Как я довёл расходы на LLM до нуля: почему на бесплатных тарифах параллелизм — враг
Это продолжение первой статьи про Briefka — там я описывал самого бота и базовую архитектуру каскада LLM-провайдеров. За прошедшие 4 месяца бот органически вырос с 59 до 84 пользователей, и именно на этом масштабе бесплатный каскад начал срываться на платного провайдера. Расскажу, почему так вышло и как я вернул расходы к нулю — с цифрами и кодом.Код ниже — реальные фрагменты из боевого Briefka, слегка сокращённые для читаемости: убраны логирование и сбор статистики.Что за каскад (коротко)Вместо одного платного провайдера — лесенка из пяти, с автоматическим фолбэком при rate limit:
Асинхронность в Python для senior interview: от asyncio до выбора правильной реализации под задачу
Каждый Python-разработчик знает базовую формулу: asyncio нужен для I/O, потоки ну тоже иногда, процессы — для CPU-bound. На собеседовании такого ответа хватает ровно до первого уточняющего вопроса.А потом начинаются уже интересные вещи.Почему await не делает код параллельным?Почему асинхронный код всё равно может полностью положить event loop?Чем Task отличается от Future не на уровне "одно ждёт другое", а на уровне устройства рантайма?Что именно делает цикл событий, когда вы пишете await asyncio.sleep(1)?Почему в одном месте нужен create_task, в другом — TaskGroup
Я пришел потестить бота, чтобы найти баги, а в итоге нашел работу в BigTech
Привет, Хабр. Я из тех людей, у кого аллергия на словосочетание "искусственный интеллект" в маркетинге. Обычно за этим скрывается пара if-else и API OpenAI, прикрученное синей изолентой.Недавно наткнулся на пост ребят, которые пилят карьерного бота Аврора. Обещали, что он сам ищет вакансии, сам пишет письма и вообще молодец.Я решил, что это отличный повод поразвлечься: зайти в бету, положить им базу нагрузкой и написать разгромный баг-репорт.
Самые популярные Python фреймворки и библиотеки 2025 года
Команда Python for Devs подготовила перевод статьи о самых популярных Python-фреймворках и библиотеках 2025 года. FastAPI уверенно догоняет Django и Flask, Requests и Asyncio остаются незаменимыми, а Streamlit и Starlette усиливают свои позиции в нишевых сценариях.Создаёте ли вы API, дашборды или пайплайны для машинного обучения — выбор подходящего фреймворка может определить успех или провал проекта.Каждый год мы опрашиваем тысячи Python-разработчиков, чтобы показать, как развивается экосистема: от инструментов и языков до фреймворков и библиотек. Наши данные из отчёта State of Python 2025
Школы программирования против репетиторов и самообучения
Решил написать этот пост, т.к. несмотря на некоторое падение интереса к онлайн-обучению, это направление сохраняет свою актуальность и каждый, кто решает освоить для себя новую профессию, сталкивается с выбором, куда направить усилия, а заодно и средства, чтобы это было с максимальной отдачей и не привело к выгоранию.
Под чешуёй асинхронности: from yield to await
В данной статье мы рассмотрим основы асинхронного программирования в python, фокусируясь на ключевых концепциях и их практическом применении. Мы начнем с изучения генераторов и итераторов — фундаментальных механизмов, лежащих в основе асинхронности python. Затем поговорим о потоках и процессах, чтобы понять, как они соотносятся с асинхронным подходом.Основная цель статьи — создание собственной упрощенной реализации asyncio, включая цикл событий, задачи и примитивы синхронизации. Это позволит глубже понять внутреннее устройство асинхронной разработки в python.Содержание
