🧠 Создайте своего ChatGPT с nanochat!

nanochat — это минималистичный стек для создания LLM, подобного ChatGPT, с легким кодом и без зависимостей. Он позволяет запускать полный цикл от токенизации до веб-интерфейса, чтобы вы могли общаться с вашим собственным ИИ.

🚀Основные моменты:
- Полный стек для создания LLM на одном узле.
- Легкая и настраиваемая кодовая база.
- Веб-интерфейс для общения с ИИ.
- Поддержка различных моделей и уровней производительности.

📌 GitHub: https://github.com/karpathy/nanochat

#python

📝🔍 Утилита для восстановления текста из редактированных PDF

Этот инструмент на Python позволяет извлекать текст из PDF-файлов, где текст визуально скрыт, но все еще доступен для копирования. Он предназначен для анализа документов и проверки практик редактирования, сохраняя оригинальную разметку и пагинацию.

🚀Основные моменты:
- Извлекает скрытый текст с учетом его позиции
- Сохраняет оригинальный размер страниц
- Предлагает два режима вывода: параллельный и наложение
- Идеален для аудита и визуальной проверки редактирования

📌 GitHub: https://github.com/leedrake5/unredact

#python

💻 Какой язык программирования лучше для обучения?

Многие школы используют Java, C#, C или C++, но всё больше образовательных программ переходят на Python.

У Python есть очевидный плюс — на нём легче начать. Это помогает студентам быстрее увидеть результат и сохранять мотивацию.

Но есть и минус.

Python сильно абстрагирует низкоуровневые детали, поэтому студентам сложнее понять, как работают структуры данных, память и другие фундаментальные вещи.

Лично я считаю, что программисты должны становиться polyglots — людьми, которые знают несколько языков.

Фокусироваться на одном языке — стратегическая ошибка.

Но влияет ли язык на результаты обучения?

Исследование John R. Hott (ACM ICER 2025) показывает: почти никак.

Студенты, которые выполняли задания:

- только на Python
- только на Java
- на смеси языков

показали статистически одинаковые результаты.

Не было значимых различий:

- в оценках за программирование
- в письменных заданиях
- в тестах и квизах
- в уровне сложности, который испытывали студенты

Вывод исследования простой:

👉 выбор языка программирования почти не влияет на результаты обучения.

То есть преподавателям не стоит слишком переживать о том, какой язык выбрать для курса.

Гораздо важнее другое.

Вместо бесконечных споров *Python vs Java vs C++* стоит учить студентов:

- как создавать продукты
- как запускать проекты
- как строить бизнес
- как быть независимыми от технологических трендов

Как пишет Zed Shaw в эссе
“AI Didn't Kill Programming, You Did”:

проблема не в AI и не в языках программирования — проблема в том, как люди учатся программированию.

Главная мысль:

🚀 программирование можно выучить на любом языке.

Начните с Logo.
Попробуйте Ada.
Изучите Python, Go, Rust или C.

А ещё лучше — попробуйте придумать свой язык программирования.

Именно так и начинается настоящее понимание компьютеров.

Исследование
https://engineering.virginia.edu/faculty/john-r-hott

Эссе
https://learncodethehardway.com/blog/39-ai-didnt-kill-programming-you-did/

#programming #education #python #java

🧠 Hermes Agent: Умный AI с самообучением

Hermes Agent — это самообучающийся AI-агент, который создает навыки из опыта и улучшает их в процессе использования. Он доступен на различных платформах, включая Telegram и Discord, и может работать на облачных серверах или локально. Уникальная функция — замкнутая обучающая петля, позволяющая агенту сохранять знания и адаптироваться к пользователю.

🚀 Основные моменты:
- Самообучение и создание навыков на основе опыта.
- Поддержка множества платформ и моделей.
- Полноценный интерфейс TUI с историей разговоров.
- Автоматизация задач с помощью встроенного планировщика.
- Возможность работы в облаке с минимальными затратами.

📌 GitHub: https://github.com/NousResearch/hermes-agent

#python

🧠 OpenChronicle: локальная память для AI-агентов

OpenChronicle — это открытое решение для создания локальной, инспектируемой памяти для AI-агентов. Он захватывает контекст работы на вашем Mac и сохраняет его в виде структурированной Markdown-памяти, что позволяет агентам эффективно использовать информацию о ваших действиях и предпочтениях.

🚀 Основные моменты:
- Локальное хранение данных на вашем устройстве
- Поддержка различных моделей AI
- Интеграция с любыми инструментами
- Читаемая Markdown-память и локальная база данных SQLite
- Открытый исходный код с возможностью расширения

📌 GitHub: https://github.com/Einsia/OpenChronicle

#python

🚀 Удобная система сборки для нескольких языков с rigx

rigx — это экспериментальная система сборки для C, C++, Go, Rust, Zig, Nim и Python, которая упрощает процесс разработки, обеспечивая изоляцию и кэширование. Все зависимости управляются автоматически, а сборки выполняются в песочнице, что исключает проблемы с "работает на моем компьютере".

🚀 Основные моменты:
- Простая декларативная конфигурация через rigx.toml.
- Поддержка многопоточности и интеграционных тестов.
- Кэширование выходных данных для ускорения сборок.
- Совместимость с Nix для управления зависимостями.

📌 GitHub: https://github.com/unofficialtools/rigx

#python