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,全文 2069 字。

🦄文章&教程

1、在自由线程 Python 中扩展 asyncio

Python 3.14 在无 GIL 构建中优化了 asyncio,通过改进任务管理和线程状态存储,单线程性能提升约 10%–20%,多线程下可真正并行扩展。在基准测试中,aiohttp 吞吐量几乎翻倍,TCP 场景也有显著提升,使网络和 I/O 应用能更好利用多核。

2、Google 停止支持 Pytype:Python 类型检查时代的终结

Google 宣布停止维护运行了 13 年的 Pytype 类型检查器,止步 Python 3.12。基于字节码分析的架构是其致命弱点,难以跟上 Python 类型系统的快速演进。虽然 Pytype 在跨函数边界的流分析和大型代码库处理方面独树一帜,但其批处理模式无法满足现代开发对增量检查和 LSP 集成的需求。

3、测试代码依赖的编译器优化

当编译器将看似 O(n) 的循环优化为常数时间操作时,如何确保这种优化能持续有效?文章通过 Numba 和 LLVM 示例,展示了用 CPU 指令计数替代运行时间测量的方法。这种技术能可靠检测编译器是否真正执行了预期优化,避免性能回退。

4、自定义 Python REPL 颜色方案

Python 3.14 新增了 REPL 语法高亮功能,但默认配色可能与你的编辑器不匹配。通过 _colorize 模块的 set_theme 函数,自定义关键字、字符串、注释等元素的颜色,配合 PYTHONSTARTUP 环境变量,能让个性化配色在每次启动时自动生效。

5、Semlib:LLM 驱动的数据处理

Semlib 提供了用自然语言描述的函数式编程原语,可用 map、reduce、sort 等操作来开发数据处理管道。它将复杂任务分解为更小的步骤,避免了直接向 LLM 灌入所有数据的低效做法。通过结构化计算和并发处理,不仅提升了结果质量,还能处理任意规模的数据,同时支持成本优化和模型选择。

6、如何/为何用 Bazel 开发 Python 代码?

介绍了谷歌开源的构建工具 Bazel,它通过依赖图管理,能精确追踪外部依赖和内部模块关系,避免不必要的重复开发。支持多语言混合开发,比如无缝集成 Rust 扩展,随着项目复杂度增长价值愈发明显。

7、PEP-679:支持 assert 语句括号语法

PEP 679 提议支持 assert (expr, msg) 括号语法,解决初学者误用括号导致断言失效的问题,同时改善多行断言的格式化体验。

8、PEP-803:为自由线程开发提供稳定 ABI

PEP 803 提议将 PyObject 结构体设为不透明类型,可让 Python 3.15 的稳定 ABI 同时兼容自由线程和 GIL 开发模式,需要扩展模块迁移到新 API 以支持无锁并发。

9、为 R 和 Python 设置本地 LLM

介绍了如何使用 Ollama 在本地部署大模型,通过 chatlas(R)和 ellmer(Python)包实现与本地 LLM 的交互,避免数据隐私风险的同时享受 AI 辅助编程体验。

10、如何让 AI “看懂”网页?拆解 Browser-Use 的三大核心技术模块

Browser-Use 是 AI 驱动的浏览器自动化工具,文章剖析了它的三大技术模块:DOM 树解析(包括 JavaScript 端的递归遍历、Python 端的树构建、可交互元素识别与视觉标注)、记忆模块(MessageManager 的消息管理、截断策略及基于 mem0 的记忆压缩)以及工具注册与管理(内置 Action 合集、装饰器注册机制与工具调用流程)。

11、为 AI 智能体编写有效工具

Anthropic 分享了如何为 AI 智能体开发高质量工具?通过 MCP 让智能体获得数百种工具能力,采用原型开发、评估测试、协作优化的迭代流程,优化 token 效率、提供有意义的上下文反馈,让智能体能够有效解决现实世界的复杂任务。

12、Chrome 浏览器 17 年发展史

Google Chrome 工程师回顾了 Chrome 从 2008 年诞生至今的 17 年发展历程:从最初的多进程架构革新到 V8 引擎的性能突破,Chrome 始终围绕速度、安全、稳定、简洁四大原则演进。通过隔离标签页进程、重构渲染管道、引入 AI 功能等创新,让浏览器从简单网页查看器进化为现代 Web 应用平台。

🐿️项目&资源

1、AiNiee:AI 翻译工具

专注于 AI 翻译的工具,一键自动翻译游戏、书籍、字幕、文档等复杂长文本内容。支持 RPG SLG 游戏、Epub TXT 小说、Srt Vtt Lrc 字幕、Word PDF MD 文档等多种格式。采用轻盈翻译格式、思维链翻译、AI 术语表、上下文关联等技术,提供一键 AI 润色、一键 AI 排版、一键提取术语等功能。(star 3.5K)

2、Newelle:AI 智能体桌面助手

基于 Python 和 GTK 开发的多功能 AI 虚拟助手应用,集成语音对话、文档聊天、网页搜索、终端命令执行等功能。具备长期记忆、扩展系统、配置文件管理、内置文件管理器等特性。支持 Markdown 和 LaTeX 格式渲染,提供丰富的自定义选项和主题设置。

3、PageIndex:基于推理的文档索引系统

受 AlphaGo 启发的推理式 RAG 系统,通过树搜索模拟人类专家导航和提取长文档知识的方式。无需向量数据库和文档分块,采用文档结构和 LLM 推理进行检索。能将 PDF 文档转换为语义树结构,支持金融报告、学术教科书、法律技术手册等复杂文档分析。(star 2.5K)

4、XLeRobot:660 美元双臂家用机器人

低成本双臂移动家用机器人平台,660 美元起步价,4 小时内完成组装。支持键盘、Xbox 手柄、Switch 手柄、VR 头显等多种控制方式,提供蓝牙无线控制,无需 WiFi 连接。(star 3.1K)

5、RAG-Anything:全能多模态 RAG 系统

基于 LightRAG 构建的全能多模态文档处理 RAG 系统,支持文本、图像、表格、数学公式等多种内容类型的统一处理和查询。提供端到端的多模态流水线,从文档解析到智能问答一站式完成。(star 4.9K)

6、ROMA:递归开放元智能体框架

用于开发高性能多智能体系统的元智能体框架,采用递归分层结构解决复杂问题。支持并行问题求解、清晰的调试结构和经过验证的性能表现。基于 AgnoAgents 构建,集成 FastAPI、React、LiteLLM 等技术栈,提供 E2B 沙箱执行环境和企业级 S3 存储支持。(star 1.5K)

7、Ducky:网络工程师桌面工具箱

基于 Python 和 PySide6 开发的一体化桌面应用,专为网络工程师、学生和技术爱好者设计。集成多协议终端(SSH、Telnet、串口)、SNMP 拓扑映射器、网络诊断工具、安全工具包等功能。支持子网计算器、端口扫描、CVE 查询、密码强度检测、文件哈希计算等。

8、BiliNote:AI 视频笔记生成工具

开源的 AI 视频笔记助手,支持通过哔哩哔哩、YouTube、抖音等视频链接自动提取内容并生成结构清晰的 Markdown 格式笔记。支持多模态视频理解、本地音频转写、GPT 大模型总结、自动截图插入、原片跳转链接等功能。提供 Windows 桌面版和 Docker 部署方案。(star 3.6K)

9、MAESTRO:自托管 AI 研究助手

基于 Docker 部署的 AI 驱动研究平台,采用多智能体系统(规划、研究、反思、写作),集成先进 RAG 流水线和双重 BGE-M3 嵌入技术。支持 PDF、Word、Markdown 文档处理,提供语义搜索和网络集成功能。具备本地 LLM 支持、PostgreSQL 向量存储、实时进度跟踪等特性。(star 1.2K)

10、furl:Python URL 解析和操作库

Python 的 URL 解析和操作库,提供简洁的 API 来解析、构建和操作 URL。支持查询参数、路径、片段等各种 URL 组件的灵活处理,比标准库 urllib 更易用。(star 2.7K)

11、f2:多平台高速下载器

支持抖音、TikTok、Twitter、微博等多平台的作品下载与接口数据处理工具。提供用户信息获取、视频图集下载、直播流采集、弹幕转发等功能,集成多种算法和工具类,支持批量处理和自定义配置。(star 1.8K)

12、StreamCap:多平台直播录制工具

基于 FFmpeg 的多平台直播流自动录制客户端,覆盖 40+ 国内外主流直播平台。支持循环监控开播即录、定时任务录制、多种输出格式和自动转码功能。提供 Windows、macOS、Web 三端支持,具备批量录制、消息推送、录制预览等特性。支持抖音、快手、虎牙、斗鱼、B 站、TikTok、Twitch 等平台。(star 2.2K)

🐧往年回顾

#69:是时候停止使用 Python 3.8了

#19:Mojo 终于提供下载了!

🐱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#118:Python 异步为何不够流行?

下一期:Python 潮流周刊#120:新型 Python 类型检查器对比

支持 Python猫