Python 潮流周刊#170（附第 120 期全文）：3.15 惰性导入落地、3.16 拟纳入增量 GC 与 ?? 运算符

△△微信关注"Python猫"，回复"1"领取电子书

本周刊由 Python猫 出品，精心筛选国内外的 400+ 信息源，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、热门话题等内容。愿景：帮助所有读者精进 Python 技术，并增长职业和副业的收入。

重要提示： 本期有读者福利抽奖活动，满 100 人自动开奖，奖品是一份周刊专栏的年度订阅码。参与方式：给公众号 Python猫 发送数字“6170”，获取抽奖小程序码。

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

去专栏阅读全文：全文链接^[1]

分享了 13 篇文章，13 个开源项目，2 则音视频，2 则热门讨论

以下是本期标题摘要： 

🦄文章&教程^[2]

① Python 3.15：惰性导入、frozendict 与更快的 JIT

② Python 3.15 预览：内置 sentinel 类型

③ PEP 824：None 合并运算符

④ PEP 848：分代增量垃圾回收

⑤ Python 3.15 性能实测：JIT 提速明显，常规版提升有限

⑥ 用 CinderX 加速 Python 服务

⑦ Python 并发实战：GIL、多进程与 asyncio 如何选型

⑧ Datadog 如何打造异步感知的 Python 性能分析器

⑨ OpenAI 把 Python 存储平台扩展到十亿用户

⑩ Python 智能体工程：从随性编码到证据驱动

⑪ 图解 LLM 四类缓存：KV、前缀、提示词与语义

⑫ 漫漫长路的最后一公里，浏览器中更快的 NumPy

⑬ 现代游戏里的 AI 如何运作：从状态机到 LLM

🐿️项目&资源^[2]

① tonio：面向自由线程 Python 的多线程异步运行时

② PythonCall.jl：Python 与 Julia 双向互调

③ sqlmodel：SQLAlchemy 与 Pydantic 合一

④ Flowfile：把 Polars 风格代码变成 ETL 流水线

⑤ Reef：持续自我改进的智能体基础设施

⑥ agent-memory：AI 智能体的长期记忆运行时

⑦ iFixAi：AI 智能体的独立审计工具

⑧ paper-docx：面向 AI 智能体的 python-docx 分支

⑨ invisible_playwright_mcp：反检测浏览器自动化 MCP

⑩ OpenArch：从零手写的现代 LLM 架构实现

⑪ LongCat-Video：美团开源的 13.6B 视频生成模型

⑫ UniMate：统一模型驱动多样骨架动画

⑬ archify：把代码库变成可交互架构图

🐢播客&视频^[2]

① Talk Python to Me #565：Python 3.15 内置采样分析器 Tachyon

② Talk Python to Me #564：EVE Online 告别 Python 2，240 万行代码迁到 3.12

🥂讨论&问题^[2]

① PEP 827：类型操控提案

② PEP 843：export 语句简化再导出

周刊实行付费订阅制，年费 148 元，平均每天 4 毛钱，为你精准筛选高质量技术内容。在信息洪流中为你淘金，助力技术视野拓展和职业发展，欢迎订阅：https://xiaobot.net/p/python_weekly^[3]

订阅后，可免费查看 第 170 期周刊的全文：https://xiaobot.net/post/04fcce86-9898-437c-94d3-6440396550b7

📖 免费开放的往期全文

第 120 期分享了 13 篇文章，13 个开源项目，1 则音视频，2 则热门话题，全文 2198 字。

🦄文章&教程^[2]

1、新型 Python 类型检查器对比：Ty、Pyrefly 与 Zuban^[4]

2025 年涌现出三个用 Rust 开发的 Python 类型检查器：Astral 的 ty、Meta 的 pyrefly 和 David Halter 的 zuban。作者通过 Python 类型一致性测试套件深入分析了它们与传统工具 mypy、pyright 的差异，发现 zuban 在测试通过率上领先，但 ty 在工具质量和渐进采用方面更具潜力。

2、Playwright vs Pydoll 端到端测试性能对比^[5]

作者在项目中对比测试了 Playwright 和新兴的 pydoll 测试框架，发现 Playwright 在性能上明显优于 pydoll，运行时间更短且稳定性更好。pydoll 虽然基于 Chrome DevTools Protocol 速度更快，但实际测试中代码量多 40%，缺乏内置功能，且仅支持 Chromium 浏览器，目前还不够成熟。

3、用纯 Python 编写 eBPF 程序^[6]

PythonBPF 让开发者能够用纯 Python 语法编写 eBPF 程序，通过装饰器和类型注解替代传统的 C 代码字符串嵌入方式。该库将 Python 代码编译成真正的 eBPF 对象文件，支持哈希映射、控制流和内核跟踪等核心功能，为 eBPF 开发提供了除 Rust 和 C 之外的第三种生产级选择。

4、PEP-804：外部依赖注册表和名称映射机制^[7]

PEP 804 提出了一个中央注册表机制，用于将 Python 包的外部依赖自动映射到不同包管理中的对应包名。该提案基于 PEP 725 的外部依赖元数据，通过标准化映射规则解决了 Linux 发行版、conda、Homebrew 等生态中包名不一致的问题，能提升跨平台包构建的成功率。

5、Django 视图编写的最佳实践^[8]

作者分析了 Django 视图的三种编写方式，指出通用类视图虽然功能强大但隐藏了过多复杂性，需要理解多达 11 个方法和 5 个类的继承关系。推荐仅使用基础 View 类，通过按 HTTP 方法分离逻辑来组织代码，既避免了函数式视图中的大型 if 块，又保持了代码的简洁性和可读性。

6、如何用 Python 实现功能开关？^[9]

功能标志让开发者无需重新部署就能动态控制代码功能。文章介绍了 Python 中的实现方式，从简单的 if 语句判断，到基于 django-waffle 的完整存储架构，再到优雅的 FeatureFlags 类设计，详细分享了用户级、团队级、百分比发布等多维度标志策略。

7、CPython 3.14 远程调试协议解析^[10]

Python 3.14 即将发布，它新增的 sys.remote_exec() 函数可向运行中的 Python 进程注入代码执行，无需重启程序即可进行调试。文章详细演示了如何注入 traceback.print_stack() 查看调用栈，或使用 remote_pdb 建立交互式调试会话。

8、用 6 万张 90 年代 GIF 打造怀旧马赛克动画^[11]

作者从互联网档案馆的 GeoCities 中下载了 6 万多个 GIF 文件，通过 Python 的 imagehash 库实现感知哈希去重，使用 vit-base-nsfw-detector 模型过滤不当内容，最终创建了一个完全在浏览器中渲染的 Canvas 动画，将随机 GIF 拼接成滚动马赛克并添加 CRT 着色器效果。

9、一个空格删除整个系统？Python 命令注入陷阱^[12]

文章通过铁匠锤子的比喻分析了 Python 中未引用字符串的危险性，详细解释了 CVE-2024-9287 漏洞成因。当使用 subprocess 的 shell=True 参数时，路径中的空格和分号会被 shell 误解为命令分隔符，导致命令注入攻击。推荐使用 subprocess.run([...]) 避免 shell 解析，或通过 shlex.quote 正确引用字符串。

10、Playwright 与 pytest 测试技巧分享^[13]

作者分享了在端到端测试中 Playwright 和 pytest 结合的技巧，通过 page.expect_page() 处理新标签页测试，使用 pytest 标记替代夹具来区分不同用户上下文。文章还介绍了 page.pause() 调试工具、axe-playwright-python 包预防可访问性回归，以及 page.expect_response() 确认后台请求的实用方法。

11、Rye 表格操作与 Python/Pandas 对比^[14]

文章对比了 Rye 语言的表格操作与 Python/Pandas 在数据处理方面的差异，展示了 Rye 如何通过管道操作符和纯函数实现简洁的数据变换。Rye 的表格是一等公民的不可变数据结构，支持链式操作，在处理过滤、连接、聚合等复杂数据任务时比纯 Python 更简洁，与 Pandas 相比语法更直观。

12、我如何解决 Reddit 的分布式队列问题？^[15]

Reddit 前基础设施负责人分享了从传统任务队列到持久化队列的演进历程，通过将检查点状态持久化到 Postgres 等数据库中解决数据丢失问题。持久化队列结合了任务队列与持久化工作流，能从最后完成的步骤恢复失败任务，提供内置可观测性，适合处理业务关键型任务。

13、RSS 如何击败微软？^[16]

作者揭示了一场鲜为人知的内容聚合标准之争，微软等巨头支持的 ICE 标准虽然功能更强大但过于复杂昂贵，最终败给了简单开放的 RSS。RSS 凭借三要素即可创建订阅源，而 ICE 需要 5.8 万字入门指南，这场技术路线之争印证了互联网"简单开放协议胜过复杂自上而下方案"的铁律。

🐿️项目&资源^[2]

1、LEANN：世界最小的向量索引^[17]

一个创新的向量数据库，将笔记本电脑变成强大的 RAG 系统，可以索引和搜索数百万文档，同时比传统解决方案节省 97% 的存储空间且不损失准确性。（star 2.6K）

2、agent-lightning：点亮 AI 智能体的绝对训练器^[18]

微软开源的 AI 智能体训练平台，支持几乎零代码改动将任何智能体变成可优化的强大工具。兼容所有主流智能体框架如 LangChain、OpenAI Agent SDK、AutoGen、CrewAI 等，支持强化学习和自动提示优化算法。（star 1.5K）

3、RealtimeVoiceChat：与 AI 进行自然语音对话^[19]

一个实时 AI 语音聊天系统，用语音与大模型进行自然对话并获得近实时的语音回复。支持语音捕获、实时转录、AI 思考、语音合成和智能打断等功能，提供流畅的对话体验。（star 3.1K）

4、HolmesGPT：24/7 云故障排查 AI 智能体^[20]

专门用于云环境故障排查和告警调查的 AI 智能体，能够自动查找根本原因并提供修复建议。集成了数十种云服务商、可观测性工具和值班系统，支持 Kubernetes、Prometheus、DataDog 等主流平台。（star 1.3K）

5、AgentLaboratory：AI 智能体研究助手^[21]

端到端的自主研究工作流平台，通过专业化的大模型智能体协助研究人员完成从文献综述、实验规划到报告撰写的整个研究流程。支持三个核心阶段：文献回顾、实验执行和报告生成，集成 arXiv、Hugging Face、Python 和 LaTeX 等工具。（star 4.9K）

6、NeMo：可扩展生成式 AI 框架^[22]

NVIDIA 开发的可扩展生成式 AI 框架，支持从单 GPU 到千节点集群的无缝扩展训练，集成 Hugging Face 模型、Blackwell 训练、Cosmos 世界基础模型等前沿技术。（star 15.7K）

7、ApeRAG：生产级图 RAG 平台^[23]

生产级的 RAG 检索增强生成平台，结合图 RAG、向量搜索和全文搜索技术，配备先进的 AI 智能体。支持多模态文档处理、混合检索引擎、MCP 协议集成和企业级管理功能。

8、kcc：漫画电子书转换器^[24]

专为电子墨水屏阅读器优化的漫画和电子书转换工具，支持将 JPG/PNG/GIF 图片文件夹、CBZ/CBR 压缩包和 PDF 转换为 MOBI/AZW3、EPUB、KEPUB、CBZ 等格式。针对 E-ink 屏幕特性进行图像处理优化，可显著减少文件大小同时保持视觉质量，支持 Kindle、Kobo、reMarkable 等多种设备。（star 4.2K）

9、DeepResearch：深度研究 AI 智能体^[25]

阿里巴巴通义实验室开发的深度信息搜索 AI 智能体，采用 305 亿参数的大语言模型，每个 token 仅激活 33 亿参数。专门针对长期深度信息搜索任务设计，在多个智能体搜索基准测试中表现出色，支持 ReAct 和 IterResearch 两种推理模式。（star 9.1K）

10、DiffMem：基于 Git 的 AI 智能体记忆存储^[26]

轻量级 AI 智能体记忆后端，使用 Git 版本控制追踪记忆演化，Markdown 文件存储人类可读内容，BM25 索引实现快速检索，支持时间差异分析和上下文管理。

11、markdown-it-py：Python Markdown 解析器^[27]

高性能 Python Markdown 解析器，完全支持 CommonMark 规范，具备可配置语法规则、插件扩展系统、高速解析和安全配置等特性，是 JavaScript markdown-it 的 Python 移植版本。

12、djhtmx：Django 交互式 UI 组件^[28]

Django 交互式组件框架，基于 htmx.org 技术栈，支持状态管理、事件处理、用户认证和组件订阅机制，使用 Redis 进行会话存储，提供类似 Phoenix LiveView 的开发体验。

13、pyproc：Go 调用 Python 的高性能 IPC 库^[29]

让 Go 服务像调用本地函数一样调用 Python 代码的库，无需 CGO 或微服务架构。通过 Unix Domain Socket 实现进程间通信，提供零网络开销、进程隔离和真正的并行处理能力。

🐢播客&视频^[2]

1、PyCon Australia 2025 演讲视频^[30]

🥂讨论&问题^[2]

1、专业的 Python 工具、库和功能 - 你最喜欢哪个？^[31]

2、go 转 Python 的心智负担增加^[32]

🐧往年回顾^[2]

#70：微软 Excel 中的 Python 正式发布！^[33]

#20：三种基准测试的方法、为什么代码在函数中运行得更快？^[34]

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^[3]，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^[3]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^[35]

Python 潮流周刊第二季完结（31~60）^[36]

Python 潮流周刊第 2 季完结了，分享几项总结^[37]

Python 潮流周刊第2季（31~60）-纯链接版^[38]

Python 潮流周刊第一季精华合集（1~30）^[39]

万字浓缩版，Python 潮流周刊第 1 季的 800 个链接！^[40]

参考资料