Занятный проект на Python из категории «потому что могу»: Rubiksolver

Коротко: это десктоп-приложение, которое через веб-камеру считывает состояние перемешанного кубика Рубика и показывает пошаговое решение с анимацией в окне на PySide6 с отрисовкой через OpenGL и обработкой изображения в OpenCV. Проект позиционируется как учебный — подойдёт тем, кто хочет понять базовые приёмы компьютерного зрения и графики на практике.​

Сканирование: показываете камере по одной грани по заранее заданным правилам. После скана жмёте Play, чтобы запустить анимацию, или листаете шаги кнопками Previous/Next — так удобно проверять, что распознание и сама сборка идут корректно.​

Установка: клонируете репозиторий, выполняете uv sync для зависимостей и запускаете uv run rubiksolver — автор использует современный менеджер uv, так что установка занимает минимум времени.

Автор отмечает, что на Android встречаются решалки, но чаще всего там состояние кубика приходится вбивать руками, без автосканирования камерой — здесь как раз закрыта эта боль.

@zen_of_python

Интерн в TikTok частично переписал один из платёжных сервисов с Go на Rust: только самые горячие, CPU‑зависимые эндпоинты, остальное осталось на Go. В результате сервис стал обрабатывать примерно в 2 раза больше запросов на тех же vCPU, p99‑латентность упала примерно на 76%, а по оценкам команды это даёт порядка 300k долларов экономии в год на вычислительных ресурсах.​​

В подробном разборе автор рассказывает, как они выбрали архитектурный подход (отдельный Rust‑кластер под те же API, без изменений для апстрим‑сервисов), как проверяли корректность через проигрывание реального трафика в shadow‑режиме и как поэтапно раскатывали Rust‑версию в прод. Почитать можно в его статье «A Case Study in Rewriting a Critical Service in Rust» и посмотреть доклад «FH #278: Rewriting Services in Rust @ TikTok» — там разложено по шагам, когда имеет смысл трогать Rust и как делать такой частичный рерайтинг без боли.

Вы тоже сначала делаете cd в директорию, чтобы снизить уровень стресса в подобных командах?

Раз в полгода Бенедикт Эванс выпускает большую презентацию про стратегические тренды в техе, и осенний выпуск 2025 называется AI eats the world — 90 слайдов про то, как ИИ «съедает» инфраструктуру, платформы и продуктовые стратегии. В докладе он разбирает текущее ралли вокруг генеративного ИИ как новый платформенный сдвиг: взлёт капексов на дата‑центры, поиски рабочих бизнес‑моделей и то, что сами модели всё больше становятся коммодити, а реальная защита лежит в данных, интеграции и дистрибуции.​

Если интересен взгляд «с высоты» на то, куда всё это катится, очень советую просто пролистать слайды.

P.S. Бенедикт Эванс — независимый аналитик по технологиям из Лондона, который больше 20 лет занимается разбором рынков мобильной связи, медиа и софта, раньше был партнёром венчурного фонда Andreessen Horowitz в Кремниевой долине, а сейчас ведёт большую рассылку и два раза в год делает обзорные презентации про то, что происходит в техе и AI.

@neuro_channel

Разбор четырёх способов организовать код: монорепа, набор отдельных репозиториев, git submodule и git subtree, с примерами, когда каждый вариант имеет смысл. Автор коротко объясняет, как каждый из этих подходов работает на уровне Git и что вы выигрываете или теряете, выбирая один из них.​

Ключевая мысль: нет «правильного» ответа для всех — монорепа обычно упирается в инфраструктуру (сборки, CI, инструменты), а мульти‑репо усложняет жизнь продуктовым командам и сопровождение кросс‑репозиторных изменений. Выбор сильно зависит от того, как у вас устроены релизы, насколько связаны между собой сервисы и кто будет платить цену за усложнение — платформа или продукт.​

Подробнее в статье или прикреплённой PDF-ке, если не откроется.

@prog_stuff