🔥 Почему стоит написать собственного AI-агента

Наткнулись на классную статью — и обязаны поделиться.

Автор объясняет простую вещь: есть технологии, которые понятны в теории…
и есть такие, которые понимаешь только когда попробуешь.

AI-агенты — из второй категории.

И главное открытие автора:
👉 написать агента удивительно легко
👉 и это полностью меняет понимание возможностей LLM

🔗 Статья — must read

🐸 Библиотека питониста

#буст

🔛 Как Python хранит атрибуты класса и зачем нужны `__slots__`

По умолчанию каждый объект в Python хранит свои атрибуты в словаре __dict__.
Это удобно — но не всегда эффективно.

p = Point(1, 2, 3)
p.__dict__
# {'x': 1, 'y': 2, 'z': 3}

Любой новый атрибут добавляется прямо в этот словарь:

p.w = 4

Но что если вам нужно экономить память или ускорить доступ к атрибутам?

🌠 Используем __slots__

Добавим в класс:

class Point:
    __slots__ = ('x', 'y', 'z')

Теперь:
✔️ можно создавать только перечисленные атрибуты
❌ нельзя добавлять новые (p.w = 4 → AttributeError)
❌ у объекта нет __dict__
✔️ память тратится значительно меньше
✔️ доступ к атрибутам быстрее

Используйте __slots__, если:
• создаёте тысячи или миллионы объектов
• у вас tight loops с частыми обращениями к атрибутам
• важно уменьшить память (например, при обработке больших файлов)

Во всех остальных случаях проще оставить обычный __dict__.

🐸 Библиотека питониста

#буст

🎛 KubeForge — визуальный конструктор для Kubernetes

KubeForge упрощает создание, проверку и управление конфигурациями Kubernetes. Даже если вы новичок или поддерживаете крупные кластеры, KubeForge поможет быстро собрать валидные YAML-деплойменты с интуитивным интерфейсом и живыми ссылками на схемы.

Особенности:
— Drag-and-drop интерфейс для объектов Kubernetes
— Подсказки по схемам на основе JSON Schema Kubernetes
— Модульный редактор с шаблонами и повторно используемыми компонентами
— Мгновенное визуальное обновление и связи между ресурсами
— Экспорт готовых к применению YAML-файлов

Цели:
• Снизить порог входа для Kubernetes
• Исключить ошибки синтаксиса и схем
• Визуально прототипировать деплойменты
• В будущем — поддержка совместной работы и обмена конфигурациями

KubeForge — для тех, кто хочет управлять Kubernetes легко и наглядно.

📱 Github

🔸 Курс «Программирование на языке Python»
🔸 Получить консультацию менеджера
🔸 Сайт Академии 🔸 Сайт Proglib

🐸 Библиотека питониста

#буст

🎉 20 лет Django

16 ноября 2005 года вышел первый релиз Django 0.90. Двадцать лет спустя команда представляет первый релиз-кандидат Django 6.0.

Статистика за 20 лет:
👆 447 релизов (в среднем 22 в год), в 2025 уже 38
👆 131 устранённая уязвимость безопасности
👆 262 203 релиза связанных пакетов Django (в среднем 35 в день, сегодня уже 52)

➡️ Полный блог-пост

🔸 Курс «Программирование на языке Python»
🔸 Получить консультацию менеджера
🔸 Сайт Академии 🔸 Сайт Proglib

🐸 Библиотека питониста

#свежак

😎

🐸 Библиотека питониста

#развлекалово

👆 Zensical Spark — современный статический генератор сайтов

Новый инструмент для тех, кто пишет документацию и хочет быстро получать профессиональный, быстрый и красивый сайт — без лишней сложности.

С Zensical Spark вы можете:
— писать документацию в обычном Markdown
— собирать статический сайт за минуты
— получить встроенный поиск
— настраивать внешний вид под свой бренд
— использовать более 60 языков
— автоматически адаптироваться под любые устройства

Подходит для Open Source и коммерческих проектов — лёгкий, гибкий, современный.

📱 Github

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🐸 Библиотека питониста

#буст

🚀 PINA теперь в экосистеме PyTorch

PINA — открытая Python-библиотека для Scientific Machine Learning (SciML), созданная для быстрого, интуитивного и масштабируемого моделирования сложных физических и научных систем.

Особенности:
✔️ Построена на PyTorch и PyTorch Lightning, полностью совместима с PyTorch Geometric
✔️ Поддержка обучения решений PDE, создания ML force fields, симуляции динамики и моделирования деформаций объектов
✔️ Унифицированная платформа для разных научных задач
✔️ Позволяет исследователям и инженерам разрабатывать, тестировать и деплоить нейросети быстрее и эффективнее

PINA объединяет мощь PyTorch с инструментами SciML, открывая новые возможности для научных исследований и инженерных решений.

🔗 Подробнее о проекте и PyTorch Ecosystem

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🐸 Библиотека питониста

#свежак

🧩 Dataclass и NamedTuple: почему атрибуты выглядят странно

Если вы впервые видите такой код:

@dataclass
class Person:
    name: str
    age: int

или

class Person(NamedTuple):
    name: str
    age: int

— возникает логичный вопрос: почему строки внутри класса выглядят как class attributes, но становятся instance attributes?

✔️ Ответ прост: это не атрибуты — это type annotations.

Они не создают переменные, а просто записываются в __annotations__.

А дальше:
– dataclass генерирует атрибуты и превращает эти поля в атрибуты экземпляра;
– NamedTuple делает то же самое, создавая неизменяемые объекты.

Даже если вы пишете:

profession: str = "Python Programmer"

— это выглядит как class attribute, но в dataclass это всего лишь default значение для instance attribute.

➡️ Магии нет — есть автогенерация кода на основе аннотаций.

🔗 Подробнее

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🐸 Библиотека питониста

#буст

🐸 Библиотека задач по Data Science

🟢 Z3 API в Python: мощный решатель теорем в пару строк

Z3 — высокопроизводительный SAT/SMT-солвер от Microsoft Research. Его используют верификаторы, исследователи безопасности, биоинформатики и все, кому нужно решать сложные логические и математические ограничения.

Самое приятное: с Z3 можно работать прямо из Python — через удобный API Z3Py.

👉 Пример: решить систему ограничений в три строки

from z3 import *

x = Int('x')
y = Int('y')
solve(x > 2, y < 10, x + 2*y == 7)

Z3:
— создаёт логические и числовые переменные,
— работает с ограничениями как с выражениями,
— автоматически ищет решение (или доказывает, что его нет).

👉 Пример: умное упрощение выражений

print(simplify(x + y + 2*x + 3))
print(simplify(x < y + x + 2))
print(simplify(And(x + 1 >= 3, x**2 + x**2 + y**2 + 2 >= 5)))

simplify() превращает формулы в более удобный вид — полезно при анализе и отладке.

Зачем вам Z3:
— для верификации программ,
— для генерации тестов,
— для решения задач оптимизации и логики,
— для анализа безопасных конфигураций,
— для научных расчётов.

🔗 Подробнее

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🐸 Библиотека питониста

#буст

✖️ Когда скобки не нужны

В Python скобки используются для вызова функций, создания пустых кортежей и группировки выражений.

Но во многих местах их ставят по привычке — и совершенно зря:

🔸 If без скобок

В отличие от JavaScript, в Python if не использует скобки вовсе:

if language == "Python":
    print("Monty Python joke")

Скобки вокруг условия не запрещены, но они ничего не делают — это просто группировка.

🔸 Скобки можно поставить где угодно

Python позволяет оборачивать в скобки практически любое выражение:

y = (((3 * 4) + (7)))

Работает, но выглядит странно.

🔸 Многострочные выражения

Скобки действительно нужны, когда вы переносите выражение на несколько строк:

if (
    user["verified"]
    and not event["full"]
):
    print("signup form")

🔸 Когда скобки вводят в заблуждение

Делают оператор del похожим на вызов функции:

del(colors["purple"])   # вводит в заблуждение
del colors["purple"]    # правильно

То же касается return:

return(value)   # выглядит как функция
return value    # лучше

🔸 А когда скобки всё-таки полезны

Иногда — для читаемости:

SENTENCE_END_CHARS = ('.', '?', '!')

Но в других местах добавляют шум:

for (color, amount) in colors.items():   # не нужно
for color, amount in colors.items():     # лучше

👉 Подробный гайд по скобкам

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🐸 Библиотека питониста

#буст

🐸 Библиотека питониста

#развлекалово

🚀 Забудьте Docker: собираем Python-образы нативно

Хотите собирать контейнеры для Python-приложений без Docker, без Dockerfile и без демона?

pycontainer-build — Python-нативный инструмент, который делает это возможным.

Что делает pycontainer-build

✔ Строит OCI-совместимые образы без Docker
✔ Сам определяет:
– Python-версию (из pyproject.toml)
– точку входа
– зависимости
✔ Собирает слои, манифесты и конфиги чистой стандартной библиотекой Python
✔ Может пушить в любые контейнерные реестры (GHCR, ACR, DockerHub)

Пример использования

pycontainer build --tag myapp:latest

И всё — без Dockerfile и без Docker.

Инструмент автоматически:
✔ выбирает подходящий базовый образ
✔ пакует код и зависимости слоями
✔ генерирует OCI-манифесты
✔ создаёт воспроизводимые сборки и SBOM

Пример FastAPI-приложения

pycontainer build \
  --tag ghcr.io/org/app:latest \
  --include-deps \
  --push

Основные фичи:
— Zero Docker — работает там, где Docker запрещён
— Быстрая сборка и кэширование слоёв
— SBOM, воспроизводимые билды
— Плагины для Poetry, Hatch, GitHub Actions
— Идеально для CI/CD, Codespaces, DevBox и защищённых сред

👉 Подробный гайд

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🐸 Библиотека питониста

#буст