告别信息碎片,「Python潮流周刊」为你带来最优质的Python技术资讯 立即订阅 >

你好,我是猫哥。这里每周分享优质的 Python、AI 及通用技术内容,大部分为英文。周刊开源在 Github 上,喜欢请给颗小星星支持下~

温馨提示: 在微信关注 Python猫,发送一个数字”9”,即可领取 9 折优惠码,订阅专栏可享 15 元优惠。

本期分享了 12 篇文章,12 个开源项目,1 则音视频,全文 1863 字。

🦄文章&教程

1、探秘 CPython 3.14 远程调试

Python 3.14 新增的 sys.remote_exec() 函数,能向运行中的进程注入代码,无需重启或修改源码。通过 python -m pdb -p pid 命令即可实现远程调试,在运行时检查状态、获取堆栈,甚至启动交互式会话。这种标准化的注入机制,大大降低了开发调试工具的门槛。

2、深入解释器:Python 的攻击性应用

揭示了 Python 在 Windows 环境下作为攻击性安全工具的潜力。展示了如何通过 Microsoft Store 或离线方式轻松部署 Python,并利用 ctypes 库直接调用 Win32 API,实现底层系统操作。

3、从 Async/Await 到虚拟线程

Armin Ronacher 探讨了 Python 并发编程的未来,提出以虚拟线程取代 async/await!他设想通过结构化并发和更简洁的 API,消除函数“颜色”带来的割裂感,将并发的复杂性交还给解释器处理,从而让开发者能用更简单、更直观的方式编写并发代码。

4、Python JIT 编译器的后续进展

CPython JIT 编译器是怎么开发的?文章总结了其中的门道,比如通过追踪技术和“复制-修补”机制,只编译真正频繁执行的代码路径,还解释了 JIT 如何处理内存、调试和性能分析等棘手问题。

5、asyncio:一个充满痛点的库

asyncio 的坑你踩过吗?作者犀利指出其三大设计缺陷:糟糕的取消机制、弱引用任务和回调式 I/O,极易导致死锁或任务“神秘消失”。什么是更优雅的并发方案?作者推荐了 Trio/AnyIO。

6、开发自主性系统:AI 智能体工作流指南

如何让 AI 智能体像人一样自主工作?文章揭秘其核心工作流:通过自主规划、调用工具、反思迭代和多智能体协作,实现超越传统自动化的能力。文章还探讨了 LangChain、AutoGen 等框架如何赋予 AI 生命力,并介绍了如何设计可靠的反馈机制。

智能体工作流

7、大模型架构深度对比:从 DeepSeek-V3 到 Kimi K2

文章系统对比了 DeepSeek-V3、Llama 4 等多种大模型的架构,深入探讨了从多头注意力到分组查询注意力,再到多头潜在注意力的演进,并解释了混合专家模型如何通过稀疏激活实现高效推理。

8、用 Python + uv + pytest 打造自动化方案

介绍了如何用 uv 和 PEP 723 的内联元数据功能,来开发自包含的 Python 脚本。不仅能通过临时虚拟环境自动管理依赖,还能结合 pytest 进行测试,让自动化脚本更可靠、更易于维护。

9、PyPI 钓鱼攻击事件报告

PyPI 遭到了钓鱼攻击,攻击者利用相似域名 pypj.org 伪造官网,诱骗用户泄露凭证,导致 num2words 等包被植入恶意代码。这次事件敲响了警钟,再次凸显了启用双因素认证(2FA)和使用硬件安全密钥的重要性。

10、一行注释也能执行 Python 代码?

只用一行注释就能执行任意 Python 代码?文章揭示了一种巧妙的攻击技巧,通过构造一个既是合法 Python 脚本又是 ZIP 压缩包的“复合文件”,成功利用解释器特性实现代码注入!

11、深入理解 Flask 应用与请求上下文机制

Flask 的 request 等全局对象为何能在多线程中安然无恙?文章揭秘了 Flask 核心的上下文机制,指出了应用上下文和请求上下文如何协同工作,并确保数据隔离。

12、AI 是否正在抛弃 Python 社区?

AI 的繁荣离不开 Python,但 AI 公司们似乎正在“反噬”社区。文章指出,许多公司享受着 Python 社区的红利,却鲜有回馈。当“AI 速成”议题挤占技术会议,初级岗位因 AI 而减少时,我们不禁要问:拥抱 AI 的同时,是否也在伤害 Python 社区的根基?

🐿️项目&资源

1、mediacms:视频和媒体管理系统

用 Python/Django 和 React 开发的、功能齐全的视频和媒体 CMS,可在几分钟内开发中小型视频和媒体门户。(star 3.6K)

2、darkdump:深度网络抓取的情报分析工具

用 Python 开发的 OSINT(开源情报)工具,用于深度网络调查。输入搜索查询,通过 Ahmia.fi 抓取相关的 .onion 网站,以提取电子邮件、元数据、关键字、图像和社交媒体等信息。(star 1.3K)

3、ii-agent:开发和部署 AI 智能体的框架

开源的智能助手,支持 Claude、Gemini 等模型,提供 CLI 接口和前端,支持本地、Docker、E2B 等运行环境。核心能力包括研究与事实核查、内容生成、数据分析与可视化、软件开发、动态网站开发、工作流自动化等。(star 2.8K)

4、copyparty:便携式文件服务器

便携式文件服务器,支持断点续传上传下载、去重、WebDAV、FTP、TFTP、零配置、媒体索引、缩略图等功能,所有功能集成在一个文件中,无需依赖,支持多种协议和移动端应用。(star 17.1K)

5、ai-cookbook:AI 系统开发示例和教程

一份 AI 开发手册,指导开发 AI 系统,提供代码片段,可轻松集成到自己的项目中。涵盖 Python、OpenAI、智能体、LLM、Anthropic 等主题。(star 2.5K)

6、agno:多智能体系统全栈框架

用于开发具有记忆、知识和推理能力的多智能体系统的全栈框架,支持从简单工具到复杂智能体团队的五个层级,提供统一的模型接口、高性能架构和内置的搜索、存储功能。(star 31K)

7、abogen:文本转有声书生成器

强大的文本转语音工具,可将 ePub、PDF 或文本文件快速转换为高质量音频并生成同步字幕,支持多种语言和声音,适用于制作有声书、视频配音等场景。

8、CCPlugins:Claude Code 生产力插件

专为 Claude Code CLI 设计的生产力命令集合,提供开发工作流自动化、代码质量检查、会话管理等功能,包含清理项目、智能提交、代码格式化、测试修复、代码审查等实用命令,让 AI 助手更像资深工程师。

9、LangExtract:结构化信息提取库

Google 开源,使用大模型从非结构化文本中提取结构化信息。具备精确源定位、可靠结构化输出、长文档优化处理、交互式可视化等特性,支持云端和本地模型。(star 1.3K)

10、PicTex:创建精美文本图像的 Python 库

基于 Skia 图形引擎的 Python 库,提供简洁流畅的 API 来创建精美的文本图像。支持渐变、阴影、轮廓等丰富样式,具备自动字体回退、高级排版、矢量和栅格输出等功能,适用于社交媒体、视频叠加、数字艺术等场景。

11、html-to-markdown:现代化的 HTML 转 Markdown 转换器

用于将 HTML 转换为 Markdown 格式。支持完整的 HTML5 元素、增强的表格处理、类型安全、元数据提取、流式处理等功能,提供 CLI 工具和自定义转换器,具有 91% 以上的测试覆盖率。

12、erys: Jupyter Notebook 的终端交互界面

可以在终端中打开、创建、编辑、运行和保存 Jupyter Notebook 的工具。使用 Textual 开发界面,通过 jupyter_client 执行代码,支持多种文件格式的语法高亮,还能渲染图片和 HTML 输出。

🐢播客&视频

1、Talk Python To Me 第513期:Python 历史故事

Barry Warsaw、Paul Everitt、Carol Willing 和 Brett Cannon 做客节目,分享 Python 的历史故事。包括“import this”是如何诞生的,以及第一届 PyCon 的举办情况。

🐧往年回顾

#63:开发 Python Web 项目

#13:Jupyter Notebook 7 发布了,无 GIL 提案传来大好消息!

🐱欢迎订阅

技术周刊是聪明人在信息过载时代中筛选优质知识的聪明手段。这是一个专为国内 Python 开发者量身打造的资讯平台,为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等丰富内容。立即订阅,每周将收到一篇文章推送,每周进步一点点。

欢迎留言,说说你最喜欢本期的哪一则分享?大家反馈得越多,我今后分享的也会越多!

欢迎将本专栏分享给同样爱学习的同学,当有人通过你分享的海报或者链接,购买了专栏,那么你将获得最高 44 元的返利。

Python 潮流周刊第3季总结,附电子书下载

Python 潮流周刊第二季完结(31~60)

Python 潮流周刊第 2 季完结了,分享几项总结

Python 潮流周刊第2季(31~60)-纯链接版

Python 潮流周刊第一季精华合集(1~30)

万字浓缩版,Python 潮流周刊第 1 季的 800 个链接!

🌸关联阅读

上一期:Python 潮流周刊#112:欢迎 AI 时代的编程新人

下一期:Python 潮流周刊#114:Python 的性能神话与真相

支持 Python猫