LernerPython 博客，作者 Reuven Lerner：获取一对一的 Python 帮助：我的辅导课程

作者提供个人辅导服务，帮助个人解决现实工作中的实际问题。这些辅导通常针对诸如顽固代码、架构不确定性或 Git 相关障碍等问题。作者已提供此项服务多年，现正式在专用网页上予以说明。在一小时的辅导中，客户可讨论其具体需求，包括代码审查、项目规划、结对编程、Git 问题或职业建议。辅导过程私密，确保客户信息与讨论内容保密。参与者将获得辅导录音及任何共享材料，以便日后参考。每场一小时 Zoom 辅导费用为 300 美元，不关联任何会员资格。客户可直接预约辅导，或发送邮件与作者讨论时间安排或适配性。作者对时区安排灵活，并愿意协商双方便利的时间。作者也欢迎就某一问题是否适合进行辅导提供反馈。

LernerPython blog, from Reuven Lerner: Get Python help, one on one: my coaching sessions lernerpython.com

+1

RSS Hunter • 今天

Bob Belderbos：发布您的首个 Python 应用：本地开发工作流的免费课程

在掌握基础 Python 语法与构建功能性应用之间存在显著差距。许多 Python 课程侧重于语言基础，却忽略了真实项目所需的开发工作流。这常常让学习者对安装 Python、使用终端、通过 pip 进行包管理、虚拟环境、项目组织以及使用 Git 进行版本控制等主题感到困惑。这些技能对于开发者有效地分享和部署其作品至关重要。为解决这一问题，一门名为“发布你的第一个 Python 应用”的免费、自定进度的六周课程应运而生。该课程旨在从头开始教授完整的本地开发工作流。参与者将构建一个小型命令行应用：开发日志。每周引入新概念，并以学生必须解决的一组失败测试用例作为收尾。课程内容涵盖项目设置、数据建模、命令行界面、类型安全、错误处理、代码组织、测试、优化输出格式以及测试覆盖率测量。最后一周专注于为项目分享做准备，包括编写文档，并可能将其发布到 PyPI。本课程专为理解基础 Python 但难以应对周边开发流程的人员设计，无需任何关于 CLI、打包或 Git 的先验知识，使其对更广泛的受众具有可及性。课程创作者正积极寻求反馈，以提升课程的实用性和用户体验。

Bob Belderbos: Ship Your First Python App: a Free Course on the Local Dev Workflow belderbos.dev

+1

RSS Hunter • 昨天

Django Weblog：拟议更改DSF投票会员资格

该组织提议设立新的投票会员身份，以准确追踪活跃会员并确保选举的有效性。在过去两年内参与过董事会选举投票的会员将被自动视为活跃会员，并计入法定人数。近期未投票的会员仍保留会员身份，但在其明确选择参与投票之前，不计入法定人数。此项变更旨在解决随着会员规模扩大而难以达到法定人数的难题，这是许多非营利组织普遍面临的问题。与 Python 软件基金会类似，这一新身份将简化法定人数的计算。会员身份不会因此丧失，会员仍将在网站上列示。活跃身份仅影响法定人数的计算，不影响一般会员身份。该组织计划发送选举提醒并发布更新，以确保会员获知相关信息。如需投票，个人应在选举开启前联系组织，以便加入活跃名单。关于此项章程修订提案的反馈请于 2026 年 10 月 7 日前通过 GitHub 或仅限会员的论坛提交。董事会将在 10 月 8 日前的潜在投票前审阅所有意见。

Django Weblog: Proposed change to DSF voting membership djangoproject.com

+1

RSS Hunter • 9月18日

PyPy：PyPy v8.0.0 版本发布

PyPy 已发布 8.0.0 版本，标志着一次重大更新。该版本支持 Python 2.7、Python 3.11 以及 Python 3.12 的测试版。Linux 构建机器人已更新为使用 manylinux_2_28 镜像，现需 glibc 2.28。一项重大进展是 PyPy 新的 C 层模型，旨在与 CPython 的有限 ABI 实现兼容。该更新将 PyPy 特定的扩展隐藏在 C 扩展模块中，在使用有限 API 时使 PyPy 的 C 头文件与 CPython 对齐。尽管导入机制和生态系统工具仍需完全识别 abi3.so 对象，但相关工作正在与 Cython 和 PyO3 合作推进，以确保无缝集成。RPython 代码生成方面有所改进，包括计算 goto 和更激进的内联，但性能提升较为有限。内部 HPy 后端已被弃用，因其未获得足够支持。一个复兴的工具 pyhdrdump 可用于比较 PyPy 和 CPython 的头文件。该版本提供三种解释器：PyPy2.7、PyPy3.11（此版本中的最后一个）以及 PyPy3.12 测试版。PyPy 是 CPython 的快速、即插即用替代品，采用追踪式 JIT 编译器。二进制构建适用于多种常见架构，更多平台的支持由下游打包者提供。

PyPy: PyPy v8.0.0 release pypy.org

+1

RSS Hunter • 9月18日

ListenData：AutoGPT：您需要了解的一切

本文对 Auto-GPT 进行了详细阐述。读完之后，读者将理解其功能，并掌握安装与运行方法。Auto-GPT 获得了广泛关注，在 ChatGPT 之后成为热门话题。其能力吸引了人工智能专业人士及其他领域人士的兴趣。多家媒体机构报道了其自动化处理不同复杂度任务的潜力。Auto-GPT 是一个利用 GPT-4 模型的实验性开源项目。它在 ChatGPT 的能力基础上有所扩展，能够执行网络搜索以收集信息。与人类分析师完成项目的方式类似，Auto-GPT 可自主执行所有必要任务以实现项目目标。例如，若被分配进行耳机市场调研，它将独立搜索互联网，随后以结构清晰、组织良好的格式呈现研究成果。

ListenData: AutoGPT : Everything You Need To Know listendata.com

+1

RSS Hunter • 9月18日

LernerPython 博客，作者 Reuven Lerner：Pandas 中的 np.nan：缺失值为何会破坏比较

Python Pandas 中缺失数据？我们使用 nan（"not a number"），它源自 NumPy。np.nan 是一个浮点数，但不是普通的浮点数：np.nan + 10 # nan np.nan * 12345 # nan sum([10, 20, np.nan]) # nan np.nan == 0 # False np.nan == np.nan # False

LernerPython blog, from Reuven Lerner: np.nan in Pandas: Why missing values break comparisons lernerpython.com

+1

RSS Hunter • 9月18日

Graham Dumpleton：为JupyterLab撰写工作坊

本文介绍了一个专注于教授 pytest 的 JupyterLab 工作坊的创建过程。该工作坊规模小巧，足以容纳在一篇博客文章中，却包含了真实工作坊的所有核心要素。它包括一个清单（manifest）、多个页面、交互式操作、自动检查、测验以及配套工具。该工作坊教授 pytest 的基本循环：编写测试、观察其失败，然后修复代码。这一迭代过程被结构化地分布在工作坊的四个独立页面中。一个关键特性是为工作坊创建一个隔离的 Python 环境，确保 pytest 的安装不会影响学习者的系统。这种方法借鉴了之前一次会议演讲中的内容课程，以提升学习体验。过程始于规划并定义可验证的步骤，从而将工作坊与教程区分开来。工作坊通过 jupyter workshop init 命令生成，该命令设置目录结构并创建清单文件。清单中声明了诸如终端访问、文件写入、代码执行和包安装等能力，并由代码检查器（linters）进行验证。清单中的 environment 字段指定了依赖项（如 pytest），这些依赖项将被安装到一个自包含的虚拟环境中。这避免了手动环境配置，使学习者能够专注于 pytest 本身。清单中的 env 条目还禁用了 Python 字节码缓存，以防止因快速修改文件而引发问题。该工作坊利用 files/orders.py 文件，其中包含一个故意存在缺陷的函数供学习者调试。工作坊中的每个页面均使用 Markdown 和特定的操作块来引导学习者完成诸如打开文件、编写代码和运行命令等任务。检查通过 verify 操作实现，该操作自动验证学习者操作的结果，确保学习进度和效果。此外，包含一个 quiz 操作，促使学习者在运行测试之前预测结果，从而强化对 pytest 行为机制的理解。editor-insert 操作允许直接在新代码（如测试）中添加并查看代码。该工作坊的结构和内容旨在实现交互性和教育性，聚焦于 pytest 的实际应用。

Graham Dumpleton: Writing a workshop for JupyterLab grahamdumpleton.me

+1

RSS Hunter • 9月18日

Bob Belderbos：协议还是 ABC？设计可插拔的提供者接口”

作者正在为一款与两个不同图像生成后端交互的 CLI 工具设计共享契约。目标是让 CLI 能够使用通用的 submit(request) 函数，而由每个后端将其转换为自身的 SDK 调用。最初，作者曾考虑使用抽象基类（ABC）作为共享接口，因为它们能够强制实现抽象方法。然而，ABC 需要继承关系，这为第三方可插拔后端引入了耦合。Protocol 类型协议（typing.Protocol）则更为合适，因为它采用结构类型（structural typing）。一个类只要拥有正确签名的相应方法，即可满足 Protocol，而无需显式继承。这种方法将外部实现者与核心包解耦，使提供者能够独立演进。Protocol 促进了基于组合的设计，其中提供者作为值被传递，而非处于严格的继承层次结构中。虽然 Protocol 非常适合描述插件边界，但当提供者需要共享具体行为或实现逻辑时，ABC 更为适用。ABC 可以定义共享方法，并强制具体子类实现这些抽象方法。同时，也可以将两者结合使用：使用 Protocol 定义公共插件边界，使用内部 ABC 在提供者之间共享行为。作者建议默认使用 Protocol，因其契约更轻量，仅在需要共享具体实现或希望运行时强制抽象方法时才切换至 ABC。对于插件生态系统，“按形状符合”（Protocol）通常优于“按继承符合”（ABC）。选择取决于主要需求是定义形状，还是共享具体行为并强制继承层次结构。

Bob Belderbos: Protocol or ABC? Designing a pluggable provider interface belderbos.dev

+1

RSS Hunter • 9月18日

Python 软件基金会：宣布 2026 年 PSF 董事会选举结果！

2026 年 PSF 董事会选举引发了关于该组织如何支持全球 Python 社区的重要讨论。PSF 向所有候选人表示感激，感谢他们愿意服务；同时感谢社区的热情参与和投票。祝贺新当选的董事会成员：Elaine Wong、Laís Carvalho、Ee Durbin 和 Georgi Ker，同时也对连任成员表示认可。感谢离任董事会成员 Cheuk Ting Ho、Chris Neugebauer 和 Denny Perez 为塑造 PSF 战略愿景所做出的重要贡献和领导。本次选举成功达到法定人数，共收到 670 张选票，彰显了社区的积极参与。特别感谢推动本次选举的人员，包括董事会成员 KwonHan Bae，以及致力于优化选举流程的 PSF 工作人员和董事会成员。详细的选举结果可在 PSF 网站上查阅，截止日期为 2026 年 11 月 10 日。PSF 选举团队将进行回顾，收集反馈并改进未来的选举流程。组织鼓励社区通过 discuss.python.org 或电子邮件继续就选举流程提供反馈。鉴于明年将有至少三个董事会席位开放，我们邀请有兴趣的人士了解更多相关信息，并考虑参选。

Python Software Foundation: Announcing the 2026 PSF Board Election Results! pyfound.blogspot.com

+1

RSS Hunter • 9月17日

Python 软件基金会：宣布 2026 年 Python 打包委员会选举结果！

首届 Python 打包委员会（PPC）选举已圆满结束，社区参与度显著。共有 17 名候选人角逐 5 个创始委员会席位。社区通过问答（AMA）讨论和审查候选人等方式积极参与。本次选举共投出 541 张选票。祝贺以下五位当选成员：Brett Cannon 和 Pradyun Gedam 当选为期两年的任期（A 组），Donald Stufft、Henry Schreiner 和 Ralf Gommers 当选为期一年的任期（B 组）。选举结构规定，得票最高的两名候选人进入 A 组，享有更长任期；其余三名进入 B 组，享有较短任期。这种交错任期安排确保在两年任期内，约有一半的 PPC 席位将在交替年份进行选举。同时，向所有候选人、选民以及参与 PEP 772 讨论和选举流程的人员表示致谢。特别感谢 Barry Warsaw 和 Pradyun Gedam 担任社区联络人以及 PSF 员工和董事会成员。新当选成员即将开始入职流程。

Python Software Foundation: Announcing the 2026 Python Packaging Council Election Results! pyfound.blogspot.com

+1

RSS Hunter • 9月17日

LernerPython 博客，作者 Reuven Lerner：Python 可调用对象：任何定义了 __call__ 的对象

在 Python 中，什么是“可调用”？通常是函数或类。但实际上，任何定义__call__的东西都是：类别我的课程： 反__call__（自制）： 回应“嗨！”m = MyClass（） m（） # '嗨！'“可调用”内置的如果找到__call__，基本上会返回 True。

LernerPython blog, from Reuven Lerner: Python callables: Any object that defines __call__ lernerpython.com

+1

RSS Hunter • 9月17日

Graham Dumpleton：介绍jupyterlab-workshop

作者开发了 jupyterlab-workshop，这是一个 JupyterLab 扩展，旨在解决使用纯 Jupyter Notebook 开展教育研讨会时的局限性。该扩展将指令与学习者实际执行的任务分离开来。指令以侧边栏面板的形式呈现，每一步都是 JupyterLab 环境中的可操作项。这些操作包括运行终端命令、修改文件、创建 Notebook 以及执行代码。研讨会还可验证学习者的进度，并在允许其继续之前强制完成特定任务。与学习者可能被动观看代码执行的 Notebook 不同，该扩展确保学习者在实时执行操作时积极参与。它克服了 Notebook 仅限于单一语言的约束，通过使学习者能够与更广泛的 JupyterLab 环境和外部工具进行交互来实现这一点。这种分离避免了教学内容与已完成工作的混淆，提供了更清晰的学习路径。侧边栏面板提供导航、进度跟踪以及已执行操作的详细信息。每个可执行的步骤并非模拟；点击操作会在实时终端中执行它，或执行指定的任务。该扩展支持多种操作，包括终端操作、文件管理、Notebook 交互和界面操作。研讨会甚至可以设计为在特定时点排列用户界面以优化学习效果。检查点允许学习者保存进度，并在出错时恢复到已知状态。该扩展包含一个健壮的验证系统，支持通过 Python 代码、Shell 命令或基于文件的谓词进行检查。还可以集成测验，答案将反馈到后续步骤中。清单文件（manifest file）规定任务完成是建议性的还是强制性的。安全性通过信任机制得到解决，学习者在执行前需授予研讨会特定的能力。研讨会本身的结构是一个目录，包含清单文件、用于页面的 Markdown 文件以及任何必要的起始文件。这种纯文本结构便于版本控制。页面使用 MyST Markdown 编写，操作定义在代码块中。该扩展可本地安装，或通过 mybinder.org 和 GitHub Codespaces 等服务使用，使研讨会能够在各种环境中运行，而无需复杂的设置。作者选择未使用其之前的平台 Educates，因为该平台需要 Kubernetes，限制了其对小团队和个人的可访问性。

Graham Dumpleton: Introducing jupyterlab-workshop grahamdumpleton.me

+1

RSS Hunter • 9月17日

Bob Belderbos：为何 Rust 要求导入 trait 才能使用其方法

一名新的 Rust 学习者在尝试对 File 对象调用 read_to_string 时遇到了错误，编译器提示不存在该方法。解决方案是在文件开头添加 use std::io::Read;。这一导入令该学生感到困惑，因为他原本预期若要进行文件操作，应导入 std::io::File。这种困惑的核心在于 Rust 的 trait 系统。read_to_string 方法并非 File 类型本身固有的方法，而是由 Read trait 定义的，而 File 实现了该 trait。导入 Read trait 使其方法对 Rust 编译器可见，从而可用于方法查找。这一机制与 Python 有显著差异：在 Python 中，方法的可用性通常直接绑定于对象的类型；而在 Rust 中，trait 提供了一种在不同类型之间定义共享行为的方式，促进了多态性和代码复用。例如，File、TcpStream 和 Stdin 都实现了 Read trait，因此能够提供类似的读取功能。因此，use std::io::Read; 并非直接用于调用某个函数，而是将 Read 接口引入作用域。这使得编译器在解析那些实现了该 trait 的类型上的方法调用时，能够考虑 Read trait。理解 trait 对于掌握为何在 Rust 中某些看似无关的导入对方法功能至关重要。这种方法避免了代码重复，并支持泛型编程。编译器的错误信息“trait Read is implemented but not in scope"直接指出了这一 trait 解析问题。

Bob Belderbos: Why Rust makes you import a trait to use its methods belderbos.dev

+1

RSS Hunter • 9月17日

内德·巴切尔德：沉默是金色闪电般的话语

闪电演讲《沉默是金》主张在讨论中融入静默时段，以鼓励犹豫者参与发言。演讲者本人虽乐于表达，却坦言克制自己、为他人留出空间是一项个人挑战。这一理念源于一次观察：在一场小组讨论中，一位主导型发言者阻碍了其他人的贡献。演讲提出将通常用于描述物理空间的"Pac-Man 规则”（吃豆人规则）应用于对话时间维度。核心信息强调，在特定情境下保持沉默虽具挑战性，却至关重要。通过制造停顿，旨在营造更具包容性的环境，使多元声音得以浮现。该方法致力于优化群体动态，确保每位成员都有机会分享观点。演讲者希望该信息能被建设性地接收，而非显得说教，因为这也是对自身的提醒。最终，有意识的沉默能够促使所有参与者做出更丰富、更均衡的贡献。

Ned Batchelder: Silence is golden lightning talk nedbatchelder.com

+1

RSS Hunter • 9月16日

Talk Python to Me: #563：Python 开发者入门 Rust

使用 Rust 编写的工具 Ruff，可在 0.3 秒内从头对 CPython 代码库进行 lint 检查。Rust 正日益被 Python 生态系统所采纳，已出现在 Pydantic、Polars、uv 和 Granian 等流行工具中。Rust 与 Python 的集成主要服务于三个目的：独立工具、被 Python 导入的库，以及嵌入 Python 解释器的服务器。重点在于让 Rust 对 Python 开发者易于上手，无需深厚的 Rust 专业知识。Christopher Trudeau 讨论了这一趋势及其新课程《Rust 快速入门》。Python 与 Rust 的一个根本区别在于内存管理：Python 依赖垃圾回收，而 Rust 在编译时强制执行严格的所有权规则。本次演讲探讨了 Rust 如何被用于增强 Python 开发。此外，还提及了多种赞助产品与资源，以帮助进一步了解 Rust 及其应用。本集提供了大量相关链接，涵盖相关项目、文档及更多内容。讨论凸显了 Rust 与 Python 社区之间日益增长的协同效应。

Talk Python to Me: #563: Getting Started with Rust as Python Devs talkpython.fm

+1

RSS Hunter • 9月16日

Django Weblog：执行董事搜索延长至 9 月 22 日”

Django 软件基金会（DSF）已延长其首任执行董事职位的申请截止日期。申请现已接受至 2026 年 9 月 22 日星期二结束，全球任何地区均可提交。此次延期旨在为有意参选的候选人提供更多时间提交申请。已提交申请的候选人不会受到审查流程的任何延误。执行董事将在提升 DSF 能力并确保 Django 项目可持续发展方面发挥关键作用。主要职责包括主导筹款与合作伙伴关系建设、支持日常运营，并与利益相关方协作。理想的候选人应是一位经验丰富的非营利组织领导者，具备筹款、关系构建和组织领导能力。虽然不要求具备 Django 或 Python 方面的先前经验，但拥有开源或社区驱动组织相关经验者将更具优势。基金会希望找到一位能够胜任广泛职责并善于推动新举措的候选人。出色的沟通与领导能力对于向潜在资助方阐述 Django 的价值至关重要。任何认为自身或其所知人士非常适合该职位者，均被鼓励申请或分享此机会。完整的职位描述及申请详情可在线查阅。DSF 热切期待找到一位能够塑造其未来的领导者。

Django Weblog: Executive Director Search Extended to September 22 djangoproject.com

+1

RSS Hunter • 9月16日

PyCharm：幕后揭秘：OpenTelemetry 插件如何实现微服务的实时映射

PyCharm: Behind the Scenes: How the OpenTelemetry Plugin Maps Your Microservices in Real-Time blog.jetbrains.com

+1

RSS Hunter • 9月16日

速度至关重要：fastlogging-rs

fastlogging-rs 是一个高性能、基于 Rust 的日志框架，旨在解决应用程序中的日志瓶颈问题。它提供了显著的速度提升：文件写入速度比 Python 内置日志快高达 147 倍，比 Apache Log4j 快 9 倍。该框架采用非阻塞异步架构，写入操作在后台线程中执行，避免影响主应用程序的性能。通过轻量级封装，它支持八种编程语言（Rust、Python、C、C++、Go、Java、C#），所有语言共享相似的 API，从而在不同技术栈间实现一致的日志记录。主要功能包括可选的文件轮转、压缩、网络日志的 AES 加密，以及通过 API 或配置文件进行配置。fastlogging-rs 还能自动将子进程的日志消息转发至主进程。本次初始版本 0.8.1 包含 Rust 核心及支持语言的绑定。安装简便，Rust 用户可使用 cargo，Python 用户可使用 pip。该项目开源，采用 MIT 或 Apache-2.0 许可证，源代码和文档可在 GitHub 上获取。基准测试表明，其在标准日志记录和轮转文件日志场景下均展现出卓越性能。fastlogging-rs 旨在以极小的代码改动带来显著的性能提升，使从现有日志框架迁移变得轻松。

Speed Matters: fastlogging-rs brmmm3.github.io

+1

RSS Hunter • 9月16日

PyCoder 周报：第 752 期：字典性能、Hypothesis、惰性导入等（2026-09-15）

本期《PyCoder's Weekly》涵盖了一系列 Python 主题，从性能优化到测试及新功能。文章指出，集合（sets）和字典（dictionaries）的性能并非总是 O(1)，在某些情况下可能达到二次时间复杂度。基于属性的测试（property-based testing）借助 Hypothesis 被推广为边缘情况测试的替代方案。一则赞助广告介绍了 ScrapingBee，用于高效的网络爬虫。Python 3.15 中懒加载导入（lazy imports）的预览版被解读，有望加快应用程序启动速度。Django 筹款工作组（Django Fundraising Working Group）发布志愿者招募。PyPI 关于文件托管错误的事故报告被提及。文章探讨了 Nifty Django 中的新功能，如用于动态过滤的 Q() 对象。特写介绍了 Python 创始人 Guido van Rossum。文章《用 1024 字节编写一个 Python 解释器》展示了代码高尔夫（code golfing）实践。还讨论了通过读取 __dict__ 来优化属性访问的“去优化”（deoptimizing）策略。提供了构建高效 Python 开发环境的建议。对远程 Python 数据分析岗位趋势的分析显示，招聘板数量减少，远程工作机会增加。教程讲解了 Python 计时函数以及如何构建可复用的 Timer 类。详细说明了为 Wagtail 原型设计新的命令行界面（CLI）。介绍了 NumPy 的通用函数（ufuncs）及其内部机制。列出了多个新项目与代码仓库，包括 django-ox 和 Plotext。最后，宣布了即将举行的 Python 活动，如 PyCon Cameroon 以及各类聚会。

PyCoder’s Weekly: Issue #752: Dict Performance, Hypothesis, Lazy Imports, and More (2026-09-15) pycoders.com

+1

RSS Hunter • 9月15日

Python Bytes: #496 西雅图的一座湖屋

本集探讨了 Python 生态系统中的几个关键主题。其中一个重要观点是，Pandas 应当“消亡”，因为 Polars 和 DuckDB 等更快、内存效率更高的替代方案更适合大多数“中等规模数据”工作负载。介绍了 Pydantic-pint 库，该库将现实世界的单位集成到 Pydantic 模型中，从而增强对物理量的数据验证。本集还解释了 Rust 库如何通过 PyO3 在 Python 中运行，重点阐述了构建和集成 Rust 代码以提升性能的过程。本集还报道了数据领域的一项重大收购：AWS 收购了 DuckDB 背后的公司 DuckLabs，引发了关于 DuckDB 生态系统未来以及其与现有服务潜在竞争的讨论。此外，本集还提及 Astral 的 uv 发布了代码签名的二进制文件，以及一部关于 VS Code 崛起的纪录片。最后，分享了一个关于“代理化”（agentic）的玩笑。

Python Bytes: #496 A lake house in Seattle pythonbytes.fm

+1

RSS Hunter • 9月15日

Django Weblog：2027 年 DjangoCon Europe 将在奥地利因斯布鲁克举行！🏔️⛷️🚠🇦🇹

DjangoCon Europe 2027 将于 2027 年 2 月 17 日至 21 日在奥地利因斯布鲁克举行。这一年度盛会汇聚全球 Django 社区成员，共同学习与分享。活动由志愿者组织，是 Django 日历中的重要节点。来自世界各地的开发者、贡献者及新成员将齐聚一堂，交流知识并塑造 Django 的未来。提案征集目前开放，欢迎各类提案提交。会议门票现已开放购买。参会者可期待五天的学习、 networking 以及与 Django 社区互动的精彩时光。会议的成功举办离不开志愿者的支持。有意提供财务支持并提升能见度的机构，可参与赞助。更多详情与更新将在官方 DjangoCon Europe 2027 网站发布。

Django Weblog: DjangoCon Europe 2027 is heading to Innsbruck, Austria! 🏔️⛷️🚠🇦🇹 djangoproject.com

+1

RSS Hunter • 9月15日

Python 软件基金会：发布《2026 年 PSF 战略规划》

Python软件基金会（PSF）已正式通过其2026年战略规划，涵盖2026年至2031年。该计划通过协作过程制定，最初目标于五月公布，完整草案于六月开放供社区反馈。收到的反馈显著影响了最终计划，促成了安全和漏洞管理的新目标的纳入。社区意见也影响了计划对翻译、本地化、企业更清晰的资金路径以及PSF会员价值增长的关注。一个专门的网页将作为计划的永久所在地，详细说明优先级设定和反馈机制。为确保计划的相关性，PSF董事会建立了年度审查流程。该审查将评估进展，评估优先级调整，并纳入员工和社区的持续反馈。战略计划的实施已开始，2026年资助项目融资轮是首个与其方向一致的举措。PSF还与一家外部会计师所合作，提供最新的财务信息。社区成员可全年通过 [email protected] 及每月PSF董事会Discord办公时间提供反馈。

Python Software Foundation: Announcing the PSF Strategic Plan 2026 pyfound.blogspot.com

+1

RSS Hunter • 9月15日

Lerner 的 Python 博客，作者 Reuven Lerner：Python 中的 += 会调用 __add__ 并将对象重新绑定到新对象上。

“如果你调用 +=，Python 可以使用 __add__。MyClass 实现了 __add__（调用 print 进行调试）：m1 = MyClass(10) m2 = MyClass(20) m1 += m2 # 输出 "Now in MyClass.__add__"此时 m1 指向一个新对象，其 repr 为：MyClass instance, vars(self)={'x': 30}"

LernerPython blog, from Reuven Lerner: Python += calls __add__ and rebinds to a new object lernerpython.com

+1

RSS Hunter • 9月15日

LernerPython 博客，作者 Reuven Lerner：Python 中的运算符：__contains__ 如何加速成员资格测试

Python 中的" in "运算符是如何工作的？– 如果对象定义了 __contains__，则返回其（布尔）结果（转换为 bool）。 – 如果没有，则 Python 使用 __iter__ 对其进行迭代。你能找到比 __iter__ 更快的方法并返回结果吗？那就定义 __contains__。

LernerPython blog, from Reuven Lerner: Python in operator: How __contains__ speeds up membership tests lernerpython.com

+1

RSS Hunter • 9月14日

Graham Dumpleton：人工智能时代的动手实践学习

演讲者探讨了在人工智能时代开发者工作坊的相关性，指出人工智能擅长提供分步指南和教程。然而，工作坊的核心价值在于通过实践进行主动学习，其中错误会产生后果并需要解决问题。这种动手实践中的挣扎以被动阅读或人工智能生成的解释无法复制的方式深化理解。此外，工作坊让学习者接触到他们可能未曾预料到的问题，这对现实世界开发至关重要。工作坊的有效性取决于克服常见陷阱：环境配置问题、步骤过大、对“为什么”解释不足以及验证不充分。演讲者主张采用托管环境，为所有参与者标准化起点，从而提供更好的支持并实现更复杂的学习场景。虽然人工智能可以协助起草工作坊内容，但在理解人类学习过程方面却存在不足。人工智能优化的是正确性而非可教性，也无法预判学习者的困惑。工作坊创建的关键步骤是用真实用户进行测试，因为人工智能生成的材料往往读起来流畅，但在实践中却难以奏效。人工智能带来的压力在由好奇心驱动的自愿学习场景中最为明显，因为人工智能可以更高效且零成本地满足这种好奇心。然而，具有明确业务驱动因素的工作坊（如销售演示或客户培训）依然高度相关。归根结底，工作坊旨在培养一种人工智能无法完全复制的学习节奏。

Graham Dumpleton: Hands-on learning in the age of AI grahamdumpleton.me

+1

RSS Hunter • 9月14日

Wingware：Wing Python IDE 版本 12.0.3 - 2026 年 9 月 14 日

Wing Python IDE 已发布 12.0.3 版本，引入了重大增强功能。 本次更新包含对 Python 3.15 的支持，以及针对现代类型提示的改进源代码分析能力。 在大型 Python 环境中，即使启用自动导入，自动补全速度也得到显著提升。 Wing 12 深度集成了 Claude Code AI 编程代理，新增 Claude Code 工具和 Tasks 工具，用于管理 AI 工作流。 此外，提供 MCP 服务器，使 AI 代理能够访问 Wing 强大的调试、测试和代码分析功能。 新的 AI 驱动 FIX 功能可自动修复调试器错误和失败的单元测试，而 Write Tests 提示则引导代理生成单元测试。 AI Code Actions 允许用户借助 AI 协助解释、审查、修复和优化代码。 IDE 现已在 OS Commands 和 Debug I/O 工具中提供伪终端，支持 ANSI 终端仿真。 工作区灵活性得到增强，工具可放置于编辑器拆分区域，且工具菜单已重新组织以提升可用性。 Wing 12 简化产品线，分为配备 AI 代理工具的 Wing Pro 和面向传统开发的 Wing Classic，Wing Personal 已停止维护。

Wingware: Wing Python IDE Version 12.0.3 - September 14, 2026 wingware.com

+1

RSS Hunter • 9月14日

阿明·罗纳赫：《全字母句的解读》

一款名为 Pangram 的 AI 检测器将 David Sacks 的一条推文标记为 AI 生成，Sacks 对此提出质疑，称 AI 检测器不可靠。Pangram 的误报率较低，但 LLM 写作助手却经常错误地将人类文本识别为 AI 生成。Pangram 的工作原理是在人类文本上进行训练，随后让 LLM 对其进行重写或编辑，从而学习识别 AI 的写作模式。作者提示 LLM Opus 5 生成一条关于“引领前沿”（Pacing the Frontier）的推文，风格模仿 David Sacks，内容基于 Dario 和 Sam Altman 的现有帖子。生成的推文主张，OpenAI 和 Anthropic 作为双寡头，应引领前沿，因为这符合其商业和战略利益；同时，该推文还驳斥了“开源权重模型是主要威胁”的说法，并批评了拟议的监管方案。Pangram 将该条生成推文判定为 100% AI。随后，作者手动重写了该推文，保留其结构与核心观点，旨在获得 Pangram 的人类评分。尽管进行了大幅改写并消除了复制的句子，这段经人工重写的文本仍被 Pangram 判定为 100% AI。作者指出，依赖 LLM 构建初始结构，即使经过大量编辑，仍可能导致较差的 AI 检测评分。作者感谢 Pangram 提高了人们对使用 LLM 及其在写作中日益依赖所带来的影响的认识，但同时也质疑：对于经过实质性人工编辑的文本，给出 100% AI 的评级是否公平。

Armin Ronacher: Interpreting Pangram lucumr.pocoo.org

+1

RSS Hunter • 9月14日

Bob Belderbos：如何在 Python 中运行 Rust（借助 PyO3）

Pydantic v2 的数据验证依赖于 Rust 扩展 pydantic-core，该扩展使用 PyO3 构建。本文演示如何在 Rust 中创建自定义 JSON 解析器并将其暴露给 Python。该过程包括编写 Rust 模块，用 PyO3 宏注释，并使用 maturin 编译和安装。示例的核心是一个表示 JSON 树结构的 Rust 枚举。向 Python 开放函数需要特定的 PyO3 注释和类型，如 Python 和 Bound。最重要的方面是将 Rust 数据结构转换回 Python 对象。这一“返回过程”涉及创建大量 Python 对象，这可能比解析大型 JSON 文档的成本更高。该转换通过实现 IntoPyObject 特性来完成。错误还需要转换;Rust 错误通过 From 特性转换为 Python 异常。对于标量返回值，跨越边界的成本可以忽略不计。然而，对于大型结构，转换成本较大，可能主导性能。优化边界转换，可能通过返回懒惰视图，对于成功从 Rust 移植到 Python 至关重要。因此，分析 Rust 与 Python 之间的边界至关重要。

Bob Belderbos: How Libraries Run Rust Inside Python (with PyO3) belderbos.dev

+1

RSS Hunter • 9月13日

格雷厄姆·邓普尔顿：试用 wrapture

Wrapture 已更新至 1.0.0b1 版本，从 alpha 阶段进入 beta 阶段，标志着 API 趋于稳定。项目现寻求用户在实际应用场景中的反馈，以指导后续开发。特别关注 OpenTelemetry 导出功能，确保属性映射符合约定规范。配套的工具包也已进入 beta 阶段。核心工具包涵盖进程内目标，而针对外部服务（如数据库和 AWS）则提供独立的工具包，这些独立工具包拥有各自的发布节奏。项目计划进一步为 Redis、MongoDB 以及潜在的 LangChain 添加工具包支持。一系列博客文章详细介绍了 wrapture 在单元测试和应用追踪中的使用。通过 GitHub 提供交互式工作坊，支持在浏览器中直接运行（通过 mybinder.org）或在本地运行，让用户通过实践掌握 wrapture 的核心概念。作者承认，Simon Willison 此前发布的总结文章已提升了 wrapture 的可见度。本文旨在将相关链接、包信息和工作坊资源整合于单一位置。新增功能 jupyterlab-workshop 允许在 JupyterLab 内运行交互式工作坊。

Graham Dumpleton: Trying out wrapture grahamdumpleton.me

+1

RSS Hunter • 9月12日

Mike C. Fletcher：PyOpenGL 的硬件加速视频捕获

pyopengl-video 库是一个小型的变通方案，允许将 FrameBufferObjects（FBO）直接传递给本地平台的视频编码库（或者根据平台不同，允许你将现有的视频缓冲区用作 FBO）。该库的目的是让离屏渲染器能够生成 h264 格式的 mp4 视频预览，以展示离屏渲染的结果。我发现这很有用，可以让代理捕获例如游戏演示等内容，这样即使你不在办公桌前，也能看到它正在处理的内容。在 Linux 上，若使用 nVidia 显卡则采用 NVENC；若使用 Intel 或 AMD 显卡则采用 vaapi。Windows 平台使用 D3D11 和 COM。需要 PyOpenGL 4.0.0a5 或更高版本。目前尚无 macOS 解决方案。

Mike C. Fletcher: Hardware Accelerated Video Capture for PyOpenGL blog.vrplumber.com

+1

RSS Hunter • 9月12日

Armin Ronacher：P（末日战士）

近期，"AI 将导致人类灭绝”的观点获得了越来越多的关注。一些 AI 领域的领导者，如 Dario Amodei，估计此类事件发生的概率相当可观。Amodei 关于控制 AI 发展节奏的帖子在知名人士中引发了广泛讨论。然而，作者并不认同这一前提，尽管他/她同样怀有许多担忧。作者将“末日”定义为并非灭绝，而是诸如僵尸网络等持续性的滋扰，即 AI 系统变得难以控制。作者承认当前的 AI 系统令人烦恼，但可以被关闭，而潜在的先进智能体则可能无法如此。作者更担忧 AI 对大型 AI 实验室之外个体的影响，而非像 AI 控制武器之类的生存性威胁。作者认为，控制 AI 发展节奏的概念存在问题，尤其是目前只有少数美国公司主导这场竞赛。这些公司受益于公共数据和资源，如今却提议建立与其自身绑定的第三方评估体系。作者批评只有这些企业应掌控强大 AI 的观点，特别是考虑到其地缘政治动机。作者主张，开源模型将通过广泛的可及性，内在地对 AI 发展形成制约，其机制类似于核扩散。当前的局面——公众支持 AI 发展，却从少数实验室回购其收益——被视为一种有缺陷的经济与地缘政治模式。尽管开源项目正受到 AI 公司的挤压，但中国实验室在扩散能力、拉平竞争格局方面被视为至关重要。作者指出监管失败，现有法律被无视，数据在未经同意的情况下被使用。AI 服务的涌现型代币经济被比作毒品市场，缺乏透明度。理想情况下，AI 发展应惠及公共领域，法规应强制支持知识蒸馏。最终，作者并未预见 AI 灭绝事件的发生，认为大型实验室将有更多可失去之物。相反，主要担忧是 AI 可能对各行各业造成广泛损害，使其成本上升。这种在软件工程领域已显现的、对创新的“新税”，预计将蔓延至其他领域。

Armin Ronacher: P(doom) lucumr.pocoo.org

+1

RSS Hunter • 9月12日

LernerPython 博客，作者 Reuven Lerner：Newsprint：将电子邮件通讯转换为个人 PDF

作者喜爱阅读电子邮件通讯，因其内容信息丰富且发人深省，但平日时间紧张，且周六不愿使用电脑。为此，作者开发了一套系统，将通讯自动移至"toprint"文件夹，并将喜爱的通讯标记为星标。每周五下午，打印星标通讯及部分选定的非星标通讯，通常采用双面打印、每页四版的方式，以便周六早晨阅读。然而，这一手动流程产生了大量纸张浪费，并涉及繁琐地剔除不需要的内容和图片。出于对效率低下的不满，作者创建了"newsprint"——一个 Python 包，以自动化该任务。Newsprint 处理星标通讯，生成去除推广内容和冗余图片的 PDF；智能处理图片，并添加包含通讯名称和页码的页脚。该包还可生成目录，并借助 Claude API 密钥提供通讯整体摘要及个性化见解。用户可选择纳入的非星标通讯，自定义纸张尺寸与方向，并管理已处理的通讯。Newsprint 已显著减少作者的纸张使用量，并提升了阅读体验。

LernerPython blog, from Reuven Lerner: Newsprint: Turning e-mail newsletters into a personal PDF lernerpython.com

+1

RSS Hunter • 9月11日

Graham Dumpleton：OpenTelemetry 的包装导出

Wrapture 现在将 OpenTelemetry 集成为一流的数据追踪目的地。每次安装都包含的“wrapture.otel”子包，使得能够无缝导出到追踪后端。通过在配置中添加“[otel]”表，用户可以启用追踪、指定服务名称，并调整各个信号设置。该配置允许对应用行为进行详细分析，包括错误和请求细节。OpenTelemetry 环境变量决定追踪数据的发送位置，控制台导出器可立即调试。每个应用事件被转换为一个区间，形成层级轨迹。例如，Flask 请求变成服务器区间，内部调用创建嵌套区间。错误状况，如“KeyError”，通过状态码和异常细节被准确捕捉。该仪器自动捕获参数和其他注释数据作为区间属性，敏感信息如信用卡号被涂黑。这确保错误被完整记录，同时出现在具体操作和父请求区间。通过W3C跟踪上下文传播实现多进程分布式追踪。Wrapture 将跟踪上下文头注入到发出请求中，接收服务的中间件对这些请求进行解析。这使得跟踪能够跨越不同服务，保持一致的跟踪 ID。即使启用了 OpenTelemetry 导出，Wrapture 也会保留其自身铸造的跟踪 ID，确保连续性。指标也从相同的追踪事件中生成，提供汇总的洞察，无需显式更换仪器代码。请求时长和调用时长会自动收集并归因于HTTP方法、路由和状态码等相关信息。这些指标提供了宝贵的性能和错误率信息。在OpenTelemetry中使用包裹的开销与直接使用OpenTelemetry SDK相当。包裹通过直接构建完成的覆盖，绕过SDK部分内部开销，从而优化了跨度处理。这带来了更低的成本，尤其是在引发异常的操作中。Wrapture 设计的核心原则始终一致：正确观察实时调用，用于测试和生产追踪。无论是输入测试带还是追踪后端，底层机制始终相同。OpenTelemetry 导出页面提供了更多关于采样和日志信号集成等高级功能的详细信息。

Graham Dumpleton: OpenTelemetry export in wrapture grahamdumpleton.me

+1

RSS Hunter • 9月11日

Bob Belderbos：如果 AI 能编程，为何还要学习编程？六大理由

斯坦福大学的"Code in Place"课程在 AI 编程工具出现后，注册人数翻倍，显示出学习编程的兴趣显著增长。该课程负责人克里斯·皮奇（Chris Piech）阐述了人类为何仍需学习编程。他将编程划分为语法与问题解决两部分，指出 AI 在语法方面表现卓越，而人类必须掌握问题解决能力。理解基础架构至关重要，以便及时发现 AI 可能存在的错误及不良结构决策。过度依赖 AI 可能导致技能退化，因此程序员必须在与 AI 工具协同发展的过程中保持对自身成长的关注。编程提供了一个极佳的问题解决演练场，具备现实决策所不具备的快速反馈循环。最宝贵且持久的能力是识别值得构建的内容并理解用户需求。AI 可作为强大的导师，在教授基础概念时加速学习进程。关键在于将 AI 用作学习工具，而非批判性思维的替代品。在 AI 时代，人类判断力、审美以及决定构建什么的决策能力是最具价值的技能。

Bob Belderbos: Why Learn to Code If AI Can Code? 6 Reasons belderbos.dev

+1

RSS Hunter • 9月11日

Talk Python to Me: #562：DuckLake：仅使用 SQL 和 Parquet 的湖仓一体架构

DuckLake 通过仅提出单个 SQL 查询而非在访问数据前解析大量 JSON 和元数据文件，从而实现了差异化。其元数据存储在真实数据库中，而数据本身则以纯 Parquet 文件形式存储。Pedro Holanda 作为主要开发者于 2018 年加入 DuckDB。Guillermo Sanchez Dionis 同样为 DuckLake 及新的 Quack 协议做出贡献。Quack 目录使 DuckLake 能够在高竞争环境下每秒处理 200 次事务，超越了其他开放表格式。本集由 Six Feet Up 和 Talk Python Courses 赞助。嘉宾包括 Pedro Holanda 和 Guillermo Sanchez，其链接已提供。此外，还详细列出了渐进式索引、SQLite、Litestream、DuckDB、Iceberg 以及 DuckLake 规范的链接。同时重点介绍了 DuckLake-dataframe 和 Polars 课程。关于 CSV 解析、零拷贝 Arrow、ART 索引以及 DuckDB 中的异步 I/O 的信息也已提供。最后，包含在 YouTube 上观看本集及查找字幕的链接。

Talk Python to Me: #562: DuckLake: The Lakehouse That's Just SQL and Parquet talkpython.fm

+1

RSS Hunter • 9月10日

Django Weblog：PyCharm 与 Django 筹款活动延长至 9 月 14 日

JetBrains 年度筹款活动已延长至 2026 年 9 月 14 日，PyCharm 许可证可享受 30% 的折扣。在此期间，JetBrains 将把所有 PyCharm 购买或续订所得的 100% 捐赠给 Django 软件基金会（DSF）。此次活动是 DSF 重要的年度筹款活动，他们感谢所有人的参与。执行董事的选拔也将于 9 月 14 日结束，期待有兴趣的候选人加入。JetBrains 作为长期赞助商，其与 DSF 合作开展的 2026 年 Django 开发者调查广受好评。完整调查结果可在 JetBrains 官网查阅，其中突显了其强大的 IDE 产品阵容。DSF 鼓励个人和企业为其筹款目标贡献力量。支持方式包括续订或购买 PyCharm 许可证、企业直接赞助，或通过其官网或 GitHub Sponsors 进行捐赠。董事会也欢迎就捐赠、赞助、志愿服务及新的筹款思路展开讨论。

Django Weblog: PyCharm & Django Fundraiser Extended to September 14 djangoproject.com

+1

RSS Hunter • 9月10日

Hugo van Kemenade：软弃用 re.match()

"re.match()" 尝试在字符串的开头匹配模式。如果模式在开头找到，则返回一个匹配对象；否则返回 None。re.match("pi", "pi") 和 re.match("pi", "pie") 均返回匹配结果，因为 "pi" 位于这些字符串的开头。然而，re.match("pi", "api") 和 re.match("pi", "magpie") 不匹配，因为 "pi" 并未出现在字符串的开头。相比之下，re.search() 会扫描整个字符串，并返回模式首次出现的位置，无论其位置如何。re.fullmatch() 要求整个字符串从头到尾精确匹配模式。Python 3.15 引入了 re.prefixmatch() 作为 re.match() 的别名，旨在通过其名称提供更清晰的语义。re.match() 已在 Python 3.15 中软弃用，意味着不应在新代码中使用，但现有代码仍可安全使用。如果意图是仅在开头匹配，新代码应优先使用 re.prefixmatch()。

Hugo van Kemenade: Soft-deprecating re.match() hugovk.dev

+1

RSS Hunter • 9月10日

EuroPython：EuroPython 2026：视频已发布

EuroPython 2026 于 7 月 13 日至 19 日在克拉科夫成功举办，感谢参会者、演讲者、志愿者和赞助商的支持。本次大会展示了 Python 社区的魅力，通过引人入胜的技术演讲和强烈的 camaraderie（同志情谊）氛围。所有会议的视频录像和大会照片现已在线发布，供所有人欣赏。今年的活动共有 1,386 名参会者，其中经验丰富的 Python 用户占相当比例。核心 Python 是最受欢迎的主题，其次是 Web 开发和数据科学与机器学习。两位新的 EuroPython Society Fellows 获聘，以表彰其重要贡献。首次在欧洲 Python 大会舞台上颁发了 Python 软件基金会社区服务奖。大会还庆祝了 EuroPython 成立 25 周年，向长期贡献的社区成员致敬。冲刺活动（sprints）的一大亮点是一辆自制冰淇淋车，进一步凝聚了社区精神。一场富有挑战性的 Kahoot 问答环节测试了参会者对 Python 及大会知识的掌握。组织者还分享了由参会者创作的艺术作品，并宣布与 PyCon NL、PyCon España 以及 Django on the Med 建立合作伙伴关系。他们向所有赞助商致以谢意，特别感谢铂金赞助商 Manychat、Microsoft 和 Vercel。

EuroPython: EuroPython 2026: Videos Published blog.europython.eu

+1

RSS Hunter • 9月10日

Graham Dumpleton：寻找带包裹的慢代码

Flask 商店的 /order 端点响应缓慢，目标是找出瓶颈。传统的秒表方法需要修改代码，会产生未链接的日志行，并且难以处理间歇性缓慢的问题。分析器提供的细节过多，会掩盖请求特定的信息。利用现有配置，初步的跟踪立即揭示了时间的细分。请求耗时 37.3 毫秒，视图耗时 36.3 毫秒，服务耗时 35.9 毫秒，账本耗时 35.1 毫秒，而网关仅耗时 8 微秒。这表明账本是导致缓慢的主要原因。“自时间”的概念区分了本身缓慢的操作和因其子项而缓慢的操作。Wrapture 计算出这一点，显示账本本身就很慢，而服务和视图因为调用账本而变慢。使用 wrapture.instrumentation 和 wrapture.timeline 的测试证实了这一点：OrderService.place 的自时间为 173 微秒，总耗时为 31.0 毫秒，而 Ledger.record 占用了大部分时间。标准分析器无法提供这种详细程度的信息。对于长期监控，Aggregate 收集器会收集大量请求的统计信息，包括总时间、自时间、最小时间和最大时间。将三十个请求发送到服务器的报告证实了 Ledger.record 是自时间的最大贡献者。为了跟踪每个租户的缓慢情况，wrapture.annotate 允许添加自定义数据，如“X-Tenant”，到正在进行的事件中。这使得可以过滤跟踪，以确定哪些租户的请求响应更慢。Counter 收集器提供了一种更经济的选择，它只计算操作而不保留持续时间，适用于测试套件中的基于预算的断言（例如，检测 N+1 查询问题）。下一步是将这些事件馈送到跟踪后端。

Graham Dumpleton: Finding slow code with wrapture grahamdumpleton.me

+1

RSS Hunter • 9月10日

Python GUI：如何在 Python 中检查 QLineEdit 是否为空——空字符串在 Python 中为假值

要检查 QLineEdit 是否为空，可以使用 .text() 方法获取其当前文本。该方法返回一个字符串形式的文本内容。随后，可将该返回字符串与空字符串进行比较。此外，Python 将空字符串视为假值（falsey）。这意味着可以直接检查 .text() 返回字符串的真值性：空字符串求值为 False，而非空字符串求值为 True。因此，if not lineedit.text(): 在线编辑框为空时将成立。一种常见做法是使用信号（如 textChanged）来监控 QLineEdit 内容的变化。将该信号连接到槽函数，即可在用户输入时动态响应。槽函数接收当前文本作为参数，可在槽函数内对该接收到的文本进行真值性检查。这支持实时更新，例如更改标签以指示输入字段是否为空。此方法与多种 Python Qt 绑定兼容，提供了一种简洁的用户输入验证方式，无需特定的 isEmpty() 方法。

Python GUIs: How to Check if a QLineEdit is Empty in Python — Empty strings are falsey in Python pythonguis.com

+1

RSS Hunter • 9月9日

Python GUI：在使用 NumPy 数组与 QImage 于 Qt 线程中时修复崩溃——如何在流式传输视频或更新显示时安全地在线程间传递图像数据

在多线程视频流处理器中使用 NumPy 和 PyQt6 时，崩溃通常源于 QImage 与 NumPy 数组内存的交互方式。当从 NumPy 数组创建 QImage 时，它不会复制数据，而是引用原始内存缓冲区。这在多线程应用中会形成危险情况：如果工作线程修改或丢弃了 NumPy 数组，GUI 线程中的 QImage 可能变为无效，从而导致崩溃。解决方案是确保 QImage 拥有其自身独立的数据副本。这通过调用 QImage 的 .copy() 方法实现。该复制操作的时机至关重要：必须在 QImage 从工作线程传递到 GUI 线程之前执行，通常是在通过信号发出之前。此外，所有 GUI 更新（例如调用 setPixmap）必须 exclusively 在主线程中进行。使用信号和槽是工作线程与主线程进行 GUI 更新的正确方式。所提供的示例演示了这一过程：从 NumPy 数组创建 QImage，立即对其进行复制，然后通过信号发出该已复制的 QImage。主线程上的槽函数接收此安全的 QImage，将其转换为 QPixmap，并更新 QLabel 而不会引发崩溃。通过实施这些实践，可以实现可靠的 PyQt6 多线程视频流。

Python GUIs: Fixing Crashes When Using NumPy Arrays with QImage in Qt Threads — How to safely pass image data between threads when streaming video or updating displays pythonguis.com

+1

RSS Hunter • 9月9日

Python GUI：退出时清理——关闭 PyQt6 应用程序时停止线程——如何正确关闭应用程序窗口关闭时的后台线程和工作进程

在 PyQt 应用程序中，由 QThreadPool 或 QThread 管理的后台线程即使主窗口关闭后仍会继续运行，这可能导致应用程序挂起或产生错误。为解决此问题，应在主窗口类中重写 closeEvent 方法。该方法在窗口开始关闭时自动调用，提供了执行清理代码的机会。在 closeEvent 内部，应向所有后台工作线程发出停止执行的信号。对于以 QRunnable 实现的工作线程，这通常涉及设置一个内部标志，供工作线程的 run 方法定期检查。向工作线程发出停止信号后，使用 QThreadPool.waitForDone() 暂停执行，直到池中所有线程完成其任务。这确保不会突然终止任何线程，从而避免潜在问题。最后，调用 event.accept() 以允许窗口正常关闭。此外，务必使用 sys.exit() 包装应用程序的事件循环执行，以确保进程干净终止。此模式确保在应用程序完全退出前，所有后台操作都能优雅地停止。

Python GUIs: Clean up on exit — Stopping threads when closing a PyQt6 application — How to properly shut down background threads and workers when your application window is closed pythonguis.com

+1

RSS Hunter • 9月9日

格雷厄姆·邓普尔顿：用包装描摹酒壶

追踪 Web 应用程序的请求涉及捕获 HTTP 请求详情及其处理过程中产生的所有调用，并将其组织为分层树结构。WSGI 应用程序在追踪方面存在挑战，因为状态和头部通过回调传递，请求体是一个在调用后被消耗的迭代器，且异常由内部处理。一个 Flask 应用程序示例展示了这一点，其中包含用于健康检查、引用和订单的路由。当前的追踪配置现在包括一个 [[instrument]] 条目，用于指定 Flask 的追踪插件。此设置允许对请求流进行详细观察。当处理 Flask 请求时，追踪显示请求行启动树结构，随后是代表应用程序逻辑的嵌套调用。错误通过 Flask 内部的异常处理机制被捕获，使追踪插件能够将这些错误与请求事件关联。为减少噪音，可以忽略特定路径（如健康检查），防止其生成追踪数据。Flask 扩展的生命周期回调也可选择性地排除在观察之外。Flask 追踪的工作原理是将绑定应用于 Flask 执行的关键点，包括其 WSGI 中间件、路由处理和异常管理。追踪的核心单元是请求事件，其中包含所有相关数据，包括状态、持续时间和 HTTP 详情。这种详细的追踪使得分析应用程序时间消耗的位置成为可能。

Graham Dumpleton: Tracing Flask with wrapture grahamdumpleton.me

+1

RSS Hunter • 9月9日

Bob Belderbos：基于 FastAPI 和 Azure Entra ID 的数据库驱动型 RBAC

本项目实现了一个基于 FastAPI 的服务，利用 Azure Entra ID 进行身份验证，并采用细粒度的基于角色的访问控制（RBAC）。访问策略并非硬编码到各个路由中，而是存储在数据库表中。这使得管理员可以在不修改和重新部署应用程序代码的情况下更改用户权限。系统使用 Azure Entra ID 对用户进行身份验证，并从 JWT 声明中获取其角色。端点键与所需角色的映射存储在 EndpointPermission SQLModel 表中。授权逻辑的核心是一个 require 函数，该函数作为 FastAPI 依赖项使用。此函数从数据库中检索端点所需的角色，并检查已认证用户是否拥有其中任一角色。如果未拥有，则抛出 403 Forbidden 错误。端点键字符串是其在路由定义中唯一硬编码的字符串。关键的是，用于管理这些权限的端点本身也受相同的 RBAC 机制保护，确保只有管理员才能修改访问规则。防护措施防止管理员意外撤销自身对权限管理端点的访问权限，并确保角色分配永远不会为空。文章指出了两个常见的 Azure 配置问题：使用 v1 令牌而非 v2，导致令牌无效错误；以及嵌套组成员资格不会直接反映在用户角色分配中。该项目还提供了关于如何有效测试授权逻辑的指导。测试可以覆盖身份验证和会话依赖项，使用虚拟用户和内存 SQLite 数据库，从而在不依赖外部组件的情况下进行全面测试。通过将策略外部化为数据，该设计使授权具有动态性和可管理性，符合 12 要素应用原则。作者强调需区分代码逻辑与可变更的策略。

Bob Belderbos: Database-Driven RBAC with FastAPI and Azure Entra ID belderbos.dev

+1

RSS Hunter • 9月9日

PyCoder 周报：第 751 期：性能剖析，从 pandas 到 Polars，NotImplemented 及其他（2026 年 9 月 8 日）

本期《PyCoder's Weekly》涵盖了面向 Python 开发者的多个主题。其中包含关于性能剖析以及如何让 Python 应用程序默认具备高性能的讨论，呼应了 Den Odell 的新书《Fast by Default》。另一篇关键文章探讨了从 pandas 迁移到 Polars 的策略，包括在大型语言模型（LLM）辅助下实现完整数据管道的迁移。此外，还发布了关于 PR-AF 的公告，这是一个开源代码审查工具，在 Code-Review-Bench 基准测试中表现优异。多篇文章深入探讨了 Python 的实际用法，例如在魔术方法（dunder methods）中何时使用 NotImplemented，以及如何利用 Pydantic 和 FastAPI 构建插件架构。PyPI.org 发布了一项重要更新：元数据请求不再计入包下载量，从而提高了下载统计数据的准确性。教程部分提供了构建人脸识别工具以及修复常见"NoneType"对象错误的指导。其他教育内容包括 Python 装饰器的入门指南，以及关于如何有效测试异步 Python 的见解。开发者还可以学习如何将 Django 的静态文件和媒体文件存储于 Cloudflare R2 上。一些发人深省的文章，如《Analysis Paralysis Sucks》和《Why OOP Exists》，提供了更广泛的开发视角。本期还预览了 Python 3.15，重点介绍了默认 UTF-8 编码的变更，并附带了相应的测验。此外，本期还收录了 Shedskin 项目（一个 Python 到 C++ 的转译器）以及 Pandas-silent-bugs 项目，后者展示了 pandas 中众多隐蔽错误的实例。最后，列出了 2026 年 9 月 Python 社区即将举行的活动，包括各类聚会（meetups）以及 PyCon Cameroon。

PyCoder’s Weekly: Issue #751: Profiling, From pandas to Polars, NotImplemented, and More (2026-09-08) pycoders.com

+1

RSS Hunter • 9月8日

Django Weblog：志愿者招募：筹款工作组

Django 软件基金会（DSF）正在招募成员加入其筹款工作组。该工作组是一项关键举措，旨在于 2026 年前筹集 50 万美元。这笔资金对于支持现有项目（如 Django Fellows 和 Django Girls）以及聘用 DSF 的首任执行董事至关重要。实现这一目标需要超越简单捐赠的战略思维，重点在于建立企业关系、开展有意义的赞助活动，并有效传达 Django 的价值。筹款工作组将与新任执行董事紧密合作，构建全面的筹款工作体系。DSF 正在寻找具有筹款、赞助、合作伙伴关系、业务发展或销售方面先前经验的个人。这些专家将识别机会、打开局面并开发新的筹款倡议。然而，具备筹款专业知识并非加入该工作组的前提条件。基金会同样重视那些理解企业如何支持开源项目、拥有企业参与构想，或具备强大关系构建与组织能力的个人。他们希望组建一个多元化的团队，融合经验丰富的专业人士与新颖视角，既包括能够推动工作的人，也包括渴望学习并做出贡献的人。该工作组通过月度会议和会间异步协作开展工作。无论是否具有筹款背景，所有感兴趣者均被鼓励申请，助力 Django 软件基金会实现其雄心勃勃的目标。

Django Weblog: Call for volunteers: Fundraising Working Group djangoproject.com

+1

RSS Hunter • 9月8日

Python Bytes：#495 被封禁

EuroPython 2026 的视频现已在线发布，包含从主旨演讲到完整演讲的 117 段录像。《Django 2026 现状》调查表明，尽管 Django 核心保持稳定，但其周边生态系统正快速演进。AI 集成已司空见惯，不过其在开发工作流中的应用仍在不断完善。工具链正在整合，uv 和 Ruff 显示出显著采用率。类型提示的使用日益普遍，但检查器的选择呈现多样化。一个值得注意的趋势是服务端渲染模板与仅 API 的 Django 社区共存，同时 htmx 的采用率正在增长。Htmx 4.0.0 已发布，采用 fetch() 进行了重写，并引入了细微的 API 变更，如显式属性继承。新增功能包括内置的 morph 交换和 hx-partial 标签。Htmx 2.x 系列将持续支持，并在 npm 上保持最新状态直至 2027 年。“功能禅”（Functionally Zen）理念倡导 Python 的简洁性，推崇惯用代码、数据优于函数以及纯函数。该方法建议在“纯核心”外围包裹一层薄薄的“不纯外壳”以管理副作用。近期新增内容包括 uv 的新功能及一个微型 Python 解释器。 Steering Council 投票现已开放。

Python Bytes: #495 Banned pythonbytes.fm

+1

RSS Hunter • 9月8日

LernerPython 博客，作者 Reuven Lerner：Claude Code 总是能产出结果。这才是难点所在。

作者已广泛使用 Claude Code 开展工作，开发了 LernerPython.com 的显著部分，并将 AI 导师集成到课程和通讯中。这使其手动编写代码减少，同时产出更多且享受这一过程。关键启示是：像 Claude Code 这样的 AI 代理通常会执行你所要求的任务，但开发者必须警惕意图、规范与实现之间可能存在的差距。要有效管理 AI 生成的代码，必须在受控的开发环境中实施严格的验证、检查清单以及后续追问。四项实践显著改变了作者的工作流程：使用 CLAUDE.md 文件作为 AI 指令的契约；优先关注测试而非简单的代码差异；实施详细的遥测和日志记录；并依赖小提交作为回滚策略。作者还提供三场关于使用 Claude Code 结合 Python 和 Pandas 的工作坊，涵盖入门与高级主题。这些工作坊注重实操，旨在教授 AI 在编程中的实际应用。有意参加工作坊者可参加一场信息分享会。

LernerPython blog, from Reuven Lerner: Claude Code always produces something. That’s the hard part. lernerpython.com

+1

RSS Hunter • 9月8日

Graham Dumpleton：带包裹的零代码追踪

本文描述了如何使用"wrapture"工具在不修改源代码的前提下观察和追踪 Python 程序。最初，追踪涉及编辑程序的入口点，这对于继承或共享的代码而言并不理想。一种更灵活的方法是使用独立的配置文件wrapture.toml来指定观察目标以及追踪数据的输出位置。该配置文件定义了观察目标及其关联的方法，以及数据脱敏规则。wrapture.toml 文件允许针对模块中的特定方法名或通配符模式进行匹配。该工具通过python -m wrapture后接程序脚本来运行，在程序执行前应用配置。此方法生成的追踪输出与修改源代码的方法相同，但将观察逻辑外部化。对于长时间运行的应用程序，追踪输出可重定向至文件（如trace.jsonl），采用 JSON Lines 格式。该文件格式捕获详细的事件信息，包括参数、结果、异常和耗时，使其易于通过常用工具（如jq）进行处理。关于保持追踪激活的安全考量包括：使用有界队列以防止阻塞，以及对参数进行摘要处理以避免保留活动对象。当无法直接通过命令行执行时，可使用autowrapt通过环境变量在解释器启动时注入 wrapture。这种引导机制通常旨在用于开发或调试环境，而非生产环境。一旦注入追踪，即可通过wrapture.bootstrap提供的功能动态控制——暂停、恢复或完全回退，而无需重启应用程序。wrapture 的下一步工作是将此追踪能力应用于更复杂的应用单元，例如 Web 应用程序中常见的单元。

Graham Dumpleton: Zero-code tracing with wrapture grahamdumpleton.me

+1

RSS Hunter • 9月8日

Graham Dumpleton：带包裹的实时追踪

Wrapture 绑定最初用于单元测试，也可作为强大的追踪机制。绑定会观察方法调用并触发事件，这些事件随后由“接收器”（sink）处理，而非测试磁带。这使得对运行中的程序进行实时叙述成为可能。本文通过一个 OrderService 示例加以说明，其中包含 Gateway、Ledger 和 Notifier 组件，支持信用卡支付被拒绝的场景。三个绑定被应用于关键方法：OrderService.place、Gateway.charge 和 Ledger.record。一个简单的 Printer 接收器用于显示这些事件。输出展示了详细的调用信息，包括参数、返回值和异常，缩进表示调用嵌套层级。关键的是，敏感数据（如卡号）可在绑定级别使用 wrapture.redact() 捕获策略进行脱敏。当未注册任何接收器时，绑定的开销极小，每次调用约增加半个微秒。为管理大型追踪数据，可在接收器或绑定级别应用过滤。接收器级别的过滤，如 wrapture.Depth(1, wrapture.Printer())，将输出限制为顶层调用，提供简洁的概览。绑定级别的过滤使用 when= 参数，接受一个谓词以防止特定调用构建事件，效率极高。然而，when= 仅跳过指定的事件；嵌套调用仍会被记录。若要抑制整个调用树，可在绑定中添加 tree=True，确保“从此处向下”不再进行追踪。绑定还会跟踪 filtered_calls，使用户能够了解哪些操作已被抑制。此配置使程序能够以实时数据自我描述其行为，仅需极少的代码更改，并支持为各种监控需求定制接收器。

Graham Dumpleton: Live tracing with wrapture grahamdumpleton.me

+1

RSS Hunter • 9月7日