Microsoft выкатили open-source инструмент для запуска AI-моделей локально

Без облака, подписок и авторизации.
Все на 100% приватно.

И при этом он без проблем встраивается в приложения через OpenAI-совместимый API.

Просто вбиваешь в терминале:

→ winget install Microsoft(dot)FoundryLocal (Windows)
→ brew install microsoft/foundrylocal/foundrylocal (macOS)

Вот официальный веб-сайт со всей документацией и доступными моделями: https://foundrylocal.ai

И репозиторий GitHub: https://github.com/microsoft/foundry-local

👉 @PythonPortal

😊😊😊

👉 @PythonPortal

В сегодняшнем выпуске программистских хорроров…

В документации Python к функции random.seed() сказано:

“Если a — это int, то он используется напрямую.”

Но если задать seed как 3 и как -3, на деле вы получаете один и тот же объект ГПСЧ, который выдаёт полностью одинаковые последовательности. (TIL). В nanochat я использовал знак числа как, как мне тогда казалось, хитрый способ получить разные RNG-последовательности для разбиения train/test. В итоге словил неприятный баг, потому что train внезапно стал равен test.

Я нашёл соответствующий участок кода в CPython в файле cpython/Modules/_randommodule.c. В комментарии на строке 321 написано:

“Этот алгоритм полагается на то, что число беззнаковое. Поэтому: если аргумент — это PyLong, используем его абсолютное значение.”

А дальше идёт строка:

n = PyNumber_Absolute(arg);

То есть seed явно прогоняется через abs(), знак просто отбрасывается.

Но и сам этот комментарий тоже некорректный и вводящий в заблуждение. Под капотом Python использует алгоритм Mersenne Twister MT19937, у которого в общем случае состояние из 19937 ненулевых бит. Python берёт ваш int (или другой объект) и «размазывает» эту информацию по этим битам состояния. В принципе, старший бит знака вполне мог бы участвовать в формировании состояния. В самом алгоритме нет ничего такого, что «требует беззнаковое число».

Просто было принято решение не учитывать знак, и, на мой взгляд, это ошибка. Простейший вариант мог бы быть, например, таким: n → 2*abs(n) + int(n < 0).

В итоге мы упираемся в контракт модуля random в Python, который в документации тоже расписан не до конца. Явно гарантируется только одно:

одинаковый seed ⇒ одинаковая последовательность.

Но нигде не обещается обратное, что разные seed обязательно дают разные последовательности. Формально Python вообще не гарантирует, что, например, seed(5) и seed(6) породят разные потоки RNG. Хотя в большинстве прикладных сценариев это молчаливо предполагается. И да, мы видим на практике, что seed(5) и seed(-5) — это полностью идентичные потоки. Так что использовать знак seed для разделения поведения train/test в машинном обучении точно не стоит.

Один из самых забавных и коварных «подводных камней» в программировании, с которыми я сталкивался за последнее время

👉 @PythonPortal

Как они вообще бесплатные! Это серия книг с главами, которые разбирают архитектурные решения в самых популярных open source проектах, на которых держится куча современного софта.

Жаль, что я не наткнулся на это, когда только начинал. 🎧

👉 @PythonPortal

Можно просто собрать дрон в three.js, заставить его летать над тайлами карты, повесить на него камеру и гнать видеопоток на Python-сервер с моделью компьютерного зрения для детекции.

👉 @PythonPortal

единственное приложение, которое никого не заставляет чувствовать себя виноватым

👉 @PythonPortal

Серия блог-постов, которые помогут полностью разобраться с асинхронностью в Python. 👏

• как работает асинхронность в Python на практике - корутины, event loop, задачи, смешивание sync и async
• как грамотно тестировать async-код - подходы, паттерны и подводные камни
• основы упаковки и распространения Python-проектов - что нужно знать, чтобы собирать и публиковать пакет

👉 @PythonPortal

Python-библиотека для легковесной симуляции роботов, рассчитанная на задачи навигации, управления и обучения с подкреплением. 🎧

Большинство симуляторов для робототехники мощные, но довольно тяжёлые. Иногда хочется просто минимальную среду, где можно погонять навигацию, контроль или RL без полноценного физического движка.

IR-Sim как раз закрывает этот кейс, если вы работаете с робот-навигацией или AI.

Почему стоит обратить внимание:

• Быстрая установка и простая конфигурация
• Сценарии задаются обычным YAML
• Визуализация в реальном времени через Matplotlib
• Встроенная проверка коллизий
• Подходит для AI и RL пайплайнов

Что можно быстро прототипировать:

– Многороботное избегание столкновений
– Навигацию на основе лидаров
– Динамические сцены с движущимися препятствиями
– Тестирование высокоуровневого поведения до перехода в тяжёлый симулятор

Проект с открытым кодом под MIT, активно развивается и уже используется в ряде научных работ по навигации и планированию.

GitHub: https://github.com/hanruihua/ir-sim
Документация: https://ir-sim.readthedocs.io/en

Если вы студент, исследователь или просто изучаете алгоритмы навигации, IR-Sim даёт удобную песочницу, где можно быстро проверять идеи без установки громоздких зависимостей.

👉 @PythonPortal

❤️❤️❤️

👉 @PythonPortal

человек, придумавший сложнейшую вычислительную архитектуру → проигрывает примитивному алгоритму автозамены, который считает его фамилию опечаткой и превращает Babbage в cabbage.

👉 @PythonPortal

Невероятно короткая книжка, но с глубоким разбором внутренних механизмов Python, которые мы используем каждый день. ❤️

Каждая глава содержит объяснение конкретной фичи языка вроде работы с *args/**kwargs, мутабельных аргументов, генераторов, декораторов, менеджеров контекста, enumerate/zip, исключений, dunder-методов и прочих хитрых конструкций.

👉 @PythonPortal

Нашли годный ресурс для тех, кто присматривается к квантовой разработке.

На GitHub подняли подробный гайд по входу в квантовую разработку и алготрейдинг.

Подборки курсов по Python для finance, материалы по построению стратегий, риск-моделям, анализу временных рядов, примеры кода для трейдинг-ботов и инфраструктуры вокруг всего этого.

В репе даже есть подборка магистерских видеокурсов, которые авторы оценивают примерно в 200k долларов, плюс списки хедж-фондов и HFT-компаний, которые активно нанимают. 🥂

👉 @PythonPortal

Мало того, что дальше HR'а пройти сложно, так теперь ещё и ChatGPT подкидывает идей

👉 @PythonPortal

Самое сложное в создании AI-агентов - это не сам AI. Это UI.

Объясняю:

Бэкенд для агентов, по сути, уже решенная задача.

Выбираешь фреймворк - LangGraph, CrewAI, Mastra - и собираешь что угодно.

Но как только пытаешься прикрутить это к фронтенд-приложению, начинаются проблемы:

↳ стриминг в реальном времени
↳ синхронизация состояния между UI и агентом
↳ разбор сообщений, вызовы инструментов и событий статуса
↳ логика реконнекта, когда пользователь обновляет страницу посреди диалога

У многих команд недели уходят на самописные WebSocket-хендлеры и обвязку, чтобы просто завести базу.

CopilotKit только что выкатили useAgent(), чтобы закрыть эту проблему

Один этот хук дает живое подключение к любому агенту:

const { agent } = useAgent({ agentId: "my-agent" });

Из коробки получаешь стриминг, синхрон состояния, пользовательский ввод автоматически упаковывается в события AG-UI, и есть "ручное подтверждение человеком".

Работает с любым бэкендом, который реализует протокол AG-UI.

Поддержка тредов встроена, так что разговоры сохраняются и автоматически продолжаются. Реконнект стрима тоже просто работает.

Для понимания, AG-UI - это протокол, который соединяет агентов с UI-приложениями. Можно думать так:

MCP: агенты - инструменты
A2A: агенты - агенты
AG-UI: агенты - пользователи

Если ты строишь интерактивных агентов уровня Cursor или Lovable, это тот фреймворк, который объединяет весь твой агентный стек

Полностью open-source. Ссылка на GitHub 🕺

👉 @PythonPortal