Новый обязательный вопрос на интервью разработчиков

Сейчас ведём найм backend-разработчиков, и на screening-интервью я добавил новый обязательный вопрос: А как вы используете LLM или IDE с LLM для написания кода?

Отвечать на такой вопрос — почти не использую, всё пишу сам — это примерно как отвечать 100 лет назад, что автомобиль пока не использую, лошадь надёжнее и понятнее.

LLM и всякие Cursor, Anthropic уже несколько лет с нами, вы просто обязаны их использовать для увеличения своей производительности 🚀

👉 Первый уровень — это обычно просто web-чат с ChatGPT по конкретному коду

👉 Второй уровень — это IDE с настройкой system prompt под свой проект (чтобы оно не тупило и не делало плохие штуки)

👉 Третий уровень — это подключение всяких JIRA, Wiki через MCP, чтобы бизнес-документация сама бралась в LLM, и задачки в JIRA сами двигались по workflow

Второй и третий уровень требуют усилий по настройке и тюнингу под ваши проекты, но если вы этого не сделаете, то и в XXI веке всё ещё будете использовать надёжную, хорошую, проверенную веками лошадь 🐴

Подпишись 👉🏻 @aigentto 🤖

Вот третий 🔥наглядный пример — асинхронный Telegram-бот на `aiogram`, который параллельно обрабатывает несколько пользователей. Отлично показывает, как asyncio даёт каждому пользователю "свою сессию", и никто не блокируется.

🤖 Асинхронный Telegram-бот на aiogram

from aiogram import Bot, Dispatcher, types
from aiogram.types import Message
from aiogram.utils import executor
import asyncio
import logging

API_TOKEN = 'YOUR_TELEGRAM_BOT_TOKEN'

logging.basicConfig(level=logging.INFO)

bot = Bot(token=API_TOKEN)
dp = Dispatcher(bot)

# Эмуляция долгой операции (например, генерация отчета)
async def long_operation(user_id: int):
    await bot.send_message(user_id, "⌛️ Обрабатываю ваш запрос (5 сек)...")
    await asyncio.sleep(5)
    await bot.send_message(user_id, "✅ Готово!")

@dp.message_handler(commands=["start", "go"])
async def handle_command(message: Message):
    await long_operation(message.from_user.id)

if __name__ == "__main__":
    executor.start_polling(dp, skip_updates=True)

⚙️ Как это работает

1. Пользователь пишет /start — бот отвечает "⌛️ Обрабатываю..."
2. Через 5 секунд отвечает "✅ Готово!"
3. Если 10 пользователей напишут одновременно — каждый получит ответ без задержек, параллельно.

🧪 Проверь сам

1. Запусти бота.
2. Открой 2 Telegram-аккаунта (или попроси друга).
3. Одновременно напиши /start.
4. Каждый увидит мгновенный ответ, без блокировки друг друга.

🤔 Почему это важно

Если бы бот был синхронным, то пока обрабатывался один запрос (5 сек), все остальные бы тупо ждали. А с aiogram всё идёт в параллель, благодаря async def.

Подпишись 👉🏻 @KodduuPython 🤖

Вот пример сложного и реалистичного случая асинхронщины, где всё может пойти не так — и это отлично демонстрирует, почему нужно уметь работать с ошибками, таймаутами и отменой задач в `asyncio`.

💣 Сценарий: параллельная загрузка API, где всё может сломаться

* Несколько API-эндпоинтов вызываются параллельно.
* Некоторые из них "висят", некоторые возвращают ошибку.
* Ты должен:
✅ получить успешные,
⚠️ обработать ошибки,
⏱️ отменить долгие.


⚙️ Код: асинхронная загрузка с таймаутами, отменой и ошибками

import asyncio
import aiohttp
import random

urls = [
    "https://httpbin.org/delay/1",   # быстрый
    "https://httpbin.org/delay/5",   # медленный (возможен таймаут)
    "https://httpbin.org/status/500",  # ошибка сервера
    "https://httpbin.org/delay/2",   # нормальный
]

async def fetch(session, url):
    try:
        timeout = aiohttp.ClientTimeout(total=3)  # 3 секунды таймаут на каждый запрос
        async with session.get(url, timeout=timeout) as resp:
            if resp.status != 200:
                raise Exception(f"Ошибка {resp.status}")
            data = await resp.text()
            print(f"✅ Успешно: {url[:30]}... ({len(data)} символов)")
            return data
    except asyncio.TimeoutError:
        print(f"⏱️ Таймаут: {url}")
    except Exception as e:
        print(f"❌ Ошибка: {url} — {e}")

async def main():
    async with aiohttp.ClientSession() as session:
        tasks = [fetch(session, url) for url in urls]
        results = await asyncio.gather(*tasks, return_exceptions=True)
    print("\n🏁 Готово.")

if __name__ == "__main__":
    asyncio.run(main())

📦 Telegram-вывод:

✅ Успешно: https://httpbin.org/delay/1... (437 символов)
⏱️ Таймаут: https://httpbin.org/delay/5
❌ Ошибка: https://httpbin.org/status/500 — Ошибка 500
✅ Успешно: https://httpbin.org/delay/2... (437 символов)

🏁 Готово.

🧠 Что демонстрирует

* 🔄 gather(..., return_exceptions=True) позволяет не падать при ошибке.
* ⏱️ Таймауты контролируют "висящие" запросы.
* ❌ Ошибки ловятся явно, без падения всего процесса.
* 🤯 Этот паттерн нужен в реальных ботах, где:

* LLM может зависнуть,
* вебхуки не отвечают,
* юзер отменил команду,
* Slack/Jira/GitHub API дали 500.

Подпишись 👉🏻 @KodduuPython 🤖

🌌 Крутая 3D-спираль на Python с Pygame — живой движок прямо у тебя на экране!

import pygame
import math
import sys

pygame.init()
screen = pygame.display.set_mode((600, 600))
clock = pygame.time.Clock()

points = []
for i in range(1000):
    angle = i * 0.1
    x = 200 * math.cos(angle)
    y = 200 * math.sin(angle)
    z = i * 0.5
    points.append([x, y, z])

def project(x, y, z, screen_width, screen_height, fov, viewer_distance):
    factor = fov / (viewer_distance + z)
    x = x * factor + screen_width / 2
    y = -y * factor + screen_height / 2
    return int(x), int(y)

angle = 0
fov = 256
viewer_distance = 4

while True:
    for event in pygame.event.get():
        if event.type == pygame.QUIT:
            pygame.quit()
            sys.exit()

    screen.fill((10, 10, 30))
    angle += 0.01

    for p in points:
        # вращаем точки вокруг оси Y
        x = p[0] * math.cos(angle) - p[2] * math.sin(angle)
        z = p[0] * math.sin(angle) + p[2] * math.cos(angle)
        y = p[1]

        px, py = project(x, y, z, 600, 600, fov, viewer_distance)
        shade = max(0, min(255, int(255 - z)))
        pygame.draw.circle(screen, (shade, shade, 255), (px, py), 2)

    pygame.display.flip()
    clock.tick(60)

📌 Простая 3D-спираль с проекцией на 2D экран, вращающаяся в реальном времени.

📌 Использует Pygame для визуализации и базовую математику для 3D-проекций.

📌 Установи pygame: pip install pygame

📌 Запусти и наслаждайся плавной анимацией!

Подпишись 👉🏻 @KodduuPython 🤖

Визуал по коду выше 👆👆👆

Подпишись 👉🏻 @KodduuPython 🤖

🧠 Сделай ИИ-аватара из своего лица за 20 секунд
Генерируем мультикартинку в стиле Pixar с помощью OpenAI + PIL

from PIL import Image, ImageDraw, ImageFont
import openai
import requests
from io import BytesIO

openai.api_key = "sk-..."  # вставь свой ключ

def cartoonify(image_url, style="Pixar-style 3D render"):
    response = openai.Image.create_variation(
        image=openai.Image.create_edit(
            image=openai.Image.from_url(image_url),
            prompt=style,
            n=1,
            size="512x512"
        )
    )
    return response['data'][0]['url']

img_url = "https://i.imgur.com/your_photo.jpg"  # замени на своё фото
new_img_url = cartoonify(img_url)

img = Image.open(BytesIO(requests.get(new_img_url).content))
img.show()

📌 Берёт твоё фото, стилизует его под мультяшку и показывает
📌 Используется openai, PIL, requests
📌 Установи: pip install openai pillow requests
📌 Нужно своё фото (портрет) и OpenAI API-ключ
📌 Работает на GPT-4+ DALL·E через OpenAI API

Подпишись 👉🏻 @KodduuPython 🤖

Пример по коду выше 👆👆👆

Подпишись 👉🏻 @KodduuPython 🤖

🧲 Курсор как магнит: тянем шарик мышкой без кликов!
Интерактивная физика с pygame за 25 строк

import pygame, sys
pygame.init()
screen = pygame.display.set_mode((600, 400))
clock = pygame.time.Clock()
x, y, vx, vy = 300, 200, 0, 0

while True:
    for e in pygame.event.get():
        if e.type == pygame.QUIT:
            pygame.quit(); sys.exit()

    mx, my = pygame.mouse.get_pos()
    dx, dy = mx - x, my - y
    ax, ay = dx * 0.01, dy * 0.01
    vx += ax; vy += ay
    vx *= 0.9; vy *= 0.9
    x += vx; y += vy

    screen.fill((30, 30, 40))
    pygame.draw.circle(screen, (255, 100, 100), (int(x), int(y)), 20)
    pygame.display.flip()
    clock.tick(60)

📌 Шарик "прилипает" к курсору и двигается с инерцией
📌 Используется только pygame
📌 Установи: pip install pygame
📌 Подходит для визуализации физики или мини-игры

Подпишись 👉🏻 @KodduuPython 🤖

🧘 Успокаивающий дыхательный таймер
Текстовый цикл «вдох — пауза — выдох» прямо в терминале

import time

def breathe(cycle=3):
    while True:
        for phase, secs in [("Вдох", 4), ("Задержка", 2), ("Выдох", 6), ("Пауза", 2)]:
            print(f"{phase}... ", end="", flush=True)
            for i in range(secs):
                print(".", end="", flush=True)
                time.sleep(1)
            print()

try:
    breathe()
except KeyboardInterrupt:
    print("\nВы завершили практику 🙏")

📌 Показывает дыхательные фазы с точками — помогает успокоиться
📌 Идеален для короткой медитации в перерывах
📌 Использует только стандартный time
📌 Без зависимостей, без графики — минимализм и польза

Подпишись 👉🏻 @KodduuPython 🤖

Еще одна невероятная способность LLM 🔥

Есть очевидная, но достаточно мало используемая способность LLM — это возможность восстанавливать битый текст.

В нашем случае есть расчетный лист с очень плохим качеством в виде пиксельного PDF. Распознавая его в текст, мы получаем битый текст (70% может быть битым), но LLM все воспринимает как последовательность токенов, и имея даже 30% информации, она достаточно легко догадывается, что было в 70% битых процентах.

Если у вас есть задачи, где входящая информация не качественная, то использование LLM — самый лучший и надежный вариант для ее восстановления.

Древние рукописи с бересты можно восстановить🙂

Подпишись 👉🏻 @aigentto 🤖

🧠 Мини-LLM своими руками: предсказание текста с нуля
Токенизация, матрицы, softmax — всё на чистом Python

import numpy as np

text = "hello world"
chars = sorted(set(text))
stoi = {ch: i for i, ch in enumerate(chars)}
itos = {i: ch for ch, i in stoi.items()}
vocab_size = len(chars)

# Подготовка обучающих данных
xs = [stoi[ch] for ch in text[:-1]]
ys = [stoi[ch] for ch in text[1:]]

# One-hot
X = np.eye(vocab_size)[xs]
Y = np.array(ys)

# Весовая матрица
W = np.random.randn(vocab_size, vocab_size) * 0.1

# Тренировка
for epoch in range(500):
    logits = X @ W
    probs = np.exp(logits) / np.exp(logits).sum(axis=1, keepdims=True)
    loss = -np.log(probs[range(len(Y)), Y]).mean()

    # Градиент
    probs[range(len(Y)), Y] -= 1
    grad = X.T @ probs / len(Y)
    W -= 0.5 * grad  # шаг обучения

# Генерация
ix = stoi["h"]
for _ in range(10):
    x = np.eye(vocab_size)[ix]
    logits = x @ W
    probs = np.exp(logits) / np.exp(logits).sum()
    ix = np.random.choice(vocab_size, p=probs)
    print(itos[ix], end="")

📌 Минималистичная языковая модель, обученная предсказывать след. символ
📌 Используются numpy, softmax, one-hot, градиентный спуск
📌 Установи: pip install numpy
📌 По сути — крошечный LLM на пальцах, работает за 2 секунды

Подпишись 👉🏻 @KodduuPython 🤖

🧬 Генетический алгоритм на минималках
Эволюционируем строку до цели без нейросетей

import random

TARGET = "hello world"
CHARS = "abcdefghijklmnopqrstuvwxyz "

def mutate(s):
    i = random.randrange(len(s))
    return s[:i] + random.choice(CHARS) + s[i+1:]

def fitness(s):
    return sum(a == b for a, b in zip(s, TARGET))

def evolve():
    population = [''.join(random.choices(CHARS, k=len(TARGET))) for _ in range(100)]
    for gen in range(1000):
        population.sort(key=lambda x: -fitness(x))
        print(f"{gen:3}: {population[0]} ({fitness(population[0])})")
        if population[0] == TARGET:
            break
        next_gen = population[:10]
        while len(next_gen) < 100:
            parent = random.choice(next_gen)
            child = mutate(parent)
            next_gen.append(child)
        population = next_gen

evolve()

📌 Эмулирует "эволюцию" строки путём мутаций и отбора
📌 Без библиотек, чистый Python и немного теории Дарвина
📌 Отличный способ понять основы генетических алгоритмов
📌 Работает быстро, прикольно смотреть за процессом

Подпишись 👉🏻 @KodduuPython 🤖

🔒 Безопасная работа с временными файлами в Python

import tempfile
import shutil
from pathlib import Path

def safe_write_to_file(target_path: Path, content: str):
    """Атомарная запись в файл: безопасна при сбоях и многопоточности."""
    target_path = Path(target_path)
    target_path.parent.mkdir(parents=True, exist_ok=True)

    with tempfile.NamedTemporaryFile("w", delete=False, dir=target_path.parent, encoding="utf-8") as tmp:
        tmp.write(content)
        temp_path = Path(tmp.name)

    temp_path.replace(target_path)  # атомарно заменяет, даже если файл уже существует

# Пример использования
if __name__ == "__main__":
    safe_write_to_file("data/config.json", '{"debug": false}')

📌 Зачем это нужно:
При записи конфигов, отчётов, логов и кэшей важно не допустить порчи файлов при сбое питания, исключении или параллельной записи. Этот приём — промышленный стандарт для надёжной записи (используется, например, в системах сборки и редакторах кода).

🛠 Библиотеки: только стандартная библиотека Python 🐍.

Подпишись 👉🏻 @KodduuPython 🤖

🌐 Повтор HTTP-запроса с логированием и бэкофом

import logging
import time
import requests
from requests.exceptions import RequestException

logging.basicConfig(level=logging.INFO)

def fetch_with_retry(url, retries=3, backoff=2):
    """Повторяет запрос с увеличением интервала в случае ошибки."""
    for attempt in range(1, retries + 1):
        try:
            response = requests.get(url, timeout=5)
            response.raise_for_status()
            return response.text
        except RequestException as e:
            logging.warning(f"Attempt {attempt} failed: {e}")
            if attempt < retries:
                time.sleep(backoff ** attempt)
            else:
                logging.error("All attempts failed")
                raise

# Пример использования
if __name__ == "__main__":
    content = fetch_with_retry("https://httpbin.org/status/503")  # измените на нужный URL
    print(content)

📌 **Зачем это нужно**:
Нестабильные внешние API могут временно «падать» или отвечать с ошибками. Этот код делает повторные попытки с экспоненциальной задержкой и логирует проблему. Отлично подходит для API-клиентов, ETL-сборщиков и мониторинга.

🛠 pip install requests

Подпишись 👉🏻 @KodduuPython 🤖

🕒 Фоновый таймер с автоматической остановкой

import threading
import time
import logging

logging.basicConfig(level=logging.INFO)

class RepeatingTimer:
    def __init__(self, interval, function, max_runs=None):
        self.interval = interval
        self.function = function
        self.max_runs = max_runs
        self._counter = 0
        self._stop_event = threading.Event()
        self._thread = threading.Thread(target=self._run, daemon=True)

    def _run(self):
        while not self._stop_event.is_set():
            self.function()
            self._counter += 1
            if self.max_runs and self._counter >= self.max_runs:
                break
            time.sleep(self.interval)

    def start(self):
        self._thread.start()

    def stop(self):
        self._stop_event.set()
        self._thread.join()

# Пример использования
if __name__ == "__main__":
    def say_hi():
        logging.info("👋 Привет!")

    timer = RepeatingTimer(interval=2, function=say_hi, max_runs=3)
    timer.start()
    timer._thread.join()  # или time.sleep(...) в реальных скриптах

📌 Зачем это нужно:
Используется для повторяющихся задач в фоне — опрос сервисов, автообновление кэша, heartbeat. Не блокирует основной поток и автоматически завершает выполнение.

🛠 Только стандартная библиотека Python: threading, time, logging ✅

Подпишись 👉🏻 @KodduuPython 🤖

Хорошая подборка MCP серверов

Полезные для кодинга в Cursor/Anthropic MCP сервера. Так же можно применять и для своих систем Agentic AI.
👉 https://github.com/punkpeye/awesome-mcp-servers
👉 https://github.com/modelcontextprotocol/servers

💬 telegram-bot-mcp
🔧 Категория: Communication
Кейс: агент получает сообщение от пользователя с задачей ("подскажи, как это починить") → распознаёт intent → отвечает или делегирует другому агенту.
📌 Полезно для: запуска цепочек из Telegram, двустороннего общения, получения задач от реальных людей.

📚 wikipedia-mcp
🔧 Категория: Knowledge
Кейс: агент-помощник по обучению или ассистент для доклада автоматически ищет и вставляет пояснения или определения из Wikipedia.
📌 Полезно для: автоответов, генерации контекста, справки по терминам.

📊 notion-mcp
🔧 Категория: Notes & Docs
Кейс: агент-планировщик проекта добавляет задачи в Notion после обсуждения в Slack или анализа документа.
📌 Полезно для: ведения документации, действий после обсуждений, напоминаний и отчетов.

☁️ github-mcp
🔧 Категория: Developer Tools
Кейс: DevOps-агент обнаруживает баг в тестах, создаёт issue, затем другой агент комментирует и предлагает PR.
📌 Полезно для: автогенерации issue, отслеживания багов, CI/CD по запросу от LLM.

📅 google-calendar-mcp
🔧 Категория: Events & Calendars
Кейс: агент-секретарь анализирует переписку, предлагает время встречи, и сразу бронирует слот в календаре.
📌 Полезно для: интеграции с реальным расписанием, агент-планировщик.

🌍 serpapi-mcp
🔧 Категория: Internet APIs
Кейс: агент-журналист собирает свежую информацию по теме (например, новости, статистику) через Google Search API.
📌 Полезно для: агентов-исследователей, real-time актуализация информации.

📈 prometheus-mcp
🔧 Категория: Monitoring
Кейс: агент-монитор следит за нагрузкой на сервис, и если CPU > 80% → вызывает алерт-агента в Telegram.
📌 Полезно для: автономного мониторинга, оповещений, self-healing-сценариев.

📮 rabbitmq-mcp
🔧 Категория: Messaging Queues
Кейс: один агент планирует задачи, другой выполняет — они обмениваются сообщениями через очередь.
📌 Полезно для: построения очередей заданий между агентами, масштабирования.

🧠 replicate-mcp
🔧 Категория: ML & AI
Кейс: агент вызывает внешнюю модель — например, генерацию изображения, голоса или сегментацию.
📌 Полезно для: мультимодальных агентов, генеративных задач (text-to-image/audio).

Подпишись 👉🏻 @aigentto 🤖

📥 Надёжное скачивание файла с прогрессом и проверкой

import requests
from pathlib import Path
from tqdm import tqdm

def download_file(url: str, dest: Path, chunk_size=8192):
    """Скачивает файл с прогресс-баром и временным файлом."""
    dest = Path(dest)
    dest.parent.mkdir(parents=True, exist_ok=True)
    temp_file = dest.with_suffix('.part')

    with requests.get(url, stream=True, timeout=10) as r:
        r.raise_for_status()
        total = int(r.headers.get("content-length", 0))
        with open(temp_file, "wb") as f, tqdm(total=total, unit='B', unit_scale=True, desc=dest.name) as bar:
            for chunk in r.iter_content(chunk_size=chunk_size):
                if chunk:
                    f.write(chunk)
                    bar.update(len(chunk))

    temp_file.replace(dest)  # атомарная замена

# Пример использования
if __name__ == "__main__":
    download_file("https://speed.hetzner.de/100MB.bin", "downloads/testfile.bin")

📌 Зачем это нужно:
Для скачивания больших файлов с проверкой целостности (через временный файл) и отображением прогресса — в установщиках, кэшерах, миграторах, обновлениях данных.

🛠

pip install requests tqdm

Подпишись 👉🏻 @KodduuPython 🤖

🛠 Умный кэш на диск с TTL и автоматической очисткой

import json
import time
from pathlib import Path
from threading import Lock

class DiskCache:
    def __init__(self, cache_dir: str, ttl_seconds: int = 3600):
        self.cache_dir = Path(cache_dir)
        self.ttl = ttl_seconds
        self.lock = Lock()
        self.cache_dir.mkdir(parents=True, exist_ok=True)

    def _key_to_path(self, key: str) -> Path:
        safe_key = key.replace("/", "_").replace("\\", "_")
        return self.cache_dir / f"{safe_key}.json"

    def set(self, key: str, value):
        with self.lock:
            path = self._key_to_path(key)
            data = {
                "value": value,
                "timestamp": time.time()
            }
            with open(path, "w", encoding="utf-8") as f:
                json.dump(data, f)

    def get(self, key: str):
        with self.lock:
            path = self._key_to_path(key)
            if not path.exists():
                return None
            try:
                with open(path, "r", encoding="utf-8") as f:
                    data = json.load(f)
                if time.time() - data["timestamp"] > self.ttl:
                    path.unlink()
                    return None
                return data["value"]
            except Exception:
                path.unlink(missing_ok=True)
                return None

    def clean(self):
        """Удаляет устаревшие кэши."""
        now = time.time()
        for file in self.cache_dir.glob("*.json"):
            try:
                with open(file, "r", encoding="utf-8") as f:
                    data = json.load(f)
                if now - data.get("timestamp", 0) > self.ttl:
                    file.unlink()
            except Exception:
                file.unlink()

# Пример использования
if __name__ == "__main__":
    cache = DiskCache("tmp/cache", ttl_seconds=10)
    cache.set("user_42", {"name": "Alice", "score": 17})
    print(cache.get("user_42"))
    time.sleep(11)
    print(cache.get("user_42"))  # None после истечения TTL

📌 Зачем это нужно:
Для хранения кэшей между перезапусками скрипта — результаты API-запросов, сложных вычислений, или любого состояния, которое не хочется пересоздавать часто. TTL (время жизни) автоматически удаляет старые данные.

🛠 Только стандартная библиотека Python ✅

Подпишись 👉🏻 @KodduuPython 🤖