Python 有了 f-string,为什么还要设计出 t-string?文章解读了 PEP-750 设计出 t-string 的原因,同时也是一篇全面的 t-string 教程,介绍了它的基本应用场景以及几种进阶用法。
本期速览
Python 3.14 的 t-string 与 f-string 有何不同?一篇讲透模板字符串的差异;PyXL 让 Python 直驱 GPIO 硬件,PyPI 测试套件提速 81%,Qwen3 系列大模型同周刷屏。
文章&教程
× 12作者遇到了一个有趣的 bug:用 f"{x}" 抛出了 TypeError,但 str(x) 却正常。文章介绍了调试的过程,详细分析了 f-string 处理字符串插值的底层原理,最后发现是工作流编排引擎 Temporal 的问题。
探讨了 Python 3.14 在调试生态方面的重大改进,PEP-768 允许用户远程的为一个 Python 进程注入一段调试代码,使得调试工具能以更好的方式对 Python 进程进行无侵入的调试与观测。
Python 3.15 的开发和发布计划已公布,17 个月的开发周期:2025.6.6 开始开发,2025.10.14 发布 alpha 1 版本,2026.5.5 发布 beta 1,2026.10.1 发布正式版。
作者分享了今年参加 DjangoCon 的收获,包括一些数据库优化技巧、性能测试方法、网络算法调整、查询分析技巧、多个实用工具和最佳实践等。
介绍了如何在 Django 项目中集成 Meilisearch,以实现高效的全文搜索功能。通过 Docker 配置 Meilisearch,利用 Pydantic 定义搜索模式,并通过自定义的模型方法和 Django 管理命令实现数据的自动和批量索引更新。
介绍了 PyXL,一种能在硬件层面直接执行 Python 代码的自定义处理器,无虚拟机、无解释器、无 JIT、无 C 语言。GPIO 圆程仅需 480 纳秒,比 MicroPython 快 30 倍,时钟速度归一化后优势达 50 倍。
分享了如何利用 Gemini 2.0 Flash 高效完成代码生成/重构,实现自动化删除 200 多个 GN 构建文件。讨论了如何利用 AI 和普通脚本混合处理繁琐代码任务。
介绍了如何系统地优化了 Warehouse(为 PyPI 提供动力的后端)的测试套件,将执行时间从 163 秒减少到 30 秒,同时测试数量从 3,900 增长到 4,700 多。
如何给 Python 的混合类(mixin class)添加类型提示?文章介绍了两种情况的解决方法:基类继承法和协议定义法,提升了混合类的类型安全性和可维护性。
你是否了解 Python 3.8 引入的海象操作符(PEP-572)?什么情况下使用它,带来的好处是什么,对代码可读性有什么影响?
Wired 网站发布的一份调查报告,调查了 730 位开发者,了解他们在工作中如何使用 AI 聊天机器人、使用的频率以及如何评价 AI 等。AI 正在改变编程工作,但还远不能取代程序员。
项目&资源
× 12Meta 正在开发中的 Python 类型检查工具,计划于 2025 年底完全取代 Pyre,使用 Rust 开发,希望提高性能并提供生成类型化的 AST 等新功能。
一个多 agent LLM 系统,自动将论文转换为代码。遵循三阶段流程:规划、分析和代码生成,每个阶段由专门的 agent 处理。
可以作异常检测,阻止可疑 IP,防止 UUID 篡改,阻止蜜罐字段利用,并每日基于日志再训练持续改进。
微软开源的 Pyton 日志库,比标准库中的 logging 模块快 4-17 倍。
一个模块化、多 agent 协调系统,专为自动化社交媒体中的任务而设计,深度集成 TikTok、Instagram、YouTube、X、Quora、WhatsApp 等平台。
matplotlib.pyplot 的替代库,具有基于 SVG 的交互式图表,提供简洁、高质量的渲染。
开源的分布式、可扩展工作流编排引擎,支持自托管和云服务部署,持久化执行、自动重试机制、单向安全连接。
通过简单代码,自动生成 GUI、TUI 和 CLI,无需手动编写界面代码。自动处理配置文件的读取和解析,简化了配置管理。
对 Python 软件包整个生命周期进行基准测试的工具,结果展示为交互式 Web 前端。
Jupyter 官方开源的工具,为 Jupyter Notebook 提供结构化的差异比较(diff)和合并(merge)功能。
阿里最新开源大模型,首创“快思考(非推理模式)”与“慢思考(深度推理模式)”的动态切换机制,数学推理能力超 GPT-4 等模型。
月之暗面开源的通用音频基础模型,基于 1300 万小时多样化音频数据训练,在语音识别、音频理解与生成等任务中实现多项 SOTA 性能突破。
播客&视频
× 1视频揭示出 Python 装饰器有值得警惕的地方,因为它会破坏代码的类型安全、隐藏函数的依赖、并且难以调试。