🖥 Заголовки безопасности для FastAPI - одной строкой 🛡️

fastapi-security-headers добавляет к ответам приложения HTTP-заголовки: HSTS, защиту от MIME sniffing, ограничения на встраивание страниц и другие политики браузера. Подключается как ASGI middleware:


app.add_middleware(SecurityHeadersMiddleware)


Есть готовые настройки для JSON API, строгой политики и Swagger UI, чтобы /docs продолжал работать. Заголовки можно настроить под конкретное приложение или переопределить для отдельного маршрута.

GitHub - https://github.com/aletgdev/fastapi-security-headers

@Python_Community_ru

⚡️ Qwen-Image за 6 шагов: Viggle ускорили генерацию и редактирование в 5 раз

Viggle выложили Qwen-Image-2.1-viggle-turbo v0.2, дистиллированную версию Qwen-Image-2.1. Вместо 40 шагов модели хватает 6 проходов, и end-to-end это примерно в 5 раз быстрее. Умеет text-to-image и редактирование по инструкции с 1–3 референсами, причём без CFG.

Дистиллировали через DMD2 с distribution matching в стиле SenseFlow. Распространяется как LoRA поверх базовой модели: rank 256 на 1,3 ГБ или rank 128 на 680 МБ.

По качеству на 96 пользовательских запросах разнообразие держится на 0,98 от базы, а композиция ни разу не разошлась с оригиналом. Пик памяти в ComfyUI около 26 ГБ VRAM на 1248×832.


https://huggingface.co/Viggle/Qwen-Image-2.1-viggle-turbo

@Python_Community_ru

🐍 В Python 3.15 решили мягко «похоронить» re.match()

re.match() никуда не удаляют, но для нового кода его теперь рекомендуют не использовать.

Причина простая: название функции часто сбивает с толку. re.match() проверяет совпадение только с начала строки, хотя по имени это неочевидно.

В Python 3.15 появился более явный вариант:

re.prefixmatch()

Теперь логика выглядит понятнее:

- re.search() — ищет совпадение в любом месте;
- re.prefixmatch() — только с начала строки;
- re.fullmatch() — вся строка должна совпасть полностью.

re.match() получил статус soft deprecated: он остаётся рабочим, без warning и без планов на удаление, но новый код лучше писать без него.

Проверять старое использование можно через Ruff и правило TID251.

Статья: https://hugovk.dev/blog/2026/soft-deprecating-re-match/

@Python_Community_ru

🖥 Примеры кода на Python 2026: лучшие практики, разбор и задачи с решениями

Python примеры кода 2026 - практическое руководство на русском языке: разбор лучших примеров кода на Python, современные паттерны Python 3.12–3.14, чистый код, асинхронность, типизация, тестирование и задачи для практики с решениями. Подходит для начинающих, junior- и middle-разработчиков, а также для подготовки к собеседованию по Python.

Ключевые темы: примеры кода Python, лучшие практики Python 2026, python для начинающих, задачи по Python с решениями, чистый код на Python, асинхронный Python, asyncio примеры, типизация в Python, pytest примеры, FastAPI пример, парсинг на Python, подготовка к собеседованию Python, Python 3.14 новые

https://github.com/justxor/python-primery-koda-2026/

@Python_Community_ru

🖥 Cayu - open-source runtime для долгоживущих ИИ-агентов на Python

Проект закрывает инфраструктурную часть работы агентов: управление состоянием, инструментами, правами доступа, секретами и восстановлением после сбоев.

Возможности:

- долговечные сессии, события и контрольные точки;
- возобновление, прерывание и разветвление запусков;
- типизированные инструменты, политики и подтверждения действий;
- лимиты расходов и учёт стоимости запусков;
- работа с субагентами и фоновыми задачами;
- управление контекстом и его сжатие;
- изолированные окружения, хранилища и секреты;
- трассировка, тесты и evals;
- панель управления на FastAPI;
- OpenAI, Anthropic, Bedrock, Vertex и OpenAI-совместимые API.

Минимальный запуск:


pip install cayu pytest
cayu new myagent
cd myagent
pytest
cayu eval run


https://github.com/cayu-dev/cayu

@Python_Community_ru

webAI выпустила TwIL-LM3-Pro - компактную модель на 3,66B параметров специально для формальной логики.

Модель построена на базе IBM Granite 4.2 3B и дообучена для задач вроде:

- проверки, следует ли вывод из заданных предпосылок
- перевода текста в формальную логику
- semantic parsing
- формализации и критики доказательств в Lean

По тестам webAI, TwIL-LM3-Pro примерно на уровне Qwen3-8B по главному composite-метрику формальной логики, при этом параметров у неё меньше чем вдвое. Также она обходит публичный VibeThinker-3B по всем шести заявленным formal-задачам.

- 3,66B параметров
- Q4 GGUF весит всего 2,09 GiB
- достаточно около 4 GB VRAM
- можно запускать через llama.cpp
- данные остаются локально

Это не универсальный чат-бот, а узкоспециализированная reasoning-модель. Лицензия — non-commercial.

https://huggingface.co/webAI-Official/TwIL-LM3-Pro

@Python_Community_ru

🐍 Python тормозит? В 3.15 добавили инструмент, который покажет где

Tachyon (`profiling.sampling`) периодически снимает стек вызовов и определяет, где программа тратит время.

Работает отдельным процессом, с минимальным влиянием на приложение. Можно подключиться к запущенному сервису без перезапуска и изменения кода.

Что умеет:

• Строить flame graphs и тепловые карты строк.
• Показывать нагрузку в реальном времени.
• Анализировать asyncio, ожидание I/O и удержание GIL.

Подключение к процессу по PID:


python3.15 -m profiling.sampling attach 12345


🎙 В Talk Python разработчики рассказывают, как устроен профилировщик и как применять его на практике:

https://talkpython.fm/episodes/show/565/tachyon-python-3.15s-built-in-sampling-profiler

@Python_Community_ru

‍🖥 Python-дайджест недели: PyPy 8 с Python 3.12, отладка None и фреймворки для агентов

PyPy 8.0 выпустил первый интерпретатор с поддержкой Python 3.12, пока в бете, и подтянул совместимость с CPython.
https://pypy.org/posts/2026/09/pypy-v800-release.html

nonetrace при падении на None показывает, какая функция его вернула, и подсказывает исправление. Экономит кучу времени на отладке.
https://pypi.org/project/nonetrace/

since-cutoff находит API ваших зависимостей, которые поменялись после даты обучения вашей coding-модели, и генерирует по ним документацию. Хорошее лекарство от галлюцинаций Copilot и Claude Code на свежих библиотеках.
https://github.com/MohammadHijjawi97/since-cutoff

Hardware-agnostic модели в vLLM. Разбор от PyTorch о том, как vLLM запускает одни и те же модели на разных ускорителях без переписывания кода.
https://pytorch.org/blog/hardware-agnostic-models-in-vllm/

Bad evals, my own. Честный текст о том, как LLM-судьи выдают противоречивые оценки и вводят в заблуждение метриками. Пять упражнений на собственных ошибках.
https://digline.dev/blog/bad-evals-my-own/

CinderX от Meta: JIT и Static Python против CPython 3.14 на реальном сервисе.
https://dev.to/deadlovelll/speeding-up-a-python-service-with-cinderx-jit-and-static-typing-53bh

Из проектов для агентов стоит взглянуть на Strands harness-sdk, открытый SDK для продакшен-агентов на Python и TypeScript с любой моделью и облаком, и на DeepTeam, фреймворк для red-teaming LLM и агентов.
https://github.com/strands-agents/harness-sdk
https://github.com/confident-ai/deepteam

Для обучения пригодятся OpenArch с современными LLM-архитектурами, написанными с нуля на PyTorch, и Reef, инфраструктура для continual learning и самоулучшающихся агентов.
https://github.com/anuj0456/OpenArch
https://github.com/Human-Agent-Society/reef

И приятная мелочь: домен subprocess.run ведёт прямо на документацию subprocess.run().

https://pythonhub.dev/digest/2026-10-04/

@Python_Community_ru

🐍 Python Workers в Cloudflare вышли в GA

Cloudflare официально сделала Python полноценным поддерживаемым языком для Workers. Теперь Python-код можно запускать в production на edge-инфраструктуре Cloudflare и напрямую связывать с Workers AI, R2, D1, Hyperdrive, Durable Objects, Queues и Workflows.

Что добавили:

- поддержка FastAPI, Django, Flask и других ASGI/WSGI-фреймворков;
- нативные Python bindings без ручной конвертации объектов в JavaScript;
- работа с PostgreSQL и MySQL через Hyperdrive;
- поддержка сетевых библиотек и TCP-сокетов;
- возможность запускать OpenAI SDK, LangChain и MCP прямо внутри Python Workers.

Под капотом Python запускается через Pyodide/WebAssembly, а для пакетов с C/C++/Rust-расширениями Cloudflare продвигает стандарт PyEmscripten / PEP 783.

Можно собирать на Python API, AI-агентов, MCP-серверы, RAG и event-driven пайплайны без отдельного сервера.

Анонс Cloudflare - https://blog.cloudflare.com/python-workers-ga/

@Python_Community_ru

‍Python 3.15 почти готов: вышел RC3, финальный релиз 9 октября

Python 3.15.0rc3 вышел 2 октября. Третий кандидат понадобился из-за нескольких блокирующих багов в ленивых импортах, которые решили обязательно закрыть до релиза. Финальная версия ожидается 9 октября. ABI больше не изменится, так что мейнтейнерам библиотек самое время собирать колёса под 3.15.

Главное, что войдёт в релиз:


lazy import torch # PEP 810: модуль загрузится только при первом обращении

cfg = frozendict(lr=3e-4) # PEP 814: неизменяемый и хешируемый словарь

flat = [*row for row in matrix] # PEP 798: распаковка прямо в генераторах списков


Ленивые импорты вслепую ускоряют запуск CLI и скриптов, где тянется тяжёлый стек вроде torch или pandas. Для ML-кода это, пожалуй, самое заметное изменение.

UTF-8 стал кодировкой по умолчанию на всех платформах, включая Windows, и проблема с open() без encoding= наконец уходит в прошлое.

Ещё в релизе встроенный тип sentinel, новый семплирующий профайлер Tachyon в отдельном пакете для профилирования и улучшенные сообщения об ошибках. Экспериментальный JIT даёт 7–8% прироста на x86-64 Linux, а frame pointers включены по умолчанию, поэтому профилировать через perf станет проще.

Для free-threaded сборок появился стабильный ABI, то есть шаг к Python без GIL в продакшене. В типизации добавили TypedDict с типизированными дополнительными ключами и TypeForm.

Это всё ещё релиз-кандидат, так что в прод пока не стоит. Но погонять тесты своих проектов на нём самое время.

https://www.python.org/downloads/release/python-3150rc3/

@Python_Community_ru

🦙 Ollaya: запуск моделей принятия решений в стиле Ollama.

Скачиваете модель, поднимаете локальный сервер и получаете через API категорию, оценку или вероятность «да». Без генерации текста и разбора ответа LLM.

Подходит для сортировки обращений, модерации, определения намерений и маршрутизации запросов.

Что есть:

• Laya, Decider, NLI, GLiClass и другие модели.
• Работа на CPU и GPU.
• API, совместимый с TypeSafe.
• MCP для подключения к Claude Code, Cursor и другим агентам.
• Windows, Linux и macOS, включая Apple Silicon.

Для старта без NVIDIA GPU автор рекомендует Laya. Есть мультиязычная версия с поддержкой более 100 языков.

Проект написан на Rust, лицензия Apache 2.0. У самих моделей сохраняются собственные лицензии.

https://github.com/ollaya-dev/ollaya

@Python_Community_ru

‍Вышел Python 3.15: ленивые импорты, frozendict, UTF-8 по умолчанию и JIT, который наконец ускоряет код

Состоялся стабильный релиз Python 3.15. Над ним поработали 1012 контрибьюторов, в версию вошло 5643 коммита.

Самое заметное для повседневной работы это явные ленивые импорты из PEP 810. Тяжёлые модули вроде torch или transformers теперь можно подгружать только в момент первого обращения, и CLI-утилиты и скрипты стартуют заметно быстрее. Ещё одно долгожданное изменение: UTF-8 наконец стал кодировкой по умолчанию на всех платформах, так что сюрпризы с open() на Windows уходят в прошлое.

В языке появились встроенные типы frozendict и sentinel, а в генераторах списков и словарей теперь работает распаковка через звёздочку. Сообщения об ошибках снова стали понятнее.

Экспериментальный JIT серьёзно доработали. На x86-64 Linux он даёт в среднем 7-8% прироста к стандартному интерпретатору, на Apple Silicon 11-12%. Официальные сборки под Windows перешли на tail-calling интерпретатор, а установщик для macOS по умолчанию ставит поддержку free-threading. Для сборок без GIL появился стабильный ABI, это откроет дорогу бинарным пакетам под многопоточный Python.

Для тех, кто ищет узкие места в коде, в стандартной библиотеке появился отдельный пакет profiling и высокочастотный сэмплирующий профайлер Tachyon. Указатели фреймов теперь включены по умолчанию, и системные профайлеры видят Python-стек без танцев с бубном.

В типизации добавили TypedDict с типизированными дополнительными ключами, TypeForm и disjoint bases.

Один нюанс для маководов: на macOS 27.0 приложения на tkinter, включая IDLE, могут зависать при открытии диалогов. Если работаете с Tk, с обновлением системы лучше подождать.

Бонус от Барри Уорсо: текстовый квест whatsnewt, где каждая из 18 головоломок решается реальной фичей 3.15. Запускается командой uvx --python 3.15 whatsnewt.

https://discuss.python.org/t/python-3-15-0-final-is-here/109415

@Python_Community_ru

‍🐍 Ротация прокси в Python может обходиться без списка IP и `random.choice()`

Если провайдер поддерживает ротацию на шлюзе, скрипт обращается к одному адресу. Выходные IP меняет сам сервис по выбранному режиму. Именно такой подход разобран в статье.

Минимальный пример проверки:


import os
import requests

# PROXY_URL: адрес шлюза с учётными данными
proxy = os.environ["PROXY_URL"]
proxies = {"http": proxy, "https": proxy}

for _ in range(5):
r = requests.get(
"https://httpbin.org/ip",
proxies=proxies,
timeout=(5, 15),
)
r.raise_for_status()
print(r.json()["origin"])


Нюанс: ключ "https" обозначает протокол целевого сайта. Сам адрес прокси при этом может начинаться с http://. Это корректная настройка для HTTP-прокси.

Ещё важно различать два режима:

• Ротация меняет выходной IP согласно настройкам провайдера.
• Sticky session закрепляет IP на некоторое время.

При этом requests.Session() сохраняет cookies и переиспользует соединения, но самостоятельно IP не меняет. Политику ротации нужно проверять у провайдера.

https://unlimitedresidentialproxy.com/blog/how-to-rotate-proxies-python

@Python_Community_ru

‍🖥 Python-дайджест недели: агенты с онтологией, рантайм-проверка типов и SQLite в проде

Собрали самое полезное из свежего выпуска Python Hub.

EvoOntology от RUC DataLab. Это самообновляющийся слой онтологии для дата-агентов: он связывает разнородные таблицы, файлы и базы, чтобы агент понимал, где какие данные лежат.
https://github.com/ruc-datalab/EvoOntology

Quail. Опенсорсный AI-SQL движок, который оптимизирует план запроса вместе с LLM-инференсом. Авторы заявляют ускорение в среднем в 1,84 раза и до 14 раз относительно настроенного vLLM.
https://fsdatalab.github.io/blog/introducing-quail/

AI Engineering from Scratch. Бесплатный открытый курс по построению ИИ-систем с нуля, от математики до продакшена.
https://aiengineeringfromscratch.com/index.html

Taste-Bench. Бенчмарк проверяет, умеет ли агент в длинной задаче выбрать правильное направление в точке развилки. Как раз там агенты чаще всего и ломаются.
https://github.com/wbopan/tastebench

livenerf. Долгоиграющий бенчмарк, который отслеживает, не деградирует ли frontier-модель тихо после релиза.
https://github.com/ninjahawk/livenerf

Себастьян Рашка разбирает историю классификации текста от bag-of-words до LLM и объясняет, когда специализированный классификатор всё ещё выигрывает у большой модели.
https://magazine.sebastianraschka.com/p/classifier-history-and-jev

type_enforced. Быстрая проверка аннотаций типов прямо в рантайме для Python 3.11+, без зависимостей.
https://github.com/connor-makowski/type_enforced

django-upgrade-report. Показывает, какие зависимости блокируют апгрейд Django и в каком порядке их обновлять.
https://github.com/derblub/django-upgrade-report

Необычный эксперимент Филипа Цукера: union-find на Python, который печатает доказательства для Lean.
https://www.philipzucker.com/proof_uf/

Ciaren. Визуальный ETL, который работает локально и экспортирует пайплайн в код на pandas или Polars. Пока альфа под AGPL-3.0.
https://ciaren.com/

На Reddit хорошо разобрали SQLite в продакшене: зачем включать WAL, как настроить busy_timeout и почему пишет один воркер.
https://www.reddit.com/r/Python/comments/1wowf4q/sqlite_in_production_why_wal_mode_busy_timeout/

И вечный холивар: жив ли ещё Flask или FastAPI окончательно победил.
https://www.reddit.com/r/Python/comments/1wxkk8m/anyone_still_using_flask_or_has_fastapi/

Из видео стоит глянуть обзор Pyrefly, статического тайпчекера от Meta.
https://www.youtube.com/watch?v=lFA-zuZRG4Q

Полный дайджест: https://pythonhub.dev/digest/2026-10-11/

@Python_Community_ru

⚡️ Overmind - open-source слой для автоматической оптимизации AI-агентов.

Вместо ручного тюнинга он запускает эксперименты и помогает улучшать сразу несколько частей агента:

- системные промпты
- описания инструментов
- выбор модели
- pipeline и control flow
- поведение агента на реальных задачах

Идея в том, чтобы не гадать, какой prompt или model лучше, а системно тестировать варианты и оставлять те, которые реально дают прирост по метрикам.

Проект позиционируется как supervision + fine-tuning layer для agentic AI и доступен как Python-пакет. Свежая версия 0.1.82 опубликована 1 октября 2026 года. :

https://github.com/overmind-core/overmind

@Python_Community_ru