Python Portal

GPT-6 Astra дали роботизированную руку, кисть и камеру, а затем попросили нарисовать мост Золотые Ворота в реальном мире.

Модель сама разобралась, как управлять роботом, и с каждой новой попыткой рисовала всё лучше.

Самое впечатляющее здесь даже не картина. Astra училась на собственных попытках и улучшала результат уже в физическом мире.

👉 @PythonPortal

Проверка уникальности работает через =, а NULL = NULL не даёт true. По умолчанию NULL не считается уникальным значением.

Postgres не может доказать равенство двух NULL, поэтому пропускает обе строки.

Простой пример, где это ломается, — составной ключ:

-- UNIQUE (user_id, org_id, deleted_at)

INSERT INTO memberships VALUES (1, 10, NULL);
INSERT INTO memberships VALUES (1, 10, NULL);

-- обе строки будут вставлены

В итоге можно получить две активные записи membership для одного и того же пользователя, потому что ограничение уникальности вообще не срабатывает.

NULLS NOT DISTINCT

Начиная с Postgres 15, уникальные ограничения и индексы могут считать NULL равными:

UNIQUE NULLS NOT DISTINCT (user_id, org_id, deleted_at)

Второй INSERT уже завершится ошибкой.

Но это также запретит две строки с одинаковым значением deleted_at, а не только две активные строки.

Частичный уникальный индекс

Если уникальность нужно обеспечить только для активных строк, используйте partial unique index:

CREATE UNIQUE INDEX ON memberships (user_id, org_id)
WHERE deleted_at IS NULL;

👉 @PythonPortal

Каждый новый else if — это ещё одно критическое допущение, о котором ты уже забыл.

Убери один граничный случай — и смотри, как вся конструкция начинает шататься.

👉 @PythonPortal

Data Driven 2026 — конференция для аналитиков от Яндекса

Конференции в этом году исполняется 10 лет!

Главная тема — AI-first-аналитика. Два трека докладов охватят: — какие AI-инструменты реально экономят время аналитика — как генеративный AI влияет на работу с данными — как изменится роль аналитика в ближайшие годы

Среди спикеров — CDO ключевых направлений Яндекса:

— Роман Халкечев (CDO Поисковых сервисов и ИИ Яндекса) — расскажет о том, как AI переписывает правила игры при работе с данными, меняет способ принятия решений в компании и трансформирует профессии аналитика и дата инженера;

— Олег Хомюк (CDO Яндекс Поиска) — как объективно измерить качество AI-агентов и инфраструктуры AI-ready-данных;

— Артём Солоухин (зам. руководителя ML и инновационных инструментов Центральной аналитики) — покажет MARS, первую мультиагентную рабочую среду в Яндексе;

— Максим Стаценко (руководитель BigData Tech & Research Центральной аналитики) — расскажет, как собрать агента-аналитика, которому реально можно доверять.

В программе также нетворкинг, стенды с экспертами, Random Coffee с топовыми аналитиками, карьерные консультации, IT standup и афтерпати в честь юбилея конференции.

🔗 Москва + онлайн, 26 сентября. Регистрируйтесь по ссылке

Новости конференции

Это, пожалуй, одна из лучших технических книг о том, как большие языковые модели обучают в огромных масштабах:

> память GPU и профилирование
> разбиение вычислений на блоки, объединение ядер и FlashAttention
> параллелизм по данным, тензорам, конвейеру и контексту

Я уже прочитал бесплатную онлайн-версию, но всё равно пришлось купить бумажную копию для своей библиотеки.

Бесплатно прочитать её можно и на Hugging Face:

https://huggingface.co/spaces/nanotron/ultrascale-playbook

👉 @PythonPortal

Какой стиль API на самом деле стоит использовать?

Вот список самых сильных вариантов и чем каждый из них выделяется.

1. SOAP (Simple Object Access Protocol)

Этот подход к созданию веб-сервисов существует уже давно.

Он может работать поверх разных протоколов и использует сообщения на основе XML.

Поддерживает разные протоколы и сообщения в XML-формате.

В основном применяется в корпоративных системах, где важно соблюдать строгие правила и формальные спецификации.

2. REST (Representational State Transfer)

Большинство современных веб-сервисов используют этот архитектурный стиль.

REST API используют URI для адресации ресурсов и стандартные HTTP-методы для работы с ними.

Они stateless, то есть каждый запрос содержит всю необходимую информацию. Благодаря этому такие API остаются гибкими и хорошо масштабируются.

3. GraphQL

Это язык запросов, который позволяет клиенту точно указывать, какие данные ему нужны.

Это помогает избежать как лишней загрузки данных, так и нехватки данных, а также снижает сетевые накладные расходы.

Обычно ответы отправляются в формате JSON, который позволяет удобно представлять сложные иерархические структуры данных.

GraphQL хорошо подходит для кастомных запросов и случаев, когда требования к данным со временем меняются.

4. Webhook

Это механизм, который позволяет серверам уведомлять другие системы в реальном времени при наступлении определённых событий.

Он использует HTTP callbacks и гибкий формат payload, чаще всего JSON.

5. WebSocket

Этот протокол поддерживает постоянное соединение и позволяет обмениваться данными в обе стороны в реальном времени.

WebSocket хорошо подходит для приложений, которым нужно часто и быстро отправлять и получать данные. Например, для онлайн-игр или чатов в реальном времени.

Он позволяет сократить количество отдельных HTTP-запросов.

6. gRPC

Это современный фреймворк, который использует Protocol Buffers для сериализации данных в компактный бинарный формат.

Его часто применяют в микросервисных системах из-за высокой производительности.

Сообщения gRPC компактные и эффективные.

👉 @PythonPortal

Этот чувак уже создал два дистрибутива Linux. А теперь делает третий только для того, чтобы потом его забросить и доказать свою точку зрения.

И всё это он делает в прямом эфире, на камеру.

Его зовут Айки Доэрти. Он основал Solus и Serpent OS, который теперь называется AerynOS. Раньше он также работал инженером в команде Intel Clear Linux.

Теперь Доэрти вернулся, и формулировка у него довольно жёсткая. Он «объявил войну индустрии».

Он не пытается сделать ещё один дистрибутив, который будут поддерживать вечно.

Он публично строит его с нуля, чтобы показать, как, по его мнению, должен выглядеть современный дистрибутив Linux.

Когда идея будет доказана, долгосрочно поддерживать проект он не планирует.

Концепция звучит как «Clear Linux встречает Serpent».

Дистрибутив собирается из исходников, полностью оптимизирован, неизменяем, во многом написан на Rust и получит собственный совершенно новый менеджер пакетов.

Он называется Barney.

Репозиторий:
https://github.com/TravellingEngineer/barney

👉 @PythonPortal

Удивительно, как часто путают программу, процесс и поток.

Вот простое объяснение.

1. Программа

Это файл на диске, содержащий набор инструкций.

Одна программа может запускать несколько процессов.

Например, Firefox может создавать отдельные процессы для разных компонентов.

2. Процесс

Это программа, которая уже выполняется.

Программа превращается в процесс, когда загружается в память и запускается.

Для работы процесс использует, например, счётчик команд, стек и регистры.

3. Поток

Поток — минимальная единица выполнения внутри процесса.

Один процесс может содержать много потоков.

Например, браузер одновременно выполняет несколько потоков. Один может загружать содержимое, другие — отрисовывать анимации, воспроизводить видео и выполнять другие задачи.

Главные различия между процессами и потоками:

• процессы независимы, а потоки существуют внутри процесса
• у каждого процесса своё адресное пространство памяти, а потоки одного процесса делят общую память
• переключение между процессами обычно дороже
• обмен данными между потоками быстрее, чем между процессами
• создание и завершение потока обычно легче и быстрее

👉 @PythonPortal

Изучайте мехатронику.

Особенно сейчас.

Потому что самые интересные инженерные задачи уже не относятся отдельно к механике, электронике или программированию.

Они объединяют всё сразу.

• механика → механизмы, шестерни, конструкции, материалы, допуски
• электроника → датчики, моторы, драйверы, системы питания, печатные платы
• встраиваемые системы → микроконтроллеры, прошивки, управление в реальном времени, шины связи
• теория управления → обратная связь, устойчивость, отслеживание траектории, движение
• программирование → интерфейсы, алгоритмы, сети, архитектура систем
• робототехника → восприятие, планирование, манипуляции, автономность
• производство → превращение проекта в реальное, надёжное и воспроизводимое устройство

А потом объединяйте всё это.

Спроектируйте механизм в CAD.

Напечатайте его на 3D-принтере.

Добавьте моторы и датчики.

Спроектируйте электронику.

Напишите прошивку.

Реализуйте систему управления.

Заставьте машину вести себя так, как нужно.

Весь этот цикл и есть мехатроника.

По мере того как интеллект перемещается с экранов в физические машины, инженеры, которые могут свободно переходить между кодом, схемами и механизмами, становятся невероятно ценными.

Не учитесь только программировать машины.

Учитесь ещё и создавать сами машины.

👉 @PythonPortal

10 идей инфраструктурных SaaS-проектов, которые стоит собрать разработчику.

1. Cron как сервис — запуск API и задач по расписанию с повторными попытками и журналами.
2. Фоновые задачи — очереди, обработчики и асинхронная обработка.
3. Флаги функций — контролируемый запуск новых возможностей и настройка для отдельных пользователей.
4. Ограничение запросов — квоты для API и распределённые лимиты.
5. Шина событий — маршрутизация, фильтрация и надёжная доставка событий.
6. API-шлюз — авторизация, маршрутизация, кэширование и аналитика.
7. Уведомления — электронная почта, SMS, push и уведомления внутри приложения через один API.
8. Журналы аудита — отслеживание действий пользователей и системы.
9. Менеджер секретов — безопасное хранение и ротация API-ключей.
10. Имитация API — поддельные конечные точки, ошибки и задержки для тестирования.

Собирайте инфраструктуру, которая показывает, как на самом деле устроены реальные системы.

👉 @PythonPortal

Cоберите полностью локальный робот-пылесос с открытым исходным кодом на базе OOMWOO.

https://github.com/makerspet/oomwoo

Это самодельный проект, который объединяет детали, напечатанные на 3D-принтере, Raspberry Pi и двумерный лидар.

Робот сам строит карту помещения и перемещается по нему, причём вся обработка выполняется прямо на устройстве с помощью ROS2.

Никакого облака, данные остаются у вас, а сам робот напрямую интегрируется с Home Assistant.

👉 @PythonPortal

Это единственный сайт, который вам реально нужен, чтобы хорошо освоить Docker.

Он даст вам намного больше, чем случайные плейлисты по Docker на YouTube.

И всё это полностью бесплатно — больше 11 часов практики и упражнений.

https://learndocker.online

👉 @PythonPortal

Одна разработчица с нуля провела обратную разработку графического процессора Apple.

Пять лет спустя Linux работает на нём с полноценным аппаратным ускорением графики.

Знакомьтесь, Алисса Розенцвейг

> Канадская разработчица.
> Начала заниматься обратной разработкой графических процессоров ещё в школе, в 2017 году.
> Присоединилась к проекту Asahi Linux в 2020 году.
> Изначально собиралась лишь дать несколько подсказок.
> В итоге осталась на пять лет.
> По графическому процессору Apple M1 не было вообще никакой публичной документации.
> Никаких драйверов. Никакой помощи.
> Она купила Mac Mini и начала разбираться во всём с нуля.
> Уже через несколько недель смогла отрисовать свой первый рабочий треугольник.
> Если ты умеешь отрисовать треугольник, дальше можешь сделать всё что угодно.
> Компилятор шейдеров. Потоки команд. Полный конвейер рендеринга.
> Создала полноценные драйверы для Mesa.
> OpenGL 4.6. OpenGL ES 3.2. Vulkan 1.4. OpenCL 3.0.
> Всё с открытым исходным кодом. Всё полностью принято в основные проекты.
> Именно благодаря её работе Proton и 3D-игры работают в Linux на Mac с M1 и M2.
> Большую часть этого она сделала, будучи студенткой факультета компьютерных наук Университета Торонто.
> Учёба. Подработка. Обратная разработка Apple Silicon. Всё одновременно.
> Закончила работу в августе 2025 года.
> А затем перешла к Intel.

Apple так и не открыла дверь.

Поэтому она проложила свой собственный путь внутрь.

👉 @PythonPortal

Дорожная карта для тех, кто хочет стать инженером-робототехником:

• программирование → Python, C++
• математика → линейная алгебра, математический анализ, теория вероятностей
• электроника → датчики, двигатели, системы питания
• встраиваемые системы → микроконтроллеры, операционные системы реального времени, взаимодействие с оборудованием
• теория управления → ПИД-регуляторы, моделирование, устойчивость
• механика → кинематика, динамика, системы автоматизированного проектирования
• Linux → терминал, сети, отладка
• программное обеспечение для роботов → ROS 2
• симуляция → Gazebo, Isaac Sim
• восприятие окружающей среды → компьютерное зрение, лидары, объединение данных с датчиков
• локализация → фильтры Калмана, SLAM
• планирование движения → A*, RRT, построение траекторий
• управление манипуляторами → обратная кинематика, захват объектов
• ИИ для робототехники → обучение с подкреплением
• создание собственных роботов → дроны, роверы, роботизированные руки
• автономность → восприятие → планирование → управление
• запуск на реальном устройстве → периферийные вычисления, ИИ непосредственно на борту
• промышленная робототехника → ПЛК, автоматизация производства

👉 @PythonPortal

NVIDIA выложила в открытый доступ модель, которая восстанавливает размытые и неполные 3D-сканы, даже если нужные ракурсы вообще не были сняты.

По сути, это автоматический «ремонт» 3D-сцены.

ArtiFixer использует видеодиффузию, чтобы сгенерировать недостающие ракурсы камеры, а затем заново реконструирует сцену по полученным кадрам.

— работает до 70 раз быстрее
— восстановление занимает всего 1–4 шага
— превосходит предыдущие лучшие методы примерно на 3 дБ
— можно управлять результатом обычными текстовыми запросами

Модель доступна здесь:

https://huggingface.co/nvidia/ArtiFixer

👉 @PythonPortal

Utopia — открытая система для хранения корпоративных знаний с учётом времени.

Главная особенность в том, что факты в ней не просто перезаписываются. У каждой записи есть период действия. Когда информация меняется, старая версия сохраняется, а новая начинает действовать с указанной даты.

За счёт этого можно посмотреть состояние базы знаний на любой момент времени: кто за что отвечал, какие правила действовали, какие данные считались актуальными.

Каждый факт также связан с конкретным фрагментом исходного документа, из которого он был получен.

По архитектуре всё довольно просто: один исполняемый файл и PostgreSQL. Без Elasticsearch, отдельной векторной базы и очереди сообщений.

Можно разворачивать локально, в том числе в изолированной сети, и подключать свою модель.

https://github.com/deeplethe/utopia

👉 @PythonPortal

Бесплатный инструмент для круглосуточного наблюдения за пожилыми пациентами в больницах.

Называется Real-Time Elderly Fall Detection System.

Система продолжает отслеживать человека, даже если часть тела скрыта мебелью.

→ Определяет положение важных суставов вроде коленей и лодыжек, даже когда их не видно
→ Отличает настоящее падение от похожих движений
→ Работает на обычном процессоре, достаточно Python и run.py

Но есть важный нюанс: это проект одного разработчика с одним коммитом и без лицензии. Пока это ранний прототип, а не проверенная система безопасности.

Полностью открытый исходный код.

👉 @PythonPortal

Chrome DevTools обновили для агентов.

Теперь агенты могут сами устанавливать расширения Chrome и тестировать их.

Достаточно установить chrome-devtools-mcp. Внутри уже есть 5 встроенных инструментов для работы с расширениями Chrome.

Дальше агент может использовать скриншоты и клики, сам проходить интерфейс и запускать полностью автоматические UI-тесты.

https://github.com/ChromeDevTools/chrome-devtools-mcp

👉 @PythonPortal

Офигеть. Hyper3D выпустила свою модель генерации миров WorldGen, и выглядит это очень мощно.

В отличие от других интерактивных моделей мира, WorldGen может взять всего одно 2D-изображение и на его основе построить полноценную 3D-сцену со встроенными физическими правилами.

И дальше ещё интереснее.

Каждый объект независим. Столы, стулья и небольшие предметы в сцене можно отдельно извлекать, разбивать на самостоятельные 3D-модели, перемещать, заменять или дорабатывать.

Физика встроена прямо в сцену. Модель понимает пространственное расположение объектов и автоматически определяет такие свойства, как столкновения, масса, трение и другие параметры.

Плюс всё это напрямую встраивается в рабочий процесс. Сгенерированные ассеты можно импортировать в Blender, Unity или Unreal Engine и сразу использовать для создания игровых уровней, кинопроизводства, XR-контента и симуляций для обучения роботов и роботизированных манипуляторов.

https://hyper3d.ai/

👉 @PythonPortal