ChatCrawlerпоиск по публичному Telegram Открыть приложение
P

Python Community | Chat

снимок за апрель 2026
‹ апрель 2026 ›×
I
Фотография
нажмите — покажем
🔥 Самый полный набор для Claude Code - выложили в open-source 27 агентов, 64 навыка, 33 команды + встроенный AgentShield с 1 282 тестами безопасности Закрывает всё: планирование, код-ревью, фиксы, TDD, оптимизация токенов и многое другое Работает в Cursor, OpenCode, Codex CLI - один репозиторий заменяет недели настройки, полностью бесплатно Repo: https://github.com/affaan-m/everything-claude-code @Python_Community_ru
1K ·
Фотография
нажмите — покажем
🔊 Собрали жирный пак инструментов для работы со звуком - без облаков и подписок. Что внутри: Клонирование голоса, изменение тона и обработка аудио Хватает 2–3 секунд записи, чтобы воспроизвести голос Поддержка десятков языков: русский, английский, китайский Сохраняется оригинальный тембр Всё работает локально - никакие данные никуда не улетают Запускается даже на слабом железе Есть гайды под Docker и запуск через bash Забирай, пока не разнесли. https://github.com/0xSojalSec/free-voice-clone 🐍 Python полезные ресурсы ( ) () @Python_Community_ru
955 ·
I
Видео
6a59dcfddd36d5bd8f7c245cfd1360f5_452337_1775585007.mp4 · 5.4 МБ · нажмите — покажем
932 ·
I
Видео
5a934862c233ad0c85546e18ca01f74a_452337_1775671161.mp4 · 3.7 МБ · нажмите — покажем
Опенсорс-аналог Claude Cowork, который работает локально и бесплатно Разработчики выкатили Rowboat - open-source ИИ-коворкер, который позиционируют как замену Claude Cowork от Anthropic. Работает полностью локально, на вашей машине, с любой LLM на выбор. Из интересного: поддержка голоса, расширяемость через MCP-тулы, совместимость с Obsidian-хранилищами, фоновые агенты с веб-поиском и автоматическое построение графа знаний по вашим заметкам и письмам. Anthropic, кажется, начинают окружать со всех сторон. Пока они строят закрытую экосистему, комьюнити собирает аналоги на коленке и раздает бесплатно. github.com/rowboatlabs/rowboat @Python_Community_ru
927 ·
I
Видео
4b783f3d87beb6972ab38e0b4000137e_452337_1775735840.mp4 · 978 КБ · нажмите — покажем
🚨 ElevenLabs получил open source конкурента Mistral выкатили Voxtral и это выглядит как серьёзный заход в TTS. Модель всего на 4B параметров. При этом даёт около 70 мс задержки, что уже подходит для голосовых агентов в реальном времени. Поддерживает клонирование голоса буквально с нескольких секунд аудио. Плюс работает на 9 языках и умеет переносить голос между ними. По бенчмаркам заявляют 68.4% побед против ElevenLabs Flash v2.5. Ключевой момент здесь не только в качестве. Веса открыты и доступны на Hugging Face. Это значит, что TTS снова уходит из SaaS в инфраструктуру. Голос можно разворачивать локально, кастомизировать и встраивать без ограничений. Для тех, кто делает voice agents, это сильный сдвиг. Контроль над голосом теперь можно держать у себя. https://huggingface.co/mistralai/Voxtral-4B-TTS-2603 🐍 Python полезные ресурсы ( ) () @Python_Community_ru
936 ·
I
Ссылка
нажмите — покажем
Видео
2198c0b1df45ef827dc34d06124800b9_452337_1775994266.mp4 · 635 КБ · нажмите — покажем
🚨 Без этого репо ты используешь Claude Code на 10% Практически все, кто реально работает с Claude Code, уже сидят на claude-code-best-practice. Остальные просто не выжимают и половины возможностей. Это не очередной список советов, а собранная база практики: 84 конкретных приёма, примеры внедрения и разбор того, как строят workflow топовые пользователи. Внутри разложено всё, что обычно собираешь по кускам: промптинг, планирование, CLAUDE.md, агенты, команды, skills, hooks, дебаг, утилиты реальные примеры использования каждой ключевой фичи сравнение подходов из крупных репозиториев и методологий оркестрация через цепочку Command → Agent → Skill советы Бориса Черны, собранные из тредов и интервью Есть и практические вещи, которые реально меняют работу: • использование subagents, чтобы разгружать контекст и ускорять задачи • второй Claude как ревьюер перед выполнением плана • контроль размера CLAUDE.md, чтобы модель не деградировала • ручное управление контекстом через /compact • переписывание решений «с нуля», когда уже понял задачу глубже Отдельно - блок с открытыми вопросами, на которые до сих пор нет нормального ответа. Это уже уровень, где начинается настоящая инженерия вокруг Claude Code. Репозиторий залетел в топ GitHub, почти 20K звёзд и активно растёт. https://github.com/shanraisshan/claude-code-best-practice @Python_Community_ru
788 ·
Фотография
нажмите — покажем
🚀 OpenGauss: Умный оркестратор для Lean-работ OpenGauss - это инструмент для управления рабочими процессами в Lean, позволяющий эффективно организовывать задачи, такие как доказательства и формализация. Он интегрирует несколько агентов и упрощает взаимодействие с Lean-экосистемой через удобный CLI. 🚀Основные моменты: - Многоагентная архитектура для Lean-работ - Поддержка различных рабочих процессов: prove, draft, autoprove - Удобное управление проектами и сессиями - Интеграция с Lean tooling и MCP/LSP 📌 GitHub: https://github.com/math-inc/OpenGauss @Python_Community_ru
822 ·
I
Видео
0fa6cb172cf4ed7efdba3f6fad41a666_452337_1776187940.mp4 · 670 КБ · нажмите — покажем
🚀 Claude Code получил open-source инструмент, который снимает лимиты использования и не даёт ему останавливаться посреди задачи. 47 000+ звёзд, бесплатно, и уже называют чит-кодом для power-пользователей. https://github.com/thedotmack/claude-mem 🐍 Python полезные ресурсы ( ) () @Python_Community_ru
914 ·
I
Видео
1e32582bdd9412df25f462849aebbe1f_452337_1776252501.mp4 · 1.7 МБ · нажмите — покажем
🔊 В опенсорс вышел самый лёгкий и доступный генератор речи - MOSS-TTS-Nano работает локально на любом процессоре даже без видеокарты. Ультралёгкий TTS, который можно гонять хоть на тостере - MOSS-TTS. Это не «демка на поиграться», а нормальный инструмент: запускается на обычном 4-ядерном CPU, тянется даже на уровне Raspberry Pi и при этом выдаёт живую речь без ощутимой задержки. Модель крошечная - около 100 млн параметров, но звук на уровне: до 48 кГц и вполне чистая озвучка. Лучше всего справляется с английским, но русский тоже поддерживает. Умеет не только короткие фразы. Спокойно читает длинные тексты и может клонировать голос, что открывает кучу сценариев - от ботов до локальных ассистентов. Фактически это TTS, который не требует ни облака, ни GPU, ни сложной инфраструктуры. Запустил и используешь. https://github.com/OpenMOSS/MOSS-TTS-Nano Демо: https://huggingface.co/spaces/OpenMOSS-Team/MOSS-TTS-Nano @Python_Community_ru
1K ·
I
Продвинутый совет по Django: Не тащи бизнес-логику в views и serializers. Выноси её в отдельный service layer. Пока проект маленький, удобно писать всё прямо во view: получил request, дёрнул ORM, что-то посчитал, сохранил, отправил ответ. Но как только появляются повторяющиеся сценарии, несколько точек входа, celery-задачи, admin, API и тесты, код начинает расползаться. Хороший паттерн такой: • view отвечает только за HTTP, • serializer за валидацию, • model за данные, • а вся бизнес-логика живёт в services. Пример: # services/order_service.py from django.db import transaction from .models import Order, OrderItem class OrderService: @staticmethod @transaction.atomic def create_order(*, user, items_data): order = Order.objects.create(user=user, status="new") order_items = [ OrderItem( order=order, product_id=item["product_id"], quantity=item["quantity"], price=item["price"], ) for item in items_data ] OrderItem.objects.bulk_create(order_items) return order Во view тогда остаётся только это: def create_order_view(request): serializer = OrderCreateSerializer(data=request.data) serializer.is_valid(raise_exception=True) order = OrderService.create_order( user=request.user, items_data=serializer.validated_data["items"], ) return Response({"order_id": order.id}) Что это даёт: код проще тестировать, логика не дублируется, её можно использовать в API, admin и background jobs, и становится меньше шансов сломать что-то при росте проекта. Django-проект становится серьезнее в тот момент, когда ты перестаёшь писать всё во views. 🐍 Python полезные ресурсы ( ) @Python_Community_ru
1.1K ·
I
Фотография
нажмите — покажем
🚀 Автономные исследования на Apple Silicon Порт Karpathy's autoresearch для Apple Silicon, использующий MLX. Проект реализует автономные исследовательские циклы с фиксированным временем и управлением через program.md. Основные файлы включают train.py для обучения и prepare.py для подготовки данных. 🚀 Основные моменты: - Нативная поддержка Apple Silicon без PyTorch/CUDA - Фиксированный 5-минутный бюджет на обучение - Логирование результатов в results.tsv - Простая структура для автономного эксперимента - Оптимизация моделей для повышения эффективности 📌 GitHub: https://github.com/trevin-creator/autoresearch-mlx #python @Python_Community_ru
872 ·
I
Ссылка
нажмите — покажем
‍🚀 50+ команд Claude Code, которые реально ускоряют разработку Если ты используешь Claude Code как обычный чат - ты теряешь 80% его мощности. Это не просто AI. Это полноценная система разработки внутри терминала. Вот как его правильно использовать: База, без которой никуда: - /init - создаёт CLAUDE.md и память проекта - /memory - открывает контекст проекта - /add-dir - подключает новые директории - /compact - чистит контекст и экономит токены Работа с кодом: - /diff - показывает изменения - /review - ревью кода - /simplify - 3 агента анализируют код - /debug - системный дебаг Контроль процесса: - /plan - сначала думает, потом пишет код - /permissions - контроль действий - --dangerously-skip-permissions - полный автопилот Продвинутые фичи: - /agents - параллельные агенты - /loop - повтор задач - /bash - выполнение команд - /remote-control - управление через браузер Модели и режимы: - /model - переключение моделей - /effort - глубина мышления - /fast - быстрый режим Что важно знать: - Claude Code = не чат, а инженер внутри проекта - память (CLAUDE.md) решает больше, чем промпты - агенты дают x2-x5 ускорение на сложных задачах @Python_Community_ru
652 ·
Ссылка
нажмите — покажем
🚀 DeepSeek-V4 ломает рынок: 1M контекста стал нормой DeepSeek выкатили V4 и сделали то, к чему все шли последние два года. Длинный контекст больше не фича для демо. Теперь это базовый уровень. V4-Pro выглядит как заявка на прямую конкуренцию с закрытыми моделями. 49B активных параметров дают уровень reasoning, который раньше был доступен только в дорогих API. Агентные задачи закрываются на уровне SOTA среди open-source. V4-Flash почти не отстает по качеству, зато быстрее и заметно дешевле. Это уже не про исследования. Это про продакшен, где важна цена за каждый запрос. Новый attention с компрессией токенов и sparse-подходом делает 1M контекста не просто возможным, а экономически адекватным. Раньше длинный контекст стоил как эксперимент. Теперь это рабочий инструмент. DeepSeek явно ставит ставку на агентов. Интеграция с Claude Code, OpenClaw и другими системами показывает, куда они целятся. Не чат. Автоматизация процессов, цепочки действий, реальные workflow. И еще один важный момент. Теперь есть выбор между thinking и non-thinking режимами. Можно управлять тем, тратить ли ресурсы на глубокое рассуждение или получать быстрый ответ. В итоге меняется базовая логика рынка. Если раньше ты выбирал между качеством и ценой, то теперь появляется третья точка. Длинный контекст плюс агентность при адекватной стоимости. Это новый baseline, под который придется перестраиваться всем. 📄 Tech Report: https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/main/DeepSeek_V4.pdf 🤗 Open Weights: https://huggingface.co/collections/deepseek-ai/deepseek-v4 #DeepSeek @Python_Community_ru
728 ·
Фотография
нажмите — покажем
Фотография
нажмите — покажем
Фотография
нажмите — покажем
Фотография
нажмите — покажем
956 ·
I
Фотография
нажмите — покажем
🐍 Маленькая, но красивая фишка Python. В большинстве языков, чтобы поменять значения переменных местами, используют временную переменную: temp = a a = b b = temp В Python всё гораздо проще. Можно сделать обмен значений в одну строку: a, b = b, a Без временных переменных, без лишнего кода. Python просто распаковывает значения и меняет их местами. Мелочь, но именно из таких вещей и складывается читаемый и лаконичный код. 🐍 Python полезные ресурсы ( ) () @Python_Community_ru
769 ·
I
Фотография
нажмите — покажем
🚀 Открытый агентский хранилище OpenHarness OpenHarness предлагает легкую инфраструктуру для агентов, включая инструменты, память и координацию между агентами. Это решение для разработки открытых агентов с поддержкой интеграции CLI и множеством инструментов. 🚀 Основные моменты: - Легкая архитектура для агентов - Поддержка 43+ инструментов и плагинов - Механизмы управления и разрешений - Контекст и память для улучшенной работы - Координация между несколькими агентами 📌 GitHub: https://github.com/HKUDS/OpenHarness #python @Python_Community_ru
868 ·
I
Фотография
нажмите — покажем
✔️ The Open Source Computer Science Degree На GitHub есть список курсов, который бесчисленные самоучки считают «альтернативой бакалавриату по компьютерным наукам»: open-source-cs, уже набравший более 20 000 звёзд. Здесь бесплатные открытые курсы из ведущих вузов, таких как MIT, Стэнфорд, Принстон и других, по традиционной траектории подготовки CS-бакалавров: от основ до продвинутого уровня, от теории до практики, репо прокладывает чёткий путь обучения. Полное покрытие: программирование, математика, системы, алгоритмы и приложения; для каждого курса заботливо указаны часы обучения, уровень сложности и здесь описаны предварительные требования, чтобы вы меньше спотыкались и не терялись. GitHub: http://github.com/ForrestKnight/open-source-cs @Python_Community_ru
938 ·
I
Фотография
нажмите — покажем
Tencent Hunyuan выложила в open source Hy-MT1.5-1.8B-1.25bit - офлайн-модель для перевода на мобильных устройствах размером всего 440 МБ. Поддерживает 33 языка и работает без интернета. Базовая модель на 1,8B параметров по качеству сопоставима с коммерческими API для перевода и моделями масштаба 235B. По бенчмаркам она обходит Google Translate и Baidu Translate. Версия на 440 МБ достигает этого за счёт Sherry - разреженной тернарной квантизации 1.25-bit, принятой на ACL 2026. Схема такая: параметры группируются по 4, три хранятся в 1-bit, один зануляется. В среднем получается 1.25 bit на параметр. Также доступна версия на 574 МБ с 2-bit SEQ-квантизацией: почти без потери качества и быстрее на устройствах с Arm SME2. Android-демо уже доступно. 🤖 https://modelscope.cn/collections/AngelSlim/Hy-MT15-18b-quant 📄 https://modelscope.cn/papers/2601.07892 📄 https://modelscope.cn/papers/2512.24092 @Python_Community_ru
1.1K ·
Календарь: апрель 2026
ПнВтСрЧтПтСбВс1213145161728191101111221314215116171811920121221231246252612728129130
Архив по месяцам
Открыть в Telegram Каталог площадок Искать в ChatCrawler

Слепок открытой публичной ленты из поискового индекса ChatCrawler — «Google по публичному Telegram»; обновляется по мере обхода площадки. Время — UTC.

Только публичный контент, официальный API Telegram. О проекте · Вопросы · Чего мы не делаем · Убрать страницу из выдачи · Каталог