_Community_ru
1. 30 Days of Python - курс от основ до более продвинутых тем за 30 дней.
https://github.com/Asabeneh/30-Days-Of-Python
2. Learn Python - компактный учебник с примерами: типы, функции, ООП, декораторы, генераторы и многое другое.
https://github.com/trekhleb/learn-python
3. The Algorithms — Python - сотни алгоритмов и структур данных с реализациями на Python.
https://github.com/TheAlgorithms/Python
4. Python Mini Projects — много небольших проектов, на которых удобно набивать руку.
https://github.com/Python-World/python-mini-projects
5. Interactive Coding Challenges - задачи по алгоритмам, структурам данных и программированию с решениями.
https://github.com/donnemartin/interactive-coding-challenges
6. Python Patterns - паттерны проектирования и идиоматичный Python на реальных примерах.
https://github.com/faif/python-patterns
7. Learn Python 3 - хороший набор примеров и упражнений от базового синтаксиса до продвинутых возможностей языка.
https://github.com/jerry-git/learn-python3
8. Real Python Materials - исходники и примеры к большому количеству обучающих материалов Real Python.
https://github.com/realpython/materials
9. 100+ Python Challenging Programming Exercises - большая коллекция задач с постепенным ростом сложности.
https://github.com/zhiwehu/Python-programming-exercises
10. Awesome Python - огромный каталог библиотек, фреймворков и инструментов Python. Полезен, когда базу уже прошёл и хочется понять экосистему.
https://github.com/vinta/awesome-python
Если идти по порядку, я бы начал с 30 Days of Python → Learn Python → Mini Projects → The Algorithms → Python Patterns. Так получится путь от синтаксиса до алгоритмов и нормального продакшен-кода.
@Python_Community_ru
🔥2
50 сайтов, на которых можно зависнуть на несколько часов
1. https://zoom.earth — Земля со спутника почти в реальном времени.
2. https://flightradar24.com — все самолёты в небе прямо сейчас.
3. https://marinetraffic.com — отслеживание кораблей по всему миру.
4. https://windy.com — ветры, осадки и штормы на живой карте.
5. https://lightningmaps.org — молнии по всему миру в реальном времени.
6. https://earthquake.usgs.gov — последние землетрясения.
7. https://submarinecablemap.com — карта подводных интернет-кабелей.
8. https://globalforestwatch.org — состояние лесов со спутников.
9. https://worldometers.info — мировая статистика в реальном времени.
10. https://internetlivestats.com — что происходит в интернете прямо сейчас.
11. https://thetruesize.com — реальные размеры стран.
12. https://oldmapsonline.org — старинные карты мира.
13. https://davidrumsey.com — огромный архив исторических карт.
14. https://openstreetmap.org — карта мира от сообщества.
15. https://window-swap.com — случайный вид из чужого окна.
16. https://virtualvacation.us — виртуальные прогулки по городам.
17. https://mapcrunch.com — случайная точка мира в Street View.
18. https://atlasobscura.com — самые необычные места планеты.
19. https://neal.fun — залипательные интерактивные эксперименты.
20. https://htwins.net/scale2 — от атома до Вселенной.
21. https://eyes.nasa.gov — 3D-модель Солнечной системы.
22. https://stellarium-web.org — карта звёздного неба.
23. https://apod.nasa.gov — астрономическое фото дня.
24. https://images.nasa.gov — фото- и видеоархив NASA.
25. https://pudding.cool — интерактивные истории на данных.
26. https://ourworldindata.org — данные о том, как меняется мир.
27. https://gapminder.org — проверка популярных заблуждений о мире.
28. https://informationisbeautiful.net — красивые визуализации данных.
29. https://data.worldbank.org — открытая статистика Всемирного банка.
30. https://data.tuik.gov.tr — официальная статистика Турции.
31. https://archive.org — книги, фильмы, сайты, игры и старое ПО.
32. https://gutenberg.org — десятки тысяч бесплатных книг.
33. https://openlibrary.org — огромный каталог книг.
34. https://loc.gov — цифровой архив Библиотеки Конгресса.
35. https://europeana.eu — культурное наследие Европы онлайн.
36. https://dp.la — цифровые коллекции библиотек США.
37. https://artsandculture.google.com — музеи и искусство онлайн.
38. https://rijksmuseum.nl — искусство в высоком разрешении.
39. https://wikiart.org — огромный архив живописи.
40. https://publicdomainreview.org — забытые материалы из истории.
41. https://openculture.com — бесплатные книги, фильмы и курсы.
42. https://metmuseum.org — онлайн-коллекция Метрополитен-музея.
43. https://musicmap.info — история музыкальных жанров.
44. https://radiooooo.com — музыка по странам и десятилетиям.
45. https://listen.hatnote.com — правки Википедии, превращённые в звуки.
46. https://wikipedia.org/wiki/Special:Random — случайная статья Википедии.
47. https://timeanddate.com — время, восходы, затмения и астрономия.
48. https://sciencedaily.com — свежие научные новости.
49. https://arxiv.org — бесплатные научные препринты.
50. https://observablehq.com — интерактивные данные и визуализации.
Интернет гораздо больше, чем несколько сайтов, которые мы открываем каждый день.
@Python_Community_ru
1. https://zoom.earth — Земля со спутника почти в реальном времени.
2. https://flightradar24.com — все самолёты в небе прямо сейчас.
3. https://marinetraffic.com — отслеживание кораблей по всему миру.
4. https://windy.com — ветры, осадки и штормы на живой карте.
5. https://lightningmaps.org — молнии по всему миру в реальном времени.
6. https://earthquake.usgs.gov — последние землетрясения.
7. https://submarinecablemap.com — карта подводных интернет-кабелей.
8. https://globalforestwatch.org — состояние лесов со спутников.
9. https://worldometers.info — мировая статистика в реальном времени.
10. https://internetlivestats.com — что происходит в интернете прямо сейчас.
11. https://thetruesize.com — реальные размеры стран.
12. https://oldmapsonline.org — старинные карты мира.
13. https://davidrumsey.com — огромный архив исторических карт.
14. https://openstreetmap.org — карта мира от сообщества.
15. https://window-swap.com — случайный вид из чужого окна.
16. https://virtualvacation.us — виртуальные прогулки по городам.
17. https://mapcrunch.com — случайная точка мира в Street View.
18. https://atlasobscura.com — самые необычные места планеты.
19. https://neal.fun — залипательные интерактивные эксперименты.
20. https://htwins.net/scale2 — от атома до Вселенной.
21. https://eyes.nasa.gov — 3D-модель Солнечной системы.
22. https://stellarium-web.org — карта звёздного неба.
23. https://apod.nasa.gov — астрономическое фото дня.
24. https://images.nasa.gov — фото- и видеоархив NASA.
25. https://pudding.cool — интерактивные истории на данных.
26. https://ourworldindata.org — данные о том, как меняется мир.
27. https://gapminder.org — проверка популярных заблуждений о мире.
28. https://informationisbeautiful.net — красивые визуализации данных.
29. https://data.worldbank.org — открытая статистика Всемирного банка.
30. https://data.tuik.gov.tr — официальная статистика Турции.
31. https://archive.org — книги, фильмы, сайты, игры и старое ПО.
32. https://gutenberg.org — десятки тысяч бесплатных книг.
33. https://openlibrary.org — огромный каталог книг.
34. https://loc.gov — цифровой архив Библиотеки Конгресса.
35. https://europeana.eu — культурное наследие Европы онлайн.
36. https://dp.la — цифровые коллекции библиотек США.
37. https://artsandculture.google.com — музеи и искусство онлайн.
38. https://rijksmuseum.nl — искусство в высоком разрешении.
39. https://wikiart.org — огромный архив живописи.
40. https://publicdomainreview.org — забытые материалы из истории.
41. https://openculture.com — бесплатные книги, фильмы и курсы.
42. https://metmuseum.org — онлайн-коллекция Метрополитен-музея.
43. https://musicmap.info — история музыкальных жанров.
44. https://radiooooo.com — музыка по странам и десятилетиям.
45. https://listen.hatnote.com — правки Википедии, превращённые в звуки.
46. https://wikipedia.org/wiki/Special:Random — случайная статья Википедии.
47. https://timeanddate.com — время, восходы, затмения и астрономия.
48. https://sciencedaily.com — свежие научные новости.
49. https://arxiv.org — бесплатные научные препринты.
50. https://observablehq.com — интерактивные данные и визуализации.
Интернет гораздо больше, чем несколько сайтов, которые мы открываем каждый день.
@Python_Community_ru
🔥5
⚡️ Claude Code и Codex можно запускать БЕСПЛАТНО
Появился open-source инструмент, который проксирует запросы coding-агентов через десятки бесплатных AI-провайдеров.
Что умеет:
- до 1,5 млрд бесплатных токенов в месяц
- автоматическое переключение между моделями при сбоях
- оптимизация расхода токенов - заявлена экономия до 90%
- поддержка Claude Code, Codex и Hermes Agent
- работа из терминала, IDE и desktop-приложений
- голосовой ввод промптов
- поддержка tools, skills, изображений и других возможностей агентов
Можно собрать единый бесплатный роутер и не зависеть от одного провайдера.
https://github.com/Alishahryar1/free-claude-code
@Python_Community_ru
Появился open-source инструмент, который проксирует запросы coding-агентов через десятки бесплатных AI-провайдеров.
Что умеет:
- до 1,5 млрд бесплатных токенов в месяц
- автоматическое переключение между моделями при сбоях
- оптимизация расхода токенов - заявлена экономия до 90%
- поддержка Claude Code, Codex и Hermes Agent
- работа из терминала, IDE и desktop-приложений
- голосовой ввод промптов
- поддержка tools, skills, изображений и других возможностей агентов
Можно собрать единый бесплатный роутер и не зависеть от одного провайдера.
https://github.com/Alishahryar1/free-claude-code
@Python_Community_ru
🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
🔥 Face Anything - восстановление 4D-лица из любой последовательности изображений
На ECCV 2026 представили Face Anything - unified feed-forward модель для высокоточного 4D face reconstruction и плотного трекинга лица.
Ключевая идея - canonical facial point prediction: каждому пикселю назначается нормализованная координата лица в общем каноническом пространстве.
Это позволяет объединить dense tracking и динамическую реконструкцию в одну задачу и получать:
* стабильную геометрию между кадрами
* точные соответствия facial points
* 4D-реконструкцию из произвольной последовательности изображений
Код:
https://github.com/kocasariumut/FaceAnything
@Python_Community_ru
На ECCV 2026 представили Face Anything - unified feed-forward модель для высокоточного 4D face reconstruction и плотного трекинга лица.
Ключевая идея - canonical facial point prediction: каждому пикселю назначается нормализованная координата лица в общем каноническом пространстве.
Это позволяет объединить dense tracking и динамическую реконструкцию в одну задачу и получать:
* стабильную геометрию между кадрами
* точные соответствия facial points
* 4D-реконструкцию из произвольной последовательности изображений
Код:
https://github.com/kocasariumut/FaceAnything
@Python_Community_ru
🔥2
🐍 PyAdventure - бесплатная игра для изучения Python через практику
Вместо обычных уроков здесь 10 игровых миров, каждый посвящён отдельной теме Python, а в конце ждёт битва с боссом.
Игра сделана на Pygame и рассчитана на обучение основам программирования через прохождение уровней и выполнение задач.
Сейчас доступна бесплатная версия для Windows.
https://khalidmfy.itch.io/pyadventure
@Python_Community_ru
Вместо обычных уроков здесь 10 игровых миров, каждый посвящён отдельной теме Python, а в конце ждёт битва с боссом.
Игра сделана на Pygame и рассчитана на обучение основам программирования через прохождение уровней и выполнение задач.
Сейчас доступна бесплатная версия для Windows.
https://khalidmfy.itch.io/pyadventure
@Python_Community_ru
10 GitHub-репозиториев, которые сильнее всего залетают прямо сейчас
Собрал свежую подборку проектов, которые заметно растут и активно обсуждаются.
1. OpenAI Codex
Coding agent от OpenAI для терминала и автоматизации разработки.
https://github.com/openai/codex
2. God's Eye View
OSINT и открытые геоданные на интерактивном 3D-глобусе: авиация, спутники и другие источники.
https://github.com/bilawalsidhu/gods-eye-view
3. awesome-gpt-image-2
Большая библиотека промптов, примеров и шаблонов для GPT Image 2.
https://github.com/freestylefly/awesome-gpt-image-2
4. mattpocock/skills
Готовые skills и workflows для coding agents, которые можно переиспользовать вместо огромных промптов.
https://github.com/mattpocock/skills
5. Archify
Строит интерактивную карту архитектуры кодовой базы: sequence, data-flow, lifecycle и связи компонентов.
https://github.com/tt-a1i/archify
6. Tailcat
Инструмент от Tailscale для прямого соединения машин через WireGuard и NAT traversal.
https://github.com/tailscale/tailcat
7. Prime Agent
Self-improving coding agent для длинных автономных задач.
https://github.com/PrimeIntellect-ai/prime-agent
8. Semantica
Graph-native инфраструктура для хранения контекста, связей и происхождения данных в AI-системах.
https://github.com/semantica-agi/semantica
9. Cursor Plugins
Официальный репозиторий плагинов Cursor: orchestration, code review, continual learning и другие agent-функции.
https://github.com/cursor/plugins
10. AnyDoc
Инструмент от Firecrawl для превращения документов в структурированный контент для AI и RAG.
https://github.com/firecrawl/anydoc
Если смотреть на общий тренд недели:
AI-агенты → agent skills → память и контекст → визуализация архитектуры → инструменты для автономной работы с окружением
Сохраняй себе, чтобы не потерять!
@Python_Community_ru
Собрал свежую подборку проектов, которые заметно растут и активно обсуждаются.
1. OpenAI Codex
Coding agent от OpenAI для терминала и автоматизации разработки.
https://github.com/openai/codex
2. God's Eye View
OSINT и открытые геоданные на интерактивном 3D-глобусе: авиация, спутники и другие источники.
https://github.com/bilawalsidhu/gods-eye-view
3. awesome-gpt-image-2
Большая библиотека промптов, примеров и шаблонов для GPT Image 2.
https://github.com/freestylefly/awesome-gpt-image-2
4. mattpocock/skills
Готовые skills и workflows для coding agents, которые можно переиспользовать вместо огромных промптов.
https://github.com/mattpocock/skills
5. Archify
Строит интерактивную карту архитектуры кодовой базы: sequence, data-flow, lifecycle и связи компонентов.
https://github.com/tt-a1i/archify
6. Tailcat
Инструмент от Tailscale для прямого соединения машин через WireGuard и NAT traversal.
https://github.com/tailscale/tailcat
7. Prime Agent
Self-improving coding agent для длинных автономных задач.
https://github.com/PrimeIntellect-ai/prime-agent
8. Semantica
Graph-native инфраструктура для хранения контекста, связей и происхождения данных в AI-системах.
https://github.com/semantica-agi/semantica
9. Cursor Plugins
Официальный репозиторий плагинов Cursor: orchestration, code review, continual learning и другие agent-функции.
https://github.com/cursor/plugins
10. AnyDoc
Инструмент от Firecrawl для превращения документов в структурированный контент для AI и RAG.
https://github.com/firecrawl/anydoc
Если смотреть на общий тренд недели:
AI-агенты → agent skills → память и контекст → визуализация архитектуры → инструменты для автономной работы с окружением
Сохраняй себе, чтобы не потерять!
@Python_Community_ru
GitHub
GitHub - openai/codex: Lightweight coding agent that runs in your terminal
Lightweight coding agent that runs in your terminal - openai/codex
🔥 GLM-5.3-Flash теперь можно запускать локально
Unsloth выпустил GGUF-версии модели, включая 3-bit вариант, который можно запускать примерно на 128 ГБ RAM.
GLM-5.3-Flash, ранее известная как Ox Alpha, показывает очень сильные результаты в coding и agentic-бенчмарках и, по заявленным тестам, приближается к уровню Claude Opus 4.8 на DeepSWE.
Гайд:
https://unsloth.ai/docs/models/glm-5.3-flash
GGUF:
https://huggingface.co/unsloth/GLM-5.3-Flash-GGUF
@Python_Community_ru
Unsloth выпустил GGUF-версии модели, включая 3-bit вариант, который можно запускать примерно на 128 ГБ RAM.
GLM-5.3-Flash, ранее известная как Ox Alpha, показывает очень сильные результаты в coding и agentic-бенчмарках и, по заявленным тестам, приближается к уровню Claude Opus 4.8 на DeepSWE.
Гайд:
https://unsloth.ai/docs/models/glm-5.3-flash
GGUF:
https://huggingface.co/unsloth/GLM-5.3-Flash-GGUF
@Python_Community_ru
⚡️ KTransformers - open-source фреймворк из Китая, который позволяет запускать огромные модели на обычном потребительском железе.
Самый показательный пример - DeepSeek-R1 на 671 млрд параметров можно запустить с RTX 4090 на 24 ГБ, используя гибридную схему CPU+GPU вместо полноценного H100-кластера.
Что заявляют разработчики:
- до 28× быстрее инференс в отдельных сценариях
- дообучение DeepSeek-V3 на 4 потребительских GPU
- поддержка Kimi-K2, GLM-5 и MiniMax
- без облака и собственного дата-центра
- полностью open source
Проект сильно снижает порог входа для локального запуска очень крупных MoE-моделей.
https://github.com/kvcache-ai/ktransformers
@Python_Community_ru
Самый показательный пример - DeepSeek-R1 на 671 млрд параметров можно запустить с RTX 4090 на 24 ГБ, используя гибридную схему CPU+GPU вместо полноценного H100-кластера.
Что заявляют разработчики:
- до 28× быстрее инференс в отдельных сценариях
- дообучение DeepSeek-V3 на 4 потребительских GPU
- поддержка Kimi-K2, GLM-5 и MiniMax
- без облака и собственного дата-центра
- полностью open source
Проект сильно снижает порог входа для локального запуска очень крупных MoE-моделей.
https://github.com/kvcache-ai/ktransformers
@Python_Community_ru
🚀 Целую AI-компанию можно запустить прямо на своём компьютере.
Разработчики выложили open-source проект Auto-Company, где внутри работают сразу 14 AI-агентов.
Есть CEO с ролевым промптом в стиле Джеффа Безоса, CTO в стиле Вернера Фогельса, разработчики, дизайнеры, QA, маркетолог, продажник и CFO.
Агенты сами:
• собираются в команды
• придумывают продукты
• проверяют идеи
• пишут код
• деплоят
• передают контекст следующей «смене» через один Markdown-файл
По сути, это автономная виртуальная команда, которую можно развернуть локально и использовать как мини-стартап под свою задачу.
https://github.com/MaxMiksa/Auto-Company
@Python_Community_ru
Разработчики выложили open-source проект Auto-Company, где внутри работают сразу 14 AI-агентов.
Есть CEO с ролевым промптом в стиле Джеффа Безоса, CTO в стиле Вернера Фогельса, разработчики, дизайнеры, QA, маркетолог, продажник и CFO.
Агенты сами:
• собираются в команды
• придумывают продукты
• проверяют идеи
• пишут код
• деплоят
• передают контекст следующей «смене» через один Markdown-файл
По сути, это автономная виртуальная команда, которую можно развернуть локально и использовать как мини-стартап под свою задачу.
https://github.com/MaxMiksa/Auto-Company
@Python_Community_ru
🔥3
🔥 AI Job Search - open-source система, которая превращает Claude Code в помощника по поиску работы
Она умеет:
- анализировать вакансии и оценивать, насколько они подходят
- подгонять CV под конкретную позицию
- писать сопроводительные письма
- готовить к интервью
- искать вакансии через отдельные skills
- хранить профиль, документы и историю откликов локально
Интересно, что автор сам использовал этот workflow для поиска работы: 69 адаптированных откликов → 20 первых интервью → 1 оффер.
Проект построен как набор команд /setup, /scrape, /apply, /interview и легко форкается под свои сайты вакансий и рынок.
MIT License.
https://github.com/MadsLorentzen/ai-job-search
@Python_Community_ru
Она умеет:
- анализировать вакансии и оценивать, насколько они подходят
- подгонять CV под конкретную позицию
- писать сопроводительные письма
- готовить к интервью
- искать вакансии через отдельные skills
- хранить профиль, документы и историю откликов локально
Интересно, что автор сам использовал этот workflow для поиска работы: 69 адаптированных откликов → 20 первых интервью → 1 оффер.
Проект построен как набор команд /setup, /scrape, /apply, /interview и легко форкается под свои сайты вакансий и рынок.
MIT License.
https://github.com/MadsLorentzen/ai-job-search
@Python_Community_ru
🔥1
⚡️ GPT-6 Astra (https://t.me/ai_machinelearning_big_data/10835)подняла рекорд Epoch AI с 163 до 169 ECI
GPT-6 Astra установила новый максимум в индексе возможностей Epoch AI - 169 баллов против предыдущих 163.
Для масштаба: тренд эпохи reasoning-моделей составляет около 15 ECI в год, поэтому скачок на 6 пунктов соответствует примерно пяти месяцам прогресса. Astra находится немного выше трендовой линии, но всё ещё в пределах ожидаемого диапазона.
Особенно выделяются отдельные результаты:
- 84% на Mystery Game Puzzles против предыдущего рекорда в 59%
- 98% на FrontierMath Tier 4 - Epoch уже считает этот уровень практически полностью насыщенным
При этом результат заметно расходится с рейтингом Artificial Analysis Intelligence Index.
Причина в методологии: Epoch и Artificial Analysis используют разные наборы тестов и веса. AA сильнее акцентирует coding и agentic-задачи, поэтому лидерство Astra в ECI не означает автоматического лидерства во всех практических сценариях.
По метрике Epoch скачок действительно большой - +6 ECI за одно поколение модели.
https://x.com/Machinelearrn/status/2095826666702393538
@Python_Community_ru
GPT-6 Astra установила новый максимум в индексе возможностей Epoch AI - 169 баллов против предыдущих 163.
Для масштаба: тренд эпохи reasoning-моделей составляет около 15 ECI в год, поэтому скачок на 6 пунктов соответствует примерно пяти месяцам прогресса. Astra находится немного выше трендовой линии, но всё ещё в пределах ожидаемого диапазона.
Особенно выделяются отдельные результаты:
- 84% на Mystery Game Puzzles против предыдущего рекорда в 59%
- 98% на FrontierMath Tier 4 - Epoch уже считает этот уровень практически полностью насыщенным
При этом результат заметно расходится с рейтингом Artificial Analysis Intelligence Index.
Причина в методологии: Epoch и Artificial Analysis используют разные наборы тестов и веса. AA сильнее акцентирует coding и agentic-задачи, поэтому лидерство Astra в ECI не означает автоматического лидерства во всех практических сценариях.
По метрике Epoch скачок действительно большой - +6 ECI за одно поколение модели.
https://x.com/Machinelearrn/status/2095826666702393538
@Python_Community_ru
Telegram
Machinelearning
🚨 GPT-6 Astra показывает очень сильные первые результаты:
— FrontierMath Tier 4 v2 — 97,6%
— DeepSWE v1.1 — 74,1%
— BenchCAD — 95,9%
— GPQA Diamond — 96%
— ExploitBench — 100%
— ARC-AGI-3 — 98,6% по заявленным данным
Особенно выделяются математика, coding…
— FrontierMath Tier 4 v2 — 97,6%
— DeepSWE v1.1 — 74,1%
— BenchCAD — 95,9%
— GPQA Diamond — 96%
— ExploitBench — 100%
— ARC-AGI-3 — 98,6% по заявленным данным
Особенно выделяются математика, coding…
🤔1