P(hD)ython

«Ну вот, я и стал админом 🧑‍💻» #техно_и_хардкор Собрал, казалось бы, банальный, но для многих неочевидный сетап: связал ноутбук и стационарный ПК по двум отдельным сетевым каналам: ⚡️ control plane - условный контур управления по Wi-Fi. Агент работает на ноутбуке и подключается к ПК по SSH: запускает нужные процессы и управляет экспериментом, может даже подтюнить настройки ОС и ребутнуть ПК; ⚡️ data plane - тестовый трафик по отдельному прямому 2.5GbE-линку: обычный патч-корд RJ45-RJ45 Cat 6A, без роутера и коммутатора. Дёшево и сердито. Так управляющий трафик не смешивается с тестовым: даже если эксперимент переконфигурирует, забьёт или вообще положит проводной линк, канал управления по Wi-Fi останется жив. Получился маленький стенд с вполне себе production-логикой, пусть и вместо серверной стойки - ламинат, а вместо грамотного кабель-менеджмента - стяжки и принятие хаоса 👹. В роли узлов: ⚡️ ноутбук MSI GP66 Leopard 11UG - i7-11800H, 64 GiB DDR4-3200 и Realtek RTL8125 2.5GbE; ⚡️ ПК на MSI PRO Z790-A MAX WIFI - i7-14700KF, 64 GiB DDR5-6000 и Intel I226-V 2.5GbE. Нетрудно догадаться, что сетевухи в этой конфигурации важнее всего. Оба Ethernet-контроллера уже были на платах, поэтому вся новая «инфраструктура» обошлась мне в 300 рублей за кабель с Avito. В идеале, конечно, мне нужно в 10 раз больше - 25GbE, но покупать ещё две сетевухи и всю обвязку душит жаба. Так что пока 2.5GbE. Бюджетный low latency - он такой 😅. С уважением, Михаил Масягин P.S. Что именно я на этом всём тестирую - пока оставлю небольшой загадкой. Можете погадать в комментариях 👀

«Предзащита: больно и неофициально 🎓» #аспирантские_будни Наконец дошли руки до обещанного поста о неофициальной предзащите моей кандидатской. Да-да, именно неофициальной! О том, что предзащита состоится 16 июня, я узнал 12-го. За четыре дня собрал презентацию, подготовил речь, достал пылившийся в шкафу костюм и вышел к доске... где комиссия разнесла меня в пух и прах! Получился стресс-тест не только диссертации, но и самого аспиранта 😅. Интересный нюанс: до лета 2025 года практический пайплайн в нашем диссовете выглядел просто: неформальная предзащита и непосредственная защита под запись. Поэтому именно на первой можно было задавать неудобные вопросы, разбирать слабые места и корректировать содержание «кирпича». Но 2 июля 2025 года Минобрнауки разъяснило: аудиовидеозаписи могут запросить с заседаний диссовета как при защите, так и при предварительном рассмотрении диссертации. Теперь официальный промежуточный этап тоже записывают, хранят и по запросу передают в министерство 🫡. Однако разносить человека под запись как-то не «по понятиям». Так у нас появился новый этап - неофициальная предзащита, предшествующая официальной, уже «камерной». Главная претензия оказалась не к доказательствам и даже не к научной новизне, а к... шифру специальности! Моя работа заявлена по специальности 1.2.2 - «Математическое моделирование, численные методы и комплексы программ». В её паспорте есть малозаметное примечание: диссертация должна содержать все три составляющие названия специальности. ✅ С математическим моделированием всё отлично: я исследую временные ряды и описываю их EXPAR-моделями. ✅ С программным комплексом тоже: я его разработал и зарегистрировал, вот пост про получение патента. ❌ А самостоятельный численный метод комиссия в работе не обнаружила. Основной результат диссертации - метод выбора оптимальной функции потерь для EXPAR-моделей с учётом распределения обновляющего процесса. Проще говоря, по природе шума можно определить, чем лучше оценивать параметры модели. На мой взгляд, «численного» в работе хватает, однако комиссия решила, что по духу результат ближе к теории вероятностей и математической статистике (ТВиМС). Ирония заключается в том, что все мои статьи уже опубликованы по 1.2.2 😅. Вместе с научником и секретарём диссовета нашли комплексное решение проблемы: ⚡️ Добавить специальность 2.3.1 - «Системный анализ, управление и обработка информации, статистика». Системного анализа и управления у меня нет, зато обработка информации и статистика - пожалуйста. Требования собрать все компоненты названия специальности, как в 1.2.2, здесь нет. ⚡️ Для 1.2.2 выделить и формализовать собственный численный метод. Мы уже умеем выбирать функцию потерь. По её свойствам можно подобрать подходящий метод оптимизации, а затем, применив гомотопический метод, малыми деформациями прийти к оценкам параметров, снижая риск застрять в локальном минимуме. Чем не новый численный метод? 😄 Осталось внести правки в диссертацию и дойти до второй, уже официальной предзащиты. Надеюсь, там всё пройдёт гладко, а уж на защите - тем более)) С уважением, Михаил Масягин P.S. Специальность для диссертации выбирайте аккуратно и обязательно сами читайте её паспорт, включая примечания, звёздочки и мелкий шрифт. Даже научник может с этим ошибиться. P.P.S. В комментариях приложу паспорта специальностей 1.2.2 и 2.3.1.

«Work-life balance от Anthropic ⚒️» #ai4sdlc Недельные лимиты токенов израсходованы - можно с чистой совестью выключать компьютер и отдыхать на выходных 🏖. Но как всегда есть небольшой нюанс: Anthropic уже сбросили все лимиты в четверг утром. Да-да, недельный запас токенов плана Team Premium вполне реально сжечь за два дня, когда работа идёт 24/7 🔥. При этом кажется, что в Anthropic всё острее ощущают: геометрический рост потребления токенов не гарантирует многомиллиардных прибылей 🤑 С одной стороны их подпирает OpenAI, чей Codex по подписке оказывается экономически выгоднее Claude Code, с другой - открытые модели вроде KIMI K3, у которых число параметров уже измеряется триллионами. Поэтому сегодня Anthropic объявили, что с 20 июля Fable 5 останется в тарифах Max и Team Premium - пусть и с лимитами, урезанными на 50%. Конкуренция - великая вещь. Ещё недавно всех пугали, что вот-вот и Fable 5 останется доступен только на потокенной оплате. Ан нет 😄! Думаю, и «неожиданные» обнуления лимитов по четвергам мы тоже увидим ещё не раз. С уважением, Михаил Масягин

«ast-index - работает ⁉️» #ai4sdlc На Saint HighLoad++ 2026 ast-index упоминал почти каждый второй докладчик, говоривший об ускорении агентов и экономии токенов. Идея AST-индекса проста и гениальна: чтобы избежать медленных и затратных по токенам grep'ов, строится и инкрементально обновляется локальный индекс на базе Tree-sitter и SQLite. При этом индексация происходит не по сырому тексту файлов, а по структуре проекта - названиям классов и методов, именам переменных и констант, import'ам и зависимостям. Таким образом, становится возможен быстрый и дешёвый структурный поиск. Я тоже поставил AST-индекс в Claude и... столкнулся с пренеприятным сюрпризом. Почти в каждом чате происходило одно и то же: 1️⃣ Claude 1-2 раза честно вызывал ast-index 2️⃣ а затем словно забывал о нём 3️⃣ и возвращался к привычному grep Лично я проверял на v3.49.1 - на момент написания поста это последний релиз. Проблема была не только у меня - с ней столкнулись и несколько моих знакомых. Решив разобраться, что же тут не так, полез в .claude/rules/ast-index.md - правило, генерируемое на этапе инициализации AST-индекса (командой /initialize), и нашёл причину: Use grep/Search ONLY when: - ast-index returns empty results - searching for regex patterns - searching for string literals inside code - searching in comments content Проблема - в третьем пункте 😈! Для LLM почти любой поиск можно объяснить как «поиск строки»: имя константы, функции, import'а или места регистрации зависимости - формально всё это текст. В итоге Claude «строго» соблюдает правило: пару раз использует ast-index, а затем объявляет очередной запрос «поиском string literal» и возвращается к grep. Это особенно забавно на фоне рассинхронизации внутри самого репозитория. В глобальном SKILL.md исключение широкое - string literals inside code. А в расширенном примере rule-файла уже написано корректнее - string-literal patterns that are not symbol names. Одна оговорка сильно меняет поведение агента. Например, поиск значения константы API_V2_STR - вовсе не повод грепать API_V2_STR. Её определение уже есть в AST-индексе и спокойно ищется через: ast-index symbol API_V2_STR А место подключения условного router'а находится через: ast-index usages router То есть Claude должен задавать себе не вопрос «это строка?», а вопрос «умеет ли индекс хранить эту сущность?». Я поправил rule-файл в три этапа: ⚡️ Перед любым grep агент обязан назвать конкретное исключение. Не смог - используй AST-индекс. Никакого silent fallback ⚡️ grep разрешён только для регулярок, комментариев, пустого результата после `ast-index update` и свободных строковых значений, которых в индексе действительно нет ⚡️ Добавил явную карту намерений: 🙂 «как работает X?» → `explore X` 🙂 «где определён X?» → `symbol X` 🙂 «где X используется/подключён?» → `usages X` 🙂 «что находится в файле?» → `outline file.py` После этого Claude начал использовать всю мощь AST-индекса по полной, и число вызовов grep заметно снизилось. Важно: патч применяется к локальному .claude/rules/ast-index.md проекта, поэтому при подключении AST-индекса в новые проекты процедуру придётся повторить. В комментариях прикрепил 3 файла: ⚡️ ast-index-vanilla.md - исходное правило, генерируемое при инициализации индекса ⚡️ ast-index.patch - патч исходного правила, исправляющий случайный переход на grep ⚡️ ast-index-patched.md - пропатченное правило С уважением, Михаил Масягин P.S. Даже к хайповым инструментам следует применять старое доброе правило - «доверяем, но проверяем». С caveman тоже все носятся, хотя его эффективность сомнительна... крайне сомнительна... P.P.S. Почаще нажимайте ctrl + o и читайте рассуждения модели и то, какие инструменты она использует 🤝

«Мама, я в телевизоре x2 😎» #заметки_с_полей Попал на камеры Saint HighLoad++ 2026, когда с умным видом обсуждал с докладчиком AI-трансформацию IT-компаний 😅 С уважением, Михаил Масягин

«AI съел HighLoad 🤖» #ai4sdlc Вернулся с Saint HighLoad++ 2026 в СПб. Конфа была крутой и, что ожидаемо, почти полностью про AI: по ощущениям, процентов 70 докладов так или иначе крутились вокруг LLM, агентов, AI4SDLC, контекста, токенов и eval'ов. Но среди всех выступлений хотелось бы выделить несколько ключевых. Самое запоминающееся для меня - доклад Ивана Поддубного, CTO Вебпрактик, про уровни зрелости внедрения AI в разработку. По мнению спикера есть 5 уровней этого процесса: 🍼 L0 - пишем код без AI ❔ L1 - спрашиваем GPT и копипастим код (ChatGPT) 💻 L2 - используем агентов локально (Claude Code, Codex) 🏎 L3 - человек ставит задачи агентам и валидирует их 🏭 L4 - dark factory: роботы полностью автономны ⚡️ Про L0 и L1 в 2026 году уже и говорить неловко ⚡️ На L2 так или иначе перешли 70% разработчиков ⚡️ L4 пока выглядит скорее как цель ⚡️ А вот в рамках L3 идёт настоящая гонка... L3 - это не «запустил Cursor/Claude Code в цикле до зелёных тестов», а жёсткий и стандартизованный процесс: SDD → ADR → TDD ⚡️ SDD - Spec Driven Development. Мы пишем настолько формальную постановку задачи, что спецификация становится новым кодом ⚡️ ADR - Architecture Decision Record. Не просто план агента, а стандартизированное описание вариантов, trade-off'ов, рисков и выбранного решения ⚡️ TDD - Test Driven Development. Сначала тесты, а только потом код. Методология 50-летней давности, но теперь её придерживается не человек, а нейросеть Чуть в сторонке от этого пайплайна стоят агентские Evals и Observability ⚡️ Evals - тесты не только самого кода, но и агента, порождающего код. Например, «напиши pupa-service с p99 ≤ 100ms». Справился? - супер, нет? - срочно на доработку промптов и обвязок! ⚡️ Observability - отдельный агент-методолог смотрит на спеки, ADR, код, тесты и даже reasoning основного агента, пытаясь сделать выполнение задач оптимальным. По сути мы повторяем технологическую революцию начала XX века: строим конвейер, а за каждым рабочим ставим своего Фредерика Тэйлора - основоположника научной организации труда (кстати прочитайте биографию - крутой дядька). Только теперь вместо рабочих - агенты, а вместо конвейера - наш пайплайн на условном Python. Кстати за лучший вопрос докладчику мне вручили книгу Таненбаума по ОСям. Приятно, что база ещё кому-то нужна 😄 Ещё очень зашли доклады Андрея Неведина, Алексея Гладкова и Александра Иванова про сжатие контекста, harness'ы и базы знаний агентов. TL;DR у всех примерно один: ⚡️ токены дорогие, контекст маленький, agentic grep малоэффективен, а MD-базы знаний быстро превращаются в свалку ⚡️ поэтому все строят умные индексы проектов, графовые/граф-раговые базы знаний и пытаются как угодно минимизировать число потребляемых & выдаваемых моделью токенов Отдельно отмечу воркшоп Кирилла Мокевнина «Как сделать проект понятным для AI-агентов». Главная мысль свежая: надо делать проект под агента, а не агента под проект. Например, вместо models/, tables/, routers/ в Django-проекте - раскладывать код по фичам: billing/, auth/, notifications/, а внутри каждой держать свои model.py, router.py, schema.py. Для человека разница небольшая, а для агента - огромная: меньше прыжков по проекту, меньше контекста, меньше токенов. Saint HighLoad++ получился очень показательным. Вопрос уже не в том, используете ли Вы AI в разработке или нет. Вопрос в том, насколько эффективно Вы его используете. С уважением, Михаил Масягин

P(hD)ython pinned a photo

«Навигация по P(hD)ython 🧭» Канал уже заметно разросся, поэтому собрал небольшой рубрикатор, чтобы было проще искать посты по темам. Всё для Вас 😅 🐍 #python - всё о Python: релизы, фичи, тонкости и нюансы 🏗 #system_design - Клеппманн, транзакции, CQRS, DWH, СУБД и прочие распределённые радости ⚙️ #техно_и_хардкор - C, Linux, параллельное программирование, оптимизации, HFT, FPGA, Low Latency и всё то, где идёт борьба за микросекунды 🤖 #ai4sdlc - AI в разработке: агенты, AI-Native IDE, автоматизация кодинга, LLM и всё то, что ведёт нас в светлое (или не очень) будущее 🧭 #карьера_и_собесы - рынок IT, интервью, найм, кандидаты, red flags, офферы и способы не утонуть, когда рынок штормит 🎓 #аспирантские_будни - диссертация, статьи, ВАК, патенты, Бауманка и путь к степени кандидата физ-мат наук 🎤 #заметки_с_полей - конференции, доклады, поездки, встречи и живые репортажи с места событий 🧑‍💻 #жизнь_айтишника - мемы, розыгрыши, отпуск, Work-Job Balance и прочее околокодовое Пост буду периодически обновлять. Если потеряли какой-то материал - пишите в комментариях, попробую достать его из недр канала 🫡 С уважением, Михаил Масягин

«Легенды System Design 😎😂» #заметки_с_полей С уважением, Михаил Масягин P.S. Завтра твёрдо и чётко напишу пост с TL;DR по Saint HighLoad++ 2026 👍

«Прорекламирую Вашу компанию, дорого 💵» #заметки_с_полей С уважением, Михаил Масягин

«Питер, HighLoad++ и предзащита 🎓» #заметки_с_полей 22–23 июня еду на Saint HighLoad++ 2026 в СПб! Причём в этот раз в качестве участника: буду помогать @vova_dev из System Design World проводить аналог «Своей игры» по System Design 💪. Да-да, с вопросами за 300, котом в мешке и необходимостью иметь эрудицию как у Вассермана 😅 Питерские подписчики, знаю, Вы тут точно есть! Буду рад пересечься, пообщаться и выпить чаю, а может, и чего покрепче 🍷. Вообще июнь оказался крайне богат на события: ⚡️ съездил во Владимир и Суздаль ⚡️ сходил с семьёй в Большой театр ⚡️ еду на Saint HighLoad++ 2026 ⚡️ реализовал несколько крутых фичей по работе ⚡️ а главное... пережил предзащиту диссертации! TL;DR по предзащите: 📌 было больно 📌 местами очень больно 📌 но я справился 🫡 Если Вам интересно, как вообще проходит предзащита в Бауманке и почему это отдельный жанр на грани фарса и трагедии, ставьте 🔥 - посвящу этому отдельный пост! С уважением, Михаил Масягин

Channel photo updated

P(hD)ython pinned a photo

Приветствую Вас на канале P(hD)ython 👋 #жизнь_айтишника Меня зовут Михаил Масягин. Я тимлид, разработчик, аспирант и преподаватель МГТУ им. Н.Э. Баумана. Сейчас я руковожу backend - и frontend - разработкой в HFT - компании. До этого были Lawful Interception и Bare Metal - проекты, работа с AWS и даже погружение в ML и NLP. С опытом я понял, что самые ценные знания обычно не попадают в учебники. Они появляются при решении реальных задач - через ошибки, багфиксы и дебаг, и, увы, часто теряются. Именно поэтому появился этот канал. Здесь я буду делиться тем, что считаю реально полезным: ⚡️ Python и современные практики разработки ⚡️ оптимизация кода и performance engineering ⚡️ C, Linux и немного Bare Metal ⚡️ распределённые системы и архитектура ⚡️ алгоритмы и структуры данных ⚡️ HFT и инженерные решения из индустрии ⚡️ опыт из преподавания, аспирантуры и написания диссертации Если Вам интересно не просто писать код, а понимать, почему он работает именно так, - добро пожаловать 🤝 С уважением, Михаил Масягин

«Финишная прямая 🎓» #аспирантские_будни Научный руководитель наконец одобрил текст диссертации, и сегодня я отнёс «кирпич» в 2-х экземплярах на финальную проверку на кафедру 😎! Думаю, есть шанс, что первая предзащита будет в текущем учебном году (в июне). С уважением, Михаил Масягин P.S. А ещё со следующего учебного года ассистент становится старшим преподавателем 😎

«Data Lake: от перестановки мест слагаемых сумма... меняется? 👷» #system_design Недавно проводил лекцию по DWH на курсе System Design от nevzorov.courses. На лекции разбирали довольно частый практический кейс: - есть ряд поддерживаемых источников данных (Sources); - есть множество клиентов (Customers); - для каждого клиента необходимо сохранять и обрабатывать данные из его источников (Customer Sources); - вопрос: как лучше спроектировать Data Lake под эту задачу? Вариант 1: customers/<customer_name>/source=<source_name> Вариант 2: sources/<source_name>/customer=<customer_name> Интуитивно рука тянется к 1 варианту... Однако для Data Lake и дальнейшей DWH-инфраструктуры часто лучше именно 2 вариант: raw/sources/<source_name>/customer=<customer_name>/... cleaned/sources/<source_name>/customer=<customer_name>/... ... Например: ... raw/sources/google_play/customer=rammstein/dt=2026-05-24/*.parquet raw/sources/google_play/customer=sabaton/dt=2026-05-24/*.parquet raw/sources/google_play/customer=megadeth/dt=2026-05-24/*.parquet ... raw/sources/trustpilot/customer=rammstein/dt=2026-05-24/*.parquet raw/sources/trustpilot/customer=led_zeppelin/dt=2026-05-24/*.parquet raw/sources/trustpilot/customer=lordi/dt=2026-05-24/*.parquet ... Почему? 1. Source естественным образом превращается в таблицу. Для AWS Athena, Apache Trino или Apache Spark - google-play, trustpilot и т.д. - это отдельные логические таблицы, разложенные по Parquet-файлам и партициям в виде Customer'ов: SELECT * FROM "raw"."google_play" WHERE ("customer" = 'rammstein') AND ("dt" >= DATE '2026-05-01'); У google-play даже в сыром виде (и уж тем более в очищенном) есть какая-то своя схема данных, ключи, timestamp'ы, правила дедупликации, SLA, логика инкрементальной загрузки и т.д. У trustpilot и любого другого Source'а - свои. Если же сделать наоборот: ... raw/customers/rammstein/source=google_play/dt=2026-05-24/*.parquet raw/customers/rammstein/source=trustpilot/dt=2026-05-24/*.parquet ... raw/customers/sabaton/source=google_play/dt=2026-05-24/*.parquet ... то один логический источник google-play размазывается по разным корням. А дальше начинается адъ 👹: - отдельные таблицы на каждый Source каждого Customer'а; - UNION ALL запросы и VIEW-шки; - бардак с Data Governance. В общем, Data Lake, а следом за ним и DWH медленно, но неотвратимо превращаются в DataSwamp 😄 2. Data Mesh проще делать именно по Source'ам. Естественная единица владения - это не «папка клиента» (Customer), а доменный источник (Source). У каждого такого Source'а есть отдельная команда-владелец, контракты, документация, SLA, data quality checks и правила эволюции схемы. Команда, отвечающая за google_play, должна владеть одной папкой sources/google_play/customer=<customer_name>/*, а не тысячами подпапок customers/*/source=google_play/*. - Добавили нового клиента? Добавили новую партицию. - Поменяли контракт источника? Обновили один data product. - Поймали баг в ingestion? Чиним одний единственный ETL-pipeline. 3. Pipeline'ы обычно тоже мыслят именно Source'ами: ... google_play trustpilot ... А не: ... ingest_rammstein_everything ingest_sabaton_everything ingest_led_zeppelin_everything ... Иначе очень быстро появляются «особые клиенты»: - у этого legacy CSV; - у этого timezone в строке; - у этого timestamp иногда null; - у этого producer шлёт дубликаты; - у этого «ну вы там руками поправьте, пожалуйста». Поздравляю, у вас не DWH, а зоопарк с Airflow DAG-ами 🦓 4. Наконец, Source-First Layout упрощает сложную аналитику: SELECT "customer", count(*) FROM "raw"."google_play" WHERE "dt" = DATE '2026-05-24' GROUP BY "customer"; Можно с лёгкостью строить Usage-Based Billing по конкретным Source'ам, позволять даже менеджменту без труда копаться в данных и т.д. Таким образом, проектируя DWH-систему лучше думать не о том, какие у вас будут клиенты, а о том, какие источники данных вы будете для них поддерживать. С уважением, Михаил Масягин

«Cursor на миллиард 🤑» #ai4sdlc В нашей команде мы активно используем множество ИИ-инструментов, в том числе Cursor. Сидим на Teams Plan. И сегодня я нашёл в этом «плане» неприятный сюрприз. В Teams Plan команда представляет собой одного админа (Admin) и множество обычных пользователей (Member). При этом имеется возможность ограничить расход средств, выставив максимально допустимую месячную сумму, которую команда тратит на токены: превысил лимит - жди следующего месяца. Но оказалось, что по умолчанию функция выставления лимитов доступна не только админу, но и любому члену команды! Да-да, не админу, не владельцу карты, а обычному Member-у! Имхо, это крайне неочевидное и небезопасное поведение, о котором документация упоминает лишь всколзь. Заходишь в Settings → Spend Limit → Team Spend Limit, ставишь лимит в миллиард долларов 💵 и уходишь на ночь, запустив 1000 и 1 агента 😎. Auto-моделька Cursor уверенно говорит, что это не баг, а фича, дабы «упростить онбординг команды» 😁 Чтобы запретить это веселье, нужно отдельно включить тумблер: Settings → Usage-Based Pricing Settings → Admin-only modifications. После этого вкладка Spend Limit исчезает у обычных пользователей. Интересная, конечно, помощь в онбординге команды... С уважением, Михаил Масягин P.S. Может, имелся в виду онбординг команды топ-менеджеров Cursor на очередную яхту 🧐?

«Python 3.15 beta: что нового 🐍» #python 7 мая зафризили фичи Python 3.15, и сейчас, в длинные выходные, самое время обсудить ключевые изменения. Сразу уточню, что полный стабильный релиз будет 1 октября, поэтому пока что катаемся на test- и debug- ENV-ах 🤓. 1. Lazy imports (PEP 810) 🥱 В язык завезли новое ключевое слово lazy. Ленивый модуль загружается только при непосредственном обращении к его коду, что ускоряет старт Python-процесса: lazy import numpy as np lazy from pandas import DataFrame df = DataFrame() # только здесь pandas реально загрузится Можно включить глобально через флаг -X lazy_imports=all или переменную PYTHON_LAZY_IMPORTS. 2. Распаковка в comprehensions (PEP 798) 📦 Самое долгожданное расширение синтаксиса за годы. Теперь * и ** работают внутри list/set/dict-comprehensions и генераторов: lists = [[1, 2], [3, 4], [5]] flat = [*L for L in lists] # [1, 2, 3, 4, 5] merged = {**d for d in [{'a': 1}, {'b': 2}]} # {'a': 1, 'b': 2} То, что раньше писалось через itertools.chain.from_iterable или вложенные циклы, теперь - одна строка. Работает и в async for. Наконец вопрос на собесах «как разжать список списков» получил однозначный и окончательный ответ. 3. frozendict как builtin (PEP 814) 😎 «Замороженный» словарь - теперь встроенный тип. Можно класть в set, использовать ключом другого dict, да ещё и хэш не зависит от порядка вставки! config = frozendict(host="localhost", port=5432) cache = {config: "primary"} hash(frozendict(a=1, b=2)) == hash(frozendict(b=2, a=1)) # True Также его подружили с copy, json, pickle, pprint. 4. sentinel builtin (реализация PEP 661) 🛡 Все мы писали этот хак: _MISSING = object(), чтобы отличать «не передал» от «передал None». Теперь это часть языка: MISSING = sentinel("MISSING") def get(d, key, default=MISSING): if default is MISSING: raise KeyError(key) return d.get(key, default) Мелочь, а приятно. 5. Tachyon - сэмплирующий профайлер (PEP 799) 🔎 Появился пакет profiling с двумя бэкендами: profiling.tracing (бывший cProfile) и profiling.sampling - статистический профайлер с почти нулевым оверхедом. Самое крутое - сэмплирующий профайлер умеет подключаться к уже работающему процессу по его `PID`у: python -m profiling.sampling --pid 12345 --format flamegraph -o out.svg Кто хоть раз профилировал прод - понимает цену вопроса. 6. Очередное ускорение 🚀 Ускорили JIT (да, в CPython есть JIT, хоть и по умолчанию он недоступен!) на 8-9% на x86-64 Linux и на 12-13% на AArch64 macOS. Таким образом, 3.15 - это пусть и не «революционный», но важный релиз, значительно повышающий качество жизни разработчиков. Стандартная библиотека продолжает вбирать в себя то, что годами жило в формате рецептов на Stack Overflow. Это ли не говорит о зрелости языка? С уважением, Михаил Масягин