Forwarded from 层叠 - The Cascading
Python 3.13 起已可使用
https://docs.python.org/3.13/whatsnew/3.13.html#free-threaded-cpython
thread: /4469
#Python #GIL
--disable-gil 关闭 GIL。https://docs.python.org/3.13/whatsnew/3.13.html#free-threaded-cpython
thread: /4469
#Python #GIL
Python documentation
What’s New In Python 3.13
Editors, Adam Turner and Thomas Wouters,. This article explains the new features in Python 3.13, compared to 3.12. Python 3.13 was released on October 7, 2024. For full details, see the changelog. ...
📖主题 Toga：Python原生操作系统GUI工具包
🚩重点
• Toga支持Python 3.9↑，macOS 11↑，Windows 10↑
• Linux需GTK+ ≥ 3.24及glib ≥ 2.64
• 安装示例：$ pip install toga-demo，运行后展示GUI小部件
✨结论 Toga为开发跨平台应用提供便利，适合需要Python GUI的开发者。
🏷️标签 #Toga #Python #GUI
🔗链接 https://github.com/beeware/toga
🚩重点
• Toga支持Python 3.9↑，macOS 11↑，Windows 10↑
• Linux需GTK+ ≥ 3.24及glib ≥ 2.64
• 安装示例：$ pip install toga-demo，运行后展示GUI小部件
✨结论 Toga为开发跨平台应用提供便利，适合需要Python GUI的开发者。
🏷️标签 #Toga #Python #GUI
🔗链接 https://github.com/beeware/toga
GitHub
GitHub - beeware/toga: A Python native, OS native GUI toolkit.
A Python native, OS native GUI toolkit. Contribute to beeware/toga development by creating an account on GitHub.
📖主题 PySpur：Python中的AI代理构建器
🚩重点
• PySpur允许AI工程师逐步构建和执行代理，并检查历史运行。
• 支持文件上传、JSON架构的结构化输出及多模态处理（视频、音频等）。
• 提供Docker支持，推荐用于可扩展的生产环境部署。
✨结论 PySpur是构建AI代理的强大工具，适合快速开发和部署，尤其在处理多类型数据时表现出色。
🏷️标签 #AI #Python #开发工具
🔗链接 https://github.com/PySpur-Dev/pyspur
🚩重点
• PySpur允许AI工程师逐步构建和执行代理，并检查历史运行。
• 支持文件上传、JSON架构的结构化输出及多模态处理（视频、音频等）。
• 提供Docker支持，推荐用于可扩展的生产环境部署。
✨结论 PySpur是构建AI代理的强大工具，适合快速开发和部署，尤其在处理多类型数据时表现出色。
🏷️标签 #AI #Python #开发工具
🔗链接 https://github.com/PySpur-Dev/pyspur
GitHub
GitHub - PySpur-Dev/pyspur: A visual playground for agentic workflows: Iterate over your agents 10x faster
A visual playground for agentic workflows: Iterate over your agents 10x faster - PySpur-Dev/pyspur
📖主题 Python解释器引入尾调用优化
🚩重点
• Faster CPython项目实现了10%性能提升，某些基准测试达到40%↑
• 新解释器利用尾调用（当一个函数最后调用另一个函数时，可以跳转而不需新堆栈帧）
• 采用[[clang::musttail]]与preserve_none属性，减少函数调用开销，优化寄存器分配
✨结论 尾调用优化显著提升Python性能，预计在Python 3.14中可用，适用于现代编译器构建的用户
🏷️标签 #Python #性能优化
🔗链接 https://lwn.net/Articles/1010905/
🚩重点
• Faster CPython项目实现了10%性能提升，某些基准测试达到40%↑
• 新解释器利用尾调用（当一个函数最后调用另一个函数时，可以跳转而不需新堆栈帧）
• 采用[[clang::musttail]]与preserve_none属性，减少函数调用开销，优化寄存器分配
✨结论 尾调用优化显著提升Python性能，预计在Python 3.14中可用，适用于现代编译器构建的用户
🏷️标签 #Python #性能优化
🔗链接 https://lwn.net/Articles/1010905/
📖主题 停止编写
🚩重点
• 在Python 3.7之前，
• 使用dataclass、classmethod和NewType可简化对象创建及增强类型安全。
• 通过class methods方便用户创建对象的同时，避免了不必要的复杂性和潜在错误。
✨结论 推荐使用dataclass和classmethod构建Python类，以确保对象有效性和便于维护，提高代码质量。
🏷️标签 #Python #编程设计
🔗链接 https://blog.glyph.im/2025/04/stop-writing-init-methods.html
__init__ 方法以优化Python类设计🚩重点
• 在Python 3.7之前，
__init__ 是创建数据结构的默认方法，但存在多重问题。• 使用dataclass、classmethod和NewType可简化对象创建及增强类型安全。
• 通过class methods方便用户创建对象的同时，避免了不必要的复杂性和潜在错误。
✨结论 推荐使用dataclass和classmethod构建Python类，以确保对象有效性和便于维护，提高代码质量。
🏷️标签 #Python #编程设计
🔗链接 https://blog.glyph.im/2025/04/stop-writing-init-methods.html
blog.glyph.im
Stop Writing `__init__` Methods
YEARS OF DATACLASSES yet NO REAL-WORLD USE FOUND for overriding special methods just so you can have some attributes.
📖主题 Loguru：简化Python日志记录
🚩重点
• Loguru库使日志记录变得简单，使用率提高62%（开发者反馈）
• 提供无须配置的单一日志记录器，支持文件轮换、保留和压缩功能
• 异常捕获、线程安全、可自定义的日志级别，性能提升10x
✨结论 Loguru是Python开发者的理想选择，通过简化日志记录过程，提升了调试效率和应用稳定性，推荐广泛使用。
🏷️标签 #Python #Logging
🔗链接 https://github.com/Delgan/loguru
🚩重点
• Loguru库使日志记录变得简单，使用率提高62%（开发者反馈）
• 提供无须配置的单一日志记录器，支持文件轮换、保留和压缩功能
• 异常捕获、线程安全、可自定义的日志级别，性能提升10x
✨结论 Loguru是Python开发者的理想选择，通过简化日志记录过程，提升了调试效率和应用稳定性，推荐广泛使用。
🏷️标签 #Python #Logging
🔗链接 https://github.com/Delgan/loguru
GitHub
GitHub - Delgan/loguru: Python logging made (stupidly) simple
Python logging made (stupidly) simple. Contribute to Delgan/loguru development by creating an account on GitHub.
📖主题 pip 25.1版本新特性概述
🚩重点
- 引入依赖组(Dependency Groups, PEP 735)，取代requirements.txt，简化开发流程。
- 安装进度条功能提升用户体验，实时反馈安装进度。
- 支持可恢复下载，用户可通过--resume-retries选项设置下载重试次数。
- 实验性支持锁定文件格式（pylock.toml，PEP 751），可生成可重复安装的环境。
- 稳定的“pip index versions”命令，提供所有可用版本的JSON格式输出。
✨结论 pip 25.1通过引入依赖组和其他新特性，显著改善了包管理体验，建议用户尽快升级以利用新功能。
🏷️标签 #pip #Python
🔗链接 https://ichard26.github.io/blog/2025/04/whats-new-in-pip-25.1/
🚩重点
- 引入依赖组(Dependency Groups, PEP 735)，取代requirements.txt，简化开发流程。
- 安装进度条功能提升用户体验，实时反馈安装进度。
- 支持可恢复下载，用户可通过--resume-retries选项设置下载重试次数。
- 实验性支持锁定文件格式（pylock.toml，PEP 751），可生成可重复安装的环境。
- 稳定的“pip index versions”命令，提供所有可用版本的JSON格式输出。
✨结论 pip 25.1通过引入依赖组和其他新特性，显著改善了包管理体验，建议用户尽快升级以利用新功能。
🏷️标签 #pip #Python
🔗链接 https://ichard26.github.io/blog/2025/04/whats-new-in-pip-25.1/
Richard Si
What's new in pip 25.1 - Dependency groups!
pip 25.1 introduces support for Dependency Groups (PEP 735), resumable downloads, and an installation progress bar. Dependency resolution has also received a raft of bugfixes and improvements.
📖主题 所有RAG(检索增强生成)技术的简单实现
🚩重点
• 提供22种RAG技术的逐步实现，包括简单RAG、语义分块、文档增强等
• 使用Python库（如openai、numpy等）简化复杂技术，便于阅读和修改
• 包含代码示例、评估和可视化，帮助理解技术效果
✨结论 此项目旨在通过明确的实现和教育性内容，降低RAG技术的学习门槛，适合希望深入理解RAG的开发者和研究人员
🏷️标签 #RAG #Python #机器学习
🔗链接 https://github.com/fareedkhan-dev/all-rag-techniques
🚩重点
• 提供22种RAG技术的逐步实现，包括简单RAG、语义分块、文档增强等
• 使用Python库（如openai、numpy等）简化复杂技术，便于阅读和修改
• 包含代码示例、评估和可视化，帮助理解技术效果
✨结论 此项目旨在通过明确的实现和教育性内容，降低RAG技术的学习门槛，适合希望深入理解RAG的开发者和研究人员
🏷️标签 #RAG #Python #机器学习
🔗链接 https://github.com/fareedkhan-dev/all-rag-techniques
GitHub
GitHub - FareedKhan-dev/all-rag-techniques: Implementation of all RAG techniques in a simpler way
Implementation of all RAG techniques in a simpler way - FareedKhan-dev/all-rag-techniques