Теперь вместо нескольких файлов requirements‑dev.txt, requirements‑test.txt и пр. можно удобно описать группы зависимостей прямо в pyproject.toml в блоке [dependency-groups]. Например, группа dev может включать тестовые, линтеры и прочие зависимости с логическим именованием. Инструменты вроде pip, uv и IDE научатся распознавать эти именованные группы и устанавливать их командой pip install --dependency-groups=dev,test

Теперь «состояние» зависимостей фиксируется в стандартизированном файле pylock.toml, который описывает точные версии, хэши, источники, extras и платформенные условия. Установщик может выполнить установку без резолвера, ориентируясь на lock‑файл, что делает процесс быстрее, безопаснее и воспроизводимым. Lock-файл написан в TOML‑формате и совместим с несколькими инструментами упаковки - pip, Poetry, PDM, uv и др.

С Python 3.14 PGP‑подписи больше не обязательны - теперь релизы CPython подписываются через Sigstore - открытый, более удобный механизм. Sigstore поддерживает OpenID-идентификацию и даже офлайн‑верификацию, проще в автоматизации и внедрении. Это реально упрощает процесс проверки целостности скачанных архивов и повышает криптографическую надёжность распределения

В Python 3.14 появляется модуль compression.zstd и новый namespace compression.*, который объединяет zlib, bz2, gzip и другие под единым API. Теперь можно сжимать и распаковывать данные с помощью алгоритма Zstandard без внешних библиотек, с API, схожим на lzma или bz2. Zstd обеспечивает высокий уровень сжатия и скорость разжатия, особенно полезен для лонов или large‑файловых архивов.

PEP 771 вводит возможность указать default-optional-dependencies в [project], чтобы extras автоматически включались при обычной установке пакета. Это удобно для пакетов с опциональными компонентами вроде recommended или all, которые не хочется заставлять включать вручную. Пока это черновой этап (Draft), но активно обсуждается и ожидается реализация в 2026 году. 👀 Например, pip install foo сам активирует [recommended], если оно задано по умолчанию.

Технический долг - это метафора для всех неоптимальных или поспешных решений в коде, которые ты принимаешь сегодня, чтобы быстрее выпустить фичу. Ты как бы «берешь в долг» у будущего качества продукта. Это может быть закомментированный кусок кода, отсутствие тестов или использование устаревшей библиотеки. Кажется, что это мелочь, но со временем такие «долги» накапливаются.

from transformers import BlipProcessor, BlipForConditionalGeneration
import torch
from PIL import Image

processor = BlipProcessor.from_pretrained("Salesforce/blip-image-captioning-base")
model = BlipForConditionalGeneration.from_pretrained("Salesforce/blip-image-captioning-base")

image_path = "img_4.jpg"
image = Image.open(image_path)

inputs = processor(images=image, return_tensors="pt")

with torch.no_grad():
    output = model.generate(**inputs)

description = processor.decode(output[0], skip_special_tokens=True)

print("Image description:", description)

transformers
torch
Pillow

import asyncio
from telegram import Bot

async def get_telegram_gifts(bot_token):
    bot = Bot(token=bot_token)
    gifts = await bot.get_available_gifts()
    for gift in gifts.gifts:
        print(f"ID подарка: {gift.id}, Эмодзи: {gift.sticker.emoji}, Размер файла стикера: {gift.sticker.file_size}, Стоимость: {gift.star_count}")



# Замените на токен бота!
bot_token = "ТОКЕН_АДМИН_КРАСАВЧИК"
asyncio.run(get_telegram_gifts(bot_token))

 pip install python-telegram-bot

Технический долг - это метафора для всех неоптимальных или поспешных решений в коде, которые ты принимаешь сегодня, чтобы быстрее выпустить фичу. Ты как бы «берешь в долг» у будущего качества продукта. Это может быть закомментированный кусок кода, отсутствие тестов или использование устаревшей библиотеки. Кажется, что это мелочь, но со временем такие «долги» накапливаются.

# Обновляем список пакетов
sudo apt update

# Устанавливаем Docker
sudo apt install -y docker.io

# Запускаем и добавляем Docker в автозагрузку
sudo systemctl start docker
sudo systemctl enable docker

# Устанавливаем Docker Compose
sudo apt install -y docker-compose

docker --version
docker-compose --version

cd /root/dialog_bot/

sudo docker-compose up --build -d

sudo docker-compose logs -f

1. Перейдите на официальный сайт Docker и скачай установщик для Windows.
2. Установите Docker Desktop:
- Запустите скачанный установщик.
- Следуйте инструкциям на экране. Очень важно: убедитесь, что выбрана опция "Use WSL 2 instead of Hyper-V" (Использовать WSL 2 вместо Hyper-V), если она доступна и твой Windows 10 это поддерживает (версия 2004 и выше, сборка 19041 и - выше). WSL 2 обеспечивает лучшую производительность. Если опции нет или твоя система старее, Docker Desktop может использовать Hyper-V.
- Установка может потребовать включения функций "Контейнеры" и "Подсистема Windows для Linux" (WSL). Установщик обычно предлагает сделать это автоматически или дает инструкции.
3. Запусти Docker Desktop после установки. Иконка кита появится в системном трее. При первом запуске может потребоваться некоторое время на инициализацию. Убедись, что Docker Desktop показывает, что он запущен (иконка кита в трее статична и не анимирована).

docker-compose up --build -d

Что лучше для автоматизации — использовать готовый инструмент типа n8n или писать все с нуля, то есть заниматься ручной разработкой?

- Скорость — главный приоритет. Собрать рабочий сценарий в n8n можно за минуты, а не за дни или недели;
- Бюджет ограничен. Использование готовых интеграций и визуального конструктора значительно дешевле, чем оплата часов разработчика;
- Задача типовая. Нужно связать популярные сервисы (Telegram, Google Sheets, CRM, Trello)? В n8n для этого уже все готово;
- Нужна гибкость без хардкора. Вы не программист, но хотите иметь возможность легко менять логику процесса.

- Нужна 100% кастомизация. У вас уникальная бизнес-логика, нестандартные API или требования к интерфейсу;
- Требуется максимальная производительность. Для высоконагруженных систем, обрабатывающих тысячи запросов в секунду, кастомный код, написанный под конкретную задачу, будет эффективнее;
- Интеграция очень специфична. Нужно подключить редкий или внутренний корпоративный софт, для которого нет готовых «нод»;
- Полный контроль над кодом и окружением является критически важным в серьезных проектах.

import qrcode
from PIL import Image

def generate_qr_code(data, filename="qr_code.png"):
    qr = qrcode.QRCode(
        version=1,
        error_correction=qrcode.constants.ERROR_CORRECT_L,
        box_size=10,
        border=4,
    )
    qr.add_data(data)
    qr.make(fit=True)

    img = qr.make_image(fill_color="black", back_color="white")
    img.save(filename)
    return filename

if __name__ == "__main__":
    print("Генератор QR-кодов")
    input_data = input("Введите текст или ссылку для кодирования в QR-код: ")
    output_filename = input("Введите имя файла для сохранения QR-кода (например, my_qr.png) или нажмите Enter для 'qr_code.png': ")

    if not output_filename:
        output_filename = "qr_code.png"
    elif not output_filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif')):
        output_filename += ".png"

    saved_file = generate_qr_code(input_data, output_filename)
    print(f"QR-код успешно создан и сохранен как '{saved_file}'")

pip install qrcode Pillow