Библиотека питониста: Python Django Flask

Какой тип данных для иммутабельных структур самый быстрый в Python NamedTuple, dataclass, attrs, msgspec — все решают одну задачу, но с очень разной стоимостью при старте программы. Автор сделал детальный бенчмарк. Вот что получилось. 📊 Три уровня производительности (warm start) Быстрые (~7-12 µs на тип): — native slots — просто __slots__ — msgspec.Struct — сериализация + struct в одном — record-type (C) — прототип C-расширения Средние (~76-96 µs, в ~8 раз медленнее): — NamedTuple — то что большинство использует по умолчанию — record-type — декоратор от Brett Cannon Медленные (~200-370 µs, в ~20-30 раз медленнее): — dataclass, frozen dataclass — attrs 🔍 Почему такая разница Всё упирается в количество методов которые генерируются при создании типа: — native slots и C-расширения: ничего не генерируют → быстро — NamedTuple: генерирует один __new__ через eval → средне — dataclass: генерирует __init__, __repr__, __eq__ за один раз, frozen добавляет ещё три → медленно 💾 Память на экземпляр native slots → 64 байта NamedTuple → 88 байт (tuple overhead) msgspec → 64 байта attrs → 80 байт dataclass → 64 байта frozen=True не меняет размер в памяти — это только флаг на уровне записи, не структуры. ⚡ Время создания экземпляра msgspec → ~62 ns native → ~87 ns NamedTuple → ~138 ns attrs → ~209 ns frozen dc → ~224 ns Если пишете CLI или инструменты где важен startup time — NamedTuple не такой «бесплатный» как кажется. msgspec быстрее после ~229 типов (warm) но тянет за собой 19ms импорта. Для большинства проектов NamedTuple всё ещё разумный выбор — но теперь вы знаете цену. 📍 Навигация: Вакансии • Задачи • Собесы Библиотека питониста #буст

WeakKeyDictionary: как хранить данные «рядом с объектом» без прямой записи в атрибуты Классический паттерн: хочется прикрепить доп. данные к объекту — делаешь obj._cache = .... Но у этого три проблемы: — не работает для built-in типов и slotted классов — имена атрибутов могут конфликтовать с другим кодом — атрибуты вылезают в vars() и других местах где не ждёшь 🔑 Решение — WeakKeyDictionary from weakref import WeakKeyDictionary import ast used_names_cache: WeakKeyDictionary[ast.Module, set[str]] = WeakKeyDictionary() def all_used_names(module: ast.Module) -> set[str]: try: return used_names_cache[module] except KeyError: pass names = set() # ... заполняем set used_names_cache[module] = names return names Данные живут «здесь», а не на объекте. Производительность O(1) как у обычного атрибута. Главное преимущество: как только объект перестаёт существовать в остальном коде — запись в словаре тоже удаляется автоматически. Нет утечек памяти. ⚠️ Почему не functools.cache? @cache def all_used_names(module): ... functools.cache хранит сильные ссылки на аргументы. Даже если module больше нигде не используется — кэш держит его живым и не даёт GC освободить память. 📋 Два условия для объекта Объект должен быть hashable — выполняется по умолчанию если не переопределён __eq__ без __hash__. Объект должен поддерживать weak reference — большинство user-defined классов поддерживают. Для slotted классов нужно явно добавить: class Train: __slots__ = ("__weakref__", "wheels", "engine") 📍 Навигация: Вакансии • Задачи • Собесы Библиотека питониста #буст

🔥 Открытое занятие по AgentOps — курс стартовал! Сегодня в 19:00 по МСК пройдет первое занятие нового потока, на которое может прийти каждый. Оцените пользу нашего подхода на ретрансляции урока в VK! 👨💻 Спикер: Андрей Носов Тема: Архитектура управления: state machine для AI-агентов Будем разбираться, как использовать State machine в качестве главного оружия против стохастики (непредсказуемости) LLM. Что в программе: ● State machine: инварианты и терминальные состояния; ● Паттерны маршрутизации: Supervisor, ReAct, Plan-and-Solve; ● Детекция циклов и настройка аварийных выходов; ● Абстракция от модели: как сделать каркас, который переживет смену LLM/провайдера; ● Адаптация графов под ограничения локальных моделей; ● Версионирование графов и миграции стейта. Результат занятия: Вы поймете, как спроектировать надежный каркас агента с жестким контролем исполнения и переходов. 👉 Подписывайтесь на нашу группу ВКонтакте, чтобы не пропустить старт трансляции!

😯 FastAPI Cloud вышел в публичную бету Деплой существующего FastAPI-приложения: uv run fastapi deploy Новое приложение: uvx fastapi-new uv run fastapi deploy 🚀 Что включено из коробки — HTTPS по умолчанию — автоматические TLS-сертификаты — Автоскейлинг — растёт с трафиком, scale to zero в разработке — Zero-downtime деплои — новые версии раскатываются постепенно — Авто-верификация — если что-то сломалось, остаётся последняя рабочая версия — GitHub интеграция — push в main = автодеплой, без CI-конфигов — БД из коробки — Neon (Postgres), Redis Cloud, Supabase в пару кликов — Логи, метрики, переменные окружения, кастомные домены — VS Code расширение ⚙️ GitHub Actions если нужно fastapi cloud setup-ci Команда сама создаёт deploy tokens, прописывает их как GitHub secrets и генерирует workflow файл. 🤖 Про агентов CLI спроектирован так чтобы AI-агенты могли работать с ним из терминала — деплоить, читать логи, обновлять переменные, дебажить — без кастомных интеграций. Поддержка JSON-вывода, явные параметры. Вместо стен YAML — одна команда fastapi deploy. Это и есть deployment surface для агентов. Ссылка на сайт 📍 Навигация: Вакансии • Задачи • Собесы Библиотека питониста #буст

🎬 Как ИИ ускоряет разработку и где ломаются архитектуры Мы провели открытый вебинар, где разобрали реальные боли проектирования автономных систем. Ольга Лукьянова на практическом кейсе показала, как использовать ИИ-ассистентов для реальных задач. Вы просили запись встречи — она уже в открытом доступе! Что внутри: — Как с помощью ИИ быстрее разбираться в незнакомом коде и готовить пулл-реквесты; — Критерии выбора между одним агентом и мультиагентной системой; — Разбор популярных архитектурных ошибок и ограничений современных ИИ; — Практические рекомендации по проектированию и внедрению облачных агентов. 👉 Посмотреть полную запись можно тут: ● VK ● YouTube 🚀 Хотите пойти дальше открытого вебинара? Если вы готовы перейти от простых промптов к проектированию надежных, отказоустойчивых ИИ-систем, которые не сливают бюджет компании на API, приходите на курс AgentOps. Поток уже стартовал, но двери еще приоткрыты! 👉 Успеть на курс AgentOps

📹 Что должен делать агент-оркестратор? Посмотрите короткий отрывок из вебинара с Дмитрием Юдиным, внутри концентрат инсайтов о ии-агентах. А если хотите погрузиться в тему с головой, у нас доступна и полная запись этого эфира. Готовы перейти от теории к практике и собрать свой первый продакшн-кейс? Прямо сейчас действует мощная акция «3 курса по цене 1»: 🔥 При покупке VIP-тарифа нового потока «Разработка ИИ-агентов» вы получаете в подарок хардкорный курс «AgentOps» + ещё один любой курс Академии на ваш выбор! Выгода в цифрах: два топовых курса по созданию и контролю агентов обойдутся вам всего в 134.000 ₽ вместо 263.000 ₽. Плюс третий курс бонусом (например, можно подтянуть математику для AI). Ваша чистая экономия — 129 000 ₽! Сомневаетесь, подойдет ли вам формат? Оставьте заявку и пройдите бесплатный демо-урок, чтобы протестировать платформу перед покупкой. 👉 Пройти демо-урок и забрать 3 курса по цене 1

ОПРОС: Ответьте на пару вопросов и получите промокод на все наши курсы! 🎁 Команда Prоglib.аcаdemy готовит к запуску новые продукты, и нам нужна ваша помощь. Мы хотим создавать обучение, которое будет решать ваши реальные карьерные задачи и бить точно в цель. Поделитесь своим опытом и ожиданиями, чтобы мы сделали наши курсы еще полезнее именно для вас! Заполнение анкеты займет буквально 2–3 минуты, а с нас — скидка на любой наш курс! 👉 Пройти опрос в Яндекс Формах и забрать промокод

👍 classmethod, staticmethod или instance method: простое правило выбора Смотрите что метод реально использует: — нужен self → instance method — нужен cls, но не конкретный экземпляр → @classmethod — не нужно ни то ни другое → @staticmethod 🔵 Instance method — работа с состоянием объекта Всё что читает или меняет атрибуты конкретного экземпляра. Стандарт по умолчанию. 🟢 @classmethod — альтернативные конструкторы Python не поддерживает перегрузку init, поэтому когда нужно создать объект из разных источников — каждый способ становится classmethod: # из стандартной библиотеки date.today() date.fromtimestamp(1718539200) date.fromisoformat("2026-06-16") Все возвращают date, но стартуют из разного сырья. Ещё один хороший кейс — реестры и кэши на уровне класса: class Handler: _registry: dict[str, type["Handler"]] = {} @classmethod def register(cls, name: str, handler: type["Handler"]) -> None: cls._registry[name] = handler 🟡 @staticmethod — утилита без контекста Чистая функция которая живёт в классе для удобства неймспейса. Не трогает ни self ни cls: class Color: @staticmethod def hex2rgb(hex_value: str) -> tuple[int, int, int]: return tuple(int(hex_value[i:i+2], 16) for i in (1, 3, 5)) Сигнал: если staticmethod можно вынести на уровень модуля и ничего не сломается — возможно, так и стоит сделать. Это не плохой паттерн, просто честный вопрос. 📍 Навигация: Вакансии • Задачи • Собесы Библиотека питониста #буст

⚠️ Уже завтра стартует курс AgentOps! Мы собрали на потоке сборную из мастеров IT-рынка. Практики из BigTech научат вас контролировать и отлаживать ИИ-агентов, чтобы они работали предсказуемо и не сливали бюджет на API. 🔥 Заберите 3 курса по цене 1: ● При покупке VIP-тарифа (осталось 4 места) нового потока «Разработка ИИ-агентов» получаете в подарок курс «AgentOps» + ещё один любой курс Академии (например, «Математика для разработки AI», чтобы глубже освоить направление). ● Три курса обойдутся вам всего в 134.000 ₽ вместо 263.000 ₽. ● Доступна удобная беспроцентная рассрочка, платеж можно разбить на несколько комфортных частей. Хотите прокачать свое портфолио продакшн-кейсом, но пока сомневаетесь? Пройдите наш бесплатный демо-урок, чтобы протестировать формат перед покупкой. 👉 Забрать 3 курса по цене 1 и получить демо-урок