Python Portal

Открытый-фреймворк для создания голосовых ИИ-агентов, работающих в реальном времени Pipecat — это Python-фреймворк для оркестрации аудио, видео, ИИ-сервисов, транспортов и диалоговых пайплайнов. Архитектура построена по принципу voice-first и поддерживает подключаемые компоненты. Что можно создавать: • голосовых ассистентов; • ИИ-компаньонов; • мультимодальные интерфейсы; • интерактивные истории; • бизнес-агентов для поддержки клиентов и первичного сбора данных; • сложные диалоговые системы. Фреймворк берёт на себя распознавание речи, синтез речи, логику диалога и взаимодействие в реальном времени. Поддержка транспортов WebRTC и WebSocket встроена. Сверхнизкая задержка позволяет вести естественные разговоры. Почему Pipecat: • Voice-first: объединяет STT, TTS и обработку диалога в одном фреймворке • Подключаемая архитектура: поддерживает нескольких поставщиков ИИ-сервисов для каждой возможности • Компонуемые пайплайны: позволяют собирать сложное поведение из модульных компонентов • Работа в реальном времени: взаимодействие с низкой задержкой и потоковой передачей аудио и видео Поддерживаемые сервисы: • Speech-to-Text: Deepgram, AssemblyAI, OpenAI Whisper, Groq, Azure, AWS, Google и другие • LLM: OpenAI, Anthropic, Gemini, Groq, Mistral, Ollama, AWS, Azure и другие • Text-to-Speech: OpenAI, ElevenLabs, Deepgram, Cartesia, Azure, AWS, Google и другие • Speech-to-Speech: OpenAI Realtime, Gemini Multimodal Live, AWS Nova Sonic, Ultravox, Grok Voice Agent Недавно автор написал подробный туториал по созданию продакшен-агента голосовой поддержки клиентов. В нём разобраны определение момента передачи реплики, обработка перебиваний, телефонные кодеки и добавление актуального бизнес-контекста в каждый звонок. Ссылка на статью 😳 👉 @PythonPortal

На Stepik вышла программа «DevOps с нуля: от Linux до Kubernetes» Это комплексная программа из 5 практических курсов по ключевым технологиям DevOps: Linux, Git, Docker, GitLab CI/CD, Kubernetes Вы последовательно пройдёте путь от работы в Linux и управления кодом через Git до контейнеризации приложений, настройки CI/CD-пайплайнов и развёртывания в Kubernetes. Что вы изучите: • работу с Linux и командной строкой • Git и контроль версий в реальных проектах • создание Docker-образов и запуск контейнеров • автоматизацию сборки, тестирования и деплоя в GitLab CI/CD • развёртывание и управление приложениями в Kubernetes • сети, хранилища, конфигурации и секреты • диагностику инфраструктуры и автоматизацию рутинных задач ... и многое другое Все знания закрепляются на практике с помощью заданий с автопроверкой. Материал подаётся последовательно и понятным языком: с примерами, схемами и демонстрациями. Во время обучения можно задавать вопросы по урокам и заданиям, получать обратную связь и помощь при возникновении сложностей. После прохождения программы вы получите сертификат, который можно добавить в резюме. Скидка 20% на 48 часов: по промокоду DEVOPS20 стоимость всей программы составит 10 392 ₽. Открыть программу на Stepik

Только мы в ней приёмные 👉 @PythonPortal

Агенты не дают сбой из-за одного сообщения. Сбои возникают в ходе нескольких диалогов, вызовов инструментов и изменений контекста. Giskard — это Python-библиотека с открытым исходным кодом, созданная специально для тестирования подобных сценариев. 👉 @PythonPortal

В Steam появилась игра про техподдержку в аду — I.T. Never Ends Инди-студия Dadbod Games готовит мрачную комедийную игру, в которой игроку предстоит работать системным администратором в компании, управляемой космическими ужасами. Игровой процесс построен вокруг обработки тикетов: решения принимаются свайпами влево или вправо, примерно как в Reigns. Параллельно придётся следить за оборудованием и инфраструктурой, поддерживать работу офиса и разбираться, почему сотрудники продолжают погибать. Сами заявки соответствуют обстановке: пользователь не может найти собственную душу, принтер снова дышит, а этаж 3.5 отказывается прекращать существование. Разработчики описывают проект как смесь симулятора рабочего стола, корпоративного хоррора и чёрной комедии. Полный релиз запланирован на август 2026 года, а бесплатная демоверсия уже доступна в Steam. 👉 @PythonPortal

Google представила Open Knowledge Format. Это открытый стандарт для обмена знаниями между людьми и ИИ-агентами с использованием Markdown. Идея в том, чтобы он стал живой вики-базой знаний вашей компании, которую ИИ сможет постоянно читать и обновлять. Именно «живая вики-база знаний»: Google описывает OKF как открытый, переносимый и совместимый формат для хранения контекста, метаданных и курируемых знаний, понятный как людям, так и ИИ-агентам. По сути, они стандартизировали Obsidian. 😂 👉 @PythonPortal

Чувак заменил Datadog одним бинарником и за одну ночь сократил расходы на инфраструктуру на 98%. Он называется OpenObserve. Логи, метрики, трейсы и мониторинг фронтенда в одном инструменте с самостоятельным развертыванием. Он создан специально для того, чтобы остановить рост счетов при добавлении каждого нового хоста, пользователя или пользовательской метрики. → Один бинарник, запуск менее чем за 2 минуты. Никакого кластера и отдельных компонентов для логов, метрик и трейсов → Написан на Rust и использует движок запросов DataFusion, поэтому сохраняет высокую производительность даже при работе с петабайтами данных → Использует колоночный формат Parquet и S3-совместимое объектное хранилище вместо проприетарного формата — именно это и обеспечивает основную экономию → Запросы выполняются через SQL или PromQL, а не через проприетарный синтаксис вендора, поэтому вашей команде не придётся изучать новый язык запросов только ради просмотра дашбордов → Полная совместимость с OpenTelemetry: для подключения уже существующей инструментации не требуются проприетарные агенты → Библиотека дашбордов от сообщества на GitHub для Kubernetes, Docker, Postgres, AWS и наблюдаемости LLM — можно сразу подключить вместо того, чтобы создавать всё с нуля Согласно опубликованному самим OpenObserve бенчмарку, одна и та же нагрузка из 16 сервисов обходилась в $174 в день в Datadog и в $3 в день при самостоятельном развертывании — сокращение на 98%, ещё до учёта платы за каждый хост или пользовательскую лицензию. Более 18 000 звёзд на GitHub. Один бинарник. Самостоятельное развертывание без платы за каждый хост или пользователя. Снижение затрат на 98% — серьёзная цифра. Её нужно чем-то подтвердить. 🚬 👉 @PythonPortal

Средний Python — вот что выдает LLM по умолчанию Из индустриальных данных: разработчики считают, что ИИ пишет около 41% их кода. А без правок принимают только 26,9%. Между этими двумя числами — работа инженера, а не подбор более сильной модели. Разница в подходах: можно принимать все, что предложила LLM (большие языковые модели), и править за ней вручную. А можно один раз собрать обвязку — правила проекта, стандарт тестов, автопроверку — и получать корректный результат с первого прогона. 16 июля в 19:00 мск на бесплатном вебинаре karpovꓸcourses «ИИ-агенты и профессиональная разработка на Python» Алексей Жиряков разбирает эту обвязку на живом демо поверх готового репозитория. Один и тот же запрос без правил и с правилами: в первом случае код падает на первом тесте, во втором — типизированный код и зеленые тесты. Спикер — исполнительный директор в Сбере, ех-технический директор направления в KION, 15+ лет в серверной разработке. После регистрации — получите гайд «Почему ваш ИИ пишет не то: LLM против ИИ-агента» + запись вебинара. Соберите обвязку, при которой модель работает по стандартам команды: https://clc.to/erid_2W5zFGNNwww Реклама. ООО «КАРПОВ КУРСЫ». ИНН 7811764627. erid: 2W5zFGNNwww

Это всё нам: серия блокнотов Jupyter, которые последовательно знакомят с основами машинного обучения и глубокого обучения на Python с использованием Scikit-Learn и TensorFlow. 🚬 https://github.com/ageron/handson-ml3 👉 @PythonPortal

Создавай Python-пакеты за пару секунд с uv init --package Python-пакеты позволяют вынести код в переиспользуемые модули и шарить их между проектами. Обычно это возня с setuptools, настройка билд-системы и разбор всей этой кухни с дистрибуцией. UV, быстрый установщик и резолвер зависимостей для Python, упрощает всё до двух команд: • uv init --package сразу поднимает структуру пакета • uv build и uv publish собирают и отправляют пакет на PyPI Полная статья: https://bit.ly/3Jyqtok 👉 @PythonPortal