TopicPythonAugust 2026

Python — August 2026

What Telegram channels wrote about Python in August 2026: 1003 posts from 372 channels, collected automatically from public Telegram channels.

1,003 posts·372 channels

More posts — page 35

1,003 posts total

Преобразование аудиофайлов с помощью Python

В Python существует множество способов для выполнения конвертации аудиофайлов из одного формата в другой. Одним из наиболее удобных инструментов для этого является модуль pydub. Этот модуль служит оболочкой для ffmpeg и предоставляет возможности по загрузке, редактированию и сохранению аудиофайлов в различных форматах, поддерживаемых ffmpeg.

Для начала работы с файлом, используем метод from_ с указанием необходимого формата из класса AudioSegment, или же обратимся к более универсальному методу from_file, предоставляя путь к файлу и его формат.

Когда файл загружен, для его конвертации и сохранения в желаемом формате применяем метод export объекта класса AudioSegment, созданного на предыдущем шаге.

#python #pydubIT Дайджест с Новиковым

Aug 7, 08:25 AMMore from @itdidgest

#астана #python

🚀 Middle / Senior Computer Vision Engineer

Работа над AI-продуктами с применением компьютерного зрения и видеоаналитики. Полный цикл разработки: от исследования и обучения моделей до их внедрения в production.

⚙️ Что предстоит делать • Проектировать и развивать CV / Video Analytics модели (детекция, трекинг, распознавание лиц, анализ поведения); • Интегрировать ML-модели в production (backend, edge); • Обучать и дообучать модели (fine-tuning, transfer learning); • Работать над реальными AI-проектами с бизнес-применением; • Сопровождать полный цикл разработки: от исследования до деплоя; • Оптимизировать модели и повышать качество CV-решений.

Важно: ✔️ уверенные знания Computer Vision и современных DL-подходов; ✔️ глубокое понимание машинного обучения и нейронных сетей (CNN, detection/segmentation); ✔️ уверенное владение Python; ✔️ опыт работы с OpenCV, NumPy, PyTorch и/или TensorFlow; ✔️ опыт работы с Git; ✔️ опыт оптимизации моделей (speed/accuracy trade-offs, inference); ✔️ опыт решения задач детекции, трекинга и анализа поведения людей.

💼 Формат: офис, Астана.

📩 Если вам интересно развивать AI-решения и работать над проектами в области Computer Vision — отправьте сразу резюме в Telegram: @waitingfor1

Aug 7, 08:06 AMMore from @devkz_jobs

PythonBooks - самый большой 38.000+ и старый c 2017 года канал для скачивания Python книг в PDF формате.

Что в канале: 6️⃣ Книги по питону, которые помогут вам пройти собеседование на позицию Python Developer. 2️⃣ Все книги в PDF формате 3️⃣ Все книги можно скачать в 2 клика 4️⃣ Всё, никакой другой воды.

Подписывайтесь и качайте книги: @pythonbooks

#астана #python

АО «Казахтелеком» в поиске Senior Python Developer Город: Астана Формат: офлайн Заработная плата: от 1 300 000 до 2 000 000 ₸ (на руки)

О проекте

Разработка единой AI-платформы для корпоративных клиентов с использованием LLM, RAG и интеграций с внутренними и внешними системами. Платформа построена на единой кодовой базе с возможностью индивидуальной настройки под каждого заказчика, что обеспечивает быстрое масштабирование и развитие продукта.

О роли

Разработка backend-платформы для AI-агентов: сервисов на базе LLM, поиска по корпоративным данным (RAG) и интеграций с внешними системами. Проект ориентирован на создание высоконагруженных, масштабируемых и безопасных сервисов.

Стек

* Python 3.11+ * FastAPI * Async SQLAlchemy * PostgreSQL * Redis * Kafka / Celery * Docker * Kubernetes * CI/CD * LLM / RAG * Qdrant / pgvector

Задачи

* Разработка и развитие backend-сервисов и API; * Построение пайплайнов обработки данных и документов; * Реализация RAG, индексации и поиска; * Оптимизация производительности и надежности сервисов; * Участие в проектировании архитектуры и code review.

Требования

* 5+ лет опыта backend-разработки на Python; * Опыт работы с FastAPI, PostgreSQL, Redis, Kafka/Celery; * Знание принципов проектирования API и чистой архитектуры; * Практический опыт работы с Docker и Kubernetes; * Опыт работы с LLM/RAG и векторными БД (Qdrant, pgvector); * Понимание вопросов безопасности, тестирования и observability.

Что важно

Самостоятельность, системное мышление, внимание к качеству, надежности и производительности решений, умение принимать архитектурные решения и эффективно работать в команде.

телеграмм: @aigerazein

Aug 7, 08:02 AMMore from @devkz_jobs

#астана #python

Стажировка:ML Engineer

Relai.kz | Астана | офис / гибрид

Обязанности:

Участие в AI- и FinTech-проектах Подготовка аналитики и документации Взаимодействие с командой и клиентами Выполнение задач по выбранному направлению стажировки

Требования:

Студенты последних курсов или недавние выпускники Интерес к AI, FinTech и современным технологиям Аналитическое мышление и высокая обучаемость Грамотная письменная и устная коммуникация Ответственность и инициативность

Плюсом будет:

Базовые знания Python, SQL или BI-инструментов Понимание принципов управления проектами или продуктами Знакомство с AI/ML, LLM или аналитикой данных Опыт участия в учебных, исследовательских или коммерческих проектах

Условия:

Работа над реальными проектами с банками и крупными компаниями Наставничество от опытной команды Возможность дальнейшего трудоустройства по результатам стажировки Быстрый профессиональный рост и погружение в AI-индустрию Гибридный формат работы

Резюме: [email protected] (с пометкой позиции)

Aug 7, 08:02 AMMore from @devkz_jobs

🔘Подборка команд для ML-стажировки в Яндексе

Свежие вакансии для тех, кто хочет развиваться в машинном обучении →

R&D · YandexGPT NLP, LLM, Python, PyTorch Улучшаем способности к рассуждению у моделей семейства Alice AI LLM. На стажировке будешь экспериментировать с RLVR и RLHF, работать с многостадийным алайнментом и комбинировать генеративные и rule-based reward-модели

Алиса · ML-персонализация NLP, RAG, Python, PyTorch Развиваем долгосрочную персонализацию Алисы: обучаем LLM выделять полезное из истории взаимодействия и находить релевантный контекст. Будешь экспериментировать с LLM, обучать модели и развивать retrieval, метрики и оценку качества

R&D · YandexART NLP, LLM, VLM, Python, PyTorch Учим VLM рассуждать над визуальной информацией: анализировать изображения, диаграммы и причинно-следственные связи. На стажировке обучай модели работать с визуалом, строй масштабные дата-пайплайны и анализируй результаты экспериментов и качество моделей

Yandex Robotics · Команда RL DL, RL, робототехника Разрабатываем политики управления антропоморфным роботом, обеспечивающим управление гуманоидом по командам внешнего контроллера. Работаем с железом — результат можно «потрогать», и он попадёт в продукт

Рекламные технологии · Дизайн механизмов Classic ML, C++ Создаём рекламные аукционы и обучаем ML-прогнозаторы, согласуя интересы пользователей и рекламодателей. Работаем с большими датасетами. Разрабатывай инструмент моделирования поведения рекламодателей и оценивай пользу от улучшений архитектуры

Приходи на ML-стажировку: yandex.ru/yaintern/ml

@Young_and_Yandex #YY_ML

#астана #python

Python Developer Компания: BelesAI Формат работы: в офисе Занятость: full-time Обязанности: разработка и поддержка backend-части LMS/CRM-платформы; создание REST API на Django и Django REST Framework; работа с PostgreSQL, Redis, Elasticsearch и MinIO/S3; разработка бизнес-логики для обучения, CRM, платежей, расписаний, опросов и уведомлений; интеграция со сторонними сервисами и API; поддержка real-time-функциональности через WebSocket/Django Channels; написание тестов, исправление ошибок и сопровождение production-систем; работа с Docker и настройка фоновых задач. Требования: опыт коммерческой разработки на Python; уверенное знание Django и Django REST Framework; опыт проектирования и разработки REST API; знание PostgreSQL, Redis и работы с очередями/фоновыми задачами; опыт интеграции сторонних API и работы с вебхуками; понимание Docker, Linux и основ deployment-процессов; умение работать с существующим кодом, находить и устранять технические проблемы; ответственность и самоорганизация. Мы предлагаем: работу в офисе; полную занятость; стабильную заработную плату. Контакты: Telegram: @waitingfor1

Aug 7, 08:00 AMMore from @devkz_jobs

One Day Offer для Python-разработчиков!💚

15 августа открываем двери в команду Agent Execution Framework ⚡️

Коллеги создают платформу для GenAI‑агентов в банке — делают так, чтобы ИИ реально работал в серьёзных финпроцессах: с безопасностью, нагрузкой и пользой.

Чем предстоит заниматься:

✔️ развивать backend на Python ✔️ подключать LLM, инструменты, базы знаний и RAG ✔️ строить пайплайны оценки качества агентов ✔️ участвовать в архитектуре и ревью кода

Встречаемся 15 августа онлайн.

Регистрируйся по ссылке

uniface

Это унифицированная библиотека для анализа лиц на языке Python, предназначенная для выполнения различных задач, связанных с обработкой изображений лиц.

Она поддерживает функции детекции лиц, распознавания, определения ключевых точек, анализа атрибутов (возраст, пол, эмоции), оценки качества лица, а также защиту конфиденциальности путем анонимизации.

Библиотека обеспечивает высокую производительность и простоту интеграции, что делает ее подходящей для использования как в исследовательских проектах, так и в промышленных приложениях.

Lang: Python https://github.com/yakhyo/uniface ================ 👁 News | 👁 Soft | 👁 Hacker

🚀 Hiring: Python Developer (2–3 Years) | Gandhinagar – GIFT City

Join our growing AI team and work on innovative solutions in Python, AI/ML, OCR, and Intelligent Document Processing (IDP).

Key Skills: ✅ Strong Python programming ✅ OOP concepts ✅ Pandas, NumPy, OpenCV & Scikit-learn ✅ AI/ML fundamentals ✅ OCR & Document Processing ✅ REST APIs, JSON & Databases ✅ Exposure to FastAPI/Flask, TensorFlow/PyTorch, ABBYY, Google Document AI, or Azure Document Intelligence is an added advantage

📍 Location: Gandhinagar – GIFT City 🕢 Work Timings: 7:30 AM – 4:30 PM (Monday to Friday) 🎓 Qualification: Bachelor's degree in Computer Science, IT, AI, Data Science, or a related field 💼 Experience: 2–3 Years

📩 Interested candidates can share their resume at: [email protected]

Subject Line: Resume | Python Developer | Your Name

Aug 7, 06:10 AMMore from @aijobz

Python для Excel с библиотекой openpyxl (2026)

Чему вы научитесь: 📍Этот курс как для новичков, так и для тех, кто желает расширить свои навыки, а особенно полезен тем, кто хочет автоматизировать работу с большими данными и Excel. 📍Автоматизировать создание книг Excel с нужными данными. 📍Применять основные функции openpyxl для работы с книгами и листами Excel, увеличивая эффективность и точность обработки данных. 📍Разрабатывать продвинутые решения для управления данными, включая сложное форматирование, чтобы максимально использовать потенциал Python и Excel. 📍Строить и настраивать разнообразные типы диаграмм и таблиц для наглядной визуализации данных, улучшая представление информации и делая анализ более интуитивно понятным. 📍Защищать чувствительную информацию в Excel через реализацию мер безопасности, таких как защита ячеек, листов и книг. 📍Интегрировать знания openpyxl в реальные проекты и задачи, практически применяя полученные умения в создании автоматизированных и оптимизированных рабочих процессов. 📍Развивать критическое мышление, находя разные подходы к решению задач автоматизации в Excel.

☁️ Облако скачать бесплатно

🗣Язык: Русский 💰Цена: 5 000₽ 💿Размер: 15MB ⏰ Длительность: 6часов

#Python #Word_Excel_PowerPoint

IT MEGA

Aug 7, 06:00 AMMore from @it_mega_g

✅ If you're serious about learning Python for data science, automation, or interviews — just follow this roadmap 🐍💻

1. Install Python Jupyter Notebook (via Anaconda or VS Code) 2. Learn print(), variables, and data types 📦 3. Understand lists, tuples, sets, and dictionaries 🔁 4. Master conditional statements (if, elif, else) ✅❌ 5. Learn loops (for, while) 🔄 6. Functions – defining and calling functions 🔧 7. Exception handling – try, except, finally ⚠️ 8. String manipulations formatting ✂️ 9. List dictionary comprehensions ⚡ 10. File handling (read, write, append) 📁 11. Python modules packages 📦 12. OOP (Classes, Objects, Inheritance, Polymorphism) 🧱 13. Lambda, map, filter, reduce 🔍 14. Decorators Generators ⚙️ 15. Virtual environments pip installs 🌐 16. Automate small tasks using Python (emails, renaming, scraping) 🤖 17. Basic data analysis using Pandas NumPy 📊 18. Explore Matplotlib Seaborn for visualization 📈 19. Solve Python coding problems on LeetCode/HackerRank 🧠 20. Watch a mini Python project (YouTube) and build it step by step 🧰 21. Pick a domain (web dev, data science, automation) and go deep 🔍 22. Document everything on GitHub 📁 23. Add 1–2 real projects to your resume 💼

Trick: Copy each topic above, search it on YouTube, watch a 10-15 min video, then code along.

🎯 This method builds actual understanding + project experience for interviews!

💬 Tap ❤️ for more!

If you want to get a job as a machine learning engineer, don’t start by diving into the hottest libraries like PyTorch,TensorFlow, Langchain, etc.

Yes, you might hear a lot about them or some other trending technology of the year...but guess what!

Technologies evolve rapidly, especially in the age of AI, but core concepts are always seen as more valuable than expertise in any particular tool. Stop trying to perform a brain surgery without knowing anything about human anatomy.

Instead, here are basic skills that will get you further than mastering any framework:

𝐌𝐚𝐭𝐡𝐞𝐦𝐚𝐭𝐢𝐜𝐬 𝐚𝐧𝐝 𝐒𝐭𝐚𝐭𝐢𝐬𝐭𝐢𝐜𝐬 - My first exposure to probability and statistics was in college, and it felt abstract at the time, but these concepts are the backbone of ML.

You can start here: Khan Academy Statistics and Probability - https://www.khanacademy.org/math/statistics-probability

𝐋𝐢𝐧𝐞𝐚𝐫 𝐀𝐥𝐠𝐞𝐛𝐫𝐚 𝐚𝐧𝐝 𝐂𝐚𝐥𝐜𝐮𝐥𝐮𝐬 - Concepts like matrices, vectors, eigenvalues, and derivatives are fundamental to understanding how ml algorithms work. These are used in everything from simple regression to deep learning.

𝐏𝐫𝐨𝐠𝐫𝐚𝐦𝐦𝐢𝐧𝐠 - Should you learn Python, Rust, R, Julia, JavaScript, etc.? The best advice is to pick the language that is most frequently used for the type of work you want to do. I started with Python due to its simplicity and extensive library support, and it remains my go-to language for machine learning tasks.

You can start here: Automate the Boring Stuff with Python - https://automatetheboringstuff.com/

𝐀𝐥𝐠𝐨𝐫𝐢𝐭𝐡𝐦 𝐔𝐧𝐝𝐞𝐫𝐬𝐭𝐚𝐧𝐝𝐢𝐧𝐠 - Understand the fundamental algorithms before jumping to deep learning. This includes linear regression, decision trees, SVMs, and clustering algorithms.

𝐃𝐞𝐩𝐥𝐨𝐲𝐦𝐞𝐧𝐭 𝐚𝐧𝐝 𝐏𝐫𝐨𝐝𝐮𝐜𝐭𝐢𝐨𝐧: Knowing how to take a model from development to production is invaluable. This includes understanding APIs, model optimization, and monitoring. Tools like Docker and Flask are often used in this process.

𝐂𝐥𝐨𝐮𝐝 𝐂𝐨𝐦𝐩𝐮𝐭𝐢𝐧𝐠 𝐚𝐧𝐝 𝐁𝐢𝐠 𝐃𝐚𝐭𝐚: Familiarity with cloud platforms (AWS, Google Cloud, Azure) and big data tools (Spark) is increasingly important as datasets grow larger. These skills help you manage and process large-scale data efficiently.

You can start here: Google Cloud Machine Learning - https://cloud.google.com/learn/training/machinelearning-ai

I love frameworks and libraries, and they can make anyone's job easier.

But the more solid your foundation, the easier it will be to pick up any new technologies and actually validate whether they solve your problems.

USEFUL RESOURCES TO LEARN MACHINE LEARNING 👇👇

Intro to ML by MIT Free Course

https://openlearninglibrary.mit.edu/courses/course-v1:MITx+6.036+1T2019/about

Machine Learning for Everyone FREE BOOK

https://buildmedia.readthedocs.org/media/pdf/pymbook/latest/pymbook.pdf

ML Crash Course by Google

https://developers.google.com/machine-learning/crash-course

Advanced Machine Learning with Python Github

https://github.com/PacktPublishing/Advanced-Machine-Learning-with-Python

Practical Machine Learning Tools and Techniques Free Book

https://vk.com/doc10903696_437487078?hash=674d2f82c486ac525b&dl=ed6dd98cd9d60a642b

Python Machine Learning for beginners

https://t.me/datasciencefun/1177?single https://topmate.io/coding/914624

All the best 👍👍

🚨 Amanhã abrem as inscrições para os tutoriais da Python Nordeste 2026!

As inscrições serão feitas no mesmo link utilizado para os ingressos. Fique de olho para garantir sua vaga!

📚 Os tutoriais acontecem no dia dedicado às atividades práticas, 13 de agosto, e são gratuitos. Você pode se inscrever em quantos tutoriais quiser, desde que os horários não coincidam e ainda haja vagas disponíveis.

⚠️ Importante: • O ingresso para as palestras não garante inscrição nos tutoriais. • Para participar de um tutorial, é necessário fazer a inscrição específica para ele. • Da mesma forma, o ingresso de tutorial não dá acesso aos dias de palestras.

Programe-se e escolha os tutoriais que mais combinam com você. Nos vemos na Python Nordeste 2026! 🐍💛💙

🎟️ https://ingressos.python.org.br/nordeste/2026/

🐍 Free-threaded Python убрал GIL, но NumPy всё равно упирался во внутренние блокировки

Казалось бы, Python 3.13+ без GIL должен позволить нескольким потокам одновременно выполнять численные операции.

Но на практике параллельные ufunc начинали конкурировать за внутренние структуры NumPy, счётчики ссылок и выделение памяти.

В NumPy 2.5 разработчики устранили несколько ключевых узких мест:

- таблицу диспетчеризации ufunc заменили на lock-free concurrent hash map; - часть общих служебных объектов сделали «бессмертными», снизив конкуренцию при подсчёте ссылок; - выделение памяти перевели на PyMem_RawMalloc и PyMem_RawFree.

Теперь независимые операции можно масштабировать обычными потоками:

from concurrent.futures import ThreadPoolExecutor

import numpy as np

arrays = [ np.random.rand(5_000_000) for _ in range(8) ]

with ThreadPoolExecutor(max_workers=8) as pool: results = list(pool.map(np.sin, arrays))

Главное преимущество перед multiprocessing - массивы не нужно сериализовать и копировать между процессами.

Потоки работают в одном адресном пространстве, поэтому могут эффективнее использовать многоядерный CPU и общую память.

Но есть важная оговорка:

free-threaded не означает автоматически thread-safe.

Одновременное изменение одного ndarray из нескольких потоков всё ещё может привести к гонкам, повреждённым данным и падению интерпретатора.

Безопаснее использовать:

- отдельный массив для каждого worker; - общий массив только для чтения; - явную синхронизацию при записи.

Удалить GIL оказалось недостаточно. Чтобы Python действительно масштабировался по ядрам, пришлось перепроектировать и внутренности NumPy.

Подробнее: https://labs.quansight.org/blog/scaling-numpy-on-free-threaded-python

🤗 AI Python Engineer Удаленно (Санкт-Петербург)

CRT — IT-компания с 20-летним опытом разработки, понятными процессами и профессиональным менеджментом. Мы работаем с разными IT-проектами и базируемся в Тюмени.

Требования: — От 3 лет коммерческой разработки на Python и сильный backend-фундамент — Практический опыт с LLM, RAG или AI-агентами в реальных проектах — Знание async, типизации, тестирования и разработки REST API — Опыт работы с FastAPI, Django, Flask или аналогами — Уверенный SQL, PostgreSQL и опыт с одной из векторных баз данных — Опыт с LangGraph, LangChain, LlamaIndex, CrewAI, AutoGen или собственными решениями

➡️ Подробнее о вакансии на hh.ru

📍 Навигация: База знаний • Задачи • Собеседования

Aug 6, 06:04 PMMore from @pydevjob

Применяю SQL потому что лень писать на Python)

Решал типовую рабочую задачу. Суть в том, что данные были получены с помощью python и по датасету нужно было сделать несколько преобразований и вычислений метрик.

Преобразования сами по себе стандартные: фильтрация, агрегация, сортировка. Можно взять написать все эти операции с помощью pandas к уже имеющемуся датафрейму.

Но мне так стало лень писать несколько строк кода на python, что для меня было проще написать всю логику в одном select запросе на sql 😁 Вы спросите "нафига так делать???" чтобы применить sql данные нужно положить в базу данных Нет, точнее не всегда) Данные остались в том же датафрейме, а обработку я сделал с помощью pandasql.

Простой пример применения и сравнения pandas VS pandasql 👇 import pandas as pd from pandasql import sqldf

data = { 'product_id': [1, 2, 1, 3, 2, 3, 1], 'sale_date': ['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04'], 'amount': [100, 200, 150, 300, 250, 350, 400] }

df = pd.DataFrame(data)

# логика с pandas (фильтруем по датам, группируем по product_id, считаем агрегат суммы по полю amount и сортируем по нему же) result_df = ( df[df['sale_date'].between('2023-01-02', '2023-01-03')] .groupby('product_id', as_index=False)['amount'] .sum() .sort_values(by='amount', ascending=False) )

# или применяя sqldf query = """ SELECT product_id, SUM(amount) as total_amount FROM df WHERE sale_date BETWEEN '2023-01-02' AND '2023-01-03' GROUP BY product_id ORDER BY total_amount DESC """

sql_result = sqldf(query, globals())

Я на работе настолько привык крутить все данные с помощью SQL, что в голове любые преобразования я продумываю на логике sql-запросов, а потом если все таки нужно могу переложить это на python скрипты.

Это как с разговорными языками. Если например переезжаете в другую страну и начинаете разговаривать/писать/слушать на другом языке, то у вас мозг со временем начинает мыслить на этом же языке. У меня так было с английским 🇬🇧, когда учеба и работа была полностью на английском, при этом жил в Москве, но все равно замечал что формулирую предложения сначала на английском, а потом уже осознаю что можно на русском)

P.S. sqldf применяет диалект SQLite, поэтому можно использовать все функции которые доступны для этой базы.

👍 если узнали новенькое для себя из поста

Aug 6, 04:35 PMMore from @data_study

Помогает ли claude.md файл?

Интересный рисерч. Взяли три реальных Python-репозитория с хорошими AGENTS.md – pdm, firebase-admin-python и opshin. Из смерженных PR сделали 17 задач: описание PR = промпт агенту, тесты из этого же PR = скрытая проверка. Агент тестов не видит.

Дальше три режима подачи контекста: – none – файл вообще убран из воркспейса – always_on – весь AGENTS.md вставляется в системный промпт каждый ход – selective – вместо файла лежит вики по темам, агент читает нужное сам

Прогнали на Claude Code (Sonnet 4.6) и Codex CLI (GPT-5.5), по 3 повтора. Всего 288 засчитанных прогонов. Результат - все тлен. Claude: 53,3% / 55,6% / 55,6%. Codex: 58,8% / 56,9% / 52,9%. В пределах шума.

Автор вручную разобрал «почти прошедшие» падения – те, где до зачёта не хватило пары тестов. И там ни одного случая, где агенту не хватило знания о репозитории. Не хватало интеллекта и инженерии, и такое AGENTS.md не лечит.

Отдельно проверял улучшение правил, чтобы падения починить. Не получилось.

А вот что реально сработало: у репозитория opshin в AGENTS.md есть строчка: полный прогон тестов занимает больше 20 минут. Без контекста Claude вслепую гонял весь сьют 3,67 раза за прогон. С always_on – 2,44. С selective – 1,67. Время выполнения упало с 2689 до ~2030 секунд, примерно на четверть. Корректность при этом не сдвинулась ни на пункт. То есть контекст-файл работает как операционная инструкция, а не как учебник. «Не запускай полный сьют, он медленный», «сборка вот этой командой», «линтер такой» – экономит время и деньги. А вот всякие там "ты синьор разработчик", "мы придерживаемся чистой архитектуры и SOLID" – не делает ничего измеримого.

До этого были две работы с противоположными выводами – одна на Codex-агентах нашла пользу у файла, другая на Claude-агентах не нашла. Оказалось, сложность задач у агентов не совпадает: примерно у 40% задач агенты по-разному упираются в потолок. Задача, на которой можно было бы увидеть эффект у одного агента, у другого либо решается всегда, либо не решается никогда.

Короче, писать AGENTS.md стоит, но как список правил, не как описание проекта. Команды, тайминги, грабли, что не трогать. Всё, что агент может вывести из кода сам, туда класть бессмысленно: он и выведет. А качество реализации вытягивается не файлом, а декомпозицией задачи и примерами.

https://arxiv.org/abs/2607.27250

Aug 6, 04:23 PMMore from @ai_product

15 Фишек с СЛОВАРЯМИ Python, которые сделают код лучше // #Видео

Эти 15 вещей в Python, сделают ваш код более простым, помогут убрать огромные конструкции, которые вы пишите руками, и также помогут избежать ошибок во время работы с словарями.

▪️Перейти к просмотру [19:16]

Python Expert | Программирование

Prime Agent - новый open-source coding harness для задач, которые продолжаются часами или даже несколькими сессиями.

Вместо десятков отдельных инструментов модель получает один постоянный IPython-кernel. Через Python она может:

- искать информацию во всей истории диалога; - вызывать системные инструменты; - запускать субагентов параллельно; - сохранять промежуточные данные вне активного контекста; - возвращаться к старым агентам после сжатия истории; - превращать удачные решения в память и повторно используемые навыки.

Разработчики описывают подход так:

> Контекст становится переменной, а делегирование субагентам - вызовом функции внутри REPL.

Агент может написать код, найти нужный фрагмент истории и обработать данные программно.

Есть и механизм /refine: Prime Agent анализирует собственную траекторию и может обновлять вспомогательные промпты, память, навыки и настройки субагентов. Изменения сохраняются между сессиями и при необходимости откатываются.

По собственным тестам Prime Intellect, связка Prime Agent + Opus 5 набрала 95,5% на ARC-AGI-3 - немного выше указанного авторами бенчмарка результата экспертов в 95,4%.

В предварительном EmulatorBench агент также смог с нуля написать на Rust работающие эмуляторы SEGA Genesis и Game Boy Color без доступа к готовым реализациям.

Prime Agent распространяется под MIT-лицензией и работает на macOS и Linux.

Важный нюанс: это не изолированная песочница. Агент запускает сгенерированный код с правами текущего пользователя, поэтому тестировать его безопаснее в отдельной копии репозитория.

GitHub: https://github.com/PrimeIntellect-ai/prime-agent

Подробности: https://www.primeintellect.ai/blog/prime-agent

@Python_Community_ru

INNOCV Solutions Busca Desarrollador .NET Senior / Azure y Microservicios

https://remotojob.com/oferta/desarrollador-net-senior-azure-y-microservicios/

DID Global Busca Desarrollador Web Backend / Node.js y Python

https://remotojob.com/oferta/desarrollador-web-backend-node-js-y-python/

Nebius Group Busca Responsable de Ingeniería de Software

https://remotojob.com/oferta/responsable-de-ingenieria-de-software/

Aug 6, 03:45 PMMore from @remotojob

📌 КРАСНОДАР / МОСКВА / ПИТЕР

🌐 ОНЛАЙН (для некоторых направлений)

MAGNIT TECH открыл прием заявок на оплачиваемую стажировку «Уровень: ПРО» для студентов старших курсов с опытом разработки, аналитики, тестирования или участия в коммерческих, pet- и open source проектах.

Программа стартует в сентябре, продлится 10 месяцев, позволяя совмещать стажировку с учёбой при занятости от 20 часов в неделю. Стажёры официально трудоустраиваются, получают заработную плату и корпоративные бенефиты.

Набор ведётся по следующим направлениям:

🔹 DevOps

🔹 Frontend (Vue)

🔹 Backend: • Go • Python • Java • PHP • C++ • C++/Qt5, Python • C++, Python (POS-системы)

🔹 QA: • ручное тестирование • автоматизированное тестирование • нагрузочное тестирование

🔹 Данные и аналитика: • продуктовая аналитика • аналитика данных и метрик

🔹 Системный и бизнес-анализ: • системная аналитика • системная аналитика (рефакторинг кассового ПО) • системная аналитика систем развития

Большинство стажировок проходят в Москве и Краснодаре в гибридном формате. Для отдельных направлений доступны вакансии в Санкт-Петербурге или удаленная работа.

🔥 Лучшие участники смогут получить предложение о работе в MAGNIT TECH. Остальные получат подробную обратную связь и возможность вернуться к следующим наборам.

Для поступления необходимо заполнить анкету, выполнить тестовое и пройти очный этап отбора.

❗️Прием заявок — до 19 августа

ℹ️ Подробности — по ссылке:

https://magnit.tech/internship

@competech — твои возможности для старта в IT

Aug 6, 03:37 PMMore from @competech

AQA (Python)

Формат: удалённо (РФ) Компания: Usetech ЗП: от 180 000 до 250 000 руб/мес Полная занятость

Описание: https://telegra.ph/AQA-Python-08-04-2

#remote #fulltime

Связаться с HR - @recruiter_valeriya

Aug 6, 03:31 PMMore from @qavacant

Подборка вакансий

Стажёр: - Разработчик AI-решений в Культура Гостеприимства - Стажёр Backend-разработчик на PHP (Yii 2.0) в WeJET - Стажер Frontend-разработчик в Плитов Дмитрий Игоревич

Junior: - Python-разработчик в Группа Компаний Техно - Python-разработчик / бизнес-аналитик по автоматизации бизнес-процессов в Honex Auto - QA Automation Engineer в Петрович-Тех

Вакансии │ Стажировки │ За рубежом │ Удалёнка │ БИГТЕХ │ Мероприятия │ По всему миру │ IT и DIGITAL

🐣 Софи - первый ai ассистент для автооткликов и поиска работы.