Походу, Питон — всё 👩‍💻 Всем привет! В момент субботнего вайбкодинга я неожиданно понял, что Питон — всё. Ну, не совсем прям всё, но уже всё. Почему? Потому что я сидел и портировал свои последние питон-поделки на Rust + Tauri. А почему? Потому что это проще, быстрее и надёжнее. Когда я собирал портативку Higgs Ultimate, я не испытал ни одной из проблем, которые обычно ловлю при сборке питона: не ебался с venv и окружениями, не было ни намёка на Градио, который заебал уже сам по себе, не было нелепых тупняков с версиями. Всё просто разобралось, поменялось и собралось обратно. А ведь мне, как вайбкодеру, вообще пофиг, на чём вайбкодить — лишь бы быстро увидеть результат и потыкать пальцами. Так вот: Rust + Tauri закрывает всё то же самое, что раньше закрывал мой стек Питон + Градио. Только быстрее, приятнее и надёжнее. Но это я уже говорил 😄 Может, конечно, я просто окрылён опытом разработки на новом стеке. А может, Питон уже и правда всё. Какие у него по факту остались преимущества перед тем же Растом — при условии, что я не знаю ни того языка, ни другого? То-то же 😏 Сейчас вот портирую Dub Studio на Rust + Tauri — и, как будто бы, она станет работать в разы быстрее, сборка станет меньше размером, надёжность вырастет, и всё будет в одном файле. Посмотрим, как оно выйдет в реальности. А какие мысли у вас? Меняли ли вы язык своих вайбкодинг-поделок в последнее время? Делитесь в комментах 👇 Всех обнял, увидимся на стриме всегда ваш - Nerual Dreming ❤️

GPT 5.6 Sol Ultra - ну, за трехмещегов! Открываем новый chatGPT, берем Sol Ultra и пишем: "Попробуй построить городской пейзаж, сочетающий архитектуру эпохи Эдо, киберпанк и псевдозападную архитектуру. Пусть в городе будут как одноэтажные здания, так и высотные небоскрёбы. Удели внимание даже мелким деталям, например торговым автоматам. Времени можно потратить сколько угодно. Создайте командой городской пейзаж максимально высокого качества. Перед началом моделирования найдите в интернете чертежи и информацию об устройстве синтоистских храмов и современных зданий, а также изучите способы их строительства и подходящие текстуры. Не беспокойтесь о расходе кредитов - главное создать городской пейзаж высочайшего уровня. На объектах должны быть заметны следы старения и повреждения, а вся сцена должна быть выдержана в единой цветовой тональности. Нужен максимально реалистичный и готовый к немедленному использованию городской набор. Не создавайте всё сразу одним блоком - делайте каждый ассет отдельно, один за другим. Пожалуйста, создайте работу мирового уровня, как профессиональный 3D-художник." Уходите на три часа. chatGPT + MCP пишет код на Python для Blender, самостоятельно делает снимки в Blender, проверяет результат и продолжает работу. Если написать "generate the texture with image generation too" будет дольше, но тоже работает. Возвращаетесь и видите: «Работал 2 часа 51 минуту.» «Я закончил. В открытом сейчас Blender уже загружена финальная версия мастер-сцены города.» Ну ладно, давайте пока за архвиз. С персонажкой надо еще разобраться. Сорс - там про токены есть скрины. @cgevent

Book ReviewGPU-Accelerated Computing with Python 3 and CUDA Я получил очередную книжку от Packt на прочтение и ревью. Книга учит писать код под GPU на Python: сначала CUDA-ядра на Numba-CUDA, потом высокоуровневые библиотеки (CuPy вместо NumPy/SciPy, RAPIDS cuDF/cuML вместо pandas/scikit-learn, JAX), и в конце четыре мини-проекта. Книга мне понравилась (но код запускать я не пробовал). Авторы замеряют все оптимизации и демонстрируют случаи, когда ускорение не получилось. Из интересного: на примере computer-vision демонстрировали три способа классификации зашумлённых объектов: 7 Hu moments дают 66.7% за миллисекунды, template matching — 80%, но больше минуты на прогон, а CNN выдаёт 88% на чистом Fashion-MNIST и проседает до 60% на зашумлённых объектах. Из минусов — финальная глава строит LLM на IMDb (странный выбор датасета для генерации, и вывод модели не особо внятный). Хорошая книга для тех, кто пишет на Python и хочет понимать работу с GPU на более низком уровне, чем PyTorch/Jax. Amazon Packt Code Мои обзоры: Personal blog Medium Linkedin #books

🔹 smixs/agent-second-brain ⭐ 295 звёзд · Python Голосовые заметки из Telegram превращаются в типизированные карточки Obsidian с автосвязями. Стек: Python 3.12+, aiogram, Deepgram для транскрипции и Claude Code в долгоживущей tmux-сессии — за счёт этого хватает VPS за $5 и подписки Claude Pro за $20 без доплат за токены. Внутри — алгоритм забывания Эббингауза с силой карточки 1 + ln(access_count) и пятью уровнями хранения от core до archive. Ночью в 21:00 запускается классификация, пересборка графа и дневной отчёт; watchdog поднимает зависшие сессии, doctor рисует 🟢/🔴. Хранилище остаётся на сервере: наружу уходит текст в Anthropic и голос в Deepgram, CI-гард запрещает headless-вызовы claude -p. 220+ тестов, один Python-процесс. репозиторий Полезная Репа 🧠

Рейтинги языков программирования в 2026 году с учётом ИИ-агентов и нейрослопа Python по-прежнему впереди, классический Си обошёл C++ и вышел на второе место, Java просела до исторического минимума. Привычная сводка, по которой все привыкли сверять, что учить. Вот только Visual Basic вдруг взлетел на седьмую строчку, и объяснение обескураживает. Скорее всего, это не всплеск интереса к языку, а офисные работники, которые массово гуглят, как написать макрос в Excel, и методика засчитывает эти справочные запросы как популярность. А «падение» Go в другом индексе на деле может означать не угасание, а зрелость языка, по которому просто реже ищут ответы. И это только присказка. За последний год у цифр в таблицах появился новый источник искажений, из-за которого взлёты и падения всё слабее связаны с тем, что разработчики учат на самом деле.

SpatialClaw Фреймворк от NVIDIA для пространственного рассуждения (spatial reasoning), позволяет VLM решать сложные задачи с визуальными данными, не требуя дополнительного обучения Вместо того чтобы дообучать модель под пространственные задачи, SpatialClaw даёт ей инструмент в виде Python‑кода, исполняемого в постоянном (persistent) вычислительном ядре. Модель выступает как агент: * Пишет код для анализа сцены * Запускает код и видит промежуточные результаты * Анализирует результаты и при необходимости переписывает или дополняет код * Компонует модули восприятия Такой подход резко повышает точность в задачах, где нужно не просто описать картинку, а понять геометрию, отношения между объектами и выполнить вычисления Гитхаб #vlm #reasoning #optimization

Когда-то давно в одном из проектов я делал конвертер криптовалют. Так как владельцы проекта экономили на подписках, курсы брали скриптом по расписанию прямо с веб-страниц постороннего сервиса. API там не было, страницы рендерились на сервере. Каждую страницу приходилось парсить, выковыривая из HTML конечные цифры. Время от времени сервис менял верстку, и поток данных у нас иссякал, нужно было корректировать правила парсинга. Активность по извлечению данных из веб-страниц называется скраппинг (или скрейпинг). Мне для PersMarket такое нужно, поэтому подбираю современные инструменты. Вот некоторые из них, бесплатные и опенсорсные. 🔹Scrapy - кроссплатформенный фреймворк для краулинга (это когда ваш скрипт обходит сайты, как поисковый бот Гугла, например) и скраппинга, сделан на Python. Можно использовать также для мониторинга и автотестирования. 621 контрибьютор в репозитории. Есть подробная документация. 🔹CyberScraper 2077 - анонсирован как "AI powered", то есть извлекает данные по-умному, используя внешние или локальные ИИ-модельки. Имеет графический интерфейс. Умеет экспорт в JSON, CSV, HTML, SQL и даже Excel. Есть встроенный "режим невидимки" и решение капчи. 🔹Crawl4AI - еще один извлекатель данных с поддержкой ИИ, гордится плашкой "Реопзиторий дня #1". Вроде бы очень умный, даже эвристичный, и быстрый, даже слишком, но вот коммитов в этом году не было. Документация имеется. 🔹WaterCrawl - этот поактивнее развивается, использует Python, Django, Scrapy и Celery под капотом для извлечения данных. Поднимается в Docker-контейнере. Имеет поисковый движок и поддержку мульти-язычности. Интегрируется с n8n и подобными платформами. 🔹AnyCrawl - пишут, что высокопроизводительный, может работать как с отдельными страницами, так и обходить сайты пачками. Имеет режимы парсинга как голого HTML, так и рендеренного с помощью JS контента через Playwright и Puppeteer. Можно запускать через прокси и использовать кэш. Более 3300 звезд на Github и 3,5 сотни форков. Коммиты есть буквально позавчера. 🔹Botasaurus - фреймворк "все-в-одном", как они его назвали. Умеет не просто парсить, а обходить антибот-защиты, фаерволы и капчи. Там даже демо-гифка есть, как оно само на капчу Claudflare нажимает. Умеет работать в параллели, кэшировать, очищать данные. Использовать можно прямо в своем Python-скрипте. И еще один инструмент до кучи - Monolith, это "Сохранить страницу как" на стероидах. Даете ему адрес, он берет HTML, сдабривает CSS, добавляет JS и картинки, в итоге генерируя единый HTML5 документ в виде файла. #tools