Обновить
256K+

Python *

Высокоуровневый язык программирования

377,46
Рейтинг
Сначала показывать
Порог рейтинга
Уровень сложности
Формат публикации

«Грет британ блть»: сделал тренажёр английского со своими PDF, карточками и конечно же ИИ

Уровень сложностиПростой
Время чтения5 мин
Охват и читатели7.4K

Небольшое приложение про «давай ебть английский», где ты не сидишь с учебником, а каждый день коротко отбиваешься от языка: карточки, мемы, озвучка, диалоги с ботом и стрик, который больно бьёт по самолюбию.

Читать далее

Автопостинг в TenChat без API: Playwright, редактор Quill и вставка через ClipboardEvent

Уровень сложностиСредний
Время чтения10 мин
Охват и читатели7.3K

У TenChat нет публичного API для публикации постов. Отложенная публикация в самом сервисе есть только на платном тарифе (на 28.09.2026 от 990 ₽ в месяц), а мне нужен был простой сценарий: раз в день берём следующую статью из блога, собираем из неё короткий пост с обложкой и выкладываем без участия человека. Я написал для этого скрипт на Python и Playwright, он работает на сервере по cron с конца сентября 2026 года. В статье разберу, как скрипт входит в аккаунт без пароля, как заставить редактор Quill принять готовую вёрстку, чем завершились первые недели и какие грабли попались при переезде с ноутбука на сервер.

Сразу оговорка. Автоматизация через браузер может не нравиться самой площадке, и правила сервиса стоит прочитать до запуска. Я публикую только собственные тексты, один пост в день, в своём аккаунте. Обходить защиту или маскироваться под человека скрипт не пытается, и дальше речь пойдёт только про инженерную сторону.

Читать далее

Детектор ИИ-текста своими руками: какие признаки нейрослопа ловит код и какие остаются живому редактору

Уровень сложностиСредний
Время чтения5 мин
Охват и читатели7.8K

Я разложил по проверкам своего детектора ИИ-текста 12 признаков нейрослопа, то есть текста, который выдала нейросеть и никто не вычитал. Кодом ловятся пять, из них два частично. Остальные семь держатся только на правилах для редактора. На пробе мимо скрипта прошли две типичные фразы-вводки: «В этой статье мы рассмотрим» и «Вывод простой» с двоеточием.

Онлайн-детекторы отвечают процентом и не говорят, что править. Сам процент тоже ненадёжен: в работе Liang и соавторов семь детекторов в среднем приняли за машинные 61% эссе TOEFL, написанных людьми, для которых английский не родной. OpenAI свой классификатор закрыла летом 2023 года из-за низкой точности.

Узкая проверка устроена по-другому: она называет фразу и правило, и с каждым срабатыванием можно спорить отдельно. Редакторы Википедии ведут открытый список признаков ИИ-текста и прямо пишут, что признак указывает на возможную проблему и сам по себе ничего не доказывает. Мой скрипт исходит из того же: он ищет следы невычитанного текста, авторство он не определяет. Общий балл этого детектора уже разбирали на Хабре.

Читать далее

Выпуск обновления открытого проекта для создания и хранения в электронной библиотеке книг разного формата Calibre 9.16

Время чтения4 мин
Охват и читатели8.2K

9 октября 2026 года состоялся выпуск открытого мультиплатформенного проекта Calibre 9.16. Это программное решение для чтения, создания и хранения в электронной библиотеке электронных книг разного формата. Исходный код проекта написан на Python и C и опубликован на GitHub под лицензией GNU General Public License v3.0. Версия Calibre 7.0 вышла в ноябре 2023 года. Сборка Calibre 8.0 вышла в марте 2025 года. Выпуск Calibre 9.0 случился в конце января 2026 года. Проект находится в разработке более 11 лет.

Читать далее

Девять петель от Claude — почему это очень важно для кода будущего

Уровень сложностиСредний
Время чтения195 мин
Охват и читатели18K

Anthropic сообщила о девятипетлевом расчёте Claude — поднявшем ранее опубликованный результат для этой амплитуды с восьми до девяти петель.

Разбираясь в новости, я восстановил с ИИ вычисления из своего диплома о графене и обнаружил ошибку, оставшуюся после защиты. Здесь показываю процессную декомпозицию как один из способов контролировать научный код от ИИ: входы, выходы, контракты, независимые проверки, проверки проверок и намеренные дефекты для контроля качества.

Материал изложен постепенно, от простого к сложному, от основ к научным результатам. От уравнения Шрёдингера и одной петли постепенно доходим до bootstrap и символов.

В статье 95 иллюстраций, включая анимации, полный Python-код, семь воспроизводимых опытов вычислений с помощью Python и квантовый пикторализм, как одна из возможных концепций в качестве основы научного кода будущего для квантовой теории.

Проверить на Python

Когда логи кричат, а ты не слышишь: как я приводил логи в порядок в ETL‑коннекторе

Уровень сложностиПростой
Время чтения12 мин
Охват и читатели10K

Первые подводные камни логирования: практика на примере Python‑коннектора в Airflow — цифры до/после, спорные кейсы уровней, карта логов как контракт.

Погрузиться в логирование

Синтез речи на длинной дистанции: роман на 1 ч 58 мин против 14 проверочных фраз

Уровень сложностиПростой
Время чтения15 мин
Охват и читатели11K

В первой статье серии была таблица про то, как синтезированный голос прочитал целую книгу: роман Шамиля Алядина «Merdiven» («Лестница»), 16 глав, 15 444 слова, 1 ч 58 мин звучания. Во второй я обещал отдельно рассказать, что ломалось на длинной дистанции. Рассказываю.

Если коротко, голос держался ровно все два часа. Почти всё, что ломалось, сидело не в модели, а в обвязке вокруг неё: в нарезке текста на предложения, склейке коротких фраз, обрезке вдохов, извлечении текста из файла книги и разметке времени. А проверочный набор из 14 фраз, по которому я до этого сравнивал версии модели, ни одной из этих проблем не увидел, а в одном случае не смог отличить хорошую правку от вредной.

Оговорка, как и в прошлых статьях серии: названий моделей, источников данных, внутренних скриптов и параметров обучения и декодирования здесь не будет. Будут метрики, методика проверки и грабли.

Читать далее

Релиз Python 3.15

Время чтения3 мин
Охват и читатели15K

9 октября 2026 года состоялся релиз стабильной версии языка программирования Python 3.15, где экспериментальный JIT-компилятор стал быстрее, а также появился встроенный тип данных sentinel, кодировка UTF-8 по умолчанию, явный механизм «ленивого» импорта (lazy imports) для ускорения запуска скриптов, новый встроенный тип frozendict и файлы конфигурации для инициализации пакетов.

Читать далее

Импорт ТОРГ-12 из Excel в складскую программу StoreHouse 5

Уровень сложностиСредний
Время чтения9 мин
Охват и читатели7.2K

Все вокруг кричат про тотальную цифровую трансформацию, маркировку и ЭДО. Наш ресторан купил красивое готовое решение для импорта документов/поставок, из ЕГАИС в StoreHouse, и импорт документов/поставок из ЭДО в StoreHouse, и другое.

Круто? Да, но только на бумаге.

Крупные федеральные поставщики присылают документы в ЭДО или ЕГАИС, каждый день. Эти документы спокойно импортируются в StoreHouse. А вот мелкие локальные контрагенты (крафтовые производители зелени, сыроварни, поставщики свежего мяса) до сих пор живут в прошлом веке. Им ЭДО не обязателен. Максимум, на что они способны — забить накладную в свой Excel и скинуть менеджеру в Telegram, самый плохой вариант — это мягкие накладные, написанные непонятным почерком.

Итог: каждый день бухгалтер‑калькулятор вынужден руками вбивать по 100–300 строк в StoreHouse.

Что я с этим сделал

LLM-разработка в 2026: навыки, кейсы, требования

Уровень сложностиПростой
Время чтения11 мин
Охват и читатели9.4K

Привет, Хабр!

Я старший инженер-программист в Финаме и автор курса «LLM-разработчик» в Хекслете. Разговор пойдёт о практике LLM-разработки и о бытовых деталях: кому нужен RAG, обязательно ли связываться с большими моделями, каково на рынке LLM-разработки и как попасть в профессию — что уметь, как искать, сколько просить. Если лень читать — я всё это рассказал в видео. А этот материал — для тех, кто больше любит буквы, чем кино. 

Примерно в двадцать четвёртом году весь мир начал более или менее понимать, куда движется история с ИИ и как это можно применить. А в двадцать пятом — двадцать шестом в России тоже очухались: «Божечки, искусственный интеллект можно использовать!». Он, правда, не интеллект, но кого это волнует: все захотели использовать его в работе. 

Как — не знаем. Для чего — не знаем. Бизнес не очень понимает, что конкретно ему нужно — но нужно, потому что «это же революция, Джонни!». На самом деле, это и правда революция, но, как с любой революцией, нужно понимать как, для чего и куда её использовать.

К вам может прийти CEO и сказать: «Мы хотим везде использовать искусственный интеллект: внедряем его в разработку, в CI/CD, в оценку, в код-ревью, в постановку задач, в работу с ассистентами». И во всех этих историях действительно можно применить ИИ, вплоть до того, чтобы гендиректор мог себе заказать кофе при помощи чат-ботика.

Читать далее

MCP‑сервер 2ГИС: как мы учили LLM не выдумывать адреса

Уровень сложностиСредний
Время чтения16 мин
Охват и читатели11K

Мы выпустили MCP-сервер, который даёт ИИ-агентам прямой доступ к геосервисам API-платформы 2ГИС: поиск мест и организаций, прямое и обратное геокодирование, построение маршрутов, изохроны и статические карты — сейчас это 6 инструментов поверх соответствующих API. 

Что это за сервер и как подключить — в документации. А в этой статье расскажу про инженерную часть: как он устроен внутри и на какие грабли мы наступили, пока доводили его до прода.

Статья будет полезна разработчикам, кто пишет свой MCP-сервер или тулы под function calling, кто проектирует контракты инструментов для LLM, и просто всем, кому интересно, что ломается на стыке LLM и гео.

Читать далее

Как мы сделали простой офлайн‑разметчик для YOLO и COCO с семантической и panoptic‑сегментацией

Уровень сложностиСредний
Время чтения6 мин
Охват и читатели7.6K

В настоящий момент я работаю над проектом по детекции дефектов дорожно‑транспортной инфраструктуры. Находимся на самом начальном этапе, подбираем модели для детекции.

Мы начинали работы с моделями детекции — как‑то по инерции с предыдущего проекта. Но этого опыта и знаний (а также обученных ранее моделей) оказалось недостаточно для решения поставленных задач. Тогда мы обратились к сегментационным моделям. И сразу возник вопрос об адекватном инструменте для разметки данных.

Если вы обучали свою модель детекции или сегментации, то знаете: самое долгое — не обучение, а разметка. Готовые инструменты делятся на две группы. Серверные (CVAT, Label Studio) умеют всё, но их нужно разворачивать и поддерживать. Эти инструменты замечательны, но очень непростые в освоении и затратные с аппаратной точки зрения.

Существующие простые десктопные вроде labelImg ставятся за минуту и очень удобные в освоении, но не обладают нужным функционалом — умеют в основном размечать прямоугольники (bbox). И стало понятно, что нам нужна была середина: программа, которая запускается на ноутбуке без сервера и делает разметку bbox и полигональную разметку.

Сделали простую программку, которая делала то, что надо. Но дальше — больше: сначала понадобились повёрнутые рамки (OBB), потом маски, затем многопользовательский режим, а под конец — семантическая и panoptic‑сегментация. И всё это нужно было выгружать в форматы, которые без доработки едят YOLO, Detectron2 и Mask2Former. Так появился YOLO Annotator. Код открыт (GPL-3.0), ниже — что он умеет и как устроен изнутри.

Читать далее

Своя модель решений на русском за вечер аренды GPU: что она умеет, сколько стоит и где проигрывает

Уровень сложностиСредний
Время чтения19 мин
Охват и читатели7.2K

Немалую долю задач в бизнесе, где применим ИИ можно свести к выбору варианта ответа на тот или иной вопрос, например, куда направить обращение, кто согласует заявку, срочная ли жалоба. Я дообучил открытую модель на 4 млрд параметров на русских задачах за несколько сотен рублей аренды видеокарты и честно сравнил её с YandexGPT, GigaChat и открытыми аналогами, в том числе на задачах, которых не видела ни одна модель. На своих задачах 84,5% точности и почти две трети потока на автоматике при 95% правильных решений, на чужих верхняя группа, но не лидер. Плюс грабли, на которые стоит не наступать, и метрики, которые стоит требовать от подрядчика. Модель и код открыты.

Читать далее

Ближайшие события

dature: type‑safe‑конфигурация через dataclasses

Уровень сложностиСредний
Время чтения20 мин
Охват и читатели7.6K

Привет, Хабр! Я Николай Видов, тимлид команды чатботов в Т, пишу на Python с 2017 года. За это время я успел поработать с конфигами во всех видах: INI-файлами в legacy-проектах, переменными окружения в Docker-контейнерах, YAML с шаблонами в Helm, pydantic-моделями в свежих сервисах, Vault и Consul в инфраструктуре покрупнее. Это третья статья о конфигурациях в Python — в предыдущих я разобрал, как мы дошли до жизни такой и почему это не устраивает меня и мою команду.

Читать далее

Вайбкодим плагины для open‑source видеоредактора

Уровень сложностиПростой
Время чтения11 мин
Охват и читатели7.1K

В этой статье будет инструкция, как создавать плагины для open-source видеоредактора Wunjo Make самостоятельно или через Claude Code, Codex, Cursor. Для этого в репозитории я добавил код сборщика и умения для облачных языковых моделей. Плагины могут работать с локальными нейронными сетями или через API, а также управляться через MCP.

Читать далее

Я написал сканер уязвимостей для вайбкода и проверил им 3 800 чужих репозиториев

Уровень сложностиСредний
Время чтения6 мин
Охват и читатели9.8K

Сегодня Telegram-бот для продажи VPN собирается за вечер: Cursor, пара промптов, и он уже принимает деньги. Только в config.py лежит токен бота, Postgres открыт наружу, а в истории git остался .env, который «потом удалили».

Я написал SAST-сканер для кода, сгенерированного ИИ, и прогнал его по 3 800 публичным репозиториям. Рассказываю, что нашлось, как 16 378 сырых находок превратились примерно в 30 настоящих утечек и почему я не проверил ни одного чужого ключа.

Читать далее

Три публикации — один источник: разбираем данные о «ХимПроме» на Python

Уровень сложностиСредний
Время чтения9 мин
Охват и читатели5.9K

Три публикации могут пересказывать одно заявление, а одинаковые числа — описывать разные вещи. На примере российских материалов о деле «ХимПрома» разбираем, как сохранить происхождение сведений и заметить изменения при пересказе. Внутри — небольшой скрипт на Python, сравнение формулировок и проверки, которые помогают не превратить подборку ссылок в ложную уверенность.

Читать далее

Конвертер DOCX -> FB2

Уровень сложностиПростой
Время чтения2 мин
Охват и читатели6.5K

Как говорится, если не можешь найти необходимую приблуду, возьми напильник, изоленту, молоток и выпили себе что хочешь. А в наш просвещенный век самосмывающихся втулок и дофига умных нейронок вообще как два бита об асфальт. Увидела я сколько придется править руками при конвертации следующей книги, спасаемой в рамках проекта «Спасение книг», так лень и победила трудолюбие. Поэтому написали мы значит с ИИшкой конвертер вордовских файлов в fb2-формат. Ну как написали, писал ChatGPT, а я капризничала составляла ТЗ и вносила правки. Долго-долго мы фиксили баги, а потом еще дошлифовывали некоторые фичи, и вот наконец я зарелизила супер-пупер-конвертер:

Скачать с Телеграм || Скачать с GitHub

Там в README.txt есть инструкция, но если, прочитав ее, вы ничего не поняли, то вот вам гайд для дебилов:

0. Если третий питон не установлен, то установите, pip — тоже. Гугл в помощь.

1. Еще надо заинсталлить библиотеку lxml (если у вас ее нет): python -m pip install lxml

2. Вордовский файлик следует подготовить правильно: все главы и подглавы сделать соответствующими заголовками, а не просто жирным шрифтом. Сноски замутить квадратными скобками: «термин[12]» и в глоссарии тоже: «[12] Определение термина». Изображения должны быть в файле (если они есть), но не обложка.

3. Потом берете книгу, именуете ее book.docx и кладете в папку скрипта (KONVERT).

4. Обложку, нареченную cover.jpg, фигачите туда же.

5. В metadata.txt пишете метаданные: название книги, автор в формате «Имя Фамилия», жанр, язык, год издания, аннотация и т.д. Если в аннотации нужны абзацы то добавляете их специальным символом: || но в файлике сам текст аннотации должен быть написан в одну строку.

Читать далее

Кинематографическая простота Геннадия Шпаликова

Время чтения5 мин
Охват и читатели6.9K

С помощью Python исследовал творчество Геннадия Шпаликова и установил, как поэт достигает "кинематографической простоты" своей поэзии.

Читать далее

Блог на автопилоте: markdown в статику, выход статьи по дате и пинг в IndexNow только для новых страниц

Уровень сложностиСредний
Время чтения10 мин
Охват и читатели6K

У меня блог на 78 markdown-файлах, и руками я его не публикую уже больше недели. Статья выходит, когда наступает дата в её шапке: сборщик в тот день включает её в сайт, сервер замечает новую страницу, пишет о ней поисковику и обновляет sitemap с RSS. Ниже разбираю, как это собрано, и три места, где всё ломалось. Фреймворка тут нет, только один Python-файл примерно на 800 строк, bash-скрипт на 30 строк и cron.

Весь код упрощён, домен заменён на example.com, пути на /srv/blog и /srv/www.

Читать далее