Python 潮流周刊#171(附第 121 期全文):Python 3.15 正式发布、lazy 惰性导入与 frozendict 转正为内置
△△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“6171”,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 12 篇文章,12 个开源项目,1 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 新特性一览
② Python 3.15 发布,惰性导入成语言级语法
③ Python 3.15 数据科学实用新特性
④ Python 3.14 与 3.15 性能测试对比
⑤ PEP 849:更具表现力的类型表达式
⑥ 优化 PyBytesWriter 与 PyUnicodeWriter 实现
⑦ Python 里每秒解析数十 GB 的 JSON
⑧ Python 命令行工具冷启动从 4 秒降到 0.4 秒
⑨ 用 PyO3 重写 ScyllaDB 的 Python 驱动
⑩ Pendulum 为何写出 Python 里最诡异的 + 运算符
⑪ Redis 正式接入 AI:当「最懂速度的数据库」开始解决「记忆问题」
⑫ Python 的两个随机数模块
🐿️项目&资源[2]
① LangWatch:智能体可观测与评测平台
② rea:智能体逆向工程工具
③ repowise:给 AI 智能体查询代码库的本地索引
④ quicksand:给 AI 智能体开一次性沙箱
⑤ Sage:可嵌入 Python 应用的有状态智能体运行时
⑥ orbi:Python 写的编码智能体,从 GitHub Issue 做到发版
⑦ git-lrc:提交时自动跑 AI 代码审查
⑧ agentplay:把智能体会话回放成地图与时间线
⑨ replica-skill:用十一个 Claude 技能克隆任意应用
⑩ iPhone-use:让 Codex 通过 USB 操控真实 iPhone
⑪ talorys:跑在自己 Cloudflare 账号里的 AI 智能体
⑫ tlgr:为脚本与 AI 智能体设计的 Telegram 命令行工具
🐢播客&视频[2]
① Python 3.15 新特性逐项解读
🥂讨论&问题[2]
① PEP 848:分代增量垃圾回收
② 为 f-string 增加 !R 转换以格式化错误消息
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 171 期周刊的全文:https://xiaobot.net/post/f731465b-e8ab-4bb0-9d16-5a49041c7bbd
📖 免费开放的往期全文
周刊的付费内容在发布满一年后免费开源,所以每期新刊发布时,也有一期往期全文对外公开。下面是一年前发布的那一期(第 121 期,2025-09-27)的全文,不少内容依然值得回看。
第 121 期分享了 12 篇文章,12 个开源项目,全文 2037 字。
🦄文章&教程[2]
1、在现实世界中追踪 JIT[4]
PyPy 核心开发者在 CPython 核心开发者冲刺会议上分享了 7 年高频交易公司优化 PyPy 的实战经验。深入对比了 CPython JIT 与 PyPy JIT 的相似性,揭示了追踪 JIT 在真实代码中面临的挑战,包括追踪阻塞器、性能不可预测性等问题。
2、编译 Python 让其随处运行[5]
作者分享了开发 Python 编译器的实践经验,通过符号追踪和 IR 生成将原生 Python 代码编译为跨平台机器码。该方案借鉴 Unity IL2CPP 架构,先生成 C++ 源码再编译为可执行文件,无需解释器即可运行。作者从 AI 模型分发痛点出发,探索了比容器更轻量的分发方式,为 Python 性能优化提供了新思路。
3、PEP-806:混合 sync/async 上下文管理器[6]
该 PEP 提议在单个 with 语句中混合使用同步和异步上下文管理器,意图解决现有代码中"楼梯式厄运"的深度嵌套问题,提升代码可读性。提案基于对工业代码库的调研,发现 19% 的异步函数同时使用了同步上下文管理器,新语法将显著改善开发体验。
4、介绍 django-watchfiles:高效的 runserver 自动重载[7]
作者发布了 django-watchfiles 新版本,用基于 Rust 的 watchfiles 库替代 Django 默认的文件轮询机制。该工具通过操作系统的文件监控 API 实现更高效的自动重载,在中等规模项目测试中 CPU 使用率从 10% 降至 0%。相比需要额外维护的 Watchman 方案,django-watchfiles 安装简单且更加可靠。
5、使用 Cursor AI 将 Bash 测试套件迁移到 Python[8]
分享了使用 Cursor AI 将容器测试套件从 Bash 迁移到 Python 的实战经验。通过简单的提示词,Cursor AI 自动分析 Bash 脚本并生成对应的 Python 库,还创建了完整的 PyTest 测试套件,整个迁移过程节省了约 1.5 个月的开发时间。
6、解锁 Python 自由线程的性能潜力:垃圾收集优化[9]
详解了 Python 3.14 自由线程版本的垃圾收集器优化技术,对比了传统 GIL 版本与自由线程版本的 GC 实现差异,介绍了"标记存活"阶段、软件预取和智能 GC 触发等三项关键优化。这些改进在 pyperformance 基准测试中实现了显著性能提升,为无 GIL Python 的实用化奠定了重要基础。
7、边缘计算中的 Python:基于 WebAssembly 的快速沙盒化运行[10]
Wasmer 推出基于 WebAssembly 的 Python 边缘计算解决方案,通过 WASIX 技术实现接近原生性能的沙盒化运行。支持 FastAPI、Django、Streamlit 等主流框架,兼容 numpy、pandas 等原生模块,提供多线程和 WebSocket 支持。相比 Cloudflare Workers 和 AWS Lambda,具有更好的兼容性和更快的冷启动速度。
8、Python 依赖混淆攻击:我如何入侵苹果、微软等公司?[11]
安全研究员揭示了一种新颖的供应链攻击方式,通过在公共包仓库上传与企业内部包同名的恶意包来实现入侵。攻击利用了包管理器优先级混淆,成功渗透了苹果、微软等数十家大公司。文章详细介绍了攻击原理、实施过程和防护建议,为开发者敲响了依赖管理安全的警钟。
9、在 Django 项目中使用内省强制执行约定[12]
介绍了如何利用 Python 强大的内省能力来自动化检查 Django 项目中的命名约定,通过结合 Django 的系统检查框架,作者实现了对 DateField 和 DateTimeField 字段命名规范的自动验证,有效避免了字段类型混淆导致的潜在问题。
10、计算机科学中的优秀思想[13]
作者梳理了计算机科学中被普遍认可的核心思想,从 16 世纪的二进制数到 1970 年代的公钥密码学,涵盖了数组、哈希表、调用栈、虚拟地址空间等基础概念。
11、为什么事件驱动系统难以开发?[14]
深入分析了事件驱动系统在大规模应用中面临的核心挑战,通过生动的比喻解释了模式演进、调试复杂性、消息可靠性和幂等性等关键问题,并提供了实用的解决方案,包括模式注册中心、分布式追踪、死信队列等技术。
12、软件工程师如何做出高效决策?[15]
作者提出"双向门"决策框架,将技术决策分为可逆和不可逆两类,通过快速风险评估,对可逆决策(如功能开关、内部库替换)采用快速试错策略,对不可逆决策(如数据迁移、架构变更)则谨慎处理。这种方法能避免过度投入可逆决策,同时确保高风险决策的安全性。
🐿️项目&资源[2]
1、timesfm:Google 时间序列基础模型[16]
Google 开源的预训练时间序列基础模型,专用于时间序列预测。最新版本 TimesFM 2.5 使用 200M 参数,支持最长 16k 上下文长度,能够进行连续分位数预测。(star 5.8K)
2、aipyapp:AI 驱动的 Python 解释器[17]
知道创宇开发的集成大模型的 Python 命令行解释器,支持自然语言描述需求自动生成并执行 Python 代码,提供任务模式和 Python 模式两种运行方式。可以处理数据清洗、转换、分析等各种数据工程任务,无需手动编写代码或复制粘贴。(star 2.4K)
3、ticket-purchase:大麦自动抢票脚本[18]
基于 Selenium 和 Appium 开发的大麦网自动抢票工具,支持 Web 端和移动端两种方式,可配置观演人员、城市、日期场次、价格等参数,实现无延时自动抢票,支持回流监听和自动提交订单功能。(star 3.5K)
4、memvid:视频化 AI 记忆库[19]
创新的 AI 记忆存储方案,将文本数据编码为 QR 码存储在 MP4 视频文件中,实现毫秒级语义搜索。相比传统向量数据库存储空间减少 50-100 倍,无需数据库基础设施,支持离线运行。通过视频编解码器的压缩优势,提供便携、高效的知识库解决方案。(star 9.2K)
5、noScribe:AI 音频转录工具[20]
基于 OpenAI Whisper 和 pyannote 技术,支持说话人识别和 60 种语言转录,完全本地运行无需联网。内置编辑器可校对修正转录结果,支持暂停标记、重叠语音检测等高级功能。(star 1.4K)
6、klavis:AI 智能体工具集成平台[21]
让 AI 智能体可靠地使用数千种工具的 MCP 集成平台。提供统一的 MCP 路由器和 50+ 生产级 MCP 服务器,支持 GitHub、Gmail、Slack 等主流服务的企业级 OAuth 认证。支持自托管和云服务两种部署方式,提供 Python、TypeScript SDK 和 REST API。(star 4.4K)
7、fastapi-radar:FastAPI 调试仪表板[22]
专为 FastAPI 应用设计的强大调试仪表板,提供实时的 HTTP 请求、SQL 查询和异常监控。只需一行代码即可集成,零配置开箱即用。支持 SQL 和 NoSQL 数据库,具备请求响应捕获、慢查询检测、异常堆栈跟踪等功能。
8、air:新一代 Python Web 框架[23]
基于 FastAPI、Starlette 和 Pydantic 构建的新一代 Python Web 框架。提供 Air Tags 快速 HTML 编码、Jinja 模板兼容、HTMX 友好集成和 Pydantic 驱动的表单验证。
9、OM1:模块化机器人 AI 运行时[24]
模块化的机器人 AI 运行时系统,支持在数字环境和物理机器人上创建和部署多模态 AI 智能体。可处理网页数据、社交媒体、摄像头和激光雷达等多种输入,实现运动控制、自主导航和自然对话等物理动作。支持人形机器人、四足机器人、手机应用和教育机器人等多种平台。
10、Ciphey:全自动加密破解工具[25]
全自动的加密解密和编码破解工具,无需知道密钥或加密方式即可自动识别并破解。支持 50 多种加密和编码方式,包括 Base64、摩尔斯电码、凯撒密码、维吉尼亚密码等经典密码,以及现代加密如重复密钥异或等。使用自定义 AI 模块和自然语言处理技术,大多数破解任务可在 3 秒内完成,比 CyberChef 等工具快 7 倍。(star 19.6K)
11、DBOS Transact:轻量级持久化工作流[26]
基于 Postgres 的轻量级持久化工作流系统,通过简单的函数注解即可为 Python 程序添加持久化工作流和队列功能。支持自动故障恢复、持久化队列、事件处理、调度和通知等功能,无需额外的基础设施配置。
12、CleverBee:AI 驱动的在线数据信息合成助手[27]
基于 Python 的 AI 驱动在线数据信息合成助手,集成多种大模型进行智能研究。使用 Playwright 实现自动化网页浏览,Chainlit 提供交互式用户界面。支持多模型研究、自动网页浏览、内容处理、令牌跟踪和高度可配置性,能够自动收集和分析网络信息。
🐧往年回顾[2]
#71:PyPI 应该摆脱掉它的赞助依赖[28]
#21:如何提升及测量 Python 代码的性能?[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[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[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
[1] 全文链接: https://xiaobot.net/post/f731465b-e8ab-4bb0-9d16-5a49041c7bbd
[2] 🦄文章&教程: https://weekly.pythoncat.top
[3] https://xiaobot.net/p/python_weekly: https://xiaobot.net/p/python_weekly
[4] 在现实世界中追踪 JIT: https://antocuni.eu/2025/09/24/tracing-jits-in-the-real-world--cpython-core-dev-sprint/
[5] 编译 Python 让其随处运行: https://blog.codingconfessions.com/p/compiling-python-to-run-anywhere
[6] PEP-806:混合 sync/async 上下文管理器: https://peps.python.org/pep-0806/
[7] 介绍 django-watchfiles:高效的 runserver 自动重载: https://adamj.eu/tech/2025/09/22/introducing-django-watchfiles
[8] 使用 Cursor AI 将 Bash 测试套件迁移到 Python: https://developers.redhat.com/articles/2025/09/23/how-i-used-cursor-ai-migrate-bash-test-suite-python
[9] 解锁 Python 自由线程的性能潜力:垃圾收集优化: https://labs.quansight.org/blog/free-threaded-gc-3-14
[10] 边缘计算中的 Python:基于 WebAssembly 的快速沙盒化运行: https://wasmer.io/posts/python-on-the-edge-powered-by-webassembly
[11] Python 依赖混淆攻击:我如何入侵苹果、微软等公司?: https://medium.com/@alex.birsan/dependency-confusion-4a5d60fec610
[12] 在 Django 项目中使用内省强制执行约定: https://lukeplant.me.uk/blog/posts/enforcing-conventions-in-django-projects-with-introspection/
[13] 计算机科学中的优秀思想: https://danielchasehooper.com/posts/good-ideas-in-cs/
[14] 为什么事件驱动系统难以开发?: https://newsletter.scalablethread.com/p/why-event-driven-systems-are-hard
[15] 软件工程师如何做出高效决策?: https://strategizeyourcareer.com/p/how-software-engineers-make-productive-decisions?hide_intro_popup=true
[16] timesfm:Google 时间序列基础模型: https://github.com/google-research/timesfm
[17] aipyapp:AI 驱动的 Python 解释器: https://github.com/knownsec/aipyapp
[18] ticket-purchase:大麦自动抢票脚本: https://github.com/WECENG/ticket-purchase
[19] memvid:视频化 AI 记忆库: https://github.com/Olow304/memvid
[20] noScribe:AI 音频转录工具: https://github.com/kaixxx/noScribe
[21] klavis:AI 智能体工具集成平台: https://github.com/Klavis-AI/klavis
[22] fastapi-radar:FastAPI 调试仪表板: https://github.com/doganarif/fastapi-radar
[23] air:新一代 Python Web 框架: https://github.com/feldroy/air
[24] OM1:模块化机器人 AI 运行时: https://github.com/OpenMind/OM1
[25] Ciphey:全自动加密破解工具: https://github.com/bee-san/Ciphey
[26] DBOS Transact:轻量级持久化工作流: https://github.com/dbos-inc/dbos-transact-py
[27] CleverBee:AI 驱动的在线数据信息合成助手: https://github.com/SureScaleAI/cleverbee
[28] #71:PyPI 应该摆脱掉它的赞助依赖: https://pythoncat.top/posts/2024-09-28-weekly
[29] #21:如何提升及测量 Python 代码的性能?: https://pythoncat.top/posts/2023-09-23-weekly
[30] Python 潮流周刊第3季总结,附电子书下载: https://pythoncat.top/posts/2025-04-20-sweekly
[31] Python 潮流周刊第二季完结(31~60): https://pythoncat.top/posts/2025-04-20-iweekly
[32] 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
[33] Python 潮流周刊第2季(31~60)-纯链接版: https://pythoncat.top/posts/2025-04-19-sweekly
[34] Python 潮流周刊第一季精华合集(1~30): https://pythoncat.top/posts/2023-12-11-weekly
[35] 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。