【往期回顾】Python 潮流周刊#118：Python 异步为何不够流行？

△△微信关注"Python猫"，回复"1"领取电子书

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 12 篇文章，12 个开源项目，全文 1910 字。

🦄文章&教程^[2]

1、Python 已有异步十年，为何仍不够流行？^[3]

Python async/await 推出十年，为什么普及得那么慢？作者对比了 C# 异步模型，指出 Python 异步仅适用于网络 IO 而非文件操作，GIL 限制了真正的并发性能，维护双重 API 增加了开发复杂度。最后展望 Python 3.14 自由线程模式将改变并发编程格局。

2、用 Python、uv、Caddy 和 Docker 开发静态网站^[4]

分享了一套高效的静态网站开发部署方案，通过 uv 管理 Python 环境和依赖，利用多阶段 Docker 构建实现轻量化部署。Caddy 作为 Web 服务器提供自动 HTTPS 和简洁配置，整个流程从开发到生产环境无缝衔接，快速搭建现代化的静态网站。

3、追踪 Python 恶意代码的执行^[5]

作者开发了 hexora 库来检测 Python 恶意代码，深入剖析了攻击者如何混淆 exec/eval 调用来绕过安全检测。从同形字符、builtins 模块到字符串拼接等十多种混淆技术，展示了静态分析在动态语言中的挑战。文章为 Python 安全防护提供了实用的技术洞察和检测思路。

4、修复 Python 3.14+ 中 finally 块的语法警告^[6]

Python 3.14 引入了 PEP 765，对 finally 块中的 return、break、continue 语句作出语法警告。作者展示了这些语句如何导致意外行为，并提供了重构的解决方案，避免常见的控制流陷阱，提升代码的可读性和正确性。

5、Django 6.0 新特性展望^[7]

Django 6.0 即将发布，文章介绍了部分新特性：最低支持 Python 3.12，核心新增 CSP 安全策略、django.tasks 后台任务接口和 template-partials 模板片段功能；CSP 提供深度防御保护，template-partials 支持 HTMX 开发模式，让模板组织更灵活。

6、Polars GPU 执行实现 70% 性能提升^[8]

Polars 引入了 GPU 执行引擎，通过 RAPIDS RMM 智能内存管理支持超出 GPU 显存的大数据集处理。作者实测 40GB 数据集，仅需在 collect() 方法中添加 engine="gpu" 参数即可启用 GPU 加速，实现 70% 性能提升。

7、SQLModel 异步操作 PostgreSQL 实战指南^[9]

介绍了如何在 FastAPI 和 Air 框架中异步使用 SQLModel 操作 PostgreSQL 数据库。通过同时配置同步和异步引擎，解决了表创建和异步操作的兼容性问题。文章提供了完整的代码示例，展示了从环境配置到异步会话管理的全流程，为开发高性能 Web 应用提供了实用指导。

8、使用 Celery 和 RabbitMQ 调度 Python 后台任务^[10]

通过开发一个天气通知服务演示了 Python Celery 分布式任务队列和 RabbitMQ 消息代理的集成使用，涵盖了 API 集成、任务调度配置和自动化执行，为后台任务处理提供了完整的实践指南。

9、与 Python 共享可变引用^[11]

探讨了在 Rust 中使用 PyO3 与 Python 交互时如何处理可变引用的技术挑战，通过 std::mem::take、Arc 和 Mutex 等工具实现了安全的跨语言数据共享。

10、Jupyter Notebook 在生产环境中的隐藏危险^[12]

剖析了 Jupyter Notebook 在生产环境中的五大技术陷阱：难以测试、调试困难、版本控制复杂、缺乏模块化设计和执行顺序不确定性。作者指出这些问题不仅增加维护成本，还会在数据科学家和工程师之间制造隔阂。虽然 Notebook 在探索和原型开发中表现出色，但生产环境需要更严格的工程实践。

11、纯 Python Web 应用开发^[13]

介绍了无需 CSS、HTML、JavaScript 的纯 Python Web 开发方案，通过将 Python 作为元语言生成前端代码来简化开发流程。文章详细分类了 Anvil、Panel、Dash、NiceGUI 等数十种工具，从工业级解决方案到实验性项目应有尽有，适合 Python 开发者快速开发现代 Web 应用。

12、开发者陷阱大全^[14]

系统梳理了跨技术栈的常见开发陷阱，从 CSS 布局、Unicode 编码到浮点运算、时间处理等十多个领域。作者深入剖析了每个陷阱的技术原理和规避方法，比如 CSS 的 min-width 默认值、浮点数的 NaN 比较、时区处理等容易踩坑的细节。

🐿️项目&资源^[2]

1、mihomo：崩坏星穹铁道数据解析库^[15]

一个简单的 Python Pydantic 模型库，用于解析来自 mihomo API 的崩坏：星穹铁道游戏数据。提供类型提示和自动补全，支持 V1 和 V2 两种数据格式，包含角色信息、成就数据等完整游戏信息。（star 22.8K）

2、chatterbox：最先进的开源文本转语音系统^[16]

文本转语音系统，支持 23 种语言的多语言零样本语音克隆。基于 0.5B Llama 架构，具有独特的情感夸张控制功能，在与 ElevenLabs 等闭源系统的对比评估中表现优异，内置水印技术。（star 11.9K）

3、TrendRadar：多平台热点聚合工具^[17]

告别信息过载的多平台热点聚合工具，一键监控今日头条、百度热搜、微博、抖音、知乎、B 站等 35 个平台。支持智能关键词筛选、自动生成热点分析报告，可推送至企业微信、飞书、钉钉、Telegram。30 秒网页部署，1 分钟手机通知，无需编程基础。（star 1.8K）

4、AIHawk：求职申请 AI 智能体^[18]

首个求职申请 AI 智能体，利用人工智能自动化求职申请流程，让用户以定制化方式申请多个职位。核心架构开源，被 Business Insider、TechCrunch、Wired 等主流媒体报道，彻底改变求职者与就业市场的互动方式。（star 28.8K）

5、Skylos：Python 无用代码检测工具^[19]

Python 静态分析工具，专门检测未使用的函数、类和导入等无效代码，支持 Flask、Django、FastAPI 框架，提供交互式清理模式和 Web 界面，性能优于 Vulture 和 Pylint。（star 1.3K）

6、Zuban：高性能 Python 语言服务器^[20]

用 Rust 开发的高性能 Python 语言服务器和类型检查器，由 Jedi 作者开发，比 Mypy 快 20-200 倍，支持 PyRight 和 Mypy 兼容模式，通过 95% 的 Mypy 测试套件。

7、Kronos：金融市场语言基础模型^[21]

首个开源金融 K 线基础模型，基于 45 个全球交易所数据训练，专门处理金融市场的高噪声特征，采用分层离散标记化技术，支持多种量化任务，提供实时预测演示和批量处理功能。（star 1.8K）

8、theHarvester：开源情报信息收集工具^[22]

专为红队评估和渗透测试设计的 OSINT 信息收集工具，通过多个公共资源收集域名、邮箱、IP、子域名和 URL，支持 40+ 被动模块和主动 DNS 暴力破解，帮助确定域名的外部威胁态势。（star 11.8K）

9、surya：多语言文档 OCR 工具包^[23]

支持 90+ 语言的文档 OCR 工具包，提供文字识别、版面分析、阅读顺序检测、表格识别和 LaTeX OCR 功能。性能媲美云服务，支持多种文档类型包括科学论文、演示文稿、扫描文档等，提供交互式应用和 Python API，可处理 PDF、图片、Word 和 PowerPoint 文件。（star 12.8K）

10、ag2：开源 AI 智能体操作系统^[24]

开源的 AI 智能体编程框架，前身为 AutoGen，专门用于开发 AI 智能体并促进多智能体协作解决任务。支持智能体间交互、多种大语言模型集成、工具使用、自主和人机协作工作流程，提供多智能体对话模式，简化智能体 AI 的开发和研究。（star 3.5K）

11、youtu-agent：简单强大的 AI 智能体框架^[25]

腾讯云开源的高性能 AI 智能体框架，支持数据分析、文件处理、深度研究等实用场景，提供 YAML 配置、自动智能体生成、异步执行等功能。在 WebWalkerQA 和 GAIA 基准测试中表现优异，基于 openai-agents 构建，具备流式处理、追踪分析等能力。（star 2.5K）

12、toolfront：AI 智能体数据检索工具^[26]

为 AI 智能体提供简单高效的数据检索功能，具备无与伦比的控制力、精确度和速度。支持 Text2SQL 数据库查询、API 数据获取、文档信息提取等多种场景，兼容 OpenAI、Anthropic、Google 等 14+ AI 模型提供商，支持 PostgreSQL、MySQL 等 10+ 数据库类型，提供 MCP 服务器。

🐧往年回顾^[2]

#68：2023 年 Python 开发者调查结果^[27]

#18：Flask、Streamlit、Polars 的学习教程^[28]

🐱欢迎订阅^[29]

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^[29]，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^[29]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^[30]

Python 潮流周刊第二季完结（31~60）^[31]

Python 潮流周刊第 2 季完结了，分享几项总结^[32]

Python 潮流周刊第2季（31~60）-纯链接版^[33]

Python 潮流周刊第一季精华合集（1~30）^[34]

万字浓缩版，Python 潮流周刊第 1 季的 800 个链接！^[35]

参考资料