大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



1、优化 Jupyter Notebook 来用于 LLM^[3]

如何优化 Jupyter Notebook 以减少大模型的 Token 消耗和使用成本？作者通过排除 .ipynb 文件中的无用数据，如 base64 编码的图像和元数据，实现了 94% 的成本削减。

2、2024 年的 urllib3^[4]

对 urllib3 项目作 2024 年总结，主要亮点包括获得了来自多个渠道的财务支持、对 HTTP/2 和 WASM 支持的进展，以及 LaunchDarkly 赞助修复的漏洞。

3、2025 年如何成为 AI 开发者（完整指南与资源）^[5]

文章分享了一些编程学习资源，包括数学/统计学、机器学习、AI 框架、数据分析等方面的文章、视频和书籍内容。

4、在 Rust 中嵌入 Python（用于测试）^[6]

作者通过 PyO3 将 Python 解释器嵌入到 Rust 的测试执行器中，文章介绍了实现过程，包括从源码编译 Python 的方法、使用 PyO3 执行 Python 代码、对复杂类型和动态类型的处理。

5、PEP-773：Windows 平台的 Python 安装管理器^[7]

在 Windows 上安装 Python 发行版有三种主要方法，存在一些局限性，无法满足现代使用场景。这则 PEP 提出了一种统一的 Windows 安装工作流，规避现有流程的局限性。

6、基于 Emacs 的高级 Python 开发工作流^[8]

如何将 Emacs 打造成一个强大的 Python 开发环境？作者从代码智能提示、代码检查与静态分析、代码调试、环境管理等方面，详细介绍了一些实用的插件和配置，演示了具体用法，分享了个人经验和对工具选择的见解。

7、10 种在 Python 中处理大文件的技巧^[9]

对于 GB 级别的大文件，Python 处理时有什么**实践和技巧？如何避免内存错误、提升速度并且优化资源使用？文章分享了 10 个文件处理方法，以及一些好用的文件处理库。

8、调查 Python 构建后端的流行趋势（II）^[10]

作者去年分析了开源项目的 pyproject.toml 文件使用了哪些构建后端，今年也做了分析并优化统计图，结果看到排在前几位的依然是：setuptools、poetry、hatching、flit。

9、Python ASGI 应用的日志上下文传播^[11]

介绍了如何在 Python ASGI 应用中实现日志上下文传播，使日志能够自动携带相关的上下文信息（如用户 ID 和平台类型）。使用了 contextvars 自定义日志格式化器，并实现了日志处理中间件自动标记日志消息。

10、PEP-771：Python 软件包的默认可选依赖^[12]

该 PEP 提出了一种机制，允许 Python 包在未显式指定额外依赖时默认安装某些可选依赖，针对推荐但非必需的依赖和多后端/前端支持的场景，提供默认安装的解决方案。

11、使用 Turtle 绘制各国国旗^[13]

如何用 Turtle 库绘制国旗？如何解决复杂图形、坐标转换、贝塞尔曲线、样式解析等问题？文章分享了 Turtle 图形绘制和 SVG 解析的技术，整体效果还不错。

12、我的开发工具和工作流分享^[14]

作者分享了自己在开发软件时使用的工具和流程，涵盖本机开发环境、服务器配置、开发工具、后端和前端技术栈、软件架构方法等多个方面。

1、DeepSeek-R1：媲美 OpenAI-o1 的开源模型^[16]

DeepSeek 推出的第一代推理模型，在数学、代码和推理任务上的表现与 OpenAI-o1 相当。完全开源，另外还包含 6 个基于 Llama 和 Qwen 蒸馏的模型。（star 2.4K）

2、wiseflow：从网站/公众号/RSS等提取简洁的信息^[17]

一个敏捷的信息挖掘工具，利用大模型的思考和分析能力从各类信息源中精准抓取特定信息，自动分类后上传至数据库。目前已支持网站、RSS、搜索引擎和公众号 4 种信息源。（star 5.7K）

3、beaverhabits：自托管的习惯追踪应用^[18]

一个不设置目标的支持自托管的习惯跟踪应用。

4、django-templated-email-md：用 Markdown 格式生成电子邮件^[19]

用 Markdown 语法写邮件模板，自动转换为 HTML 并生成邮件，通过 Premailer 工具将 CSS 样式内联，无缝集成 django-templated-email。

5、isd：更便捷的 systemd 管理方式^[20]

一个 TUI 应用，简化 systemd 管理，提供模糊搜索、自动刷新预览、智能 sudo 处理，以及为高级用户和新手提供完全可定制的面板。

6、ccrl_challenger_flask_app：Flask 开发的国际象棋对战网站^[21]

用 Python Flask 开发的游戏网站，支持与 CCRL（计算机象棋评级列表）的 118 种象棋引擎对弈。

7、micropie：超轻量的 Python Web 框架^[22]

极简的 Python Web 框架，提供了路由、会话管理、WSGI 支持以及 Jinja2 模板渲染等功能。

8、zasper：高效运行 Jupyter Notebook 的 IDE^[23]

专为支持大规模并发而设计的 IDE，具有极低的内存占用、出色的运行速度，并能高效处理大量并发连接。已支持 MacOS 和 Linux 系统，待支持 Windows。（star 1.7K）

9、UI-TARS：字节跳动开源的 GUI 代理模型^[24]

以视觉大模型驱动的 GUI 代理，能够以类似人类的感知、推理和行动能力与图形用户界面无缝交互，实现端到端的任务自动化，无需预定义的工作流或手动规则。（star 1.2K）

10、WebWalker：用网页导航任务中对 LLM 作基准测试^[25]

阿里巴巴开源的 LLM 基准测试任务，包含四个真实场景的 680 个查询，覆盖超过 1373 个网页。

11、coagent：用于开发单体或分布式代理系统的框架^[26]

一个开源框架，支持开发从简单的 LLM 调用到复杂的组合工作流和自主代理，支持单代理和多智能体协同，支持模型上下文协议（MCP）。

12、Python 数据可视化工具网站^[27]

一个专门介绍 Python 数据可视化工具的网站，收录了各类开源可视化工具，以及如何使用这些工具的教程、使用可视化工具研究特定领域问题的示例。

参考资料

Github: https://github.com/chinesehuazhou/python-weekly