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 上，喜欢请给颗小星星支持下~
本期分享了 12 篇文章，12 个开源项目，2 则热门讨论，全文 2200 字。
🦄文章&教程
文章讨论了 Python 依赖管理的复杂性，随着项目增长和演变，很容易发生“火灾”。应该如何预防呢？文章分享了很多提升“消防安全”的技术、工具和最佳实践，分析了不同工具的优缺点，根据不同场景提供了使用建议。
来自美国计算机协会（ACM）的一篇论文，分析了 1302 个流行的 Python 开源项目源码及其 3232 个传递依赖库，建立细粒度的项目依赖图，作可达性分析，发现超过 50% 的依赖是膨胀的。
作者分享了基于 uv 和 just 的 Django 项目模板，介绍了建议的目录结构、配置管理、环境变量和密钥管理、Web UI、部署和维护等话题。
Django 的默认 Paginator 依赖于对象 COUNT(*) 查询来计算页数，可能导致耗时很长，文章介绍如何实现自定义分页器，提高分页 API 的查询性能。文章演示的例子从 855 毫秒提升到 12 毫秒。
5、你需要更注意分词
在构建人工智能应用时，需要对文本进行分词，作者发现分词器的选择和优化对 RAG 的效果至关重要，讨论了不同分词器类型（基于单词、字符和子词）及其对模型性能的影响。
Python 中被 PEP-8 推荐的判断列表是否为空的方法是“if seq”，而不是“if len(seq)”。有人说第一种方法含糊不清，文章对此观点做出反驳，提倡使用有意义的变量名、类型提示、清晰的函数名和文档字符串来提高代码的可读性，减少出现含糊的可能。
PyPI 引入了 PEP-740 规范的一项安全特性：数字证明。它通过提高密钥可用性、索引可验证性、密码学强度和来源属性，改善了传统的 PGP 签名。
8、PyPIM：直接在 RAM 中执行 Python 代码的新方法
以色列研究人员开发了一种新的软件“平台”，可将易于阅读的 Python 指令转换为低级机器代码，并在 RAM 中执行，而无需通过 CPU。这种新的内存处理 （PIM） 架构显著提高了代码性能。
管道模式（Pipeline pattern），也称为链式命令模式，文章介绍了一个用 functools.reduce 、partial函数以及BeautifulSoup库来解析 HTML 内容的实例，解释了这种模式的用法和优点。
蓝绿部署是防止部署期间服务停机的常用策略，文章深入探讨了什么是蓝绿部署，为什么蓝绿部署时修改数据库可能很棘手，以及用 Django 项目为例，常见数据库修改的处理。
11、Netflix 关于 Workbench UI 延迟问题的调查
Workbench 是 Netflix 推出的一个远程开发工作区，最近遇到 JupyterLab UI 变得缓慢且无响应问题，文章复盘了该问题的详细定位过程，从 UI 一直到 Linux 内核作调试。
如何在 Go 项目中使用机器学习模型？文章介绍了几种方法，包括用现成的大语言模型的 API、本地运行开源模型，以及通过 Python 侧车模式集成训练好的模型。文章主要是关于最后一种方法的解释和示例。
🐿️项目&资源
将无法直接访问的嵌套字典变为一种属性，可使用点表示法访问字典的元素，使代码更为简洁和易读。（star 2.6K）
2、dendrite-python-sdk：构建 Web AI 代理，像人类般浏览网页
支持与元素交互、提取结构化数据、身份验证、上传/下载文件、浏览而不被拦截。
3、prints_charming：增强终端打印的样式和颜色
支持终端的彩色打印、设置文本样式（背景色、粗体、下划线等）、自定义样式、创建边框和表格、智能默认值等功能。
在终端中使用类似 Vim 的命令阅读 epub 电子书，并支持与当前文本聊天、生成摘要、文本转语音等功能。
5、PiML-Toolbox：Python 可解释机器学习工具箱
用于可解释机器学习模型开发和验证的新 Python 工具箱，通过低代码接口和高代码 API，它支持越来越多的本质上可解释的 ML 模型。（star 1.2K）
6、PDF-Extract-Kit：高质量提取 PDF 内容
从复杂多样的 PDF 文档中提取高质量内容，集成领先的文档解析模型、跨不同文档的高质量解析、模块化设计、提供多样化且全面的 PDF 评估基准。（star 5.6K）
7、VideoLingo：Netflix 级字幕切割、翻译、对齐、配音
一站式视频翻译本地化配音工具，一键生成 Netflix 级别的高质量字幕，告别生硬机翻，告别多行字幕，还能加上高质量的配音，让全世界的知识能够跨越语言的障碍共享。（star 6.3K）
异步优先的纯 Python 渲染引擎，类似 React 的上下文支持，所有基线 HTML 标签都内置，支持 Markdown，基于 JSON 的国际化，所有东西都可轻松自定义。
9、website-hot-hub：36Kr、bilibili、抖音、掘金、微信读书的热点榜
每小时自动抓取一次数据，按天归档多个平台的热点榜，数据从 2023-10-25 至今。
10、watermark-anything：为任何内容添加水印
对论文 Watermark Anything 的实现和预训练模型，支持在图像中嵌入多个本地化水印。
非常先进的视频生成模型，完全开源，具有高保真度的动作和对提示的强烈遵循性。（star 2K）
不仅能识别人脸，还能分析人物属性（年龄、性别、情感、种族）。人脸识别准确率 97.53%。（star 14.7K）
🥂讨论&问题
当前在 Python 团队中推行哪些“默认”
2、为什么有一些 Python 入门书不教 class、yield、self 之类的方法？
为什么有些颇受好评的入门书里都不教这些东西？不学会有问题么？
🐧 往年回顾
Python 潮流周刊#27：应该如何处理程序的错误？ （2023.11.18）
🐱欢迎订阅
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，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，那么你将获得高额的返利。
万字浓缩版，Python 潮流周刊第 1 季的 800 个链接！
