Python潮流周刊：Twitter 的强敌 Threads 是用 Python 开发的！

🦄文章&教程

1、聊一聊 Python 和 Golang 的垃圾回收

常见的垃圾回收算法有哪些，它们的优缺点是什么？Python 的垃圾回收机制由什么组成，如何解决内存泄漏问题？Golang 的垃圾回收机制又是怎样的，如何解决内存泄漏问题？

2、像竞赛程序员一样调试 (英)

编程竞赛需要在限定时间内解决一系列难题，这篇文章介绍了在编程竞赛中作自动调试的方法。它的方法除了可以提升成绩，对于现实的软件开发也有所启示。

3、Python 3.12 预览版：支持 Linux 性能分析器 (英)

Python 3.12 最终版将在今年 10 月发布，其中最大的变化之一是支持 Linux perf 分析器。这篇文章介绍了什么是 Linux perf 分析器、perf 能给 Python 带来什么好处、如何在 Python 3.12 中使用 perf、如何分析性能数据、性能数据可视化……

在这里插入图片描述

4、CPython 招聘一名全职工程师 (英)

Łukasz Langa 是 PSF 的首个全职开发者（由 Meta 赞助），近日发文表示要新招聘一名“副手”工程师（由彭博社赞助）！两周前，PSF 官网刚公布了首个全职的安全开发工程师（由 OpenSSF 赞助），现在又有了新的赞助，真的要感谢慷慨的赞助者们！

5、PEP 563 和 PEP 649 (英)

PEP-563 注解的延迟求值，PEP-649 使用描述符作注解的延迟求值。这篇 2021 年的文章出自 PEP-563 的作者 Łukasz Langa，介绍和对比了这两个 PEP。它们都是 Accepted 状态，然而原计划在 3.10 发布的 PEP-563 已被宣告无限期搁置，所以它似乎需要更多的关注？（@Plutonium 投稿）

6、Python 设计模式：简洁及可重用代码（观察者） (英)

在构建复杂软件时通常会使用设计模式。文章介绍了观察者设计模式、其使用场景与 Python 代码示例，另外与事件驱动架构（EDA）作了几项对比。

7、你并不需要写__all__ (英)

文章介绍了 Python 中三种导入模块的方式和__all__的用法，重点介绍了一种替代__all__的方法，即在 init.py 文件中直接导入所需的名称。

8、用 Python 实现一门简易的编程语言 (英)

如何用 Python 来实现一门编程语言呢？这是一个系列教程，第一篇中实现了一个非常基础的编程语言，可以执行 print 语句，第二篇则拓展成支持变量和数学表达式。涉及词法分析、语法分析、代码生成及执行等知识。

9、使用 Python 的 collections.Counter 计算出现次数 (英)

Counter 是 Python 中最好用的数据结构之一。这篇文章介绍了一些很有用的操作：获取出现次数最多的 N 个内容、添加内容到 Counter、移除内容、删除负计数内容、Counter 作算术运算、Counter 传入生成器表达式。

10、使用 Numba Vectorize 加速 Python 代码 (英)

Numba 是用于提升 Python 性能的常用手段，这篇文章介绍了它的重要功能 Vectorize（矢量化），包括它的内部原理，了解它如何充分利用单指令多数据（SIMD）操作的强大功能。文中展示了 5 个使用场景的代码示例。

11、Paul Graham：如何做出伟大的工作？ (中译)

Paul Graham 是《黑客与画家》的作者，最近发布了文章《How to Do Great Work ?》。一句话概括要点：做出伟大的工作需要好奇心、努力和适合自己的工作类型。文章较长，关键的几个问题：什么是做伟大工作的关键？如何找到适合自己的工作类型？如何保持好奇心？什么是伟大工作的标准？为什么要努力做伟大工作？

12、Paul Graham：如何努力工作？ (中译)

翻译自 Paul Graham 写于 2021 年的《How to Work Hard ?》，可与上一则内容关联阅读。

13、Django 2023 年 6 月：技巧和讨论 (英)

这是一篇关于 Django 的聚合类月刊，分享了一些学习 Django 的技巧、资源、文章，等等。

🎁Python潮流周刊🎁已免费发布了 10 期，访问下方链接，即可查看全部内容：pythoncat.top/tags/weekly

🐿️项目&资源

1、cinder：Meta 内部以性能为导向的 CPython 版本 (英)

本周重大新闻：Meta 推出了 Twitter 的竞品 Threads，仅两天的注册量就已突破三千万。它的后端使用了 Cinder，这是基于 Python 3.10 构建的高性能版本，包含许多性能优化，包括字节码内联缓存、协程的预先求值、每个方法一次的 JIT，以及一种实验性的字节码编译器。（star 2.6K）

2、vlite：用 NumPy 制作的简易矢量数据库 (英)

用不到 200 行代码编写的快速、轻量级和简易的矢量数据库。

在这里插入图片描述

3、gpt-migrate：将代码仓从一种框架或语言迁移成其它 (英)

使用 GPT 将少量代码从一种编程语言转换成其它语言，这已非难事。但是，整个代码仓级别的语言/框架迁移，听起来就不是一件容易的事！这个项目需要使用 GPT-4，目前在 Python 和 Javascript 这种“简单”的语言上有不错的效果。（star 5.4K）

4、FastDepends：从 FastAPI 中提取的依赖注入框架，异步和同步模式都支持 (英)

这是将 FastAPI 移除所有 HTTP 逻辑后改造成的依赖注入框架。

5、Data-Copilot：通过自主工作流程桥接数十亿数据和人类

这是一个基于 LLM 的系统，连接中国金融市场，目前可以访问中国的股票、基金、经济及金融数据、实时新闻。

6、awesome-read-the-docs：精选的项目文档列表 (英)

Read the Docs 是一个用于构建和发布文档的开源平台（你肯定见过它家的 Sphinx 或 MkDocs 生成的文档），这个仓库收录了一些开源项目的文档，可以学习它们是如何构建出酷炫效果的。

7、DisCo：通过指示生成现实世界的人类舞蹈 (英)

这是一个通用的人类舞蹈生成工具包，可以根据参考图片和姿势，生成人类舞蹈图片和视频。

8、Mark Shannon 博士论文：为动态语言构建高性能虚拟机 (英)

Mark Shannon 由于“香农计划”而被很多人所知。这里分享的是他 2011 年在格拉斯哥大学的博士论文（可下载的 PDF），描述了一种用于构建动态语言虚拟机的方法，并解释了如何通过围绕一个抽象机器来构建虚拟机工具包的设计。

9、blind_watermark：图片加盲水印，提取水印无须原图

盲水印（Blind Watermark）是一种数字水印技术，可以在不需要原图或文本的情况下，将水印嵌入到数据中。这个项目是基于频域的数字盲水印，在多种攻击方式下仍能有效提取。（star 3.6K）

10、VisCPM：基于 CPM 基础模型的中英双语多模态大模型系列

这是一个开源的多模态大模型系列，支持中英双语的多模态对话能力（VisCPM-Chat模型）和文到图生成能力（VisCPM-Paint模型）。基于百亿参数量语言大模型 CPM-Bee（10B）训练（周刊第 7 期曾介绍过），融合视觉编码器（Q-Former）和视觉解码器（Diffusion-UNet）以支持视觉信号的输入和输出。