Телеграм

Python Community

@Python_Community_ru Программирование и разработка
✓ В реестре РКН ↗ Не иноагент
Python Community RU - СНГ сообщество Python-разработчиков

Чат канала: @python_community_chat

Сотрудничество: @cyberJohnny и @Sergey_bzd

РКН реестр:
https://knd.gov.ru/license?id=67847dd98e552d6b54a511ed&registryType=bloggersPermission

Статистика обновлена 21.11.2026 в 17:17 · 8 просмотров страницы · Хотите больше просмотров?

Подписчики11 485 -8 за 7 дней
Охват поста486 4% от подписчиков
ERR за месяц4,23%
ERR за 24 часа3,04%

Динамика за 30 дней

Рекламные публикации

Рекламных публикаций не найденоЗа последнее время мы не нашли на площадке ни одного рекламного поста.

Последние публикации

Все посты канала →
Python Community tg11 тыс. подписчиков
Открыть пост ↗
5 проектов для создания собственного ИИ-мозга:

1. GBrain - Garry Tan
Память для ИИ-агентов с поиском, связями между знаниями и возможностью использовать общий контекст в разных агентах.
https://github.com/garrytan/gbrain

2. LLM Wiki - Andrej Karpathy
Концепция базы знаний, которую ИИ самостоятельно пополняет, структурирует и поддерживает в актуальном состоянии. Работает на Markdown.
https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

3. AI-Memory - Akitaonrails
Долговременная память для Claude Code, Codex и других агентов. Сохраняет историю работы, решения и контекст между сессиями.
https://github.com/akitaonrails/ai-memory

4. Agent Second Brain - Smixs
Голосовой ИИ-ассистент в Telegram, который превращает сообщения в связанные заметки Obsidian и управляет личной базой знаний.
https://github.com/smixs/agent-second-brain

5. COG - Huytieu
Полноценная система второго мозга с 35 AI-навыками, 10 агентами, CRM контактов и автоматическим управлением знаниями.
https://github.com/huytieu/COG-second-brain

Сохраните подборку. Какой из проектов попробовали бы первым?

@Python_Community_ru
👁 191 ↻ 11 вчера в 17:46
Python Community tg11 тыс. подписчиков
Открыть пост ↗
🐍 Python: задача для Senior-разработчиков

Что выведет код в Python 3.15?


def inner():
try:
yield 1
finally:
return 2

def outer():
try:
x = yield from inner()
yield x
finally:
return 3

g = outer()

print(next(g))
print(g.close())
print(next(g, 0))


Варианты ответа:

A) 1, None, 0
B ) 1, 2, 0
C ) 1, 3, 0
D ) 1, RuntimeError
E ) 1, 2, 3

Попробуйте решить без интерпретатора и объяснить, что происходит внутри yield from при закрытии генератора.

Правильный ответ: C) 1, 3, 0.

1. next(g) запускает внешний генератор, который через yield from передаёт управление внутреннему. Получаем 1.
2. g.close() инициирует закрытие генераторов через исключение GeneratorExit. Внутренний генератор выполняет finally и возвращает 2, но это значение не передаётся в x. Внешний генератор выполняет собственный finally и возвращает 3.
3. next(g, 0) возвращает 0, поскольку генератор уже закрыт.
Подвох: начиная с Python 3.13, метод close() возвращает значение, которое генератор возвращает при закрытии. В более ранних версиях он вернул бы None.

@Python_Community_ru
👁 340 ↻ 2 19 ноября
Python Community tg11 тыс. подписчиков
Открыть пост ↗
Обучаем собственную LLM с нуля: бесплатный гайд на русском

Как устроены языковые модели внутри? Предлагаю разобраться на практике с помощью MiniMind и PyTorch.

В репозитории собран пошаговый курс: от токенизации и архитектуры Transformer до предобучения модели, SFT, подготовки собственного датасета и локального инференса.

Можно начать с небольшого эксперимента на CPU, а затем обучить модель на 64 млн параметров на GPU.

Внутри объяснения архитектуры, примеры кода, схемы, команды для запуска и практические задания.

🔗 https://github.com/justxor/minimind-llm-from-scratch-ru/

@Python_Community_ru
👁 358 ↻ 15 19 ноября