序言
我订阅了很多的周刊/Newsletter，但是发现它们都有一个共同的毛病：就是缺乏对往期内容的整理，它们很少会对内容数据作统计分析，更没有将内容整理成合集的习惯。
在自己开始连载周刊后，我就想别开生面，除了每周更新正刊外，还计划定期做一些盘点。我认为过往周刊值得被串联起来，形成合集后，既方便大家阅读检索，在这个 AI 时代，还能作为知识库的资料，能挖掘出更多有价值的信息。
Python潮流周刊每 30 期作为一季，每季预计有 60,000 字以上。往季总结：第1季 、第2季 、第3季
现在，第 4 季已完结，照例分享一些数据吧。第 4 季从 2025.03.01 到 2025.09.20，间隔时间 203 天。
本季周刊共分享了：
- 文章/教程：362 篇
- 项目/资源：367 个
- 播客/视频：22 则（有不少是视频列表）
- 热门讨论：15 个
每期周刊中分享的内容基本上保持了“12 + 12 + x”的水平，即 12 篇文章&教程，12 个项目&资源，另外穿插有少量音视频和热门讨论内容。
文章和项目类内容的占比都超过了 47%，今后分享的比重大概率会维持在这个比例。
利用本季周刊合集内容，生成的词云图如下：
200 天的时间，30 个周末，回顾的时候总是显得时间很快，但身处其中的每个日子都有不同的感受。想要细数其中的片段和情绪，好像空空的找不到太多话可说，那就这样吧：人生苦短，我用 Python。
91 Python 在浏览器中的未来
博客原文 | 发布时间：2025-03-01
🦄文章&教程
探讨了 Python 在浏览器中的未来，介绍了 SPy 实现的高性能 Python 编程。SPy 作为一种新兴的“Python-like”语言，通过将代码分为编译时执行的“蓝代码”和运行时执行的“红代码”，实现了代码的高效编译和执行。
SPy 作者与另外两位社区大佬的一周合作/游玩经历，分享了他们一起解决的几个问题、SPy 基本概念和设计决策、搭建一个简单的 SPy 游乐场。特别强调了人际关系的价值和共度时光的乐趣。
深入剖析了 FastAPI 的架构和核心组件，解读了 FastAPI 如何通过 ASGI 协议、Uvicorn 服务器、Starlette 框架以及 Pydantic 数据验证库协同工作，展示了依赖注入和自动生成文档等特性。
4、介绍 Python 的 Flask-SQLAlchemy
Flask-SQLAlchemy 使得 Flask 能无缝集成 SQLAlchemy，文章详细介绍了它的多项关键特性，以实际项目演示了 Flask-SQLAlchemy 轻松管理数据库的使用方法。
5、便携式使用文本嵌入的最佳方法是 Parquet 和 Polars
如何高效使用和存储文本嵌入向量？文章提出了用 Parquet 文件格式和 Polars 库的解决方案，可快速加载嵌入向量并进行相似性计算，同时支持动态过滤和元数据管理。
Python 的类型提示有什么价值？除了会增加代码复杂性，它能带来足够多的好处么？文章从多个角度展示了类型提示的优势，介绍了如何有效使用类型提示的一些技巧，以及使用现代工具提升开发体验。
Python 生态中有不少的 GUI 库，哪个更适合你的项目呢？文章对比了多款主流 GUI 库（Tkinter、PyQt、PySide、Kivy、PySimpleGUI、WxPython、PyGObject、Remi 等），介绍了它们的相对优势和许可限制，并用每个库编写简单的“Hello World”项目。
8、利用 Notebook 智能，开发 JupyterLab 的 AI 代理
Notebook Intelligence 是一个 AI 编码助手和可扩展的 AI 框架，将 JupyterLab 与 AI 结合。文章介绍了如何定义多个工具（如地理坐标查询、地图生成、笔记本创建和分享）来构建一个 AI 代理。
9、用 llm-mlx 和 MLX 框架在 macOS 上运行 LLM
文章介绍了如何在 macOS 上运行本地大模型，利用了 llm-mlx 插件和苹果的 MLX 框架，演示了安装插件、下载模型和用大模型生成文本，同时作模型优化和缓存的技巧。
CUDA 是一个平台和 C++ 扩展，可编写在 GPU 上运行的程序。文章探讨了 CUDA 内核的工作原理，以及它是如何将计算映射到 GPU 硬件上的。
11、日常 API 的设计原则
如何设计一个用户体验出色的 API？文章提出了几项基本原则，并通过一个发布/订阅服务的 API 设计，展示了如何通过命名规范、提供对称方法、默认值、减少重复和利用语言特性等手段，优化用户体验。
12、丑陋的代码和愚蠢的事情
在追求代码完美和快速交付之间，如何作出选择和平衡？作者通过自身经历和对 Flickr 的 Flamework 框架的分析，揭示出有时候快速迭代和解决实际问题往往比代码的优雅性更重要。
🐿️项目&资源
1、tinycompiler：500 行 Python 代码实现的编译器
一个周末项目，支持将作者发明的“wend”编程语言翻译成 GNU 汇编。
2、django-rusty-templates：Rust 实现的 Django 模板语言
100% 兼容的渲染输出，错误报告跟 Django 的错误一样有用，性能优于纯 Python 实现的版本。
将某地时间转换为其它地方/时区的时间，另外可以显示当前月相、显示满月日期、计算过去或未来时间等。
4、opendrop：Python 开发的 Apple AirDrop 开源实现
一款命令行工具，可通过 Wi-Fi 在设备间共享文件，独特之处在于它与 Apple AirDrop 兼容，支持与运行 iOS 和 macOS 的 Apple 设备共享文件。（star 8.9K）
以 FastAPI 作后端，Streamlit 作前端，支持将图片（JPG、PNG）转换为 PDF，反之也行，还支持将多张图片和多个 PDF 生成一个 PDF。
6、codegen-sdk：用于操作代码库的 Python 库
编写能够转换代码的代码。结合了 Tree-sitter 的解析能力与 rustworkx 的图算法，实现了大规模、多语言代码操作的脚本化能力。
7、mindmap-generator：将任意文档提炼成思维导图
利用大模型，从不同类型的文档中提取出核心概念、关系和细节，并将它们组织成直观的、分层的思维导图。
一款结合电子表格功能与 Python 数据分析能力的 AI 应用，支持公式、在浏览器中运行 Python 代码、数据可视化、AI 智能提示和自动化分析。
9、开源的 GPU 集群管理器，广泛兼容多种硬件和模型，轻松扩展 GPU 或节点，分布式推理，多种推理后端，用户和 API 密钥管理，GPU 性能和利用率监控，Token 使用和速率分析。（star 1.8K）
10、PocketFlow：极简 LLM 框架，支持自动编程
100 行代码实现的极简 LLM 框架，支持多代理、工作流和 RAG 等。
Huggingface 开源，仅用几行代码即可运行强大的代理，支持任意 LLM，支持文本、视觉甚至音频输入。（star 12.8K）
12、awesome-ai-agents：300+ 个 AI 代理资源
AI 代理优于传统 LLM，这是一份 awesome AI 代理资源列表。
🐧 往年回顾
Python 潮流周刊#41：写代码很简单，但写好代码很难 （2024.03.09）
92 一张 Python 软件包的地图
博客原文 | 发布时间：2025-03-08
🦄文章&教程
PyPI 上有超过 50 万个开源项目，作者通过它提供的 JSON API 和 BigQuery 数据集，生成了一份交互式的包依赖关系图，发现了一些有趣的现象。
Python pickle 模块存在什么安全问题？文章介绍了 pickle 的工作原理，演示了如何利用它的反序列化功能实现远程代码执行（RCE），提醒大家对不可信来源数据作反序列化的安全处理方法。
Django 信号是一种将应用逻辑与处理事件解耦的强大机制，文章探讨了 Django 信号的结构和工作原理，介绍了其应用场景，并分享了它们的几条最佳实践。
4、Python 3.13 的突破：No-GIL、支持 JIT 和 iOS
文章总结 Python 3.13 版本带来的一些重大突破：性能提升（比 3.12 快 5-15%）、实验性 JIT 编译器、内存占用减少 7%、数据科学优化、支持 iOS 和无 GIL 模式。
5、PEP-775：使 zlib 成为构建 CPython 的必需项
这则 PEP 提出从 Python 3.14 开始，构建 CPython 时将不再支持不包含 zlib 压缩库的情况，zlib 模块将成为标准库的必需部分，唯一的例外是 WASI 平台。
6、Python 不是 Java 或 C++：Python 作为第二语言的同理心
哪些将 Python 作为第二语言的开发者可能存在哪些误解？作者对比了 Python 与 Java/C++ 的差异，列举出了多个易混淆的点和示例，探讨如何帮助有其它语言背景的开发者更好地理解和使用 Python。
7、用 Python 和 Kivy 开发一个 To-do 应用
如何用 Python 开发一个待办事项应用？文章演示了用 Kivy + SQLite 开发一个图形化用户界面的待办应用，可作为 Python GUI 入门项目学习。
8、使用 Marimo 和 Anywidget 可视化进程树
文章介绍了如何用 marimo 和 anywidget 开发一个交互式进程树可视化工具，基于进程创建事件日志构建出树结构，并通过 DependenTree 作可视化渲染。
介绍了如何在 Elixir 中嵌入 Python 解释器，通过 Pythonx 实现 Elixir 和 Python 之间的自动数据转换、代码执行和虚拟环境管理。
介绍了 Satellogic 的开放卫星数据源“Satellogic EarthView”，展示了如何使用多种工具（如 GDAL、Python、DuckDB 和 QGIS）来分析和可视化这些数据。
11、为忙碌的 Rails 开发者介绍 Django 和 Postgres
这是一篇为 Rails 开发者提供的转向 Django 的实用指南，对比了 Django 和 Ruby on Rails 在开发上的异同，包括语言特性和运行时管理、依赖管理、迁移机制、Postgres 配置、代码格式化和 Linting 等。
作者在将 Vision Transformer（ViT）模型从 PyTorch 转换为 TensorRT 时遇到了编译问题，文章展示了如何系统地调试和优化深度学习模型，例如通过二分法逐步排查问题和对比不同实现方案的性能。
🐿️项目&资源
1、Pokemon-Terminal：终端里的宝可梦主题背景
719 种独特的宝可梦主题，可设为桌面壁纸和终端背景，终端包括 iTerm2、ConEmu、Terminology、Windows Terminal、Tilix 和 Kitty 等。（star 4.6K）
2、smallpond：基于 DuckDB 和 3FS 的数据处理框架
DeepSeek 开源的数据处理框架，基于 DuckDB，可扩展处理 PB 级别数据集。（star 3.9K）
一个自托管的 GitHub 应用，可监听 PR 事件，扫描恶意代码，并在 PR 上直接评论检测结果。
通过轮换用户代理、设置 referer、处理 Cookie、管理代理和实现重试逻辑来模拟真实的用户行为。
将任意 Python 函数变成支持 WebRTC 或 WebSockets 的实时音视频流。（star 2.6K）
一个专门用于图像秘密共享（Visual Secret Sharing, VSS）的工具包，支持视觉密码学（VC）和随机网格（Random Grid, RG）技术。
7、awesome-stream-processing：用流处理解决现实问题的示例
收录了一系列可执行的 demo，展示了流处理在实际场景中的应用。
将你的公司文档、应用和团队人员连接起来的 AI 平台。功能丰富的聊天界面，支持超过 40 种应用的知识同步及访问控制。（star 12.2K）
9、FoleyCrafter：AI拟音大师，给无声视频添加音效
一个视频到音频生成框架，能够生成与视频语义相关且同步的逼真音效。
10、SmartestKid：Windows 桌面 AI 助手
使用 Windows COM 自动化与 Microsoft Office（Word、Excel）、图片及文件系统接口，适合用于探索 AI 驱动桌面自动化。
端到端的机器学习框架，包括加载和转换数据、构建和训练模型、后处理模型输出以及评估模型性能，支持各种时间序列学习任务，包括预测、异常检测和单变量和多变量时间序列的变化点检测。（star 4.2K）
12、developer-portfolios：开发者作品集列表
这个仓库收集了很多开发者的作品集主页，可以从别人的主页&作品中获取产品灵感。（star 11.9K）
🐧 往年回顾
Python 潮流周刊#42：小公司用 Python 开发，能做到什么程度？ （2024.03.16）
93 为什么“if not list”比len()快2倍？
博客原文 | 发布时间：2025-03-15
🦄文章&教程
1、为什么 Python 中’if not list’比 len() 快 2 倍？
Python 检查列表是否为空，if not mylist 比 if len(mylist) == 0 更优雅，也更快。文章通过剖析 CPython 的虚拟机指令和对象内存访问模式，解答了为何前者会更快。（注：该文出自付费专栏，前半部分免费可看）
介绍了用 uv 和 Dagger 来构建高效的 Python 单体仓库的方法。uv 管理依赖和工作区，Dagger 定义容器化构建流程，实现了高效的模块化构建和缓存复用。
最近，Python 3.14 的尾调用解释器很夺人眼球（性能提升 10-15%），但是，作者经过分析发现，这些提升主要是无意中绕过了 LLVM 19 的一个回归问题，在更合理的基线下，性能提升仅为 1-5%。
在引入尾调用之前，CPython 有三个不同的解释器：基于 switch 的字节码解释器、基于计算的 goto 语句的字节码解释器、以及微操作解释器。文章介绍了此前解释器的问题，以及新解释器的优化实现方案。
5、用 Python 解答 LinkedIn 的“皇后”谜题
LinkedIn 从大约一年前每日发布“Queens”谜题，作者分享了自己编写的 Python 程序，可解决 LinkedIn 发布的所有皇后谜题。
作者认为：在 Python 中，你不需要 Singleton；如果需要，就用模块级别的变量。文章指出了几种流行的单例实现方式的问题，最后给出了一种“朴实无华”的方案。
7、用 OpenStreetMap、Web Mercator 和 Pillow 创建静态地图
介绍了一种不依赖复杂可视化库创建静态地图的方法：从 OpenStreetMap 下载地图，将经纬度坐标转换为像素坐标，最后在地图上绘制彩色标记。
PEP-703 中描述了自由线程 Python 的三个发展阶段，本则 PEP 是为过渡到第二阶段而确立明确的期望和要求，包括性能、稳定性、可维护性和内存使用等方面的评估标准。
Python for 循环中可以用 break 语句跳出循环，作者建议我们可以根据不同的目的，使用其它的替代实现，包括用 in 操作符、用 any() 函数、用 next()、用 itertools.takewhile()。
Python 核心开发者 Victor Stinner 在 2 月份有 18 个提交被合入，文章对这些代码贡献做了总结记录。
许多大投资银行在使用 Python 的哪些软件？文章介绍了“Bank Python”的多个核心子系统：Barbara 对象键值存储、Dagger 依赖管理、Walpole 银行级作业调度、MnTable 专有表格处理。
作者想要回答这个问题：如果需要存储所有的值，为什么还要用生成器写法？通过博客侧边栏的标签和年份交错排列实现，介绍了生成器的灵活运用和不同实现方式的权衡。
🐿️项目&资源
1、feeds.fun：支持标签、评分和 AI 的新闻阅读器
自托管的新闻阅读器，支持 Feed 管理、自动打标签、基于标签的规则评分、过滤和排序。
2、wild-card-ai：将 OpenAPI 翻译得适用于 LLM
旨在将 OpenAPI 规范扩展为适用于 AI agent 与 API 交互的 agents.json 标准，通过定义清晰的 API 调用流程和数据交互方式，帮助 AI agent 更高效地执行多步任务。
控制汽车的油门、刹车、转向等，读取速度、转向角度等。（star 2.2K）
4、pydoll：无需 WebDriver 的 Chromium 浏览器自动化
零依赖 Webdriver，原生验证码绕过（Cloudflare Turnstile 和 reCAPTCHA v3 *），模拟现实人类的交互行为，支持高级和响应式自动化。（star 2.6K）
5、shorts_maker: YouTube 短视频自动化
自动化创作短视频，无缝集成 Discord 等服务的通知功能，GPU 加速处理，模块化设计。
支持零样本语音转换、零样本实时语音转换和零样本歌声转换。无需任何训练，只需 1~30 秒的参考语音，即可克隆声音。（star 1.7K）
肖像动画领域的一大创新，强调全局音频感知，通过多模态融合实现高保真音频驱动的肖像动画生成。（star 2.1K）
8、mssql-python：微软 SQL Server 和 Azure SQL 的新驱动
微软新发布的连接到 SQL Server 和 Azure SQL 的驱动库，使用 DDBC，可直接连接到 SQL Server 而无需外部驱动管理器。
与 Manus、Computer Use Agent（CUA）和 Omniparser 一样，AI 驱动的自动化工具。无代码自动化、全界面操控、本地化部署。（star 1.9K）
深入分析 Linux 系统的性能问题，通过 eBPF 技术对系统内部运行状态的作实时观测和诊断。（star 1.5K）（分享自@请叫我大萌萌）
将人工智能运用到地理空间数据分析与可视化，关键特性：高级地理数据可视化、数据准备与处理、图像分割、图像分类。
探索生成高质量古典乐谱的潜力，在 160 万首音乐上预训练，使用 9K 首古典作品进行微调，使用 CLaMP-DPO 方法作强化学习。
🐧 往年回顾
Python 潮流周刊#43：在开源与家庭之间，他选择了家庭 （2024.03.23）
94 如何解决 FastAPI 的大文件传输问题？
博客原文 | 发布时间：2025-03-23
🦄文章&教程
使用 FastAPI/Starlette 作大文件传输时，为何会比其它框架慢？在文件上传和下载场景中，作者分别对比了不同实现方案的性能差异，剖析了问题原因，并分享了多种性能优化方案。
Python 写起来很棒，但维护起来可能令人沮丧。文章分析了 Python 让人感觉痛苦的一些原因，比如不同编程文化碰撞和包依赖管理，最后分享提升可维护性的建议。
Python Discord 社区 2024 年的调查结果，涵盖用户编程经验、社区参与度、学习资源使用、帮助寻求与提供、社区活动体验、语音频道使用、开源贡献意向等方面。
4、尝鲜体验 Astral 的 Red Knot 静态类型检查器
Ruff 和 uv 所属团队正在开发一个 Python 类型检查器，旨在成为 mypy 的替代。文章介绍了 Red Knot 的安装、配置和使用方法，并通过与 mypy 的比较和性能测试，展示了其在速度上的显著优势。
针对 Django Admin 在处理大数据集时的性能问题，文章介绍了多种优化策略：限制排序字段、调整分页大小、使用估算计数、缓存、优化搜索字段等。
PEP-776 提议在 Python 3.14 将 Emscripten 添加为 Tier 3 支持。Emscripten 是一个编译器工具链，可将 C/C++ 代码编译为 WebAssembly/JavaScript，适用于浏览器和 Node.js 等 JavaScript 运行时。
文章提出了一种基于双向生成器的二分查找实现，利用 Python 生成器的 send 方法来动态调整算法行为。该方法可扩展成无届搜索，提供了新的实现思路。
作者指出在函数或 API 中使用布尔参数容易引发问题，如代码可读性差、扩展性受限及潜在错误，建议使用枚举作为替代方案。
9、重新发明 notebook 为可重用的 Python 程序
Marimo 是一种新型的 notebook，不同于传统的 Jupyter notebook，它保存的是 Python 文件，解决了版本控制、代码复用和测试等痛点，同时支持导入和作为脚本执行等用途。
用代码编程与用毛线编织，它们能有什么关系呢？除了需要耐心、逻辑和创造力，文章还分享了几组有趣的对照关系。
11、“主动型枚举”模式
文章指出传统的枚举存在维护困难、行为与数据分离等问题，因此提出了“Active Enum”模式，使枚举不仅作为数据容器，还能主动执行相关操作。演示了具体代码示例，揭示了它的优势、可能遇到的问题和对应的解决方案。
🐿️项目&资源
用 Django 和 React 开发的协作式文档编辑器，是 Notion、Outline 与 Confluence 的开源替代。（star 8.9K）
MCP（Model Context Protocol）中间件，用于开发高精度的垂直人工智能 agent。
3、eventure：事件驱动框架，用于仿真、游戏和复杂系统
纯 Python 实现的事件驱动框架，功能特性：事件驱动、事件溯源、基于 Tick 的系统、高级事件查询、开箱即用的示例、类型安全。
4、html5lib-python：用于解析和序列化 HTML 文档
纯 Python 实现的 HTML 解析库，符合 WHATWG HTML 规范。（star 1.2K）
5、Run Python Online：在浏览器中运行 Python 代码
一个在线执行 Python 脚本的网站，提供了浏览器中的 Python 编译器和 IDE，内置了常用的 Python 库，支持文件上传下载。
6、rusty-graph：Rust 开发的高性能图数据库库
将 SQL 关系型数据高效转化为知识图谱，通过 Rust 实现底层高性能计算，提供 Python 绑定降低使用门槛。
7、aiopandas：轻量级 Pandas 猴子补丁，添加异步支持
使用猴子补丁让 Pandas 的 map、apply、applymap、aggregate 和 transform 支持异步。
8、basic-memory：基于 AI 助手的对话构建持久语义图
这是一个知识管理系统，利用与大模型的对话来构建持久化知识，保存成 Markdown 文件。
在线电子书，主旨是帮你理解开发 Python 包的复杂生态：uv、Poetry、Flit、Setuptools 和 Hatch 到底是什么？它们的优缺点是什么？如何比较和取舍？另外，还涵盖了代码审查、格式化和依赖管理的内容。
10、mcp-agent：使用 MCP 和简单工作流开发高效的 agent
一个简单可组合的 agent 开发框架，使用 MCP 协议和 Building Effective Agents 中描述的所有模式。（star 1.6K）
11、InkyPi：Raspberry Pi 驱动的 E-Ink 显示屏
开源、可定制的 E-Ink 显示屏，提供 Web 界面可用于任何联网设备，易于安装和配置，支持定时播放列表。（star 1K）
12、physicsnemo：NVIDIA 开源深度学习框架
使用最先进的 SciML 方法构建、训练和微调深度学习模型。提供了工具和优化管道，可开发结合物理知识和数据的 AI 模型，实现实时预测。（star 1.3K）
🐢播客&视频
视频探讨了选择单页应用（SPA）和服务器端渲染应用的影响因素，比如状态管理、用户体验管理、性能和可扩展性、项目限制和开发团队专业知识等。
2、为什么 Python 开发者只用 PostgreSQL？
Talking Postgres 播客讨论了为什么特别多 Python 和 Django 开发者对 Postgres 情有独钟？嘉宾是 Python 软件基金会主席，其新书《领域驱动 Django》有一章为“Just Use Postgres”。
🐧 往年回顾
Python 潮流周刊#44：Mojo 本周开源了；AI 学会生成音乐了（2024.03.30）
95 像人类一样使用计算机
博客原文 | 发布时间：2025-03-29
🦄文章&教程
希望将装饰器同时用在同步和异步函数上，会遇到哪些挑战？文章介绍了如何用生成器创建出对同步和异步函数都适用的装饰器。文章出自 Patreon 技术博客。
作者分享了将一个小型 Python 项目完全重构为无服务器架构的过程，从 VPS 到 AWS Lambda，成本从每年 350 美元降到每月 2 美元。
文章介绍了一些常见的负载均衡算法实现，分享了 Python 代码示例，包括随机选择算法、轮询算法、最小链接算法、一致性 Hash 算法。
Python 中有一则比较出名的 xkcd 漫画彩蛋：import antigravity ，除此之外，作者偶然发现了另一个 xkcd 彩蛋，关于“unreachable state”：当出现了不可能出现的情况，那么一切皆有可能……
八年 Python 经验的作者吐槽了两个主要痛点：类型和异常。
文章分享了 Qodo 公司选择 LangGraph 框架来开发 AI 编程助手的原因和过程，介绍了 LangGraph 的状态机模型、简洁 API 设计、节点式架构、内置状态管理等特性。
介绍了一个名为 Unvibe 的 Python 工具，可通过单元测试来生成正确的代码实现，其原理是用单元测试作为奖励函数，通过蒙特卡洛树搜索算法调用大模型生成代码，直至通过所有测试。
分享了如何通过垃圾回收优化一个 Python 程序，将运行时间从 40 秒缩短到 10 秒，内存使用从近 60 GB降至 1 GB。另外使用 CuPy 替代 NumPy，运行时间缩短至 1.5 秒。
一篇非常长的文章，深入介绍了 PyTorch 的内部机制，包括张量数据结构、自动微分机制、内存管理和操作实现等。
10、程序员阅读清单：我喜欢的 100 篇技术文章（41-50）
《Python工匠》作者的技术文章分享系列的第三部分，该系列偏重于程序员通识、软件工程、后端开发、技术写作、Python 语言、Go 语言。
11、编程十年的感悟
作者分享了多年对编程技术的思考，以及对职场人生的体味。“程序员的竞争力并不是写代码，也并不是哪门语言或者框架， 其核心竞争力是通过技术解决问题的能力”。
🐿️项目&资源
1、Agent-S：像人类一样使用计算机的 agent 框架
一个模块化可扩展的计算机使用框架，旨在实现与计算机的自主交互，自动执行复杂任务。（star 1.4K）
2、basedpyright：给 pyright 加上类型检查和 pylance 功能
pyright 的 fork 分支，具有类型检查改进、改进的 vscode 支持和内置在语言服务器中的 pylance 功能。（star 1.7K）
开源的 RAG 系统，支持网页、PDF、视频和 GitHub 仓库等多种数据源，快速开发网站小部件、Slack 机器人和 Discord 机器人。
操作压缩的 JSON 文件，支持的格式有 gzip、bz2 和 lzma（或 xz）。
5、lihil：速度飞快的异步 Web 框架—lihil: Unbelievably fast async webframework
纯 Python 实现的 Web 框架，特性有依赖注入、OpenAPI 文档 & 错误响应生成器、问题页面、数据验证&参数解析、内置消息系统、对 AI 的强大支持。
6、fastapi_mcp：将 FastAPI 接口配置成 MCP
自动发现所有 FastAPI 接口并将其转换为 MCP 工具，直接将 MCP 服务器挂载到 FastAPI 应用上。
使用声明式、基于类的策略开发模块化的命令行应用。
8、mcp-obsidian：与 Obsidian 交互的 MCP server
通过 Obsidian 的 REST API 社区插件，让 MCP 可与 Obsidian 交互，如列出目录和文件、读取文件内容、搜索文件、编辑笔记等。
9、local-deep-researcher：网页研究和报告撰写助手
利用 Ollama 或 LMStudio 的 LLM，联网搜索、总结并反思，最终生成 Markdown 总结。（star 6.7K）
批量下载抖音内容，去水印，支持视频、图集、合集、音乐（原声）。支持命令行参数或 YAML 配置文件方式运行。（star 2.3K）
11、fastopenapi：生成和集成 OpenAPI 文档
使用 Pydantic v2 和各种框架（Falcon、Flask、Quart、Sanic、Starlette、Tornado）来生成和集成 OpenAPI 文档。
用于可缩放矢量图形（SVG）生成的多模态视觉语言模型，它可用于执行图像到 SVG 和文本到 SVG 的生成。（star 2.7K）
🐧 往年回顾
Python 潮流周刊#45：越来越多的 AI 自动开发框架（2024.04.06）
96 MCP 到底是什么？
博客原文 | 发布时间：2025-04-05
🦄文章&教程
1、一文带你深入浅出MCP：人工智能大模型与外部世界交互的革命性突破
最近很火的 MCP 到底是什么？文章介绍了 MCP 的技术背景、优势及开发流程，展示了它与传统的 Function Calling 技术的本质区别，演示了 MCP 客户端和服务端开发的代码案例。（附：什么是 MCP（模型上下文协议）？）
一个黑客团队分享了在 Google 的 LLM bugSWAT 活动中发现 Gemini 漏洞并获得“最有价值黑客”称号的经历，详细介绍了探索 Python 沙盒环境的思路。
Duolingo 官方博客分享了它们将一个同步微服务改造成异步的经验，包括如何达成做迁移的共识、如何设计同步库的异步版本、如何处理异步代码。
4、像个专家一样分享 Python 脚本：uv 和 PEP-723 轻松部署
PEP-723 “内联脚本元数据”规范可将外部依赖直接嵌入到单文件脚本中，无需额外的requirements.txt 。结合 uv 和 shebang，简化 Python 脚本的分发和执行。
使用服务器端事件（SSE）从 FastAPI 向 Svelte 前端实时推送数据更新，开发出一个实时更新的交互式仪表板。
streamlit 是一个快速开发简单网页的 Python 库，文章分析了它的三项基本设计哲学：用后端语言写前端、收到新事件会重新构建、支持会话级别的缓存。
探讨了 Python 生成器的工作机制，通过数据对比，展示它在内存效率和数据处理中的优势。
Socket 除了能做聊天室，还有哪些玩法？文章介绍了端口扫描器、简易 HTTP 服务器、局域网游戏、远程控制、文件传输、负载均衡、DDOS 攻击模拟器、网络代理服务器等用法。
介绍了 Python 3.13 引入的“自由线程”模式，如何与 PyTorch 实现高效的并行模型推理。通过无 GIL 方式训练 GPT-2 模型，展示了在 AI 推理场景中充分利用多核 CPU 资源的好处。
10、如何用 uv 和 GitHub Action 自动发包 PyPI？
使用 uv 简化 Python 包管理，使用 PyPI 的 Trusted Publisher 作安全连接，利用 Github Action 自动触发软件包上传到 PyPI。
作者利用 WhisperX 的语音转文字和对齐功能，快速处理音频文件，再利用本地 LLM 来整理转录文本，生成高质量的播客字幕。
作者发现用 subprocess + shlex + open 方式打开网页会有操作系统不兼容问题，使用标准库 webbrowser 却可轻松解决，于是分析了 webbrowser 的实现原理。
🐿️项目&资源
fork 自 Django 的 Web 框架，由一个核心包和一些可选的三方包组成。
提供了可并行的懒加载接口，访问 PDF 文件内部结构；可在命令行查看各类 PDF 元数据；提取文本或文本对象，支持提取 JPEG 图片。
灵感来源于 Rust 的 Result 类型，可以在不依赖 try/catch 块的情况下作更明确的错误处理。
轻量级的 CLI 框架，类型安全、异步运行、易于测试、可组合命令、灵活配置。
将混乱的提交转换为有意义的叙事。自动化生成提交信息，增强 Git 工作流，通过 20+ 智能命令使版本控制变得轻松。（分享自@Zeeland）
多层的配置管理框架，类似于 VSCode 的用户/工作区设置模式，简化 Python 程序中分层配置的定义、访问和同步。（分享自@Zeeland）
7、arxiv-mcp-server：搜索和分析 arXiv 论文的 MCP
按日期和类别过滤 arXiv 论文，下载和阅读论文内容，查看已下载论文，本地存储论文。
Amazon 开源的实验性 SDK，用于开发在浏览器中可靠执行操作的 agent。
9、dockerpyze：将 Python 应用生成 Docker 镜像
自动将 uv/poetry 项目生成 Docker 镜像，兼容 PEP-621，支持在 pyproject.toml 添加配置。
10、电子书：Architecture Patterns with Python
O’Reilly 出品，有免费在线阅读版本。帮助 Python 开发者管理复杂项目的架构设计，包括依赖倒置、领域驱动设计、事件驱动架构和反应式微服务等。
11、social-auto-upload：自动上传视频到抖音/小红书/视频号/B站等
自动化发布视频到各大社交媒体平台，支持定时上传。（star 4.4K）
12、VideoX-Fun：生成任意分辨率的视频，支持图生视频
一个视频生成的 pipeline，可用于生成 AI 图片与视频、训练 Diffusion Transformer 的基线模型与 Lora 模型。
🥂讨论&问题
PEP-751 在几天前被正式接纳了！这是 Python 打包生态的重大新闻！它提议指定一种标准的依赖库锁文件格式，实现可重复的安装。（附：Reddit 关于该 PEP 被接纳的讨论，PEP 751（Python 的标准化锁文件）被接纳！）
关于风头正盛的 uv 在下载量方面的一些讨论。
🐧 往年回顾
Python 潮流周刊#46：如何用 Python 预测日食的时间和轨迹？（2024.04.13）
97 CUDA 终于原生支持 Python 了！
博客原文 | 发布时间：2025-04-12
🦄文章&教程
NVIDIA 在 CUDA 工具包中实现原生支持 Python，将 Python 提升为一等公民，开发者不需要了解 C/C++，可以更方便使用 CUDA 工具包了。
Django 5.2 版本已发布了，文章详细介绍了多项新功能和改进：自动模型导入、复合主键支持、表单自定义、内容协商、模板块标签、URL 生成改进、测试优化等。
作者希望摆脱对 Google Calendar 等服务的依赖，通过自托管方案掌握个人日历数据，介绍了从 CalDAV 到 iCalendar 的探索过程，利用 Python 实现日历数据的格式转换。
4、用 PySide6 和 SQLAlchemy 开发桌面便签应用
这篇教程详细介绍了如何开发一款桌面便利贴应用，使用 PySide6 和 SQLAlchemy，实现无边框可拖动便签、多便签管理、自定义便签样式、集成系统托盘等功能。
一则草稿态 PEP，提议添加一个新的标准库，将 Meta 的 zstd 库作为默认实现。Zstandard 提供高压缩比和快速解压，优于 zlib 和 bzip2。
6、在 Django Admin 中用 Celery 运行后台任务
如何在 Django 项目中处理长时间运行的任务？如何将 Celery 与 Django 集成？如何在 Django 管理后台触发任务，并获取实时的任务状态？
Textual 项目的作者分享了如何在终端中实现高性能图形用户界面的技术细节，包括如何解决多窗口重叠问题、如何快速确定哪些窗口在可见区域、如何优化终端应用的渲染速度，等等。
word2vec 是一种用于生成词嵌入（word embeddings）的模型，文章详细介绍了如何用 JAX 重新实现它。
推荐系统和搜索技术在如今的 LLM 时代，发生了哪些演变？文章讨论了业界搜索和推荐系统在过去一年多的发展，涵盖模型架构、数据生成、训练范式和统一框架等方面。
大模型能否正确地理解 null 值，这对生成代码至关重要。文章介绍了如何通过模型输出和内部状态来评估模型对空值的理解，展示了模型训练及代码上下文对大模型的影响。
为什么有些 Python 库会被云服务供应商屏蔽？为什么 Scrapy、BeautifulSoup、Selenium 等库被识别为高风险库？机器人开发者如何应对这些限制？
--(...==...) 等于 1，--(...==...)--(...==...) 等于 2，利用这点可以写出一长串内容来表示“hello, world”，但这种晦涩难懂的代码，是对过度追求技巧而忽视可读性的讽刺。
🐿️项目&资源
旨在提供一个简易部署计算机运行智能体（CUA）的解决方案，可在 PC 和个人笔记本上运行。
2、memo：管理你的 Apple Notes 和 Reminders
Python 开发的简单命令行工具，用于管理 Apple Notes 和 Apple Reminders，从终端创建、搜索和组织你的笔记。
一个针对 iOS 17.0 至 18.1.1 设备的工具，通过漏洞解锁设备的隐藏功能（启用动态岛、设备伪装、动态壁纸与 AOD等），禁用不必要的系统服务。（star 2.5K）
4、no-code-architects-toolkit：将常用 API 整合成免费的 API
支持音频转录、多语言翻译、为视频添加字幕，并能执行复杂的媒体处理，适用于内容创作。它还支持跨云服务的文件管理，包括 Google Drive、Amazon S3、Google Cloud Storage 和 Dropbox。
5、curl-impersonate：特别版 curl，可模拟 Chrome 和 Firefox 等浏览器
一款特殊的 curl 构建，可模拟四大浏览器：Chrome、Edge、Safari 和 Firefox。能够执行与真实浏览器完全相同的 TLS 和 HTTP 握手。（star 5.1K）
6、Wikipedia-API：维基百科 API 的 Python 封装
便于用 Python 检索维基百科的信息，支持从维基百科提取文本、章节、链接、分类、翻译等。
7、adk-python：用于开发、评估和部署复杂 AI agent
谷歌开源的 Agent Development Kit (ADK)，助力打造高效、智能的 AI agent，特色：代码优先、多代理架构、丰富的生态、灵活编排、原生流支持、状态/记忆与组件管理。（star 3.2K）
通过装饰器将文档字符串直接转换为 LLM 函数，支持 Jinja2 模板，支持异步函数，使用 Pydantic 模型定义响应结构，确保输出格式一致。
支持多种拼写格式的转换（如 snake_case、kebab-case、camelCase 等），智能识别缩写（如 HTTPRequest）并支持非 ASCII 字符。
PDF 科学论文翻译和双语对照库。有在线版沉浸式翻译，也支持自部署。（star 1.6K）
11、arborparser：将有层次的结构化文本解析成树形表示
解析结构化文本，并将它们转换为基于层级标题的树形式，适用于处理具有嵌套标题的文档，如大纲、报告和技术文档。（分享自@Enoch）
强大的混合专家（MoE）大模型，总参数量为 671B，用了多头潜在注意力（MLA）和 DeepSeekMoE 架构，开创了无辅助损失的负载均衡策略。（star 95.4K）
🥂讨论&问题
1、如果你是 Python 开发者，但还没用 uv，为什么？
这是 Flask 作者 Armin Ronacher 在 X 上发帖的问题，话题热度很高。
2、UV 已死， PDM 天下第一，建议写 Python 的进来学习一下优雅的代码怎么写
无独有偶，也是一则有关 uv 的讨论。标题很引战，建议先深呼吸调整到平常心，再点开链接看内容……
🐧 往年回顾
Python 潮流周刊#47：当你的老师希望你去做开源 （2024.04.20）
98 t-string 语法被正式接纳了
博客原文 | 发布时间：2025-04-19
🦄文章&教程
PEP-750 已被接纳了，将合入 Python 3.14。它提议引入 t-string，返回的是 Template 类型而非字符串，适用于自定义字符串处理、Web 模板、DSL 等场景，避免 SQL 注入、XSS 攻击等安全问题。（附：PEP750 模板字符串 Template Strings 中文翻译）
该 PEP 提议扩展 subprocess 和 shlex 模块以支持模板字符串（t-string），从而更安全、更方便地执行带插值的 shell 命令。
介绍了如何编译 Python 代码为原生代码，使其性能接近于 Rust。利用 CPython 的 frame evaluation API 实现符号追踪，构建 IR 图，再将 IR 图逐步降低为特定平台的原生代码。
4、如果用 Python 写一个 TCP 协议栈会发生什么？
如何用 Python 和 scapy 开发一个简易的 TCP 协议栈？文章分析了 TCP 三次握手过程，通过代码实现了其交互机制，并展示出 Python 在网络通信中的速度局限性。
文章分享了 Python 中 14 个高级的特性及示例，包括类型重载、泛型、模式匹配、高级 f-string、代理属性、元类等。
Python 不支持控制数据结构的内存布局，这是否意味着 CPU 缓存对 Python 性能没有影响？作者经过测试，发现随机访问列表比顺序访问慢 1.2～1.5 倍，这表明缓存优化对解释型语言同样适用。
作者建议在数据分析项目中使用 polars，因为它性能更快、API 设计更简洁直观、类型系统更统一。作者还提到 polars 的两点不足之处。
8、从 Pandas/Polars 到 DuckDB：SQL 操作技巧
一个系列文章的第二篇，介绍如何将一些 dataframe 操作翻译成 SQL，包括使用窗口函数过滤、表达式组合和嵌套数据类型。
建议不写 __init__ 方法，避免冗余、不易测试和不够灵活等问题。作者推荐用 dataclass 自动生成 __init__，用 classmethod 作为对象工厂，并通过 NewType 强化类型约束。（附：中文翻译 Python 类不要再写 __init__ 方法了）
10、Django 制作地图：GeoDjango、Pillow 和 GPS
介绍如何基于 Django Web 框架和 GeoDjango 模块，使用图像库 Pillow 从图像中提取 GPS 信息，然后创建带有图像的 Web 地图。
深入浅出介绍了模型上下文协议（MCP），演示了环境搭建、使用 Python 作 MCP 的实践操作以及实现其它工具的集成应用。
12、从 DeepSeek LLM 到 DeepSeek R1
一个系列文章的第一篇，试图去寻找 DeepSeek 一步步探索的轨迹（DeepSeek LLM -> DeepSeek MoE -> DeepSeek V2 -> DeepSeek V3 -> DeepSeek R1），展现 DeepSeek 在技术路线选择和模型优化上的独到之处。
🐿️项目&资源
Google 最新开源的 Agent2Agent 协议，让不同框架实现的 agent 可以无缝通信和协同工作。（star 12K）
2、FunctionTrace：图形化的 Python 性能分析器
快速查看程序正在执行的所有操作，无需修改任何代码。集成 Firefox Profiler，支持多种分析视图，包括堆栈图、火焰图和调用树。
专为高效的分布式爬取和数据提取而设计的网页爬虫，使用异步 I/O、健壮的日志记录、插件架构和 Celery 的分布式任务处理构建。
专注于将扫描书籍的 PDF 文件转化为各种其它格式。提取正文，并过滤掉页眉、页脚、脚注、页码等元素，利用算法处理跨页顺接问题。（star 2.1K）
5、mineworld：基于 Minecraft 的实时交互式世界模型
微软新开源的基于 Minecraft 的交互式世界模型，具备高生成质量、强大的可控性、快速的推理速度。
6、intentkit：开放的 AI agent 开发&管理框架
支持多 agent、自主的 agent 管理、集成区块链、集成社交媒体（Twitter 和 Telegram 等）、可扩展的技能系统、可扩展的插件系统。（star 6.1K）
本地的 AI 聊天工具，无需复杂配置，可用于 AI 对话与文本生成、图像生成与编辑、文本转语音、语音转文本等。
8、pypacktrends：比较 Python 包的下载量
这是一个网站项目，它可以搜索和查看 Python 的下载量趋势图，支持对比查看多个包的下载趋势。
9、cuda-python：用 Python 访问 CUDA
Python 操作 CUDA 的工具箱，包含多个相关组件包。（star 2.3K）
10、convert-markdown：将 Markdown 转换为 HTML/PDF 等格式
支持将 Markdown 转换为 HTML、PDF、DOCX 和 PPTX，支持执行代码块和渲染绘图。利用 LLM 的输出，创建带图表的美观报告。
11、xlwings：Python 与 Excel 相互调用
支持从 Excel 中调用 Python，反之亦然。支持 Windows 和 MacOS 上的 Excel，以及 Google Sheet 和网页上的 Excel。（star 3.1K）
一个纯属恶搞的库，讽刺美国肆意征收进口关税。它可以设置导入某个库（如 numpy）所需的“关税”，效果是在 import 这个库时，延长导入的时间……（star 2.2K）
🐢播客&视频
“Conf42 Python”的视频合集，已有 50+ 视频。
视频嘉宾是两位 Jupyter 贡献者与项目负责人，话题包括 Jupyter 是如何工作的？他们是如何开发一个交互式语言执行引擎的？
🐧 往年回顾
Python 潮流周刊#48：Python 3.14 的发布计划（2024.04.27）
99 如何在生产环境中运行 Python？
博客原文 | 发布时间：2025-04-26
🦄文章&教程
作者分享了自己在生产环境中运行 Python 的一些实践经验，包括提升项目质量、保障可维护性、运维部署等多个方面。
2、Browser Use 原理解析—为何一个小项目能融1700万美元？
Browser Use 是近期爆火的明星项目，两个人的纯技术开源项目，核心代码 8000 行，融资 1700 万美元！它具体做了什么，又为什么这么值钱呢？
分享了一些 Django Admin 主题：Dracula、Daisy、django-jazzmin、django-admin-kubi、django-jet-reboot、django-semantic-admin、Simple UI、Grapelli、django-admin-interface、Unfold。
介绍了 Python 引入验证过的 HACL 密码学库的历程。作者在 2022 年因 SHA3 漏洞提议替换 Python 的哈希实现，经 2.5 年努力，如今 Python 默认的哈希和 HMAC 算法均由 HACL 提供。
上期周刊分享了一篇文章建议不要写__init__ 方法，这篇文章作者受其启发，分享了自己写过的一个极端的__init__ 案例，解释了为何代码会出现错误。
Python 即将推出新的 ASN.1 API，它用纯 Rust 解析器提升了性能，与 PyCA Cryptography 共享解析器减少了差异风险，提供数据类风格接口提高了易用性。
分享了一个使用正则表达式进行文本操作的案例，介绍了几个实用特性，如启用详细模式提升可读性、通过命名组捕获文本、利用非捕获组优化匹配逻辑等。
作者回顾了 Python 30 多年演变的美好时光，同时引发思考，Python 未来如何发展以及应对挑战？作者呼吁应简化程序分发以及提升移动平台的开发体验。
介绍如何用 Copier 工具一键生成 Python 项目模板，集成 README、LICENSE、项目结构、动态配置、CI 流程等基础配置，实现项目脚手架自动化。
10、ProcessThreadPoolExecutor：当 I/O 成为 CPU 密集型时
探讨了在 Python 中处理 I/O 密集型任务时遇到 CPU 瓶颈的问题，并提出了一种结合多线程和多进程的解决方案：在多个进程中用线程池来充分利用 CPU 资源，解决了单线程 CPU 使用率高的问题。
AI agent 的工作原理是什么？文章用通俗易懂的方式作出解释，揭示出 agent 实际是由节点、分支和循环构成的有向图， 并以代码展示如何定义节点、搭建并执行一个 agent。
12、万字长文：深度对话50位谷歌高管，揭秘谷歌的“AI追赶之路”
一个关于谷歌从 ChatGPT 发布引发危机到重新确立AI领导地位的故事，通过 50 多位员工/高管的详细回忆，展现谷歌两年动荡时期的故事、所做的权衡和取舍。
🐿️项目&资源
本周超热门项目，仅 1.6B 参数量的文本生成语音模型，可生成高逼真度的对话，包含笑声、咳嗽、清嗓子等。（star 11K）
2、ai-agents-for-beginners：入门开发 AI agent 的 10 节课
微软开源的 agent 入门课程，教你从零开始开发一个 AI agent。包含有中文翻译版本。（star 17.2K）
3、juv：创建/管理/运行带依赖的 Jupyter notebook
由 uv 驱动的可重复性 Jupyter notebook 工具包，支持 PEP-723。
4、fastapi-forge：带 UI 的 FastAPI 项目生成工具
通过 UI 界面可视化定义数据库模型，选择要集成的服务，快速生成带测试和接口的完整容器化项目。
用 Python 实现的小智语音客户端，旨在通过代码学习和在没有硬件条件下体验 AI 小智的语音功能。 （star 1.1K）
6、全方位强化 Python 服务可观测性：以 FastAPI 和 Grafana Stack 为例
PyCon Taiwan 2024 中一场演讲的演示材料。
7、django-ledger：复式记账会计系统和财务分析引擎
使用 Django Web 框架开发的财务管理系统，支持复式记账、分级科目表、财务报表、采购订单、财务比率计算、账户管理、OFX/QFX 文件导入等。（star 1.1K）
agent 组成的社区，一句话创建出强大的 agent，与其它 agent 自由组合，协作完成复杂任务。
9、Tutorial-Codebase-Knowledge：将代码库转换为简易教程
利用 AI 分析 GitHub 代码库并创建面向初学者的教程，配有清晰的可视化图解，详细解释代码是如何工作的。（star 5.9K）
面向 AI 工程师的项目，通过提供可视化工作流，更高效地开发、测试和部署 AI agent。（star 4.7K）
11、WatermarkRemover-AI：基于 Florence-2 和 LaMA 模型的 AI 去水印工具
利用微软的 Florence-2 模型精确检测水印，并利用 LaMA 模型擦除水印并自然填充。提供 CLI 方式和基于 PyQt6 的图形界面。
用于 Web 自动化的 agent，支持多种大模型，智能操作网页元素，自定义浏览器设置，实时更新会话并记录操作。（star 1.8K）
🐢播客&视频
core.py 播客第 21 期，深入探讨了 Cpython 垃圾回收的相关话题。其它话题还有：是否对标准库本身做类型检查、自由线程开发进展、http.server 支持 HTTPS 等。
《Latent Space: The AI Engineer Podcast》播客节目，嘉宾是 MCP（Model Context Protocol）的作者，聊了该协议的起源、挑战以及未来发展。
🥂讨论&问题
研究生的课堂项目做什么东西，如何做出新意？
🐧 往年回顾
Python 潮流周刊#49：谷歌裁员 Python 团队，微软开源 MS-DOS 4.0 （2024.05.04）
100 有了 f-string，为什么还要 t-string？
博客原文 | 发布时间：2025-05-03
🦄文章&教程
1、Python 3.14 t-string 要来了，它与 f-string 有何不同？
Python 有了 f-string，为什么还要设计出 t-string？文章解读了 PEP-750 设计出 t-string 的原因，同时也是一篇全面的 t-string 教程，介绍了它的基本应用场景以及几种进阶用法。
作者遇到了一个有趣的 bug：用 f"{x}" 抛出了 TypeError，但 str(x) 却正常。文章介绍了调试的过程，详细分析了 f-string 处理字符串插值的底层原理，最后发现是工作流编排引擎 Temporal 的问题。
探讨了 Python 3.14 在调试生态方面的重大改进，PEP-768 允许用户远程的为一个 Python 进程注入一段调试代码，使得调试工具能以更好的方式对 Python 进程进行无侵入的调试与观测。
Python 3.15 的开发和发布计划已公布，17 个月的开发周期：2025.6.6 开始开发，2025.10.14 发布 alpha 1 版本，2026.5.5 发布 beta 1，2026.10.1 发布正式版。
作者分享了今年参加 DjangoCon 的收获，包括一些数据库优化技巧、性能测试方法、网络算法调整、查询分析技巧、多个实用工具和最佳实践等。
6、如何用 Meilisearch 为 Django 网站添加闪电般的搜索？
介绍了如何在 Django 项目中集成 Meilisearch，以实现高效的全文搜索功能。通过 Docker 配置 Meilisearch，利用 Pydantic 定义搜索模式，并通过自定义的模型方法和 Django 管理命令实现数据的自动和批量索引更新。
7、PyXL：解锁 Python 硬件潜能，GPIO 速度飞跃
介绍了 PyXL，一种能在硬件层面直接执行 Python 代码的自定义处理器，无虚拟机、无解释器、无 JIT、无 C 语言。GPIO 圆程仅需 480 纳秒，比 MicroPython 快 30 倍，时钟速度归一化后优势达 50 倍。
分享了如何利用 Gemini 2.0 Flash 高效完成代码生成/重构，实现自动化删除 200 多个 GN 构建文件。讨论了如何利用 AI 和普通脚本混合处理繁琐代码任务。
介绍了如何系统地优化了 Warehouse（为 PyPI 提供动力的后端）的测试套件，将执行时间从 163 秒减少到 30 秒，同时测试数量从 3,900 增长到 4,700 多。
如何给 Python 的混合类（mixin class）添加类型提示？文章介绍了两种情况的解决方法：基类继承法和协议定义法，提升了混合类的类型安全性和可维护性。
你是否了解 Python 3.8 引入的海象操作符（PEP-572）？什么情况下使用它，带来的好处是什么，对代码可读性有什么影响？
Wired 网站发布的一份调查报告，调查了 730 位开发者，了解他们在工作中如何使用 AI 聊天机器人、使用的频率以及如何评价 AI 等。AI 正在改变编程工作，但还远不能取代程序员。
🐿️项目&资源
1、pyrefly：新一代 Python 类型检查器和 IDE
Meta 正在开发中的 Python 类型检查工具，计划于 2025 年底完全取代 Pyre，使用 Rust 开发，希望提高性能并提供生成类型化的 AST 等新功能。
一个多 agent LLM 系统，自动将论文转换为代码。遵循三阶段流程：规划、分析和代码生成，每个阶段由专门的 agent 处理。（star 1K）
3、aiwaf：AI 驱动的 Django Web 应用防火墙
可以作异常检测，阻止可疑 IP，防止 UUID 篡改，阻止蜜罐字段利用，并每日基于日志再训练持续改进。
微软开源的 Pyton 日志库，比标准库中的 logging 模块快 4-17 倍。
一个模块化、多 agent 协调系统，专为自动化社交媒体中的任务而设计，深度集成 TikTok、Instagram、YouTube、X、Quora、WhatsApp 等平台。
matplotlib.pyplot 的替代库，具有基于 SVG 的交互式图表，提供简洁、高质量的渲染。
7、sdk-python: Temporal 分布式工作流编排引擎
开源的分布式、可扩展工作流编排引擎，支持自托管和云服务部署，持久化执行、自动重试机制、单向安全连接。
8、mininterface：为 Python 应用提供 GUI、TUI、CLI、Web
通过简单代码，自动生成 GUI、TUI 和 CLI，无需手动编写界面代码。自动处理配置文件的读取和解析，简化了配置管理。
对 Python 软件包整个生命周期进行基准测试的工具，结果展示为交互式 Web 前端。
Jupyter 官方开源的工具，为 Jupyter Notebook 提供结构化的差异比较（diff）和合并（merge）功能。（star 2.7K）
阿里最新开源大模型，首创“快思考（非推理模式）”与“慢思考（深度推理模式）”的动态切换机制，数学推理能力超 GPT-4 等模型。（star 20K）
月之暗面开源的通用音频基础模型，基于 1300 万小时多样化音频数据训练，在语音识别、音频理解与生成等任务中实现多项 SOTA 性能突破。（star 3.3K）
🐢播客&视频
视频揭示出 Python 装饰器有值得警惕的地方，因为它会破坏代码的类型安全、隐藏函数的依赖、并且难以调试。
🐧 往年回顾
Python 潮流周刊#50：我最喜欢的 Python 3.13 新特性！（2024.05.12）
101 Rust 开发的 Python 类型检查工具
博客原文 | 发布时间：2025-05-10
🦄文章&教程
Python 3.14 已进入特性冻结期，更新的内容很多，有哪些值得特别关注的呢？文章全面梳理了此版本的变更：类型提示的惰性求值、全新的尾调用解释器、实验性的 JIT 编译器、无侵入调试接口、REPL 的语法高亮、模板字符串和 Zstandard 压缩，等等。
也是一篇 Python 3.14 的主要功能盘点，相比上一则分享的内容，它还介绍了比较多细小的特性变更，可以对照阅读。另外，值得注意的是，博主还发布过 Python 3.7 以来所有主版本的新特性盘点。
回顾了 PyCon APAC（PyCon 亚太组织） 自 2010 年在新加坡创办以来 15 年的发展历程，现社区更名为 Python Asia Organization (PAO) ，文章解释了原因和相关规划。（附：PyCon JP 成员评论，PAO 对日本的 Python 社区意味着什么？）（分享自@NoHeartPen）
一种创新的测试方法：让大模型来分析代码是否符合文档描述。作者开发的 suite 库（Semantic UnIt TEsting）通过分析函数代码和文档注释，无需实际运行就能发现潜在问题。
深入浅出讲解了 Python 异步编程的底层原理，一步步手搓一个简化版的 Asyncio。通过极简的代码还原了 Asyncio 的核心机制，帮助读者彻底理解 await 背后的“魔法”。
6、Python 依赖管理的新进展：PEP 751 锁文件标准
介绍了 Python 依赖管理的最新进展，特别是 PEP 751 标准的锁文件格式。文章详细解释了锁文件的必要性，pylock.toml 的特点及其解决的问题，并探讨了 Python 打包领域仍存在的一些挑战，如原生依赖和加速器依赖包等问题。
介绍了 AI 领域中简单而好用的权重调整技术：用温度参数来控制随机选择。温度为 1 时保持原始权重，小于 1 时偏好高权重项，大于 1 时趋向均匀分布。
作者基于 MCP 和 Amazon Q CLI 开发了一个新闻摘要智能体，支持并行处理和自动摘要。使用 tmux 管理多个进程，每个子智能体负责一部分新闻源，最后由主智能体整合生成每日新闻。
探讨了 Python 任务队列的扩展性问题，对比了 Redis 和 RabbitMQ 两种消息中间件的特点。还介绍了垂直扩展（增加单个 worker 的资源）和水平扩展（增加 worker 数量）两种策略，以及扩展 Celery 和 RQ 的最佳实践。
pip 25.1 带来了多项重要更新：支持 PEP 735 的依赖组管理；新增了包安装进度条；支持断点续传下载；还支持生成 PEP 751 标准的锁文件。另外从版本开始，不再支持 Python 3.8 了。
作者正在用 Rust 重写 Django 模板引擎，发现了几个有趣的边界情况：科学计数法不支持负指数、upper 过滤器对 HTML 实体不安全、if 标签中的异常处理会导致反直觉的结果。
介绍了一套 Python 代码质量工具链：静态分析（Pylint、Flake8、Bandit）、代码格式化（Black、isort）、类型检查（Mypy、Pytype）、安全扫描（Safety、Snyk）、测试覆盖（Coverage.py）、性能分析（cProfile）等。
🐿️项目&资源
Ruff 和 uv 所属的 Astral 团队出品，终于将 Rust 风吹到了静态类型检查工具上！目前仅为预发布，仍在积极开发中。（star 4.2K）
使用微信聊天记录微调大语言模型，让大模型有“那味儿”，并绑定到聊天机器人，实现自己的数字分身。（star 3.3K）
3、AI-Media2Doc：将音/视频转化为小红书/公众号/知识笔记/思维导图
基于 AI 的音视频到图文创作助手，使用 Vue 开发的 Web 前端，本地部署，无需登录注册。支持小红书/公众号/知识笔记/思维导图/内容总结等多种文档风格。
为你的应用添加 AI 浏览 Web 功能，兼容 OpenAI 的 API 提供并发和流式处理，自动缓存和并行化降低成本。
以少量代码从文本和图像中提取结构化数据和洞察，支持神经分割、并发 IO 处理、嵌套上下文提取、多语言支持等。
6、Fluent-M3U8：PySide6 开发的跨平台 m3u8/mpd 下载器
基于 PySide6 和 QFluentWidgets 开发，GUI 简洁易用，兼容 M3U8 和 MPD 视频、多线程 M3U8 下载、下载任务管理。（star 1K）
7、Python-UIAutomation-for-Windows: Windows 平台的 Python UI 自动化库
封装了微软的 UIAutomation 接口，用 Python 脚本自动化操作各种 Windows 桌面应用，包括 MFC、Windows Form、WPF、现代 UI（Metro UI）、Qt、IE、Firefox、Chrome 以及基于 Electron 的应用。（star 2.9K）
8、video-subtitle-extractor：提取视频硬字幕，生成srt文件
本地化的视频硬字幕提取工具，自动检测字幕区域并识别字幕内容，无需依赖第三方在线 OCR 服务。支持去除水印、台标、重复字幕等功能，支持 GPU 加速。（star 7.2K）
Python 编写的 EPUB 处理工具，在终端中解析和检查 EPUB 电子书。支持解析和校验标题、作者、标识符等元数据信息，并能高亮显示 XML 内容。
Python 开发的纯文本编辑器，将长篇小说拆分为多个小文档进行组织和管理，采用类 Markdown 的极简标记语法，并扩展了元数据注释、梗概和交叉引用功能。支持多平台（Linux、Windows、MacOS）。（star 2.4K）
11、asciimatics：跨平台文本界面与 ASCII 动画开发库
开发全屏文本界面和 ASCII 动画，支持彩色文本、光标控制、键盘和鼠标输入、窗口自适应、屏幕抓取，还内置了丰富的动画特效、图像转 ASCII、表单控件等高级功能，适合做命令行工具、交互式表单、复古风动画等。（star 4K）
12、谷歌的提示词工程白皮书
一份在线 PDF 文档《Prompt Engineering》，出自 Google 的提示词工程白皮书。
🐧 往年回顾
Python 潮流周刊#51：用 Python 绘制美观的图表（2024.05.18）
102 微软裁员 Faster CPython 团队
博客原文 | 发布时间：2025-05-17
🦄文章&教程
Quansight 团队分享了过去一年与 Meta 合作推进无 GIL Python 的成果，包括在众多关键包（如 NumPy、SciPy 等）和项目工具中实现支持，并在 CPython 3.14 中带来多线程性能提升。
一篇学术论文，研究了八种 Python 编译器（如 PyPy、Numba、Codon 等）与 CPython 在性能和能耗上的表现。结果表明编译能显著提升速度、降低能耗并优化内存，Codon、PyPy 和 Numba 改进超 90%，Nuitka 内存优化稳定。
核心开发者 Brett Cannon 带来 Python 3.14 中 t-string 语法的解读。它将字符串模板分解为字面量和表达式元组，让开发者可自定义表达式处理逻辑。（附：Python 3.14 t-string 的详细说明）
一篇吐槽文：NumPy 处理简单数组时优雅清晰，但在操作复杂的多维数组时，其 API 设计非常糟糕，缺乏直观性。
5、Typerdrive：高效开发与 API 通信的 Typer 应用
Typerdrive 是一个扩展了 Typer 的库，用来开发与 API 通信的 CLI 应用。它通过集成配置管理、缓存机制、错误处理、HTTP 客户端以及日志系统，显著简化了开发流程并提升了用户体验。
作者在升级到 Django 5 后遇到一个奇怪的数据库问题，文章分享了该问题的排查过程，发现问题源于 Django 模型定义与实际数据库模式的偏差，特别是主键类型不匹配导致的查询集为空。
探讨了 Python 应用性能监控的关键技术，从基础的 CPU、内存监控到高级的分布式追踪，展示了如何用 psutil、Prometheus 等工具收集关键指标，并通过可视化帮助开发者快速发现性能瓶颈。
分享了构建生产级 Python 项目的最佳实践，从项目结构到现代化工具链的使用，例如使用 uv、ruff 等工具提升开发效率，通过 Docker 实现环境一致性。特别强调了模块化设计、代码组织、测试策略和部署流程的经验。
作者用 Python 分析了 X 公司新 logo 的 SVG 数据，将其与多个字体中的 X 字符进行对比。展示了 Python 工具（如svg.path、matplotlib 和 fontTools）在图形处理和字体分析方面的强大能力。
Attendi 团队分享了将多个 Python 项目合并为单体代码库时遇到的挑战和解决方案，他们采用 Polylith 架构，将代码分为组件、基础、项目和开发四个部分，通过统一依赖管理、简化代码共享流程，提升了代码复用性和开发效率。
如何在 FastAPI 项目中实现日志链路追踪，特别是分布式服务？文章介绍了通过中间件生成唯一链路标识，利用 contextvars 解决并发请求日志混乱问题，最后结合 loguru 的日志过滤器动态填充链路信息，实现分布式系统的日志追踪。
Cursor 通过 Merkle 树实现高效的代码库索引，它先将代码分块并计算哈希值，构建树形结构后与服务器同步。这种设计让 Cursor 能够快速识别变更文件，仅上传修改部分，大幅降低带宽消耗。同时通过路径混淆和本地存储确保代码安全，让团队协作更加高效。
🐿️项目&资源
一个社区驱动的深度研究框架，将语言模型与网页搜索、内容抓取和 Python 代码执行等专用工具相结合，同时回馈给社区。（star 10.1K）
专为 Python 开发者打造的 AI 代码优化工具，能自动提升代码性能同时保证功能正确性。已被 Pydantic、Langflow 和 Albumentations 等知名项目团队使用。
一个高性能的 Python 网页爬取库，支持多种选择器（CSS、XPath、正则表达式等），自动定位相似元素，并提供智能内容抓取功能。（star 5.2K）
支持超过 300 种车型的驾驶辅助系统，提供了完整的自动驾驶解决方案，包括车道保持、自适应巡航等功能。（star 53.8K）
基于 FastAPI 和 Next.js 开发的赛事管理系统，支持单淘汰赛、循环赛和瑞士赛等多种赛制，提供拖拽式比赛安排、多阶段赛事结构、团队管理、多俱乐部支持等功能。支持 Docker 部署，支持多语言。（star 1.1K）
致力于复现 Manus AI agent 能力的开源项目，支持多智能体协作，自主完成复杂任务如旅行规划、数据分析和内容生成。采用模块化和容器化设计，集成了网页浏览、代码执行等多种工具。
基于 asyncio 和 anyio，支持多种后端（Redis、Postgres、MongoDB），提供延迟任务、定时任务、错误重试、死信队列等高级功能。内置速率限制和并发控制，支持任务进度报告和事件钩子，与 FastAPI 等 ASGI 框架无缝集成。
阿里达摩院开源的创新框架，通过强化学习来增强大模型的搜索能力，而无需实际调用搜索引擎。使用模拟搜索进行训练，通过课程学习机制逐步提升模型的推理能力。
9、system_prompts_leaks：大模型系统提示词泄露集合
收集了多个主流大模型泄露出的系统提示词，包括 ChatGPT、Claude、Gemini、Grok 等模型的最新版本。对研究大模型的内部机制和开发相关应用很有参考价值。（star 4.6K）
一个美观的命令行工具，整合多个 OSINT 服务（如 Virustotal、Shodan、Greynoise 等）来收集域名、FQDN 和 IP 等信息。支持多种数据源，包括恶意软件检测、地理位置、开放端口等信息。（star 1.5K）
强大的内容自动化工具，支持处理种子、新闻组、播客、漫画、电视剧、电影等多种内容。通过 RSS 源、HTML 页面、CSV 文件、搜索引擎等多种来源获取内容，并提供丰富的插件系统。（star 1.8K）
终端里的文件管理器，特别适合在 Termux 环境中使用。支持 Vim 风格的快捷键，提供文件复制、移动、重命名等基本功能，以及文件搜索、属性查看等高级特性。支持自定义主题、快捷键和命令等。（star 748）
🐢播客&视频
今年的 PyCon 开始了，但是一个重磅的坏消息也传遍了 Python 社区：微软将 Faster CPython 团队的 3 名核心开发者裁员了，其中就包括这个项目的提出者。Python 之父 Guido 也在这个团队，没有被裁的消息。
在 Python 3.14 的 beta 版本推出前，两位核心开发者主播聊了一些主要的新特性。
🥂讨论&问题
1、Microsoft 裁员 Faster CPython 团队，包括技术负责人 Mark Shannon
2、除了 Cython 和 Pyarmor， Python 还能如何保护源代码？
🐧 往年回顾
Python 潮流周刊#52：Python 处理 Excel 的资源 （2024.05.25）
103 LlamaIndex 的单体代码库改造
博客原文 | 发布时间：2025-05-24
🦄文章&教程
1、Python 大规模工具链管理：LlamaIndex 的单体代码库改造
LlamaIndex 团队为解决 650 多个 Python 包的依赖树问题，开发了 LlamaDev 替代 Pants，并引入 uv 替代 Poetry，解决了构建速度慢、依赖管理复杂和 CI 不稳定等问题。
Setuptools 早期版本将 setup.cfg 配置文件的键名的连字符和下划线视为等效，后来加了对连字符的弃用告警。最近发布 78.0.1 版本时将弃用改为错误，导致 1.2 万个包受影响……
OpenAI 更新了 Response API，新增了远程 MCP 服务器支持、图像生成、代码解释器等功能，还引入了后台模式、推理摘要和加密推理等新特性。
4、cProfile 与 pstats 快速做 Python 性能分析
介绍了如何用 cProfile 以及 pstats 命令行高效分析 Python 脚本性能，支持多种排序方式和保存结果。通过 Django 数据库迁移的例子，演示如何定位慢函数调用。
介绍了 Python 增强提案（PEP）的起源（它产生的背景和命名的原因），它对不少开源社区产生了影响，文中列举了一些开源社区类似的提案机制。
作者在 DjangoCon Europe 2025 的演讲总结，指出了 Django 贡献流程复杂、新功能讨论周期长、代码审查严格等问题，建议加强第三方生态系统、重新审视“内置电池”理念，并探索模块化开发。
7、PEP-791：imath — 针对整数的特定数学函数模块
该 PEP 提议在 Python 3.15 引入一个新的 imath 模块，专门处理与整数相关的数学函数，如组合、阶乘、最大公约数等，简化 math 模块的复杂性，集中管理相关函数。
8、从 JSON 中加载 Pydantic 模型且不耗尽内存
常规使用 Pydantic 加载 100MB 的 JSON 文件，内存使用量可能高达 2000MB！作者介绍了两个优化策略：使用 ijson 实现流式解析，使用带有 slots 的 dataclass。两者结合，内存使用量可降低至 450M。
作者在 2013 年开源了一个 Python SMTP 调试工具，今年突然收到一个疯狂的 PR，促使项目发布了 1.0.0 版本。即使是非常小的开源项目，也可能产生长期的影响，这就是开源的魅力么？
介绍了如何使用一个 Bash 脚本高效地镜像整个 PyPI 仓库到本地目录，以满足在无网络或高安全性环境下的 Python 包管理需求。
如何用 Python 开发一个简单的搜索引擎？作者分享了利用 Word2Vec 词嵌入技术实现搜索引擎的详细方案，介绍了向量化、相似度计算等技术细节。
作者分享了自己对复杂系统的理解，总结了五大特征（涌现行为、延迟后果、局部与全局优化的冲突、滞后效应、模糊边界），分享了几种应对的策略（拥抱不确定性、建立反馈机制、鼓励协作与知识共享等）。
🐿️项目&资源
B 站出品的动漫生成模型，是目前最强大的开源动画生成模型，可以一键生成各种动漫风格的视频片段，包括番剧片段、国创动画、漫画改编、VTuber 内容、动漫 PV、鬼畜动画等。
一个分层的多智能体系统，专为深度研究任务和通用任务而设计。框架利用顶层规划智能体协调多个专门的底层智能体，从而在不同复杂领域实现自动化任务分解和高效执行。
3、workflow-use：创建和运行工作流（RPA 2.0）
Browser Use 团队出品，是创建和执行确定性工作流的最简单方法，如果步骤失败，则会回退到 Browser Use。基于一次屏幕录制，创建自动化工作流。（star 2.7K）
4、tchMaterial-parser：国家中小学智慧教育平台电子课本下载工具
国家中小学智慧教育平台电子课本下载工具，支持批量下载、自动命名、跨平台和高分辨率适配，操作简单，支持登录和下载进度可视化。（star 2.1K）
5、mistletoe：纯 Python 的极速 Markdown 解析器
用纯 Python 实现的 CommonMark 规范 Markdown 解析器，速度快、可扩展，支持多种输出格式和自定义渲染，适合需要 Markdown 转换为 HTML、LaTeX 等格式的场景。
Meta 推出的 PurpleLlama 项目，聚合了多种用于提升大模型安全性的工具，包括输入输出内容的安全检测、代码安全防护、恶意提示注入防御等，支持多语言和大上下文窗口，适合需要为 LLM 应用构建安全防线的开发者和团队。（star 2.8K）
支持利用文档生成结构化、图文并茂的演示文稿，并内置多维度质量评测工具，支持参考学习和内容智能分析。（star 1.4K）
为 Jupyter 等数据分析环境带来高性能、可无限滚动的数据表格，支持 pandas、polars 等主流 DataFrame，内置排序、搜索、统计、直方图、自动清洗和低代码 UI。
用于协调多个 AI 智能体处理复杂的对话，能够智能地路由查询并在不同交互中保持上下文。（star 5.8K）
专门设计的内核，旨在实现可复用的、能感知依赖的和 Git 友好的 Jupyter Notebook。支持内联依赖管理，自动设置环境，并将笔记本转换为脚本格式，方便版本控制。
致力于让网站提供自然语言对话接口，基于开放协议和 schema.org 语义层，支持人类和 AI 代理通过 MCP 协议自然交互，让网站快速实现 AI Web 时代的语义访问。（star 2.8K）
12、pyftpdlib：高速且可扩展的 Python FTP 服务器库
提供了高级的、可移植的接口，可轻松编写异步的 FTP 服务器。完整的 RFC-959 服务器实现，支持 FTPS、IPv6、Unicode 文件名等。（star 1.7K）
Claude 团队刚发布了一个网站《The Way of Code》，内容仿道德经，融入编程的哲学思考，每章内容配了符合意境的动态图，非常有创意。
🐢播客&视频
Talk Python To Me 播客邀请 Astral 团队成员聊了最新发布的 ty 类型检查器。
AI 让编程的门槛变低了，人人都可以用 AI 实现“编程自由”。也许在未来，独立开发会成为一种新的生活方式？
🐧 往年回顾
Python 潮流周刊#53：我辈楷模，一个约见诺奖得主，一个成为核心开发者 （2024.06.01）
104 Python 考虑添加虚拟线程啦？
博客原文 | 发布时间：2025-05-31
🦄文章&教程
1、Pyrefly vs. ty：比较 Python 新的两个类型检查器
Meta 的 Pyrefly 和 Astral 的 ty 都是基于 Rust 开发的 Python 类型检查工具，它们在今年 PyCon Typing Summit 都有上亮相。文章介绍了它们在开发背景、设计理念、技术特点和性能方面的差异。
2、单进程多解释器，无 GIL 争用-Python 3.12 之前
在 Python 3.12 之前版本中，如何实现单进程多解释器运行？文章介绍了用 dlopen 和动态库加载机制绕过 Python 的单解释器限制。这种方法能让机器人框架 Basis 在同一进程空间内运行多个 Python 实例而避免 GIL 争用，为高性能机器人系统提供了创新的架构解决方案。
3、为什么在 2025 年我们仍用第三方应用来写 Django REST API？
文章出自 Django 官方博客，提出了一个疑问：是否真的需要第三方库才能用 Django 构建 REST API？介绍了如何用 Django 内置的通用类视图和表单系统，只需不到 100 行代码就实现了完整的 CRUD REST API 功能。
4、介绍 Pyrefly：Rust 开发的新型 Python 类型检查器
Meta 正式官宣 Pyrefly 的 alpha 版本，它能以每秒 180 万行代码的速度做类型检查，支持 IDE 优先的开发体验和自动类型推断。文章解释了为何开发它来替代 Pyre、背后的几项原则，以及未来的发展计划。
5、Pandas 将放弃 NumPy，转向更快的 PyArrow
Pandas 即将发布 3.0 版本，会用 PyArrow 替代 NumPy 作为默认引擎来处理列式数据的加载和读取。PyArrow 提供了列式存储，支持 Copy on Write 模式，在内存占用和读取速度上具有显著优势。
6、Python 微型智能体：70 行代码实现基于 MCP 协议的智能体
Hugging Face 发布了“Tiny Agents”，可通过 MCP 协议，使大语言模型能够调用外部工具和 API，从而实现更强大的功能。文章演示了它的用法和强大功能。
7、Narwhals：统一 pandas、Polars 和 PySpark 的 DataFrame 函数
Narwhals 是一个轻量级的兼容层，它统一 pandas、Polars 和 PySpark 等主流 DataFrame 库的函数，避免了为每个库编写单独代码的复杂性，提高了代码的可移植性和可重用性。
作者提出用循环和索引语法重新设计 NumPy，通过将循环语法编译为向量化操作来解决高维数组操作的复杂性。DumPy 基于 JAX 的 vmap 实现自动向量化，可用直观的循环写法获得 GPU 加速性能，显著降低多维数组编程的认知负担。
9、超越查询优化：使用 SQLAlchemy 和 RDSProxy 的 Aurora Postgres 连接池
Lyft 工程团队分享了他们从应用级连接池迁移到 AWS RDSProxy 代理连接池的实践经验。详细介绍了连接池的重要性、SQLAlchemy 配置方法，以及 RDSProxy 如何解决应用扩展时连接数激增的问题。
10、验证新项目的有效方法
作者新开源了 py-bugger，这是一个引入特定类型 bug 来辅助调试教学的工具。他在 PyCon 的 open spaces 与其他开发者面对面交流，发现了一些新的用例和问题，强调了在项目早期阶段通过开放空间获取反馈的重要性。
11、注意力并非我们所需的全部
介绍了自大名鼎鼎的《Attention Is All You Need》论文发布以来，Transformer 模型领域出现的一系列重要技术改进。作者用 PyTorch 框架，通过简洁的代码示例，解释了 14 项重要技术的核心思想、它们如何提升模型推理速度和内存效率。
作者分享了在编程语言和编译器领域中，对其思维方式产生了重大影响的 10 多篇文章，内容包括垃圾回收器的实现、优化器的指令重写、抽象域和Z3的使用、寄存器分配的正确性证明、正则表达式引擎、微分自动微分、SSA形式的实现，等等。
🐿️项目&资源
一个 100% 本地替代 Manus AI 的方案，支持语音、能自主浏览网页、编写代码和规划任务，所有数据留在本地设备上。（star 13.5K）
2、django-allauth：Django 认证和账户管理套件
一个 Django 应用套件，提供完整的用户认证、注册、账户管理以及第三方社交账户认证功能。支持多种认证方案（用户名或邮箱登录）、多种账户验证策略，集成 OAuth 1.0/2.0、OpenID Connect、SAML 2.0 等协议。
3、Ghost-Downloader-3：跨平台 AI 增强多线程下载器
基于 Python 开发的跨平台多线程下载器，采用 Fluent Design 设计风格，具备 AI 智能加速功能、IDM 风格的智能分块下载、浏览器扩展支持和插件系统，支持 Windows、macOS 和 Linux 平台。（star 2.6K）
将 Linux 文件系统转换为向量数据库的轻量级 Python 包，通过 VFS 扩展属性直接在文件外存储向量嵌入，无需外部索引或数据库服务。
快手开源的肖像动画生成工具，支持高效的肖像动画制作，具备拼接和重定向控制功能，支持人像和动物模式，提供 Gradio 界面和一键安装包。（star 15.5K）
专业的 Python 因果和概率建模库，基于贝叶斯网络实现。提供完整的概率图模型工具集，适用于机器学习和统计分析领域。（star 3K）
基于大模型的可交互智能体，专注于群组聊天场景。具备智能对话、实时思维、情感表达、持久记忆和动态人格系统。（star 2.5K）
微软开源的人机协作网页智能体研究原型，能够自动化网页任务同时保持用户控制，支持协作规划、协作执行、动作保护、计划学习和并行任务执行等功能。（star 4.7K）
将粗糙的手绘草图转换为精美的 3D 模型。支持自由绘制、AI 增强优化、一键 3D 转换、世界构建和模型导出等功能。基于 Next.js、Three.js 和 FastAPI 开发。（star 1.8K）
这个智能体可连接各种应用、生产力工具和数据库，将其内容转换为可搜索的知识库，通过标准化接口为智能体提供服务。（star 2.5K）
它提供 @task 装饰器来跟踪和可视化函数执行的流程。支持重试机制、日志记录、上下文管理器以及交互式可视化界面。
12、ai-baby-monitor：将视频大模型变为婴儿保姆
基于本地视频大模型的智能婴儿监护系统，通过摄像头实时监控，根据安全规则进行实时分析，当检测到违反安全规则时会发出温和提醒音。
🐢播客&视频
今年 PyCon US 的视频公布得很早哦，看看有没有你感兴趣的话题？
美国德克萨斯洲的 PyTexas 活动，已放出演讲视频 21 个。
🥂讨论&问题
Python 核心开发者 Mark Shannon（没错，就是 Faster CPython 的提出者，前不久才被微软裁员）提出了为 Python 添加虚拟线程的想法，认为虚拟线程比 async/await 能更好处理并发。帖子介绍了这种方案的优势和实现方式，引起了社区的广泛讨论。
微软裁掉 CPython 和 TypeScript 编译器团队引发了作者对技术专业性价值的深度思考。是否该专注于产出而非架构，关注影响力而非优雅性？如何平衡技术深度与商业价值？
🐧 往年回顾
Python 潮流周刊#54：ChatTTS 强大的文本生成语音模型 （2024.06.08）
Python潮流周刊#4：Python 2023 语言峰会 （2023.05.31）
105 Dify突破10万星、2025全栈开发的最佳实践
博客原文 | 发布时间：2025-06-07
🦄文章&教程
作者写了一份经典的 React + Flask 项目教程，文章演示了如何用 Vite 替代已停止维护的 create-react-app 来构建 React 前端。详细介绍了项目结构设计、虚拟环境配置和热模块重载等现代开发特性，为全栈开发提供了最佳实践方案。
Django 项目的现代前端打包方案是什么？作者分享了从 Webpack 迁移到 rspack 的完整方案，通过配置库和模板标签实现了热模块重载、内容哈希缓存和生产环境优化，解决了前端资源打包和部署的常见问题。
共享通用测试指的是将多个对象或类共有的测试逻辑集中到一个基类或模块中。文章详细对比了三种实现方法：删除基类、测试类混入和 pytest 的 __test__ 属性，分析了各自的优缺点。
Heroku 宣布支持 uv 这个用 Rust 编写的 Python 包管理器，相比传统的 pip，在依赖解析和安装速度上有了显著提升。文章回顾了 Python 包管理的演进历史，详细介绍了 uv 的核心优势：极速安装、高效依赖解析和与现有标准的兼容性。
文章介绍了四种 Python 代码性能优化的方法：选择更合适的数据结构（元组比列表快 6 倍、字典和集合的 O(1) 查找）、作用域管理（局部变量比全局变量快 50%）、列表推导式和生成器表达式，以及充分利用内置函数和库的重要性。
PEP 794 提出在 Python 包元数据中新增 Import-Name 字段，用于记录项目安装后提供的导入名称。这解决了项目名与导入名不匹配的问题，让 IDE 能准确推荐安装包，也有助于垃圾包检测。
作者开发了 django-queuebie 包来解决 Django 单体应用的复杂度问题，通过同步消息队列实现命令和事件模式，将复杂业务逻辑拆分为很小的独立消息处理器，支持跨域边界解耦，避免了微服务的复杂性开销。
作者开发了 Rust 版的 Python 解释器 Memphis，深入解析了局部变量在字节码中的工作原理，包括局部变量在栈上的存储机制、字节码编译与执行过程。
文章介绍了外键的作用和优势，解释了为什么大公司的 DBA 通常禁用外键（维护困难、性能影响、分库分表限制），并提供了高效的解决方案：通过继承 Django 的 MySQL 引擎并设置 supports_foreign_keys = False 来全局禁用外键生成。
10、我做了一个比 Elasticsearch 更差的搜索引擎
作者分享了开发 SearchArray 为 Pandas 添加全文搜索功能的经历，通过 BEIR 基准测试与 Elasticsearch 对比发现性能全面落后。。。文章深入分析了搜索引擎优化技术，包括 WAND 算法如何避免不必要的计算、位置索引与传统倒排索引的区别，以及为什么真正的搜索引擎能够实现高性能。
11、用 Pinata、OpenAI 和 Streamlit 开发 PDF 聊天应用
如何开发一个支持用户上传 PDF 并与内容进行聊天的应用？这篇教程使用 Pinata 做去中心化文件存储、OpenAI API 处理自然语言交互、Streamlit 提供用户界面，实现了简单的 PDF 聊天应用。
作者自称是 Python 界的”恐龙”，因为从 Python 1.5 时代就开始使用 Python，但直到最近才真正了解 Poetry 这个项目依赖管理工具。介绍了如何在现有项目中设置 Poetry，包括通过 pipx 安装、配置 shell 环境和补全功能，以及将 requirements.txt 项目迁移到 Poetry 的完整过程。
🐿️项目&资源
Dify 是国内团队开源的项目，最近 star 数超过 10 万了！通过直观的界面将 AI 工作流、RAG 管道、智能体、模型管理和可观测性等特性整合，让你能够快速从原型开发到生产部署。（star 101K）
一个以 SQL 为中心的工作流平台，在现代数据栈中构建可靠的 API 集成。支持 YAML 定义工作流、Jinja 或 Python 动态参数以及 SQL 逻辑处理。
极快的 B 站直播录制、自动切片、自动渲染弹幕以及字幕并投稿至 B 站，综合多种模态模型，兼容超低配置机器。（star 2.5K）
4、local-ai-packaged：本地 AI 一体化部署包
一个 Docker Compose 模板，集成了 Ollama 本地大模型、Open WebUI 聊天界面、n8n 工作流平台、Supabase 数据库、Flowise AI 智能体构建器、Neo4j 知识图谱引擎等多个组件，为自托管 AI 工作流提供一站式解决方案。（star 1.8K）
微软开源的自然语言网站交互平台，简化了为网站开发对话界面的过程。原生支持 MCP 协议，利用 Schema.org 等结构化格式为网站快速实现对话端点。（star 4.9K）
通过灵活的视觉工具管理、分布式工具部署和创新的 V-ToolRL 强化学习方法，使 AI 智能体能够交互式地使用视觉工具来分解、分析和解决复杂的视觉问题。
一个模板语言和微型 Python Web 框架，可在 HTML 中直接嵌入 SQL 语句。受 ColdFusion 和 HTMX 启发，支持响应式渲染，随数据库数据发生变化而自动更新。
全自动化的高度自主开发框架，仅通过自然语言就能创建和部署 LLM 智能体。在 GAIA 基准测试中表现优异，可媲美 OpenAI 的 Deep Research。（star 4.6K）
通过在 GPU、CPU 内存、本地磁盘等位置存储可重用文本的 KV 缓存，实现缓存复用以减少延迟时间并提高吞吐量。（star 1.3K）
将程序（特别是 AI 智能体和数据驱动的内部工具）快速转换为交互式 Web 应用的框架。基于 FastAPI 构建，支持实时流式更新，自动生成用户界面。
快速的 Python 多重分派库，支持基于类型注解的函数重载，不同于 singledispatch，它支持多个参数的分派。提供变体、混入、基于值的分派、关键字参数分派等高级特性。
12、arc-export：Arc 浏览器固定标签页导出工具
将 Arc 浏览器的固定标签页转换为标准 HTML 书签文件的 Python 脚本，解决了 Arc 浏览器缺乏固定标签页导出功能的问题。（将近 1000 star，想不到诉求这么大）
🐧往年回顾
Python潮流周刊#55：分享 9 个高质量的技术类信息源！ （2024.06.10）
Python潮流周刊#5：并发一百万个任务要用多少内存？ （2023.06.03）
106 PEP-734 正式接纳，多解释器时代来临
博客原文 | 发布时间：2025-06-14
🦄文章&教程
PEP-734 是 PEP-554 的延续，几天前被正式接纳了，将赶在 Python 3.14 版本中引入！它会在concurrent 标准库里添加 interpreters 模块，正式支持在同一进程中创建和管理多个解释器实例。每个解释器拥有独立的 GIL，可以实现真正的并行计算，同时避免多进程的开销和复杂性。
作者从 R 转向 Python 时，觉得 Pandas “笨拙”。对比了同一数据分析任务在 R tidyverse 和 Pandas 的实现，展示了 R 的管道操作流畅自然，而 Pandas 的方法名不直观，需要频繁处理索引、重命名列和方法链断裂问题，指出了 Pandas 的局限之处。
3、更快的 Python：async/await 和 threading 并发编程对比
JetBrains 博客深入探讨了 Python 并发编程的两种方式：async/await 的协作式并发，适合 I/O 密集型任务，与 threading 的抢占式并发，适合 CPU 密集型任务。还介绍了如何在 PyCharm 中调试并发代码，展示了其强大的调试功能。
作者用 CrewAI 框架开发了一个 AI 模拟面试项目，通过四个智能体协作，实现了从公司调研、问题生成和答案评估的完整面试流程，展示出基于智能体的项目设计和多智能体协作的强大能力。
5、MonsterUI：用纯 Python 开发美观的 Web UI
不熟悉 HTML 和 CSS，想直接用纯 Python 代码开发 UI？文章介绍了基于 FrankenUI 和 Tailwind CSS 开发的 MonsterUI，可以在 FastHTML 项目中快速开发前端 UI。提供语义化文本样式、智能布局助手和常见 UI 模式，无需写 CSS 类即可获得响应式设计和美观界面，显著提升开发效率。
得物技术团队将基于 FastAPI 的造数服务改造为支持 MCP 协议的智能工具，通过 FastAPI-MCP 框架和少量代码实现快速接入。文章展示了如何将现有服务无缝集成到 AI Agent 中的解决方案，印证了 “AI+协议化工具” 在测试领域的巨大潜力。
文章深入对比了五个支持 Polars DataFrame 的 Python 数据验证库：Pandera、Patito、Pointblank、Validoopsie 和 Dataframely。每个库都有独特优势，比如 Pandera 擅长统计验证，Patito 提供 Pydantic 风格的模型验证，Pointblank 生成美观的交互式报告。
8、探索 Adobe Photoshop、InDesign 和 Premiere Pro 的 AI 集成
作者开发了一个 adb-mcp 项目，可让 AI 客户端控制 Adobe 的 3 个创意工具。项目采用 Python MCP 服务器、Node 命令代理和 UXP 插件的三层架构，实现了从简单脚本任务到复杂创意工作的自动化，展示了 AI 在创意工具流中的巨大潜力。
9、超越 htmx：用 Alpine AJAX 开发现代 Django 应用
文章探讨了从复杂 SPA 回归到服务端渲染的趋势，对比了 htmx 和 Alpine AJAX 两种方案，Alpine AJAX 强制渐进式增强，确保应用在无 JavaScript 环境下仍能正常工作，同时提供了更小的体积和与 Alpine.js 的完美集成，让开发者能享受 SPA 的流畅体验和传统 MPA 的简洁性。
10、Django、JavaScript 模块和 importmaps 的结合使用
作者分享了在 Django 项目中使用现代 JavaScript 模块和 importmaps 管理前端依赖的实践经验，通过 django-js-asset 包实现对 ES 模块的原生支持。这种方案解决了 Django 应用分发 JavaScript 模块的痛点，支持缓存失效机制，无需复杂的打包过程。
作者分享了使用 Claude 辅助代码开发的实践经验，提出了三种 AI 辅助编程模式：游乐场模式适合快速原型，结对编程模式通过文档建立上下文，生产模式需要严格的边界控制。还分享了如何通过 Git 工作流、代码审查和严格的边界设定来确保 AI 生成代码的质量。
作者的 FastAPI 生产环境在过去几年都存在吞吐量瓶颈问题，现在发现根因是 FastAPI 的默认线程池过小（仅40）。他们将所有路由处理器改为同步函数，并增大线程池至 2000，以低成本、低风险的解决方案，成功将每节点的请求量从每分钟 800 提高到 2000-3000。
🐿️项目&资源
世界上首个”智能体工程师”，可以自主开发、优化和完善其它 AI 智能体。（star 4.9K）
2、excel-mcp-server：操作 Excel 文件的 MCP 服务器
一个基于 MCP 的 Excel 文件操作服务器，无需安装微软 Excel 即可创建、读取和修改 Excel 文件。支持数据读写、格式化样式、图表可视化、数据透视表等功能，提供 stdio 和 SSE 双传输模式，可与 AI 智能体无缝集成。（star 1.1K）
基于 FastCRUD 和 HTMX 开发的 FastAPI 管理界面生成器，提供安全认证、事件跟踪和监控功能。支持多种会话后端，内置 CSRF 保护、速率限制、IP 限制等安全特性，可利用 SQLAlchemy 模型生成管理界面，具备智能字段检测、高级过滤和现代响应式 UI。
4、py-pglite：Python 测试用的轻量级 PostgreSQL
一个 PGlite 的 Python 封装库，轻松地在测试中使用真正的 PostgreSQL。无需 Docker、无需配置，2-3 秒即可启动，每个测试都有独立的数据库实例。
5、openai-agents-python：多智能体工作流框架
OpenAI 官方推出的轻量级多智能体工作流框架，支持智能体间的协作。提供内置的追踪调试功能、安全防护机制，兼容 OpenAI API 及 100+ 其它大模型。（star 11.4K）
提供终端、浏览器、文件和网络搜索等工具，每个任务分配独立的 Docker 沙盒环境。支持会话历史管理、任务中断恢复，部署简单且支持中英双语。
用于信息检索的 WebAgent，包含 WebWalker 和 WebDancer 两个模型。WebDancer 是基于 ReAct 框架的原生智能体搜索推理模型，WebWalker 是大语言模型网页遍历基准测试。支持多步骤复杂推理、网页遍历、信息搜索和问答等功能。（star 1K）
8、poethepoet：与 poetry 和 uv 配合的任务运行器
功能齐全的任务运行器，支持在 pyproject.toml 中声明任务，可运行命令、shell 脚本、Python 表达式或函数。提供 shell 自动补全、命名参数、环境变量引用、任务组合等功能，可作为独立工具或 poetry 插件使用。（star 1.7K）
一个模块化的 GenAI 应用开发框架，支持 100+ 大模型切换、类型安全的 LLM 调用、多种向量数据库集成。提供 20+ 格式文档处理、分布式数据摄取、实时监控和聊天界面等功能，可快速开发可靠且可扩展的 RAG 应用。（star 1.3K）
强大的 3D 场景生成工具，基于文本和图像在几秒内生成 3D 场景。支持即时 3D 生成、360° 自由探索、室内外多样场景、灵活渲染等功能，适用于游戏、仿真、机器人和虚拟现实应用开发。
基于视觉模型的文档智能工具包，提供 PDF 和图像转 Markdown、无 OCR 结构化信息提取、文档处理性能基准测试三大核心功能。支持 LaTeX 公式识别、签名水印检测、表格提取、置信度评分等特性，适用于发票、护照等多种文档类型的智能处理。
基于 Llama-3B 的文本转语音系统，提供拟人化自然语调、零样本语音克隆、情感语调控制和低延迟流式输出等功能。（star 5K）
一个集视频生成、编辑于一体的模型，支持参考图生成视频、视频编辑、蒙版视频编辑等丰富功能。（star 2.6K）
智能体的记忆管理工具，提供对话信息提取、智能体行为优化、长期记忆维护等功能，支持任意存储系统的核心记忆 API 和 LangGraph 原生集成，让智能体能够保持会话间一致行为。
类似 Playwright 的桌面应用自动化 SDK，专为 AI 智能体设计。基于操作系统级别的无障碍功能实现快速可靠的 GUI 自动化，跨平台，具备 80ms UI 扫描速度和编译工作流程优化。
🐧往年回顾
周刊#56：NumPy 2.0 里更快速的字符串函数 （2024.06.15）
周刊#6：Python 3.12 有我贡献的代码！（2023.06.10）
107 无 GIL Python 被正式批准
博客原文 | 发布时间：2025-06-21
🦄文章&教程
许多 Java/C++ 设计模式在 Python 中明显是水土不服，作者对比了单例模式和构建者模式的传统实现与 Pythonic 替代方案，展示了如何利用模块系统、闭包和默认参数等 Python 特性编写更简洁优雅的代码，避免不必要的复杂性和潜在陷阱。
Python 核心开发者的年度聚会，围绕自由线程这一重大变革展开深度讨论。峰会涵盖了并发竞争处理、无畏并发、治理挑战等前沿话题，特别是在多线程性能优化和语言演进策略方面。
核心开发者 Matt Page 在 Python 语言峰会上介绍了自由线程 Python 的最新进展，通过性能、稳定性、可维护性和采用度四个维度全面评估 PEP 703 的实施状况。单线程性能损失已从 40% 降至不到 10%，架构设计经受住考验。
作者从 R 转向 Python 教学后撰写的实用指南，通过对比两种语言的设计理念和语法差异来帮助 R 用户快速上手 Python。详细介绍了环境配置、数据处理库选择以及从函数式编程向面向对象编程的思维转换。
深入解析 Python 虚拟机如何处理全局变量，通过字节码揭示出全局变量与局部变量的本质差异。虚拟机对全局变量执行动态名称解析而非索引访问，这种额外的间接层正是 Python 动态特性的关键所在。
Python 3.6 之前，字典无序；3.6后，字典开始保持插入顺序，但仅是实现细节；3.7起，插入顺序被正式纳入语言规范。尽管如此，字典的顺序并不影响其相等性判断，与列表等序列不同，字典的核心在于键值映射。
KV 缓存通过存储和复用先前计算的键值向量来避免重复计算，显著提升 LLM 推理速度。文章详细解释了注意力机制中的冗余计算问题，并提供了从零实现 KV 缓存的完整 Python 代码。
以开源项目 browser-use 为例，深入解析了 LLM Agent 的实现原理与工程实践。剖析了 browser-use 工程架构，包括 Agent Core、MessageManager、Memory、LLM Interface、Controller 和 BrowserContext 等组件及其交互流程。
一则 PEP 草案，提议引入深度不可变性机制，通过 freeze() 函数递归冻结对象及其引用的所有对象。这项提案解决了数据完整性保护和多线程安全共享问题，为函数式编程和并发优化提供强有力支持。
介绍了 Python 中 Signals 用于状态管理的实现，它通过响应式编程解决传统状态管理中的依赖协调问题，当状态变化时自动触发相关更新而无需手动维护。这种响应机制可避免”当 Y 改变时忘记更新 X”的常见问题。
11、用 Python、Elasticsearch 和 Agno 创建个性化跑步计划
介绍如何打造一个 AI 跑步教练，通过解析 Apple Health 的 XML 数据到 Elasticsearch 中，然后用 Agno 框架生成个性化的四周训练计划。最后将 Markdown 格式的计划转换为 Notion 页面，实现完整的数据驱动健身方案。
文章介绍了 11 种检测字符串中元音字母的方法，通过基准测试和字节码分析发现正则表达式在长字符串上表现最佳。文章揭示了 Python 解释器开销对性能的显著影响，并展示了 CPython 正则引擎使用位图查找的优化技巧。
🐿️项目&资源
1、MiniMax-M1：全球首个开源大规模混合注意力推理模型
全球首个开源的大规模混合注意力推理模型，采用混合专家架构结合闪电注意力机制。包含 4560 亿参数，每个 token 激活 459 亿参数。原生支持 100 万 token 的上下文长度，是 DeepSeek R1 的 8 倍。（star 1.8K）
为 Python 提供函数式编程工具的轻量级库，包含迭代器、函数和字典操作的实用函数。（star 4.9K）
3、TurboDRF：Django REST Framework API 生成器
极简的 Django REST Framework API 生成器，只需在模型中添加一个 mixin 和方法即可自动生成完整的 REST API。支持角色权限控制、智能分页、高级过滤、全文搜索、多字段排序等功能，零样板代码实现最大功能。
现代化的 Python 桌面 UI 框架，基于 PySide6 封装提供声明式 API。支持组件化架构、响应式状态管理、热重载开发、内置路由系统等功能，让桌面应用开发变得简单高效。
基于 FastAPI 构建的现代 Python Web 框架，采用 MVC 架构设计。集成 SQLModel 提供类型安全的数据库操作，内置交互式 CLI 工具快速生成组件，支持 Jinja2 模板、CSRF 保护、热重载等功能。
6、miniDiffusion：纯 PyTorch 实现的 Stable Diffusion
用纯 PyTorch 重新实现的 Stable Diffusion 3.5 模型，专为教育和实验目的设计。仅用约 2800 行代码就完整实现了从 VAE 到 DiT 的所有组件，包含多模态扩散变换器、流匹配调度器、联合注意力机制等核心功能。
受 Go 语言 goleak 启发的 Python 资源泄漏检测工具。能够检测泄漏的 asyncio 任务、线程和事件循环阻塞，提供详细的堆栈跟踪信息。
8、py-shiny：Python 快速 Web 应用开发框架
灵感来自 R 语言的 Shiny，支持快速创建交互式可视化和原型应用。与其它数据科学框架不同，Shiny 不限制应用增长，具备足够的扩展性来支撑大型关键任务应用。（star 1.5K）
本地免费的 AI 设计 agent 工具，作为 Lovart 的替代方案。提供对话式图像编辑、无限画布创作、故事板制作等功能，支持多种 AI 模型如 GPT-4O、Flux、Google Imagen 等。
10、FlareSolverr：绕过 Cloudflare 保护的代理服务器
专用于绕过 Cloudflare 和 DDoS-GUARD 防护的代理服务器。使用 Selenium 和 undetected-chromedriver 创建浏览器实例，自动解决 Cloudflare 验证。（star 9.9K）
开源的智能助手框架，旨在简化和增强多领域工作流程。提供 CLI 接口和 WebSocket 服务器支持现代 React 前端，集成多种 LLM 提供商包括 Anthropic Claude、Google Gemini 等。（star 2.5K）
12、ChinaTextbook: 中国所有小初高、大学 PDF 教材
项目希望促进义务教育的普及和消除地区间的教育贫困。希望海外华人能够让自己的孩子继续了解国内教育。（star 40.3K）
🐢播客&视频
1、今年 PyCon 我的 talk，聊一下我完成的第一个 PEP
@码农高天 在 PyCon 上介绍 PEP-667 的实现，主要是把 locals() 和 frame.f_locals 做了语义上的区分和整理，减少了好多奇怪的行为，让它们的功能变得更容易理解，同时更强大。
介绍如何使用 Python 与桌面环境集成；如何调度任务、消息通知以及开发桌面应用脚本。
🥂讨论&问题
1、PEP 779：自由线程 Python 的受支持状态标准
指导委员会批准了 PEP-779，其效果是从 Python 3.14 的自由线程构建中移除“实验性”标签。这意味着自由线程 Python 正式成为受支持的版本。
🐧往年回顾
Python潮流周刊#57：Python 该采用日历版本吗？ （2024.06.22）
108 AI 会取代初级开发者吗？
博客原文 | 发布时间：2025-06-28
🦄文章&教程
Flask 作者 Armin Ronacher 分享了用 AI 开发 XML 解析库的经历。他让 Claude 从零开始写了一个容错性强的 XML 解析器，用于处理 LLM 生成的不规范 XML 内容，1100 行解析器代码和 1000 行测试代码，还配置了完整的 CI 流程、PyPI 发布，整个过程仅用时 30-45 分钟。
介绍了如何用 uv 和 PEP 723 内联脚本元数据来创建自包含的 Python 脚本。通过在脚本中嵌入依赖信息和 Python 版本信息，uv 能自动创建虚拟环境并安装依赖，让 Python 脚本像 Go 程序一样可以直接执行。
作者在 PyCon US 上采访了 Python 社区的大 V，包括 Guido van Rossum、Anthony Sottile 等，他们普遍认为 AI 不会取代开发者，但会改变工作方式，还强调理解代码比依赖 AI 生成更重要，AI 更适合处理样板代码和重复性任务。
作者分享了如何用描述符替代 @property 装饰器，解决属性 setter 接受灵活类型时的类型检查报错问题，从而能更自然地设置属性值。
介绍了 Python 调用 Mojo 代码的新功能，在质数计算测试中，Mojo 版本比纯 Python 快 40 倍，比 NumPy 快 23 倍，展现了 Mojo 的性能优势。
作者开源了 inline-snapshot-django 包，专门用于 Django 项目的 SQL 查询快照测试。该工具通过上下文管理器自动捕获和比较 SQL 查询指纹，相比 Django 原生的方法提供更详细的调试信息和自动化的快照管理功能。
7、用原生连接池将 Django 数据库延迟降低 50-70ms
Django 5.1 引入了原生数据库连接池功能，通过复用 PostgreSQL 连接，替代各种复杂的创建新连接的方法，将数据库连接开销降低 60-80%，响应时间提升 10-30%。文章介绍了配置步骤和连接池参数，以及如何监控性能提升。
作者通过 Python 模拟和概率论分析揭示了等车时间悖论：当公交车平均每 10 分钟一班时，乘客的平均等车时间竟然也是 10 分钟而非 5 分钟。文章用泊松过程和指数分布解释了这一现象，并用西雅图真实公交数据来验证理论预测，但发现日常现象跟理论预测还是存在差异。
一份用 Jupyter Notebook 写的交互式教程，专门介绍卡尔曼滤波器和贝叶斯滤波器的原理与实现。两个算法在航空航天、机器人、金融等领域有广泛应用，作者从传感器噪声问题出发，通过 Python 代码和可视化演示，深入浅出地做了入门科普。
10、从 virtualenvwrapper 切换到 direnv、Starship 和 uv
作者分享了从 virtualenvwrapper 迁移到现代 Python 环境管理工具的经历。通过配置 direnv 实现项目目录自动激活虚拟环境，使用 venv 和 workon 命令简化虚拟环境创建和项目切换流程，使用 Starship 定制简洁的命令行提示符。
LangChain 团队深度分析了 Agent 框架的设计思路，指出构建可靠 Agent 系统的核心挑战是确保 LLM 在每个步骤都有适当的上下文。文章区分了 Workflow（预定义代码路径）和 Agent（LLM 动态控制）两种模式，强调大多数生产环境的 Agent 系统实际是两者的结合，并对比了 100 多个 Agent 框架的设计理念。
作者总结了过去 9 年里学到的经验教训，从编码、测试、调试三个维度分析了 12 个关键问题，包括空值处理、日期逻辑、数据格式升级、修改后忘推送等，强调了良好日志记录、与同事讨论、用最小案例复现的重要性。
🐿️项目&资源
1、gemini-cli：终端中的 Gemini AI 智能体
Google 开源的命令行 AI 工作流工具，可以查询和编辑大型代码库，支持超过 100 万 token 的上下文窗口，能够从 PDF 或草图生成新应用，自动化操作任务如查询 PR 或处理复杂的代码合并，还可以通过 MCP 服务器连接各种工具和媒体生成能力。（star 33.8K）
开源的 AI 智能体浏览器，隐私优先，是 Arc、Dia 和 Perplexity Comet 替代方案。可使用自己的 API 密钥或通过 Ollama 运行本地模型。（star 1K）
专为创建领域专家 AI 而设计的数据生成工具，可以上传文档并一键生成完全训练好的定制 LLM。支持离线运行，无需外部 API 密钥，能够让 AI 学习特定领域知识，成为领域专家。（star 1.6K）
微软开源的 1-bit 大模型官方推理框架，支持 BitNet b1.58 等模型的快速无损推理。在 ARM CPU 上实现 1.37x 到 5.07x 的加速，能耗降低 55.4% 到 70.0%，在 x86 CPU 上加速 2.37x 到 6.17x，能耗降低 71.9% 到 82.2%。可在单个 CPU 上运行 100B 参数的 BitNet 模型，达到人类阅读速度。（star 20.3K）
5、local-deep-research：本地深度研究助手
AI 驱动的研究助手，将复杂问题转化为全面的引用报告，跨越学术数据库、科学仓库、网络内容和私人文档集合等多样化知识源。支持隐私优先、灵活配置、全面分析和透明引用，提供多种研究模式和高级功能。（star 3K）
将 Python 项目打包成可执行文件的工具，基于 cosmopolitan 和 uv 构建。提供三种打包模式：Bundle 模式包含 Python 和所有依赖，Online 模式生成小巧的跨平台包，Portable 模式创建独立的跨平台可执行文件。支持 macOS、Linux 和 Windows 平台。
7、nbdev：基于 Jupyter Notebook 的开发平台
通过轻量级标记语言编写 notebook，自动生成高质量文档、测试、持续集成和打包。支持文档自动生成并托管在 GitHub Pages，发布到 PyPI 和 conda，笔记本与源代码双向同步，并提供 Git 友好的笔记本处理功能。（star 5.1K）
8、fastapi_mcp：将 FastAPI 项目暴露为 MCP 工具
将 FastAPI 端点暴露为 MCP 工具的库，内置身份验证。支持零配置或最小配置，支持灵活部署，使用 ASGI 传输直接与 FastAPI 应用通信，提供原生依赖注入和统一基础设施。（star 5.6K）
9、Awesome-ML-SYS-Tutorial：机器学习系统学习笔记
一份机器学习的笔记和代码合集，涵盖 RLHF 系统开发、SGLang 学习、调度路由、分布式训练等核心主题。包含深入的源码解析、实践经验分享和开发指南，是学习 ML + SYS 领域的优质资源。（star 2.7K）
10、machine-learning-visualized：机器学习算法可视化教程
通过 Jupyter Notebook 从第一性原理实现和推导机器学习算法的可视化教程。每个算法都有完整的数学推导和训练过程可视化，涵盖神经网络、逻辑回归、感知机、主成分分析、K-means 聚类和梯度下降等核心算法，还提供了基于 Marimo 的交互式笔记本来观察权重对损失函数的影响。
11、code-graph-rag：多语言代码库图谱 RAG 系统
基于图谱的多语言代码库检索增强生成系统，使用 Tree-sitter 解析代码并构建知识图谱。可以用自然语言查询代码库结构和关系。
用 AI 重新定义 RSS 阅读体验的轻量级阅读器，支持多源 RSS 聚合、AI 摘要生成、定时更新机制、分类浏览和主题切换。可轻松部署到 GitHub Pages 或使用 Docker 本地部署。
🐢播客&视频
1、DjangoCon Europe 2025 演讲视频合集
DjangoCon Europe 2025 的高质量演讲视频列表。
作者分享了自己在开发的库 dowhen，可方便在某一行代码运行之前插入一些 callback，来帮助你调试或者 monkeypatch 你不方便修改的代码。
🐧往年回顾
109 Python 性能优化技巧
博客原文 | 发布时间：2025-07-05
🦄文章&教程
通过统计英文小说字母频率的例子，展示了四种不同的代码优化方法：通过减少重复计算获得 2 倍提升，使用 Rust 实现 10 倍加速，并行利用多核处理器进一步提升性能，过程优化确保测量准确性，最终实现了 330 倍的性能提升。
Python 中创建函数局部别名是一种优化循环性能的传统技巧，文章通过解析字节码和虚拟机实现机制，揭示了 CPython 3.11 引入的指令特化优化如何让这种手动优化变得不再必要。
3、Python 3.14 的进一步性能进化：Tail Call Interpreter
Python 3.14 引入了 Tail Call Interpreter 机制，通过将超大 switch-case 结构拆分为多个小函数并利用尾调用优化，解决了传统 Computed Goto 在不同编译器版本间的兼容性问题，提升了整体性能的可预测性。
作者在知名 Python 库的源码中发现了 6 个不常见但实用的编程技巧：在基类中使用 super() 实现协作式多重继承，用 Mixin 实现可选功能，使用相对导入避免命名冲突，在 __init__.py 中简化 API 接口，以及利用空 conftest.py 文件自动配置 pytest 路径。
深度解析 Python 标准库 shelve 的源码实现，展示了如何创建持久化字典对象，其内部通过 pickle 序列化任意 Python 对象并委托给 dbm 模块进行存储，文章详细分析了缓存机制、上下文管理器设计等优雅的编程技巧。
Anthropic 开发了多智能体研究系统，通过主导智能体协调多个子智能体并行搜索信息，相比单智能体系统性能提升 90.2%，文章详细分享了系统架构设计、提示词工程技巧和生产环境可靠性挑战的宝贵经验。
作者探讨了 LLM 对领域特定语言（DSL）设计的冲击，指出 LLM 在 Python 等主流语言上表现优异但在小众语言上性能急剧下降，这使得 DSL 的机会成本翻倍。文章提出三种应对方向：通过 Python 作为中间语言教 LLM 理解 DSL，设计能与 LLM 协作的新型 DSL，以及开发用于验证 LLM 生成代码的规范语言。
深入解析 Python 全局变量的字节码实现机制，揭示了虚拟机通过动态名称解析处理全局变量，而局部变量则使用索引访问。文章通过 LOAD_GLOBAL 指令分析全局存储的工作原理，解释了这种设计如何实现 Python 的动态特性，包括运行时修改全局变量和跨模块猴子补丁等高级功能。
全面介绍了 Python 正则表达式的使用和原理，包括基础的元字符、转义字符、大量实例（如贪婪匹配、非贪婪匹配、零宽度断言等）、以及正则表达式的进阶用法（如捕获组、非捕获组、命名分组）等高级特性。
10、Pyodide 中的 JavaScript Promise 集成
Pyodide 通过 JSPI 技术解决了浏览器中 Python 同步代码与 JavaScript 异步 API 的兼容问题，引入 run_sync() 函数实现栈切换机制，可在不修改整个调用栈的情况下使用同步 Python 代码调用异步 JavaScript。
11、编写玩具软件是一种乐趣
作者倡导编写玩具程序来重拾编程乐趣，遵循 80:20 原则用最少代码实现核心功能。文章分享了 20 个适合练手的玩具项目，包括正则引擎、操作系统内核、游戏模拟器和编译器等，每个项目都标注了难度和时间估算。
分析了当前主流 AI 编程工具（Cursor、GitHub Copilot、Claude Code、Amp、OpenAI Codex、Devin、v0 等）的优劣势和发展趋势等话题。
对比了不同编程助手工具（如 Cursor 和 Claude Code）在代码理解和生成质量的体验，总结了 Vibe Coding 的实用技巧，如精准的目标分解、提供关键输入、及时干预、善用计划模式等。（附：另一篇 AI 辅助编程的经验分享 How I Vibe Coding?）
🐿️项目&资源
一个精选优质 Python 资源的导航站，包含周刊、社区、博客和播客等，目前已收录 738 个。（ps.这是本周刊作者的个人项目，大部分网站的文章曾出现在我们周刊里，可以说是一份值得收藏的 Python 学习网站清单）
一个通过 AI 将网页重写为 Markdown 格式的终端浏览器，支持自定义提示词和视图配置，在命令行中也能舒适地浏览网页内容。
3、autoMate：类 Manus 的 AI 本地自动化助手
用自然语言让计算机自主工作的 AI 自动化工具。基于 OmniParser 构建，能够理解需求并自动规划任务，智能理解屏幕内容，模拟人类视觉和操作。（star 3.5K）
Anthropic 官方推出的智能编程工具，支持执行常规任务、解释复杂代码、处理 git 工作流程，可在终端、IDE 或 GitHub 中使用。（star 17.3K）
功能强大的电子书转有声书工具，支持语音克隆和超过 1110 种语言，使用 XTTSv2、Bark、Vits、Fairseq 等多种 TTS 引擎，可以将电子书转换为带章节和元数据的高质量有声书。（star 10.5K）
AWS 官方推出的 MCP 服务套件，通过 MCP 为 AI 应用提供 AWS 文档、上下文指导和最佳实践访问，支持云原生开发、基础设施管理和开发工作流程。（star 4.4K）
从零开始的大语言模型原理与实践教程，从 NLP 基础概念出发，深入讲解 Transformer 架构、预训练语言模型，并提供动手实现 LLaMA2 模型的完整流程，涵盖预训练到微调的全过程以及 RAG、Agent 等前沿应用。（star 7.7K）
8、Office-PowerPoint-MCP-Server：PowerPoint MCP 服务器
基于 python-pptx 的 PPT 操作 MCP 服务器，提供 32 个强大工具，支持创建、编辑和操作 PPT，支持专业设计功能、图表数据可视化、图像处理、形状创建等功能。
现代化的 Django 管理仪表板，具有美观的 UI、强大的过滤功能和细粒度权限控制。
为 AI 智能体实现动态记忆的开源框架，通过可扩展的 ECL 管道替代传统 RAG 系统。支持连接和检索过往对话、文档、图像和音频转录，支持从 30 多个数据源摄取数据。（star 6.1K）
11、FastAPI-boilerplate：FastAPI 异步 API 模板
使用 FastAPI、Pydantic V2、SQLAlchemy 2.0、PostgreSQL 和 Redis 的可扩展异步 API 模板。提供完整的用户认证、缓存、任务队列、分页支持等功能，配备现代化管理界面，支持 Docker 部署和 NGINX 负载均衡。（star 1.2K）
12、spy-search：比 Perplexity 更快的 LLM 搜索引擎
支持对接多种 LLM 服务，提供极快的搜索速度和智能代理架构，号称比 perplexity 搜索速度更快。
多功能的 Python 工具包，为 Python Web 应用提供企业级的 API 网关功能，包括缓存、限流、重试逻辑、超时控制和性能监控，并配有可视化仪表板。
🐧往年回顾
#59：Polars 1.0 发布了，PyCon US 2024 演讲视频也发布了
110 JIT 编译器两年回顾，AI 智能体工具大爆发
博客原文 | 发布时间：2025-07-12
🦄文章&教程
CPython JIT 编译器核心开发者 Ken Jin 回顾了两年来的开发历程，坦诚分析了项目的成功与挑战。他指出 JIT 成功用了社区驱动的开发模式，吸引了很多贡献者参与。然而性能表现仍不理想，在现代编译器下往往比解释器更慢，也许 3.15 版本有望带来真正的性能提升。
回顾了 Python 类型系统的演进历程，解释了从 Python 3.5 引入 typing 模块以来的重大变化。重点介绍了 NamedTuple 和 dataclass 语法，通过类定义方式创建类型更加直观优雅。还涵盖了泛型、NewType、TypedDict 等高级特性，配合 pyright 和 Pylance 工具，类型系统不仅提升了代码质量，更从根本上改变了 Python 的开发体验。
将 Wordle 游戏转化为 Python 包依赖问题，通过数千个虚拟包版本来表示字母位置约束，利用 uv 的快速依赖解析能力自动求解，想不到依赖管理工具有这样的意外用途吧？（附：周刊曾分享过 用 Python 包解析器解数独问题）
4、使用 FastAPI、MongoDB 和 WebSockets 开发实时仪表板
如何开发实时订单管理仪表板？文章通过 MongoDB Change Streams 监听数据变化，结合 FastAPI WebSockets 实现前后端实时通信，使用 Motor 异步驱动提升性能，展示了现代 Web 应用的实时数据处理最佳实践。
当你遇到类型检查器报错”违反 Liskov 替换原则”时别慌张。文章用蔬菜削皮器的例子生动解释了逆变概念：胡萝卜削皮器只能削胡萝卜，不能当通用蔬菜削皮器用。解决方案是使用泛型协议和 TypeVar，让类型系统明确知道每种削皮器对应的蔬菜类型，避免用 Any 关闭类型检查。
6、LangFlow 教程：用可视化工作流构建生产级 AI 应用
LangFlow 让 AI 应用开发变得像搭积木一样简单！拖拽预构建组件即可创建复杂工作流，无需编写一行代码就能构建多智能体系统和 RAG 应用。这篇教程演示了如何构建 Firecrawl 搜索组件，从环境配置到组件开发再到工作流集成的完整流程。
OLX 团队分享了如何将 FastAPI 推荐服务扩展到每秒处理数万请求，p99 延迟控制在 10ms 以内。通过异步 I/O 优化、批量查询减少扇出、移除 Pydantic 验证开销、调优垃圾回收参数等手段，降低了 40% 的延迟和提升了 50% 的吞吐量。
Python 3.13 引入的自由线程模式移除了 GIL，但如何让现有扩展适配呢？Quansight Labs 和 Meta 团队分享了生态迁移经验，关键是处理全局状态竞争。通过互斥锁保护共享变量、使用原子操作避免死锁、重新设计可变数据结构，配合 ThreadSanitizer 等工具检测数据竞争，让 Python 真正拥抱多线程时代。
作者通过开发一个 B+ Tree 库的实战经验，对比了”Augmented Coding”与”Vibe Coding”的差异。前者强调人机协作，开发者保持主导地位，运用 TDD 和整洁代码原则指导 AI 生成高质量代码，能产出更可靠、可维护的软件。
10、智能体的上下文工程
Context engineering 概念最近突然大火。文章将其归纳为四大策略：写入（保存到上下文窗口外）、选择（拉入相关信息）、压缩（保留必要 token）、隔离（分割处理）。通过便签本、记忆系统、多智能体架构等实践案例，展示了如何优雅解决长对话中的上下文管理难题。
作者犀利批评 PyTorch 的设计哲学，指出其追求灵活性却在大规模部署时暴露出性能瓶颈，PyTorch 试图同时兼顾动态特性和编译器优化，导致功能碎片化严重。相比之下，JAX 从设计之初就围绕 XLA 编译器构建，通过函数式编程和纯函数约束，实现了更优雅的分布式训练和自动并行化。
12、操作者，而非用户和程序员
《未来 200 年的计算机》系列文章，作者提出颠覆性观点：“用户”与”程序员”的区分是有害的，破坏了人们的主动性。他以电子表格的成功为例，说明可塑性软件能让普通人轻松编程，就像写简历一样自然。文章构想了未来计算系统应具备热重载、自动持久化、分布式版本控制、即时测试和连续部署等特性，让每个人都成为计算机的”操作者”。
🐿️项目&资源
1、trae-agent：基于 LLM 的通用软件工程智能体
字节跳动开源的智能编程助手，支持多种大模型，提供强大的 CLI 界面和交互模式。具备丰富的工具生态系统，包括文件编辑、bash 执行、轨迹记录等功能，采用模块化架构便于研究和扩展。（star 7.5K）
2、xai-sdk-python：xAI 官方 Python SDK
xAI 发布的 Python SDK，基于 gRPC 构建，支持同步和异步客户端。提供多轮对话、流式响应、图像理解、函数调用、结构化输出等丰富功能，专为 Python 3.10+ 设计，具备直观的 API 设计和完善的文档支持。
通过简洁的 Web 仪表板和命令行界面管理 Python 和 Shell 脚本的 tmux 会话。支持一键启动、监控和停止会话，提供实时系统状态、脚本链式执行、定时调度、实时日志查看等功能，让脚本管理变得简单直观。
4、devin.cursorrules：将 Cursor 转换为 Devin 级 AI 助手
通过自定义配置文件和 Python 脚本，将 20 美元的 Cursor 升级为具备 Devin 级别功能的 AI 编程助手。支持自动化规划和自我进化、扩展工具使用（包括网页浏览、搜索引擎查询）、多智能体协作等高级功能，让 AI 能够像实习生一样制定计划、更新进度并从反馈中学习。（star 5.8K）
带情感的 AI 聊天陪伴助手，支持自定义角色和永久记忆功能。内置 AI 情绪识别模型，表情动作随情绪变化，提供沉浸式聊天体验。支持 Vits 语音合成、视觉感知、RAG 记忆系统和存档功能，可搭配背景音乐创造个性化聊天。
使用 AI 开发多智能体工作流，通过对话式界面快速创建智能体助手，支持连接 MCP 服务器，提供 API 和 Python SDK 集成，支持 RAG 文档上传、URL 抓取等功能。（star 3.3K）
Mozilla AI 开源的智能体工作流代码生成工具，提供自动化评估和测试功能。包含 Chainlit 多轮对话界面、API 服务和 Web UI，是构建智能体工作流的强大工具。
Python 限流库，支持多种限流算法（固定窗口、滑动窗口、令牌桶、漏桶和 GCRA）和存储（Redis、内存）。支持异步，支持函数调用、装饰器和上下文管理器等多种使用方式。
9、tubearchivist：自托管 YouTube 媒体服务
可自托管 YouTube 视频归档和管理系统，支持订阅频道、自动下载视频、建立索引和搜索功能，提供 Web 界面来组织和播放离线视频。集成 yt-dlp 下载工具，支持观看记录追踪。（star 6.5K）
10、mlx-audio：基于 Apple MLX 框架的语音处理库
基于 Apple MLX 框架的文本转语音、语音转文本和语音转语音库。支持多语言、语音定制、语速调节，提供交互式 Web 界面和 3D 音频可视化。（star 2.5K）
专为处理格式错误的 XML 而设计的 Python 解析库，优先考虑容错性而非严格的 XML 合规性。特别适用于解析 LLM 生成的 XML，提供流式和树构建两种 API，具备强大的错误恢复机制和详细的诊断信息。
12、Python-Scripts: 自动化任务 Python 脚本集合
精心整理的 Python 自动化脚本集合，涵盖文件管理、图像处理、数据转换、网络工具等多个领域。包含文件整理器、图像压缩、CSV 转换、邮件自动化、密码生成器等实用工具。
🐧往年回顾
#10：Twitter 的强敌 Threads 是用 Python 开发的！
111 Django迎来 20 周年、OpenAI 前员工分享工作体验
博客原文 | 发布时间：2025-07-19
🦄文章&教程
Django 的起源可追溯到 2003 年堪萨斯州劳伦斯市的一家小报社，两位开发者因对 PHP 的局限性感到不满，决定用 Python 开发新的 Web 框架。Django 之父回忆了 Django 从无到有的创造过程，展现了技术选择背后的思考，对理解开源项目的发展很有启发意义。
2、用 Python 探索 Llama Stack：工具调用和智能体
介绍了如何用 Python 与 Llama Stack 进行工具调用和智能体开发。从环境搭建开始，展示了工具定义、函数实现和 API 调用的完整流程，特别强调了使用文档端点进行 API 探索的技巧，是一篇实用的 LLM 开发指南。
3、从 SQL 到 SQLModel：Python 操作数据库的更简洁方式
SQLModel 由 FastAPI 作者开源，用 Python 对象和类型注解替代 SQL 查询来操作数据库。基于 Pydantic 和 SQLAlchemy 开发，提供数据验证、IDE 支持和更好的可测试性，显著提升代码的清洁度和可维护性。
作者深入对比了三种实现混合并发执行器的方案：继承方案代码最简洁且向前兼容性最好，组合方案需要大量样板代码，纯函数方案虽然简单但存在全局状态问题，挑战了”组合优于继承”的传统观念。
分享了使用 GNU Make 管理 Python 项目的现代化工作流。通过简化 Makefile 并结合 uv 工具，实现跨平台的项目自动化管理，包括虚拟环境创建、依赖安装和复杂构建流程。
6、用 Asyncio Protocols 开发简单 HTTP 服务器
文章介绍了如何用 Asyncio Protocols 这一底层回调机制开发 HTTP 服务器，相比高级的 Streams 抽象，Protocols 避免了协程开销，能更快响应网络事件，性能测试显示比 FastAPI 快约 8 倍。
文章介绍了 DuckDB 这个嵌入式 SQL 数据库的核心特性，通过对比 pandas 展示了其在内存效率和性能上的优势，演示了如何零配置使用 DuckDB、与 pandas/Polars 无缝集成，以及自动解析各种文件格式的能力。
作者因 AI 开发需求而转向 Python，分享了从脚本工具到生产级应用的完整工具链。通过 uv、ruff、FastAPI 等工具构建单仓库架构，配合 Docker 和 GitHub Actions 实现自动化部署，展现了 Python 生态系统的成熟和开发效率。
作者在开发 2048 游戏时遇到迭代器陷阱，解释了 range() 返回可重用的可迭代对象，而 reversed() 返回一次性迭代器的区别。使用 itertools.product() 巧妙解决了嵌套循环中的迭代器复用问题，深入浅出地分享了 Python 迭代机制的核心概念。
文章剖析了 Django 外键的常见陷阱和优化技巧，从替换 unique_together 到识别重复索引，再到安全迁移外键约束，详细讲解了如何避免阻塞迁移、实现并发索引操作等生产环境中的关键问题。
这篇教程介绍了从 logging 模块的四大组件到 JSON 格式输出，再到 YAML 配置和异步处理，全面覆盖了日志系统的开发实践，是一份实用的生产环境日志系统开发指南。
前 OpenAI 员工分享了真实的工作体验。从自下而上的研究文化到全 Slack 沟通模式，从 7 周开发 Codex 的疯狂节奏到 Python 巨型单体仓库架构，揭示了这家 AI 巨头内部的运作机制和工程实践。
作者基于 25 年开源开发经验，提出了在开源软件中应用 LLM 的理性思考框架。强调开源协作本质上是复杂的社会动态系统，建议仅在学习和创作中谨慎使用 LLM，但在开源协作时保持人类主导。
🐿️项目&资源
Moonshot AI 开源模型，拥有 32B 激活参数和 1T 总参数，支持 128K 上下文长度。采用 Muon 优化器训练，在前沿知识、推理和编程任务上表现出色。（star 5.4K）
开源的智能代理浏览器，基于 Chromium，专注于隐私保护和本地 AI 处理。它支持在本地使用自己的 API 密钥或通过 Ollama 运行本地模型，可以执行网页表单填写、数据提取等重复性任务，未来还将支持 MCP 商店和内置 AI 广告拦截器。（star 2.6K）
让 AI 代理能够与 MacBook 交互的工具，能够执行从简单的计算器操作到复杂的网页登录等任务。项目的愿景是让 AI 智能体在任何 Apple 设备上执行任何操作，未来计划支持本地推理和 iPhone/iPad 设备。（star 1.5K）
4、SuperClaude：Claude Code 增强框架
一个增强 Claude Code 的配置框架，提供 16 个专业化命令、智能角色系统和 MCP 服务器集成。支持开发、分析、质量控制等各类编程任务，通过智能路由选择合适的工具和专家，让开发工作流程更加顺畅。（star 9.1K）
Python 官方推出的 Windows 平台 Python 安装管理器，基于 PEP 773 提案。支持多版本 Python 管理、自动化安装配置，提供 MSIX 和 MSI 两种安装包格式，简化 Windows 的环境管理体验。
6、mcp-for-beginners：微软推出的 MCP 入门教程
微软开源的教程，包含 .NET、Java、TypeScript、JS 和 Python 等语言示例。从基础概念到高级主题，包含服务器构建、客户端开发、安全实践、多模态集成等完整学习路径。（star 5.2K）
开放的 AI 智能体通信协议，支持多模态消息传递，包括文本、代码、文件和媒体内容，提供实时、后台和流式响应。具备智能体发现、长期任务协作和状态共享功能，配套完整的 Python 和 TypeScript SDK。
基于 ONNXRuntime、OpenVINO、PaddlePaddle 和 PyTorch 的多平台多语言 OCR 工具包。支持中英文识别，可快速离线部署，提供 Python、C++、Java、C# 等多种语言接口。（star 4.6K）
Mistral AI 发布的开源语音理解模型，提供 24B 和 3B 两个版本。支持长达 30 分钟的语音转录、内置问答和摘要、多语言支持、语音直接调用函数等功能，在转录准确性和语义理解方面超越 Whisper 等现有模型。
10、html-to-markdown：现代化 HTML 转 Markdown 工具
基于 markdownify 重写的 Python 库，支持完整的 HTML5 元素转换。支持严格的类型安全、元数据提取、流式处理、高亮文本支持、任务列表转换等功能，代码覆盖率达到 100%。
11、aiosqlitepool：高性能异步 SQLite 连接池
为异步 SQLite 应用设计的高性能连接池，通过复用长连接消除连接开销，保持 SQLite 内存页缓存热度，显著提升并发查询性能。支持连接健康检查、自动事务回滚和空闲连接替换，在高负载下可提升 72% 的查询吞吐量。
12、epub-translator：AI 驱动的 EPUB 电子书翻译工具
用大模型翻译 EPUB 电子书，保留原书格式、插图、目录和布局，同时生成双语对照版本。支持多语言翻译、自定义提示词、多种 AI 模型选择和高性能并行处理。
13、ai-engineering-hub：LLM 和 AI 智能体深度教程
关于 LLM、RAG 和 AI 智能体的教程资源，包含从基础概念到实际应用的完整学习路径，涵盖多智能体系统、语音处理、文档分析、知识蒸馏等前沿技术，有丰富的实践案例和代码示例。（star 14.3K）
🐢播客&视频
1、PyData London 2025 视频合集（50个）
🐧往年回顾
112 欢迎 AI 时代的编程新人
博客原文 | 发布时间：2025-07-26
🦄文章&教程
一则新提案，PEP-798 提议扩展列表、集合和字典推导式的语法，允许在表达式开头使用解包符号 * 和 **，实现任意数量可迭代对象的优雅合并。相比传统的双重循环或 itertools.chain 方案，新语法 [*it for it in its] 更加直观简洁。
cereggii 库的 AtomicDict 提供线程安全的字典操作，通过 reduce() 方法实现无数据竞争的多线程聚合。相比传统 dict，AtomicDict.reduce_sum() 在单线程下性能提升 30%，4 线程下达到 5 倍加速。
3、PEP 799：专用的 profilers 包来整合 Python 性能分析工具
这则 PEP 提议引入统一的 profilers 模块，整合现有的性能分析工具。新模块提供 profilers.tracing（cProfile 别名）和 profilers.sampling（新的 tachyon 采样分析器），同时废弃老旧的 profile 模块，提供更清晰的工具选择。
metap 提供强大的 Python 元编程能力，支持程序增强、代码生成和结构内省三大功能。通过简单的客户端 API 实现动态类型检查、日志记录和自定义宏，支持自动化编码模式以提升代码可维护性。
Python 3.14 引入 sys.remote_exec 功能，可向运行中的 Python 程序注入代码执行，无需重启程序即可进行调试和状态检查，为开发调试工具提供了标准化的解决方案。
Django ORM 的懒加载机制容易产生 N+1 查询问题，通过 select_related() 和 prefetch_related() 方法可以有效解决，前者适用于单值关系，后者适用于多值关系。
Textual 创始人基于 Python 和 Textual 开发了 Toad，可解决现有终端 AI 编程工具（例如 Claude code 和 Gemini CLI）的闪烁和交互问题，提供无闪烁更新、文本选择和流畅滚动等功能。
全面对比了 2025 年主流 Python 打包工具，包括超快的 Rust 驱动 uv、结构化项目首选 Poetry、传统可靠的 pip、简化基础的 Pipenv、复杂项目利器 Hatch 和标准优先的 PDM。（分享自@Wardah Awais）
Flask 作者 Armin Ronacher 呼吁 Python 社区拥抱通过 AI 工具入门编程的新一代开发者。他认为 AI 不会减少程序员数量，反而会带更多人进入编程领域，Python 社区应主动接纳这些”vibe coders”，为他们提供指导和帮助，避免被商业工具捆绑。
10、Python 中”Parse, don’t validate”的含义
深入解析了”Parse, don’t validate”编程原则在 Python 中的实际应用。文章指出解析本质上是带有理解的验证，通过将低级数据转换为高级结构化类型，不仅提供了便利性和安全性，还设立了代码间的信任边界。介绍了从简单的 NewType 到 Pydantic 的多层次解决方案。
11、修复 Python 管道输出中的 BrokenPipeError
当 Python 脚本输出大量数据并通过管道传递给只读取部分内容的命令时，会遇到 BrokenPipeError。文章详细解释了错误产生的原因：接收端提前关闭管道导致 SIGPIPE 信号。提供了 try/except 包装和上下文管理器两种优雅的解决方案，通过重定向输出到 /dev/null 避免程序异常退出。
PyCharm 的全行代码补全功能通过本地 AI 模型智能推断日志语句，解决了写 f-string 日志时的认知负担。该功能基于 100M 参数的 Transformer 模型，经过量化压缩至 100MB，专门针对 Python 代码优化，能显著提升调试效率。
13、如何理解编程中的时间？
文章通过”绝对时间”和”民用时间”概念，解释了编程中的时间处理的复杂性。从 Unix 时间戳到 UTC 标准、闰秒调整和时区转换，系统阐述了时间在计算机系统中的表示方法，帮助开发者理解为什么”直接用 UTC”并非万能的解决方案。
🐿️项目&资源
支持 AI 智能体编程的 qwen 大模型。混合专家模型，在 AI 智能体编程、浏览器使用和工具使用方面达到开源模型最佳水平，可媲美 Claude Sonnet。（star 9.1K）
2、awesome-claude-code：Claude Code 精选资源集合
包含斜杠命令、CLAUDE.md 文件、CLI 工具和其它资源，提升 Claude Code 工作流、生产力和使用体验。（star 6.7K）
3、open_deep_research：开源深度研究 AI 智能体
LangChain 团队开源的深度研究 AI 智能体，能进行深度信息收集和分析，支持多维度评分系统和批量评估功能。可通过 Web UI、环境变量或直接修改配置来自定义研究流程和模型行为。（star 6.3K）
4、PhotoshopAPI：高性能的 Photoshop 文件解析器
基于 C++20 的高性能 Photoshop 文件解析器，提供 Python 绑定。支持图层编辑、智能对象等功能，读取速度比 Photoshop 快 5-10 倍，写入速度快 20 倍。
5、LanceDB：多模态 AI 数据湖仓（star 7.1K）
面向多模态 AI 的嵌入式检索引擎，支持向量搜索、全文搜索和 SQL 查询。能存储和搜索 PB 级多模态数据，与 LangChain、LlamaIndex 等深度集成。（star 7.1K）
用于本地管理电视和电影的库。作为 Sonarr、Radarr 等的替代品，支持 TVDB 和 TMDB 元数据，支持 Docker 部署和 API 交互。
7、fstrings.wtf：Python F-String 知识测验
一个有趣的 Python F-String 知识网站，包含 26 道题目，测试你对 Python 3.13 中 f-strings 行为的理解程度。支持键盘快捷键操作，可保存答题进度。
基于 Rust 开发的 Python 代码复杂度计算工具，支持命令行、GitHub Action、VSCode 扩展和 pre-commit 钩子等多种使用方式，提供 CSV/JSON 导出和自定义阈值设置。
使用 GRPO 算法训练多步骤 AI 智能体的开源强化学习框架。支持 Qwen、Llama 等多种模型，提供 RULER 零样本奖励系统，无需手工设计奖励函数。包含客户端-服务器架构，支持远程训练和本地 GPU 部署。（star 3.6K）
真正能完成任务的桌面 AI 个人助手，可操作鼠标键盘、浏览器、填写表单、发送邮件等。支持 Claude、GPT-4、Azure OpenAI 等多种模型，采用 FastAPI + Electron + React 架构，提供模块化智能体系统。
首个采用自回归扩散强制架构的开源视频生成模型，支持无限长度视频生成。提供文本转视频、图像转视频、视频扩展等功能，包含 1.3B 到 14B 多种规模模型，支持 540P 和 720P 分辨率输出。（star 3.6K）
12、gitingest：将 Git 仓转换为适合 LLM 的文本摘要
支持命令行、Python 包、浏览器扩展等多种使用方式，可基于 GitHub URL 或本地目录生成代码库的文本摘要，包含文件结构统计和 token 计数功能。（star 11.2K）
🐧往年回顾
113 用虚拟线程取代 async/await
博客原文 | 发布时间：2025-08-02
🦄文章&教程
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。
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。
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。
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。
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。
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。
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。
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。
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！
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。
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
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）
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）
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）
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）
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）
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）
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。
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。
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）
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
#13：Jupyter Notebook 7 发布了，无 GIL 提案传来大好消息！
114 Python 的性能神话与真相
博客原文 | 发布时间：2025-08-09
🦄文章&教程
深入剖析 CPython 的 JIT 编译机制，从 token 解析到字节码再到机器码的完整链路，特别揭示了 3.14 中实验性 JIT 如何通过 micro-op 和 copy-and-patch 技术将热点代码转为原生指令，有助于理解 Python 性能优化的技术路线图。
Litestar 是新兴的异步 Python Web 框架，作者发现它的独立路由装饰器可解决循环导入问题，内置 Pydantic、dataclasses、msgspec 等多验证方案，深度集成 SQLAlchemy 配合 Advanced Alchemy 自动生成数据仓库，可为大项目提供优雅扩展架构。
作者指出 Python 内置类型和标准库已能优雅解决大多数场景：用 namedtuple 或 dataclass 替代简单数据容器，用函数取代无状态工具类，用模块自然分组常量，字典列表即可管理状态，善用标准库避免过度设计，让代码保持简洁 Pythonic。
4、Rust、Python、TypeScript：新的三剑客
作者预言 AI 编程时代将重塑编程语言的选型：Rust 担纲系统级性能，Python 提供数学与 ML 生态，TypeScript 主宰 Web 与工具链，三者在类型安全与依赖管理上优势互补，构成面向未来的全栈技术组合。
PyPy 核心开发者在 EuroPython 演讲直击性能误区：“Python 够快”仅是部分场景，重写热点代码终将撞墙，静态类型对运行时优化毫无帮助，真正的瓶颈在于内存管理和语言语义，作者正开发 SPy 项目探索超高性能 Python 新路径。
文章介绍了三种避免竞态条件的 Django 计数方案：数据库锁的 select_for_update、原子操作的 F() 表达式、缓存层的 cache.incr，可按精度需求灵活选择。
作者认为应当定义双下方法让 Python 解释器调用，而非直接调用它们；使用 str()、len()、in 等高级接口而非 obj.__str__()、obj.__len__()，不涉及底层细节并确保行为一致性。
8、在 OpenGist 中渲染 Jupyter Notebook
OpenGist 前端原生支持 .ipynb 文件渲染，无需后端改动即可像 GitHub 一样展示 notebook；支持代码高亮、Markdown、LaTeX，让你自建私有 gist 服务也能优雅分享 Jupyter 工作流。
作者分享了从 pyenv 迁移到 uv 的使用经验：先用 pyenv 卸载旧版本，再用 brew 移除冗余安装，最后统一用 uv 管理本地 Python，让版本切换更简单、系统更清爽。
10、Conda 生态系统详解
文章系统梳理了 conda 生态三大支柱：跨语言 CLI 工具、频道化包仓库（conda-forge、bioconda 等）与构建体系，并点出 Mamba、Pixi 等新工具对核心格式的兼容，理清了 conda 庞大生态的脉络。
11、setuptools 与 setup.py 的前世今生
文章梳理了 setuptools 的演进脉络：从早期 distutils 的 setup.py 到 setuptools 的声明式配置，再到 pyproject.toml 的现代标准；指出 setup.py 虽仍可用但已非必需，新项目应拥抱 pyproject.toml 的简洁统一。
12、系统设计的朴素智慧
作者提炼了系统设计核心：好的设计应该简单朴素，状态管理是最大挑战，数据库设计最关键，应最小化有状态组件，用简单可演进的架构替代过度复杂的分布式方案。
🐿️项目&资源
1、zotero-arxiv-daily：基于 Zotero 文献库的 arXiv 论文智能推荐
arXiv 论文智能推荐工具，通过分析你已有的文献，利用 AI 生成摘要并通过邮件每日推送。通过 GitHub Actions 部署，无需安装，配置简单。（star 3.1K）
2、Office-PowerPoint-MCP-Server：PowerPoint 文稿操作的 MCP 服务器
使用 python-pptx 库，提供 32 个专业工具，涵盖幻灯片管理、文本格式化、图表创建等 11 个模块。支持模板、多样的颜色方案、渐变背景、图片特效等高级功能，可由 AI 智能体直接操作。
用于开发实时语音和多模态对话 AI 智能体。轻松编排音频、视频、AI 服务和对话管道，支持语音助手、AI 伴侣等多种应用场景，具备超低延迟的实时交互能力。（star 7.5K）
一个 Claude Code 日志分析工具，帮助开发者更好使用 Claude Code。提供使用模式分析、错误分解和消息历史分析等功能，并能将分析结果以可分享的仪表板形式展示。
一个视频生成加速框架，涵盖了从数据预处理到模型训练、微调、蒸馏和推理的全流程。支持多种硬件和操作系统，并集成了稀疏蒸馏、视频稀疏注意力等多种性能优化技术，旨在实现高效、可扩展的视频生成。（star 1.8K）
通过追踪和评估智能体与环境的交互，为强化学习、监督式微调、监控和回归测试提供数据和信号，从而实现智能体的持续学习和自我改进。
用于计算机视觉和机器人学的基于 Web 的 3D 可视化 Python 库。提供了 3D 原始数据可视化、GUI 构建、场景交互和相机控制等功能，易于上手且能组合成复杂界面，方便通过 SSH 在服务器上运行。（star 1.7K）
功能全面的股票分析工具，支持数据获取、指标计算、形态识别、策略选股、回测和自动交易。该项目兼容 PC 和移动设备，并提供 Docker 镜像，方便量化投资者使用。（star 9.8K）
帮助 AI 智能体学习和适应长期交互的工具。能从对话中提取关键信息，通过 prompt 优化智能体行为，并维护长期记忆，与 LangGraph 原生集成，实现持续改进和个性化响应。
10、Auto-Gmail-Creator: 批量 Gmail 账户自动创建
使用 Selenium 和 Seleniumwire 实现的批量 Gmail 账户自动创建机器人。该工具能自动化完成 Gmail 注册，并集成了短信服务用于手机验证，支持多浏览器和代理配置。
适用于 Microsoft Windows 的免费、开源屏幕阅读器。它由 NV Access 主导开发，旨在让视障人士能够无障碍地使用电脑。（star 2.4K）
在多个远程服务器上通过 SSH 并发执行 shell 命令的 CLI 工具。它支持对服务器进行分组管理，可以方便地对指定分组的服务器执行命令，并支持文件推送和拉取。
🐧往年回顾
Python 潮流周刊#64：Python 的函数调用还很慢么？
Python 潮流周刊#14：Lpython 高性能编译器、Python 与 JavaScript 实现互通
115 Astral 推出 pyx 包仓库，AI 优化 20 年古老代码
博客原文 | 发布时间：2025-08-16
🦄文章&教程
Astral 推出 pyx，一个 Python 原生软件包仓库。不仅是传统软件包仓库，更是 uv 的优化后端，通过垂直整合客户端和服务器解决了 PyTorch 安装困难、团队重复开发包、版本兼容性等痛点问题。支持 GPU 感知、私有包托管和公共源加速。
讲解了 pytest 的 parametrize 装饰器用法，通过实例演示了如何消除代码重复。从基础的多个测试函数开始，逐步展示如何使用 @pytest.mark.parametrize 将测试数据参数化，既减少了代码冗余又提高了测试的可维护性。
3、HRT 的 Python 分支：利用 PEP 690 实现更快导入
HRT 博客分享了他们基于 Cinder 实现的懒加载导入机制，通过延迟模块解析和求值直到实际引用时才执行，显著减少了启动时间。该方案使用 LazyImport 占位符对象替代立即执行的导入语句，解决了大型代码库中导入开销过大的问题。
介绍了 Python Wheel 变体机制，通过插件架构替代传统平台标签来处理复杂的包分发需求。使用命名空间属性和 JSON 元数据描述包变体，解决了 GPU 加速、CPU 架构和数值库选择等问题，让 PyTorch 等复杂包能更灵活地分发不同版本。
NVIDIA 博客介绍了 7 种 GPU 加速方案，通过简单的参数设置或扩展加载即可提升 pandas、Polars、scikit-learn、XGBoost 等库的性能，无需修改现有代码就能获得显著的速度提升。
6、DeepSeek-R1 能否优化世界上最古老的代码库之一？
作者用 DeepSeek-R1 优化 CPython 内核中有 20 年历史的大数运算代码，在 70B 到 371B 参数的多轮实验中，AI 既展现了惊人的优化洞察，也闹出了让 Python 直接崩溃的乌龙。
作者开发了基于 pypcode 的汇编验证工具，通过在汇编代码中添加内联注释来定义前置条件、断言和后置条件，实现对二进制代码的半自动化验证。
文章分析了 Python 包安装路径与版本绑定的设计问题，指出这种机制虽然解决了字节码和 C ABI 兼容性问题，但导致版本升级时所有包都需重新安装。
回顾了 Python 从 1991 年诞生到成为全球最受欢迎编程语言的社区发展历程，从 1994 年马里兰州 20 人聚会开始形成真正的社区，经历了早期商业化尝试失败、基金会组织架构探索等关键节点，强调了社区价值观和人的力量在 Python 成功中的重要作用。
这则新发布的 PEP 提出一种空集语法 {/}，通过模仿数学符号 ∅ 来解决当前空集只能用 set() 构造的问题。这个语法避免了名称查找，提升了初学者的学习体验，特别是对数学背景用户更友好。已在社区投票中获得 41% 支持率，计划在 Python 3.15 中实现。
11、mssql-python vs pyodbc：SQL Server 性能基准测试
微软推出 SQL Server Python 驱动 mssql-python，通过 DDBC 直连架构和 PyBind11 绑定技术，在核心 SQL 操作中比 pyodbc 快 2-4 倍，批量插入快 8.6 倍，1000 连接创建快 16.5 倍。
教程展示了如何用 plotnine 创建专业的注释面积图，通过煤炭生产数据可视化演示了从数据预处理到图表美化的完整流程。文章涵盖自定义网格线、多层注释、颜色配置和字体管理等高级技巧。
🐿️项目&资源
高精度文档转换工具，支持 PDF、图片、PPTX、DOCX、XLSX、HTML、EPUB 等格式转换为 markdown、JSON、HTML。能够格式化表格、公式、内联数学、链接和代码块，提取保存图像，移除页眉页脚。（star 27.6K）
2、stagehand-python：AI 浏览器自动化框架
结合自然语言和代码的浏览器自动化框架，支持 act（执行操作）、extract（数据提取）、observe（页面观察）、agent（多步任务）四大功能。可预览和缓存操作，集成 OpenAI 和 Anthropic 的计算机使用模型。
面向树莓派和 PC 的开源数字标牌平台。支持多种树莓派型号，兼容 balenaOS 和 Raspberry Pi OS。提供完整的数字标牌解决方案，适用于商业展示、信息发布等场景。（star 3.1K）
基于 PySide6 的现代化 YouTube 下载器，支持任意质量视频下载、音频提取、字幕获取、SponsorBlock 去广告、播放列表下载等功能。提供简洁的图形界面，支持格式表格、多字幕选择合并、缩略图保存、视频剪切等高级功能。（star 1.8K）
5、free-llm-api-resources：免费 LLM API 资源列表
精心整理的 LLM API 资源清单，涵盖 OpenRouter、Google AI Studio、NVIDIA NIM、Mistral、Groq、Cerebras 等多个平台。详细列出各服务的使用限制、支持模型和访问方式。（star 4.7K）
斯坦福开发的通用生物医学 AI 智能体，结合大模型推理、检索增强规划和代码执行能力。支持 CRISPR 筛选设计、单细胞 RNA 测序注释、ADMET 性质预测等多种生物医学研究任务，提供 Web 界面和 MCP 协议支持。（star 2K）
7、genai-processors：模块化 AI 管道开发库
Google Gemini 开发的轻量级 Python 库，用于构建模块化、异步和可组合的生成式 AI 管道。基于 Processor 概念设计，支持流式处理、并行执行、链式组合等功能，支持文本、图像、音频等多模态数据。（star 1.9K）
智能问数系统，支持自然语言转 SQL 查询。开箱即用，只需配置大模型和数据源即可使用。易于集成到第三方系统，支持 n8n、MaxKB、Dify、Coze 等平台调用，提供工作空间资源隔离和细粒度权限控制。
结合 AI 智能体与传统脚本，支持结构化输出、隐身浏览器会话、混合工作流、凭证管理和数字身份等功能，可降低 50% 以上成本并提高可靠性。（star 1.5K）
字节开源的多模态文档图像解析模型，采用分析-解析两阶段方法，支持文本、表格、公式等多种文档元素的高效处理，提供 Hugging Face 和原生框架两种推理方式。（star 5.5K）
11、open-notebook：Notebook LM 开源替代
隐私优先的 Google Notebook LM 替代方案，具备多模态内容组织、专业播客生成、智能搜索、上下文对话等功能。提供完整数据主权、成本控制、无限定制和 API 访问，支持 Docker 部署和本地运行。（star 3.4K）
全能网页爬虫开发框架，可破解各种机器人检测系统如 Cloudflare、BrowserScan、Fingerprint 等。支持人性化鼠标移动、桌面应用转换、网站界面开发、代理成本节省高达 97%。提供简单的并行化、配置文件、扩展和代理配置，集成缓存、站点地图、数据清理等实用工具。（star 2.8K）
🐧往年回顾
116 Python 2025 年现状
博客原文 | 发布时间：2025-08-23
🦄文章&教程
Python 软件基金会和 JetBrains 联合发布的第八届开发者调查报告出炉了！揭示了重要趋势：86% 的受访者将 Python 作为主要编程语言，50% 的开发者编程经验不足两年，数据科学已占据 Python 应用的半壁江山。
2、Python 文件流传输：8 美元服务器上实现 237MB/s
作者开发了一个 WSGI 核心 Axon，仅用 507 行纯 Python 标准库代码就在 8 美元月费的服务器上实现了 237MB/s 的文件流传输性能。该框架把 HTTP 请求体映射成可迭代字节流，边收边发，内存占用恒定在几十 KB。
面对恶意 AI 爬虫大量创建一次性会话导致真实用户会话被挤出缓存的问题，作者提出用 LFU（最少使用频率）替代传统 LRU（最近最少使用）缓存策略。通过配置 Redis 的 volatile-lfu 模式，能有效保护频繁访问的用户会话，确保电商购物车等关键业务数据不被恶意流量冲刷。
文章深入介绍了上下文工程，通过 DSPy 框架演示如何将复杂问题分解为多个子任务，让不同能力的 AI 智能体协作完成，避免了将所有信息塞入单一上下文导致的性能下降问题。
深入解析 Python 代理对象的实现原理，通过特殊方法实现对象调用的透明代理。展示如何利用这一机制开发数据库连接池、文件系统抽象等高级功能。
PyPI 推出新的安全机制来防范域名复活攻击。当用户邮箱域名过期后，攻击者可能购买该域名并通过密码重置获取账户控制权。PyPI 会定期检查域名状态，一旦发现域名进入赎回期就会取消相关邮箱验证，有效阻断这类供应链攻击。
文章分享了如何用符号模式匹配来设计算法，通过 Symbolica 库将图论问题转化为数学表达式操作。作者演示了用模式替换实现阶乘计算、图连通性检测等算法，虽然效率不是最优但提供了一种优雅的算法思维方式。
文章通过声明式编程范式介绍约束编程，用变量和约束描述问题。以 Python CP-SAT 求解器演示如何解决仓库选址、物流调度等离散优化问题，展现了约束编程在处理复杂组合优化场景中的强大能力。
Guido van Rossum 的博客旧文，揭秘了 BDFL（终身仁慈独裁者）称号的起源。1995 年 4 月 18 日在 CNRI 的 Python 软件协会首次会议上，每个与会者都起了以”First Interim”开头的头衔，而 Guido 的头衔最为幽默。这个称号很可能由 Ken Manheimer 或 Barry Warsaw 提出，成为 Python 社区文化的重要标志。
10、ASCII 雨滴滚动艺术
文章展示了如何用纯 Python 标准库创建终端雨滴动画效果。通过 deque 数据结构管理，用字符 v 和 | 分别表示雨滴和尾迹，结合随机数生成和时间延迟实现流畅的下雨动画。代码简洁优雅，仅需几十行就创造出令人印象深刻的视觉效果。
11、人性化的超时和取消机制
Trio 库作者深入探讨 I/O 操作中超时处理的设计难题，分享 Trio 的 cancel scopes 解决方案。通过取消令牌和作用域机制，解决传统超时 API 难以抽象和组合的问题，为异步编程提供更人性化的超时控制方式。
作者挑战传统日志分级思维，认为复杂的日志级别体系（如 WARNING、DEBUG、TRACE）实际上并不实用。通过分析日志的两个核心用途——“需要警报的错误”和”帮助调试的信息”，提出只用 ERROR 和 INFO 两个级别就足够了，同时建议通过结构化日志、请求 ID、时间戳等方式提升日志的实用性。
🐿️项目&资源
一个 AI 智能体框架，通过自然语言而非复杂的系统提示词来定义行为准则，确保智能体严格遵循指令。支持对话流程管理、工具集成、领域适配和模板响应等功能，可在 60 秒内快速部署。（star 7.3K）
用于追踪位置或手机号码的 OSINT 信息收集工具。支持 IP 地址追踪、手机号码信息查询和社交媒体用户名搜索功能，可在 Linux 和 Termux 环境下运行。（star 2.8K）
为 AI 编程助手提供知识库和任务管理的命令中心。支持文档爬取、PDF 上传、智能搜索和任务管理，通过 MCP 协议连接 Claude Code、Cursor 等 AI 工具，提升 AI 驱动编程的效果。（star 10.2K）
4、mcp-context-forge：MCP 网关和注册中心
一个 MCP 网关和注册中心，作为工具、资源和提示词的中央管理。支持将 REST API 端点转换为 MCP，组合虚拟 MCP 服务器并增加安全性和可观测性。（star 1.4K）
5、tensorlake：文档摄取 API 和无服务器数据处理平台
一个将非结构化文档转换为 AI 可用数据的平台，通过 API 解析 PDF、DOCX、电子表格等格式，并提供无服务器工作流运行时来开发可扩展的数据处理管道。
开源的 Celery 集群监控和管理 Web 应用，提供任务进度查看、工作节点状态监控、远程控制和队列统计等功能。支持实时事件监控、HTTP 认证、Prometheus 集成和 REST API，是 Celery 分布式任务处理的必备管理工具。（star 6.9K）
提供从概念到发布的端到端研究自动化，包括文献综述、创意生成、算法设计实现、结果分析和论文撰写等功能。支持详细创意描述和基于参考文献的创意生成两种输入模式。（star 2K）
一个免费的像素艺术编辑器，使用 PySide6 开发，支持绘制工具、实时预览、撤销重做和导出功能，专为创建精灵、图标和小2D资产设计。无需注册或安装，即开即用。
9、plutoprint：HTML 到 PDF 和图像生成库
轻量易用的 Python 库，可将 HTML 或 XML 内容生成高质量 PDF 和图像。基于 PlutoBook 渲染引擎，提供简单 API，适合创建报告、发票或视觉快照。支持命令行，还可集成 Matplotlib 生成图表。
专为处理 3D 点云数据而设计的大模型，能够生成结构化的 3D 场景，包括墙壁、门窗等建筑元素和带语义类别的定向物体边界框。支持多种数据源如单目视频、RGBD 图像和激光雷达传感器，有效连接非结构化 3D 几何数据。（star 3.9K）
11、One-KVM：DIY IP-KVM 远程控制解决方案
利用廉价硬件实现 BIOS 级别的远程服务器管理。支持 Docker 部署、中文界面、视频录制和虚拟存储挂载等功能，无需在目标机器安装软件即可进行远程控制，适用于家庭实验室和服务器维护场景。（star 1.6K）
全栈框架，用于构建和部署可靠的浏览器 AI 智能体。结合 AI 智能体与传统脚本，提高效率并降低成本。支持自然语言任务执行、Pydantic 结构化输出、网站交互、隐身浏览器会话、混合工作流、秘密保险库和数字角色等功能。
🐧往年回顾
117 Python 起源故事的纪录片
博客原文 | 发布时间：2025-08-30
🦄文章&教程
1、如何观测并修复 pandas 工作流中的 5 个常见性能瓶颈？
NVIDIA 博客分享了 pandas 性能优化的实战指南，针对 CSV 读取缓慢、内存密集型连接操作、字符串处理卡顿、分组聚合耗时和循环遍历低效等五大瓶颈，提供了 PyArrow 引擎、索引连接、类别数据类型、GPU 加速等解决方案。特别介绍了 cudf.pandas 扩展，能在不改变代码的情况下实现数量级的性能提升。
Python 3.14 新增的 functools.Placeholder 解决了偏函数应用中的位置参数占位问题。当要冻结函数的非首位参数时，传统的 functools.partial 只能通过关键字参数实现。Placeholder 能够用占位符预留参数位置，实现更灵活的函数组合。
深入剖析了 Python 命名空间包的复杂性和实际问题。命名空间包可将单个导入包分割到多个磁盘目录中，这在大型企业项目中很有用，但也带来了路径查找、模块加载等挑战。文章解释了显式和隐式命名空间包的区别，以及在不同环境管理器中可能遇到的问题，建议在每个目录中都使用 __init__.py 来避免这些复杂性。
通过 Python 内省能力自动检查 Django 模型字段命名规范，解决 DateField 和 DateTimeField 混淆问题。利用 Django 检查框架，要求时间戳字段以 _at 结尾，日期字段以 _on 或 _date 结尾，避免因命名不一致导致的维护困扰和类型混淆错误。
5、用 Django Ninja、Pydantic 和 JSON-LD 提升 SEO
通过 Django Ninja 和 Pydantic 生成结构化数据，替代在模板中直接嵌入 JSON-LD 的方式。这种方法提供了更好的代码维护性、类型验证和模块化复用。
结合抽象语法树分析和 AI 生成的混合测试方法。通过解析 AST 识别代码分支，指导 AI 生成精确的测试用例，实现系统性的高覆盖率测试。
作者通过优化自制的 Plush 解释器，在斐波那契递归测试中超越了 CPython 性能。通过合并指令、消除哈希查找和就地栈操作等技术，性能提升近一倍。
利用 compile 和 exec 函数在运行时动态替换函数源码的技巧。虽然这种方法为构建灵活的 AI 智能体开辟了新可能，但也带来了安全风险。
uv 0.8.13 版本引入了实验性的 uv format 命令，通过调用 Ruff 格式化器实现代码格式化功能，简化了 Python 开发工作流程。
pandas 3.0 将引入 pd.col 表达式语法，替代 lambda 函数解决作用域问题，提供更清晰可读的延迟计算方式，支持方法链式调用。
11、为什么并发编程如此难懂？
并发编程为什么难？作者认为核心问题是状态空间爆炸，而非人类思维局限。当多个线程同时执行时，可能的执行顺序组合呈指数级增长，导致难以预测和调试的竞态条件。文章提出管理和限制状态空间是简化并发编程的关键策略。
分析了 OpenAI 首次发布的开源大模型 gpt-oss 架构演进，包括 MXFP4 优化、RoPE 位置编码、Swish 激活函数、GLU 门控单元、MoE 专家混合、GQA 分组查询注意力和滑动窗口注意力等关键技术。这些架构改进显著提升了模型性能和效率。
🐿️项目&资源
基于 Django 和 React 开发的可扩展协作笔记、wiki 和文档平台，支持实时协作编辑、离线同步、AI 辅助功能（改写、总结、翻译等）、多格式导出，提供精细的访问控制和自托管部署选项，是 Notion 或 Outline 的开源替代。（star 13K）
2、ten-framework：对话式语音 AI 智能体框架
用于创建、定制和部署实时多模态对话 AI 智能体的综合开源工具，支持语音、视觉和虚拟形象交互，包含实时语音对话、MCP 服务器集成、硬件通信、视觉检测、屏幕共享等功能，提供低代码工作流 UI 设计器。（star 7K）
专注于命令行界面开发的高级 Python 框架，支持可定制的处理器系统、配置管理、参数解析、日志记录、插件扩展、输出渲染等核心功能，零外部依赖且具备完整的测试覆盖。（star 1K）
将 LLM 转化为功能完整的编程智能体的强大工具包，提供语义代码检索和编辑功能，类似 IDE 的符号级代码实体提取和关系结构分析，支持多种编程语言的语言服务器协议，可与 Claude Code、Claude Desktop、VSCode、Cursor 等多种客户端集成。（star 10K）
实时语音转文字工具包，支持完全本地化处理、说话人识别、语音翻译等功能，采用 SimulStreaming 和 WhisperStreaming 技术实现超低延迟转录，内置 Web UI 界面和后端服务器，支持多用户并发使用，提供 Docker 部署和丰富的配置选项。（star 1K）
连接个人知识库和外部数据源的开源智能问答平台，可集成搜索引擎、Slack、Jira、Notion、YouTube、GitHub 等多种服务，支持多文件格式、强大搜索、对话保存、引用答案、本地 LLM 隐私保护、播客生成、高级 RAG 技术和跨浏览器扩展等功能。（star 7K）
将任意 GitHub 仓库渲染为单个静态 HTML 页面的实用工具，支持语法高亮、Markdown 渲染和侧边栏导航，提供人类友好视图和 LLM 友好的 CXML 文本格式，完美适用于代码审查、探索和快速搜索，支持智能过滤、响应式设计和移动端访问。（star 1K）
字节跳动开源的深度研究框架，结合语言模型与网络搜索、爬虫、Python 代码执行等工具，支持多智能体协作、人机交互、RAG 集成、MCP 服务集成、播客和演示文稿生成等功能，提供控制台和 Web UI 两种交互方式。（star 16K）
展示 RAG、AI 智能体、工作流等 AI 应用案例的综合项目集合，包含从简单聊天机器人到高级 AI 智能体的实用示例、教程和开发指南，涵盖 LangChain、LlamaIndex、CrewAI、PydanticAI 等多种 AI 框架，提供入门级、简单级和高级 AI 智能体项目。（star 3K）
香港大学开源的智能体编程框架，支持论文转代码、文本转网页、文本转后端等多种代码生成场景，采用多智能体系统推进代码生成技术，提供 CLI 和 Web 界面，集成 MCP 协议，具备文档分割、工作流管理、多种 AI 模型支持等核心功能。（star 4K）
11、OpenEvolve：AlphaEvolve 的开源实现
将 LLM 转化为自主代码优化器来发现突破性算法。能够在各种领域实现 2-3 倍的性能提升和最先进的结果，集成 MAP-Elites + LLMs 技术，支持科学可重现性，提供完整的架构设计和高级功能。（star 3K）
12、claude-code-proxy：Anthropic API 代理工具
一个 Anthropic API 代理工具，可通过 LiteLLM 访问 Gemini 和 OpenAI 模型。支持模型映射配置、环境变量设置和 Docker 部署，提供简单的设置流程和灵活的后端切换功能，让开发者能够在保持 Anthropic API 接口的同时使用不同的 LLM。（star 2K）
🐢播客&视频
90 分钟的 Python 纪录片，采访 Guido van Rossum、Travis Oliphant、Barry Warsaw 等社区元老，讲述了 Python 的崛起、社区驱动的进化、社区剧烈的冲突，以及 Python 对其它领域的影响。
core.py 播客探讨了 10 个被拒绝的 PEP 提案，包括语法宏（PEP 638）、None 感知操作符（PEP 505）、延迟绑定函数参数默认值（PEP 671）、可重载布尔操作符（PEP 335）等。如果这些特性被采纳，Python 语言会变成什么样？探讨 Python 语言设计的另一种可能性。
🐧往年回顾
#17：Excel 终于支持 Python 了、Meta 重磅开源新项目、Mojo 新得 1 亿美元融资
118 Python 异步为何不够流行？
博客原文 | 发布时间：2025-09-06
🦄文章&教程
Python async/await 推出十年，为什么普及得那么慢？作者对比了 C# 异步模型，指出 Python 异步仅适用于网络 IO 而非文件操作，GIL 限制了真正的并发性能，维护双重 API 增加了开发复杂度。最后展望 Python 3.14 自由线程模式将改变并发编程格局。
2、用 Python、uv、Caddy 和 Docker 开发静态网站
分享了一套高效的静态网站开发部署方案，通过 uv 管理 Python 环境和依赖，利用多阶段 Docker 构建实现轻量化部署。Caddy 作为 Web 服务器提供自动 HTTPS 和简洁配置，整个流程从开发到生产环境无缝衔接，快速搭建现代化的静态网站。
作者开发了 hexora 库来检测 Python 恶意代码，深入剖析了攻击者如何混淆 exec/eval 调用来绕过安全检测。从同形字符、builtins 模块到字符串拼接等十多种混淆技术，展示了静态分析在动态语言中的挑战。文章为 Python 安全防护提供了实用的技术洞察和检测思路。
4、修复 Python 3.14+ 中 finally 块的语法警告
Python 3.14 引入了 PEP 765，对 finally 块中的 return、break、continue 语句作出语法警告。作者展示了这些语句如何导致意外行为，并提供了重构的解决方案，避免常见的控制流陷阱，提升代码的可读性和正确性。
Django 6.0 即将发布，文章介绍了部分新特性：最低支持 Python 3.12，核心新增 CSP 安全策略、django.tasks 后台任务接口和 template-partials 模板片段功能；CSP 提供深度防御保护，template-partials 支持 HTMX 开发模式，让模板组织更灵活。
Polars 引入了 GPU 执行引擎，通过 RAPIDS RMM 智能内存管理支持超出 GPU 显存的大数据集处理。作者实测 40GB 数据集，仅需在 collect() 方法中添加 engine=“gpu” 参数即可启用 GPU 加速，实现 70% 性能提升。
7、SQLModel 异步操作 PostgreSQL 实战指南
介绍了如何在 FastAPI 和 Air 框架中异步使用 SQLModel 操作 PostgreSQL 数据库。通过同时配置同步和异步引擎，解决了表创建和异步操作的兼容性问题。文章提供了完整的代码示例，展示了从环境配置到异步会话管理的全流程，为开发高性能 Web 应用提供了实用指导。
8、使用 Celery 和 RabbitMQ 调度 Python 后台任务
通过开发一个天气通知服务演示了 Python Celery 分布式任务队列和 RabbitMQ 消息代理的集成使用，涵盖了 API 集成、任务调度配置和自动化执行，为后台任务处理提供了完整的实践指南。
探讨了在 Rust 中使用 PyO3 与 Python 交互时如何处理可变引用的技术挑战，通过 std::mem::take、Arc 和 Mutex 等工具实现了安全的跨语言数据共享。
10、Jupyter Notebook 在生产环境中的隐藏危险
剖析了 Jupyter Notebook 在生产环境中的五大技术陷阱：难以测试、调试困难、版本控制复杂、缺乏模块化设计和执行顺序不确定性。作者指出这些问题不仅增加维护成本，还会在数据科学家和工程师之间制造隔阂。虽然 Notebook 在探索和原型开发中表现出色，但生产环境需要更严格的工程实践。
介绍了无需 CSS、HTML、JavaScript 的纯 Python Web 开发方案，通过将 Python 作为元语言生成前端代码来简化开发流程。文章详细分类了 Anvil、Panel、Dash、NiceGUI 等数十种工具，从工业级解决方案到实验性项目应有尽有，适合 Python 开发者快速开发现代 Web 应用。
12、开发者陷阱大全
系统梳理了跨技术栈的常见开发陷阱，从 CSS 布局、Unicode 编码到浮点运算、时间处理等十多个领域。作者深入剖析了每个陷阱的技术原理和规避方法，比如 CSS 的 min-width 默认值、浮点数的 NaN 比较、时区处理等容易踩坑的细节。
🐿️项目&资源
一个简单的 Python Pydantic 模型库，用于解析来自 mihomo API 的崩坏：星穹铁道游戏数据。提供类型提示和自动补全，支持 V1 和 V2 两种数据格式，包含角色信息、成就数据等完整游戏信息。（star 22.8K）
文本转语音系统，支持 23 种语言的多语言零样本语音克隆。基于 0.5B Llama 架构，具有独特的情感夸张控制功能，在与 ElevenLabs 等闭源系统的对比评估中表现优异，内置水印技术。（star 11.9K）
告别信息过载的多平台热点聚合工具，一键监控今日头条、百度热搜、微博、抖音、知乎、B 站等 35 个平台。支持智能关键词筛选、自动生成热点分析报告，可推送至企业微信、飞书、钉钉、Telegram。30 秒网页部署，1 分钟手机通知，无需编程基础。（star 1.8K）
首个求职申请 AI 智能体，利用人工智能自动化求职申请流程，让用户以定制化方式申请多个职位。核心架构开源，被 Business Insider、TechCrunch、Wired 等主流媒体报道，彻底改变求职者与就业市场的互动方式。（star 28.8K）
Python 静态分析工具，专门检测未使用的函数、类和导入等无效代码，支持 Flask、Django、FastAPI 框架，提供交互式清理模式和 Web 界面，性能优于 Vulture 和 Pylint。（star 1.3K）
用 Rust 开发的高性能 Python 语言服务器和类型检查器，由 Jedi 作者开发，比 Mypy 快 20-200 倍，支持 PyRight 和 Mypy 兼容模式，通过 95% 的 Mypy 测试套件。
首个开源金融 K 线基础模型，基于 45 个全球交易所数据训练，专门处理金融市场的高噪声特征，采用分层离散标记化技术，支持多种量化任务，提供实时预测演示和批量处理功能。（star 1.8K）
专为红队评估和渗透测试设计的 OSINT 信息收集工具，通过多个公共资源收集域名、邮箱、IP、子域名和 URL，支持 40+ 被动模块和主动 DNS 暴力破解，帮助确定域名的外部威胁态势。（star 11.8K）
支持 90+ 语言的文档 OCR 工具包，提供文字识别、版面分析、阅读顺序检测、表格识别和 LaTeX OCR 功能。性能媲美云服务，支持多种文档类型包括科学论文、演示文稿、扫描文档等，提供交互式应用和 Python API，可处理 PDF、图片、Word 和 PowerPoint 文件。（star 12.8K）
开源的 AI 智能体编程框架，前身为 AutoGen，专门用于开发 AI 智能体并促进多智能体协作解决任务。支持智能体间交互、多种大语言模型集成、工具使用、自主和人机协作工作流程，提供多智能体对话模式，简化智能体 AI 的开发和研究。（star 3.5K）
腾讯云开源的高性能 AI 智能体框架，支持数据分析、文件处理、深度研究等实用场景，提供 YAML 配置、自动智能体生成、异步执行等功能。在 WebWalkerQA 和 GAIA 基准测试中表现优异，基于 openai-agents 构建，具备流式处理、追踪分析等能力。（star 2.5K）
为 AI 智能体提供简单高效的数据检索功能，具备无与伦比的控制力、精确度和速度。支持 Text2SQL 数据库查询、API 数据获取、文档信息提取等多种场景，兼容 OpenAI、Anthropic、Google 等 14+ AI 模型提供商，支持 PostgreSQL、MySQL 等 10+ 数据库类型，提供 MCP 服务器。
🐧往年回顾
#18：Flask、Streamlit、Polars 的学习教程
119 Google 停止开发 Pytype！
博客原文 | 发布时间：2025-09-13
🦄文章&教程
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。
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。
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。
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。
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。
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。
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。
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）。
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。
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
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）
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。
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）
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）
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）
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）
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。
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）
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）
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）
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
120 新型 Python 类型检查器对比
博客原文 | 发布时间：2025-09-20
🦄文章&教程
1、新型 Python 类型检查器对比：Ty、Pyrefly 与 Zuban
2025 年涌现出三个用 Rust 开发的 Python 类型检查器：Astral 的 ty、Meta 的 pyrefly 和 David Halter 的 zuban。作者通过 Python 类型一致性测试套件深入分析了它们与传统工具 mypy、pyright 的差异，发现 zuban 在测试通过率上领先，但 ty 在工具质量和渐进采用方面更具潜力。
2、Playwright vs Pydoll 端到端测试性能对比
作者在项目中对比测试了 Playwright 和新兴的 pydoll 测试框架，发现 Playwright 在性能上明显优于 pydoll，运行时间更短且稳定性更好。pydoll 虽然基于 Chrome DevTools Protocol 速度更快，但实际测试中代码量多 40%，缺乏内置功能，且仅支持 Chromium 浏览器，目前还不够成熟。
PythonBPF 让开发者能够用纯 Python 语法编写 eBPF 程序，通过装饰器和类型注解替代传统的 C 代码字符串嵌入方式。该库将 Python 代码编译成真正的 eBPF 对象文件，支持哈希映射、控制流和内核跟踪等核心功能，为 eBPF 开发提供了除 Rust 和 C 之外的第三种生产级选择。
PEP 804 提出了一个中央注册表机制，用于将 Python 包的外部依赖自动映射到不同包管理中的对应包名。该提案基于 PEP 725 的外部依赖元数据，通过标准化映射规则解决了 Linux 发行版、conda、Homebrew 等生态中包名不一致的问题，能提升跨平台包构建的成功率。
作者分析了 Django 视图的三种编写方式，指出通用类视图虽然功能强大但隐藏了过多复杂性，需要理解多达 11 个方法和 5 个类的继承关系。推荐仅使用基础 View 类，通过按 HTTP 方法分离逻辑来组织代码，既避免了函数式视图中的大型 if 块，又保持了代码的简洁性和可读性。
功能标志让开发者无需重新部署就能动态控制代码功能。文章介绍了 Python 中的实现方式，从简单的 if 语句判断，到基于 django-waffle 的完整存储架构，再到优雅的 FeatureFlags 类设计，详细分享了用户级、团队级、百分比发布等多维度标志策略。
Python 3.14 即将发布，它新增的 sys.remote_exec() 函数可向运行中的 Python 进程注入代码执行，无需重启程序即可进行调试。文章详细演示了如何注入 traceback.print_stack() 查看调用栈，或使用 remote_pdb 建立交互式调试会话。
作者从互联网档案馆的 GeoCities 中下载了 6 万多个 GIF 文件，通过 Python 的 imagehash 库实现感知哈希去重，使用 vit-base-nsfw-detector 模型过滤不当内容，最终创建了一个完全在浏览器中渲染的 Canvas 动画，将随机 GIF 拼接成滚动马赛克并添加 CRT 着色器效果。
文章通过铁匠锤子的比喻分析了 Python 中未引用字符串的危险性，详细解释了 CVE-2024-9287 漏洞成因。当使用 subprocess 的 shell=True 参数时，路径中的空格和分号会被 shell 误解为命令分隔符，导致命令注入攻击。推荐使用 subprocess.run([…]) 避免 shell 解析，或通过 shlex.quote 正确引用字符串。
作者分享了在端到端测试中 Playwright 和 pytest 结合的技巧，通过 page.expect_page() 处理新标签页测试，使用 pytest 标记替代夹具来区分不同用户上下文。文章还介绍了 page.pause() 调试工具、axe-playwright-python 包预防可访问性回归，以及 page.expect_response() 确认后台请求的实用方法。
文章对比了 Rye 语言的表格操作与 Python/Pandas 在数据处理方面的差异，展示了 Rye 如何通过管道操作符和纯函数实现简洁的数据变换。Rye 的表格是一等公民的不可变数据结构，支持链式操作，在处理过滤、连接、聚合等复杂数据任务时比纯 Python 更简洁，与 Pandas 相比语法更直观。
Reddit 前基础设施负责人分享了从传统任务队列到持久化队列的演进历程，通过将检查点状态持久化到 Postgres 等数据库中解决数据丢失问题。持久化队列结合了任务队列与持久化工作流，能从最后完成的步骤恢复失败任务，提供内置可观测性，适合处理业务关键型任务。
13、RSS 如何击败微软？
作者揭示了一场鲜为人知的内容聚合标准之争，微软等巨头支持的 ICE 标准虽然功能更强大但过于复杂昂贵，最终败给了简单开放的 RSS。RSS 凭借三要素即可创建订阅源，而 ICE 需要 5.8 万字入门指南，这场技术路线之争印证了互联网”简单开放协议胜过复杂自上而下方案”的铁律。
🐿️项目&资源
一个创新的向量数据库，将笔记本电脑变成强大的 RAG 系统，可以索引和搜索数百万文档，同时比传统解决方案节省 97% 的存储空间且不损失准确性。（star 2.6K）
2、agent-lightning：点亮 AI 智能体的绝对训练器
微软开源的 AI 智能体训练平台，支持几乎零代码改动将任何智能体变成可优化的强大工具。兼容所有主流智能体框架如 LangChain、OpenAI Agent SDK、AutoGen、CrewAI 等，支持强化学习和自动提示优化算法。（star 1.5K）
3、RealtimeVoiceChat：与 AI 进行自然语音对话
一个实时 AI 语音聊天系统，用语音与大模型进行自然对话并获得近实时的语音回复。支持语音捕获、实时转录、AI 思考、语音合成和智能打断等功能，提供流畅的对话体验。（star 3.1K）
专门用于云环境故障排查和告警调查的 AI 智能体，能够自动查找根本原因并提供修复建议。集成了数十种云服务商、可观测性工具和值班系统，支持 Kubernetes、Prometheus、DataDog 等主流平台。（star 1.3K）
端到端的自主研究工作流平台，通过专业化的大模型智能体协助研究人员完成从文献综述、实验规划到报告撰写的整个研究流程。支持三个核心阶段：文献回顾、实验执行和报告生成，集成 arXiv、Hugging Face、Python 和 LaTeX 等工具。（star 4.9K）
NVIDIA 开发的可扩展生成式 AI 框架，支持从单 GPU 到千节点集群的无缝扩展训练，集成 Hugging Face 模型、Blackwell 训练、Cosmos 世界基础模型等前沿技术。（star 15.7K）
生产级的 RAG 检索增强生成平台，结合图 RAG、向量搜索和全文搜索技术，配备先进的 AI 智能体。支持多模态文档处理、混合检索引擎、MCP 协议集成和企业级管理功能。
专为电子墨水屏阅读器优化的漫画和电子书转换工具，支持将 JPG/PNG/GIF 图片文件夹、CBZ/CBR 压缩包和 PDF 转换为 MOBI/AZW3、EPUB、KEPUB、CBZ 等格式。针对 E-ink 屏幕特性进行图像处理优化，可显著减少文件大小同时保持视觉质量，支持 Kindle、Kobo、reMarkable 等多种设备。（star 4.2K）
阿里巴巴通义实验室开发的深度信息搜索 AI 智能体，采用 305 亿参数的大语言模型，每个 token 仅激活 33 亿参数。专门针对长期深度信息搜索任务设计，在多个智能体搜索基准测试中表现出色，支持 ReAct 和 IterResearch 两种推理模式。（star 9.1K）
10、DiffMem：基于 Git 的 AI 智能体记忆存储
轻量级 AI 智能体记忆后端，使用 Git 版本控制追踪记忆演化，Markdown 文件存储人类可读内容，BM25 索引实现快速检索，支持时间差异分析和上下文管理。
11、markdown-it-py：Python Markdown 解析器
高性能 Python Markdown 解析器，完全支持 CommonMark 规范，具备可配置语法规则、插件扩展系统、高速解析和安全配置等特性，是 JavaScript markdown-it 的 Python 移植版本。
Django 交互式组件框架，基于 htmx.org 技术栈，支持状态管理、事件处理、用户认证和组件订阅机制，使用 Redis 进行会话存储，提供类似 Phoenix LiveView 的开发体验。
13、pyproc：Go 调用 Python 的高性能 IPC 库
让 Go 服务像调用本地函数一样调用 Python 代码的库，无需 CGO 或微服务架构。通过 Unix Domain Socket 实现进程间通信，提供零网络开销、进程隔离和真正的并行处理能力。
🐢播客&视频
🥂讨论&问题
1、专业的 Python 工具、库和功能 - 你最喜欢哪个？
🐧往年回顾
后记
Python 潮流周刊由 Python猫 出品，主理人是豌豆花下猫。
官网：https://weekly.pythoncat.top
我们在很多平台上都有账号，以下是最主要的阵地，欢迎你前来互动~~
- 公众号：除更新周刊外，还发布其它原创作品，并转载一些优质文章。（可加好友，可加读者交流群）
- 小报童：本周刊最主要的付费订阅平台。
- 博客：我的独立博客，上面有历年原创/翻译的技术文章，以及从 2009 年以来的一些随笔。
- Twitter：发布一些即时内容，欢迎与我建立社交联系。我的关注列表里有大量 Python 相关的开发者与组织的账号。
- Telegram：除了发布周刊的通知外，我将它视为一个“副刊”，补充发布更加丰富的资讯。
- Github：你可以获取本周刊的 Markdown 源文件，做任何想做的事！
其它附录：
1、技术周刊的转变：如何平衡热爱与现实？ 聊聊周刊为什么推出付费专栏，以及今后的发展计划
2、周刊是聪明人筛选优质知识的聪明手段！ 周刊希望能打破信息差，做你高质量的信息筛选器
网盘资源：
第 1～2 季的电子书也整理好了，下载链接如下：
一、百度网盘
Python潮流周刊第1季（第1-30期），含epub、PDF、Markdown版本
链接：https://pan.baidu.com/s/1LyklHJTwhgyFUjsI7pNz4w
提取码：1024
Python潮流周刊第2季（第31-60期），含EPUB、PDF、Markdown版本
链接：https://pan.baidu.com/s/14FXjAOr8sTrkliuFcv5cRg
提取码：1024
二、夸克网盘
Python潮流周刊第1季（第1-30期），含epub、PDF、Markdown版本
链接：https://pan.quark.cn/s/50f9c1c6d62b
Python潮流周刊第2季（第31-60期），含EPUB、PDF、Markdown版本
链接：https://pan.quark.cn/s/8d2c3101def8
> 网盘链接可能过期，若不可用，请在公众号“Python猫”里发送“W30”，获取最新下载链接。
