【往期回顾】Python 潮流周刊#112：欢迎 AI 时代的编程新人

这里分享的是 Python 潮流周刊免费开源的往期全文，原文发布于一年前。我们的付费专栏内容在发布一年后会免费开源，不少内容依然值得回看，愿大家读有所获。点击文末"阅读原文"，在网页里查看，体验更佳。

温馨提示：在微信关注 Python猫，发送一个数字"9"，即可领取 9 折优惠券，订阅专栏可享 15 元优惠。订阅后可查看全部已公开和未公开内容！

关注 Python猫后，发一个数字"1"，可免费领取已开源的往季周刊精华合集。

你好，我是猫哥。这里每周分享优质的 Python、AI 及通用技术内容，大部分为英文。周刊开源在 Github[1] 上，喜欢请给颗小星星支持下~

温馨提示：在微信关注Python猫，发送一个数字"9"，即可领取 9 折优惠码，订阅专栏可享 15 元优惠。

本期分享了 13 篇文章，12 个开源项目，全文 1808 字。

文章&教程[2]

1、Python 列表推导式的解包操作[3]

一则新提案，PEP-798 提议扩展列表、集合和字典推导式的语法，允许在表达式开头使用解包符号*和**，实现任意数量可迭代对象的优雅合并。相比传统的双重循环或 itertools.chain 方案，新语法[*it for it in its]更加直观简洁。

2、使用 AtomicDict 进行多线程聚合[4]

cereggii 库的 AtomicDict 提供线程安全的字典操作，通过 reduce() 方法实现无数据竞争的多线程聚合。相比传统 dict，AtomicDict.reduce_sum() 在单线程下性能提升 30%，4 线程下达到 5 倍加速。

3、PEP 799：专用的 profilers 包来整合 Python 性能分析工具[5]

这则 PEP 提议引入统一的 profilers 模块，整合现有的性能分析工具。新模块提供 profilers.tracing（cProfile 别名）和 profilers.sampling（新的 tachyon 采样分析器），同时废弃老旧的 profile 模块，提供更清晰的工具选择。

4、Python 元编程层[6]

metap 提供强大的 Python 元编程能力，支持程序增强、代码生成和结构内省三大功能。通过简单的客户端 API 实现动态类型检查、日志记录和自定义宏，支持自动化编码模式以提升代码可维护性。

5、探索 Python 3.14 的远程调试协议[7]

Python 3.14 引入 sys.remote_exec 功能，可向运行中的 Python 程序注入代码执行，无需重启程序即可进行调试和状态检查，为开发调试工具提供了标准化的解决方案。

6、如何避免 Django 中的 N+1 查询问题[8]

Django ORM 的懒加载机制容易产生 N+1 查询问题，通过 select_related() 和 prefetch_related() 方法可以有效解决，前者适用于单值关系，后者适用于多值关系。

7、Toad：终端中 AI 智能体编程的通用 UI[9]

Textual 创始人基于 Python 和 Textual 开发了 Toad，可解决现有终端 AI 编程工具（例如 Claude code 和 Gemini CLI）的闪烁和交互问题，提供无闪烁更新、文本选择和流畅滚动等功能。

终端 AI agent 的通用 UI

8、Python 打包工具完整指南 2025[10]

全面对比了 2025 年主流 Python 打包工具，包括超快的 Rust 驱动 uv、结构化项目首选 Poetry、传统可靠的 pip、简化基础的 Pipenv、复杂项目利器 Hatch 和标准优先的 PDM。（分享自@Wardah Awais）

9、Python 社区拥抱 AI 时代的编程新人[11]

Flask 作者 Armin Ronacher 呼吁 Python 社区拥抱通过 AI 工具入门编程的新一代开发者。他认为 AI 不会减少程序员数量，反而会带更多人进入编程领域，Python 社区应主动接纳这些"vibe coders"，为他们提供指导和帮助，避免被商业工具捆绑。

10、Python 中"Parse, don't validate"的含义[12]

深入解析了"Parse, don't validate"编程原则在 Python 中的实际应用。文章指出解析本质上是带有理解的验证，通过将低级数据转换为高级结构化类型，不仅提供了便利性和安全性，还设立了代码间的信任边界。介绍了从简单的 NewType 到 Pydantic 的多层次解决方案。

11、修复 Python 管道输出中的 BrokenPipeError[13]

当 Python 脚本输出大量数据并通过管道传递给只读取部分内容的命令时，会遇到 BrokenPipeError。文章详细解释了错误产生的原因：接收端提前关闭管道导致 SIGPIPE 信号。提供了 try/except 包装和上下文管理器两种优雅的解决方案，通过重定向输出到 /dev/null 避免程序异常退出。

12、我最喜欢的 AI 应用场景是写日志[14]

PyCharm 的全行代码补全功能通过本地 AI 模型智能推断日志语句，解决了写 f-string 日志时的认知负担。该功能基于 100M 参数的 Transformer 模型，经过量化压缩至 100MB，专门针对 Python 代码优化，能显著提升调试效率。

13、如何理解编程中的时间？[15]

文章通过"绝对时间"和"民用时间"概念，解释了编程中的时间处理的复杂性。从 Unix 时间戳到 UTC 标准、闰秒调整和时区转换，系统阐述了时间在计算机系统中的表示方法，帮助开发者理解为什么"直接用 UTC"并非万能的解决方案。

️项目&资源[2]

1、Qwen3-Coder：阿里最新开源编程大模型[16]

支持 AI 智能体编程的 qwen 大模型。混合专家模型，在 AI 智能体编程、浏览器使用和工具使用方面达到开源模型最佳水平，可媲美 Claude Sonnet。（star 9.1K）

中国开源大模型持续发力

2、awesome-claude-code：Claude Code 精选资源集合[17]

包含斜杠命令、CLAUDE.md 文件、CLI 工具和其它资源，提升 Claude Code 工作流、生产力和使用体验。（star 6.7K）

3、open_deep_research：开源深度研究 AI 智能体[18]

LangChain 团队开源的深度研究 AI 智能体，能进行深度信息收集和分析，支持多维度评分系统和批量评估功能。可通过 Web UI、环境变量或直接修改配置来自定义研究流程和模型行为。（star 6.3K）

4、PhotoshopAPI：高性能的 Photoshop 文件解析器[19]

基于 C++20 的高性能 Photoshop 文件解析器，提供 Python 绑定。支持图层编辑、智能对象等功能，读取速度比 Photoshop 快 5-10 倍，写入速度快 20 倍。

5、LanceDB：多模态 AI 数据湖仓[20]（star 7.1K）

面向多模态 AI 的嵌入式检索引擎，支持向量搜索、全文搜索和 SQL 查询。能存储和搜索 PB 级多模态数据，与 LangChain、LlamaIndex 等深度集成。（star 7.1K）

6、MediaManager：自托管的媒体管理系统[21]

用于本地管理电视和电影的库。作为 Sonarr、Radarr 等的替代品，支持 TVDB 和 TMDB 元数据，支持 Docker 部署和 API 交互。

7、fstrings.wtf：Python F-String 知识测验[22]

一个有趣的 Python F-String 知识网站，包含 26 道题目，测试你对 Python 3.13 中 f-strings 行为的理解程度。支持键盘快捷键操作，可保存答题进度。

8、complexipy：Python 代码复杂度分析工具[23]

基于 Rust 开发的 Python 代码复杂度计算工具，支持命令行、GitHub Action、VSCode 扩展和 pre-commit 钩子等多种使用方式，提供 CSV/JSON 导出和自定义阈值设置。

9、ART：AI 智能体强化学习训练器[24]

使用 GRPO 算法训练多步骤 AI 智能体的开源强化学习框架。支持 Qwen、Llama 等多种模型，提供 RULER 零样本奖励系统，无需手工设计奖励函数。包含客户端-服务器架构，支持远程训练和本地 GPU 部署。（star 3.6K）

10、NeuralAgent：桌面 AI 智能体助手[25]

真正能完成任务的桌面 AI 个人助手，可操作鼠标键盘、浏览器、填写表单、发送邮件等。支持 Claude、GPT-4、Azure OpenAI 等多种模型，采用 FastAPI + Electron + React 架构，提供模块化智能体系统。

11、SkyReels-V2：无限长度视频生成模型[26]

首个采用自回归扩散强制架构的开源视频生成模型，支持无限长度视频生成。提供文本转视频、图像转视频、视频扩展等功能，包含 1.3B 到 14B 多种规模模型，支持 540P 和 720P 分辨率输出。（star 3.6K）

12、gitingest：将 Git 仓转换为适合 LLM 的文本摘要[27]

支持命令行、Python 包、浏览器扩展等多种使用方式，可基于 GitHub URL 或本地目录生成代码库的文本摘要，包含文件结构统计和 token 计数功能。（star 11.2K）

往年回顾[2]

#62：试用自由线程 Python[28]

#12：Python 中如何调试死锁问题？[29]

欢迎订阅[30]

技术周刊是聪明人在信息过载时代中筛选优质知识的聪明手段。这是一个专为国内 Python 开发者量身打造的资讯平台，为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等丰富内容。立即订阅[30]，每周将收到一篇文章推送，每周进步一点点。

欢迎留言，说说你最喜欢本期的哪一则分享？大家反馈得越多，我今后分享的也会越多！

欢迎将本专栏[30]分享给同样爱学习的同学，当有人通过你分享的海报或者链接，购买了专栏，那么你将获得最高 44 元的返利。

Python 潮流周刊第3季总结，附电子书下载[31]

Python 潮流周刊第二季完结（31~60）[32]

Python 潮流周刊第 2 季完结了，分享几项总结[33]

Python 潮流周刊第2季（31~60）-纯链接版[34]

Python 潮流周刊第一季精华合集（1~30）[35]

万字浓缩版，Python 潮流周刊第 1 季的 800 个链接！[36]

参考资料

[1] Github: https://github.com/chinesehuazhou/python-weekly

[2] 文章&教程: https://weekly.pythoncat.top

[3] Python 列表推导式的解包操作: https://peps.python.org/pep-0798/

[4] 使用 AtomicDict 进行多线程聚合: https://dpdani.github.io/cereggii/examples/AtomicDict/reduce/

[5] PEP 799：专用的 profilers 包来整合 Python 性能分析工具: https://peps.python.org/pep-0799/

[6] Python 元编程层: https://sbaziotis.com/compilers/metap.html

[7] 探索 Python 3.14 的远程调试协议: https://rtpg.co/2025/06/28/checking-out-sys-remote-exec/

[8] 如何避免 Django 中的 N+1 查询问题: https://blog.appsignal.com/2025/07/09/how-to-avoid-nplus1-queries-in-django-python.html

[9] Toad：终端中 AI 智能体编程的通用 UI: https://willmcgugan.github.io/announcing-toad/

[10] Python 打包工具完整指南 2025: https://www.datumlabs.io/resources/the-step-by-step-guide-to-python-packaging-tools-2025

[11] Python 社区拥抱 AI 时代的编程新人: https://lucumr.pocoo.org/2025/7/20/the-next-generation/

[12] Python 中"Parse, don't validate"的含义: https://www.bitecode.dev/p/what-parse-dont-validate-means-in

[13] 修复 Python 管道输出中的 BrokenPipeError: https://adamj.eu/tech/2025/07/20/python-fix-brokenpipeerror/

[14] 我最喜欢的 AI 应用场景是写日志: https://newsletter.vickiboykis.com/archive/my-favorite-use-case-for-ai-is-writing-logs/

[15] 如何理解编程中的时间？: https://shanrauf.com/archive/how-to-think-about-time-in-programming

[16] Qwen3-Coder：阿里最新开源编程大模型: https://github.com/QwenLM/Qwen3-Coder

[17] awesome-claude-code：Claude Code 精选资源集合: https://github.com/hesreallyhim/awesome-claude-code

[18] open_deep_research：开源深度研究 AI 智能体: https://github.com/langchain-ai/open_deep_research

[19] PhotoshopAPI：高性能的 Photoshop 文件解析器: https://github.com/EmilDohne/PhotoshopAPI

[20] LanceDB：多模态 AI 数据湖仓: https://github.com/lancedb/lancedb

[21] MediaManager：自托管的媒体管理系统: https://github.com/maxdorninger/MediaManager

[22] fstrings.wtf：Python F-String 知识测验: https://fstrings.wtf/

[23] complexipy：Python 代码复杂度分析工具: https://github.com/rohaquinlop/complexipy

[24] ART：AI 智能体强化学习训练器: https://github.com/OpenPipe/ART

[25] NeuralAgent：桌面 AI 智能体助手: https://github.com/withneural/neuralagent

[26] SkyReels-V2：无限长度视频生成模型: https://github.com/SkyworkAI/SkyReels-V2

[27] gitingest：将 Git 仓转换为适合 LLM 的文本摘要: https://github.com/coderamp-labs/gitingest

[28] #62：试用自由线程 Python: https://pythoncat.top/posts/2024-07-27-weekly

[29] #12：Python 中如何调试死锁问题？: https://pythoncat.top/posts/2023-07-22-weekly

[30] 欢迎订阅: https://xiaobot.net/p/python_weekly

[31] Python 潮流周刊第3季总结，附电子书下载: https://pythoncat.top/posts/2025-04-20-sweekly

[32] Python 潮流周刊第二季完结（31~60）: https://pythoncat.top/posts/2025-04-20-iweekly

[33] Python 潮流周刊第 2 季完结了，分享几项总结: https://pythoncat.top/posts/2024-07-14-iweekly

[34] Python 潮流周刊第2季（31~60）-纯链接版: https://pythoncat.top/posts/2025-04-19-sweekly

[35] Python 潮流周刊第一季精华合集（1~30）: https://pythoncat.top/posts/2023-12-11-weekly

[36] 万字浓缩版，Python 潮流周刊第 1 季的 800 个链接！: https://xiaobot.net/post/78c3d645-86fa-4bd8-8eac-46fb192a339e

如果你正在寻找优质的Python文章和项目，我必须向你推荐Python潮流周刊！

它精选全网的优秀文章、教程、开源项目、软件工具、播客、视频、热门话题等丰富内容，让你紧跟技术最前沿，获取最新的第一手学习资料！

欢迎点击下方图片，了解这份全世界知识密度最高、知识广度最大的 Python 技术周刊。