HTTPX2 by Pydantic
HTTPX2는 Python 3용 차세대 HTTP 클라이언트로, 동기 및 비동기 API를 모두 지원하며 HTTP/1.1과 HTTP/2 프로토콜을 지원합니다. 기존 HTTPX 프로젝트를 기반으로 Pydantic Services가 유지보수를 이어받아 안정성과 보안 업데이트를 제공하며, requests와 호환되는 API와 WSGI/ASGI 직접 요청 기능 등 다양한 기능을 갖추고 있습니다. Python 3.9 이상에서 사용 가능하며, HTTP/2, brotli, zstd 등 선택적 기능도 제공합니다.
Having spend joyful time in #htmx and #hyperscript land for a personal project and especially enjoying https://github.com/xehrad/form-json to combine with #pydantic ... only to notice, when sending patches, that the author hasn't been too active on Github in the last months and then noticed that ... he's living in Iran. :(
Makes me incredibly sad to even have had the thought of the maintainer not being that responsive. I found a way to reach out, hoping he and his loved ones are safe.
Fuck this timeline. Fuck Trump. Fuck Maga. Fuck those war mongering make-the-squiggly-line-go-up bastards.
An HTMX extension for automatic type conversion in form data encoding. automatically converts values based on input types, ensuring correct data representation in JSON without requiring additional ...
Structured Outputs без иллюзий: как OpenAI, Gemini и xAI соблюдают JSON»-схемы
Проверили Structured Outputs у OpenAI, Gemini и xAI не “по документации”, а через adversarial-тесты: просили модели специально нарушить JSON Schema и смотрели, где провайдер реально удерживает формат ответа. В статье — методика, итоговая матрица ограничений, нюансы strict: true , anyOf / oneOf / allOf , и выводы для production-систем с несколькими LLM-провайдерами.
https://habr.com/ru/articles/1033478/
#llm #sgr #api #skillmd #skills_в_claude #pydantic #jsonschema
OpenAI's Data Agent and the S3 Gap
OpenAI가 600PB 규모의 비정형 데이터(S3, GCS, Azure 등) 처리를 위해 구축한 데이터 에이전트 스택은 기존 구조화 데이터 웨어하우스와 달리 스키마, 데이터셋, 파일 참조, 계보(lineage)라는 네 가지 기본 요소를 새롭게 정의하고 구현했다. 특히, Pydantic을 활용해 파일 기반 데이터의 스키마를 코드로 표현하고, 파일 참조를 타입화하여 원본 바이트를 직접 가리키는 방식을 도입했다. 또한, 데이터셋을 이름과 버전으로 관리해 협업과 에이전트 활용을 용이하게 하는 점이 핵심이다. 이 접근법은 멀티모달 AI, 신경과학, 물리 AI 등 대규모 비정형 데이터 처리에 필수적인 인프라로 평가된다.
OpenAI built their in-house data agent for structured warehouse data, where schema, lineage, and queries come for free. Files in S3, GCS, or Azure - videos, sensor logs, image corpora, PDFs - have none of that, and the problems get a lot more interesting. Here is how we built the four foundations that close the gap.
Tilda + СБИС Presto: пишем интеграцию на Python, когда готового решения не существует
Клиент пришёл с простой задачей: заказы с сайта на Tilda должны автоматически попадать в СБИС Presto. Казалось бы, популярные инструменты — должно быть готовое решение. Его не оказалось. Написали свой сервис месяц в продакшене, всё работает. Рассказываем как — с кодом, граблями и объяснением неочевидных мест в документации СБИС. Стек: Python, FastAPI, Pydantic, httpx, cachetools.
https://habr.com/ru/articles/1030324/
#python #fastapi #сбис #tilda #webhook #интеграция #pydantic #httpx #presto
ok, i just fucked-up in a very shameful way
i sent @simonwoerpel an article and got back the question: "Since when do we already have #Django v7 and #Pydantic v3?"
...which, upon closer inspection, we don't.
the article describes these two software versions, complete with "new features", how to install them and how to use them (lots of code samples!)
except these things don't exist
but the article looks so believable!
but it's all nonesense
i truly and utterly hate the #genAI infested web
Почему автотесты пропускают изменения в API и как это исправить с Pydantic
Приветствую, Хабр! Меня зовут Владислав Тимашенков, я занимаюсь автоматизацией тестирования в ГК Infowatch. Наша команда столкнулась с популярными болями автотестов для API: - одно изменение в API требует обновления нескольких тестов; - проверка структуры ответа распределена по тестам и не централизована; - валидация вложенных структур и генерируемых полей требует дополнительного кода. И мы задались вопросом: какой инструмент для валидации контракта нам подойдёт? В этой статье расскажем о нашем переосмыслении подхода к тестированию API с помощью внедрения Pydantic .
Every Python dev has faced APIs that use camelCase or kebab-case while your codebase follows snake_case.
The typical approach creates technical debt: either break Python naming conventions or write complex mapping logic that clutters your codebase.
Pydantic's Field alias feature elegantly solves this: define external field names through aliases while keeping internal code perfectly Pythonic.
Integration compatibility and clean code that's maintainable. 💚
Загрузка конфигурации из settings.toml в Python: чтение, проверка структуры и преобразование в объекты Pydantic
В прикладной разработке параметры программы обычно не размещают непосредственно в исходном коде. Токены, адреса серверов, номера портов, режимы запуска, имена пользователей, пароли и иные значения конфигурационного характера выносятся во внешний файл настроек. Такой способ организации данных позволяет отделить служебные параметры от программной логики, упростить сопровождение проекта и уменьшить вероятность ошибок при изменении окружения. Ниже рассматривается модуль Python, который читает файл settings.toml , преобразует его содержимое в структуры Python, извлекает нужный раздел конфигурации и проверяет его через модель Pydantic .
В прикладной разработке параметры программы обычно не размещают непосредственно в исходном коде. Токены, адреса серверов, номера портов, режимы запуска, имена пользователей, пароли и иные значения...
novo post no blog: dataclass, NamedTuple, attrs ou pydantic — qual usar de verdade?
quatro formas sérias de estruturar dados em Python, cada uma com trade-offs que a documentação oficial não deixa claro. quando cada uma faz sentido, quando atrapalha, e o padrão borda/domínio que evita coerção silenciosa no lugar errado.
🔗 https://www.riverfount.dev.br/posts/cover-dataclass_namedtuple_attrs_pydantic./
#python #pydantic #dataclasses #boas-práticas
Existe um ponto no crescimento de qualquer projeto Python em que os dicionários começam a doer. Não de vez — vai acontecendo aos poucos. Você passa um dict para uma função, a função passa para outra, e em algum momento ninguém mais sabe ao certo quais chaves estão garantidas, qual é o tipo de cada valor, ou o que acontece se uma chave estiver faltando. 1 2 3 4 def calcular_desconto(pedido: dict) -> float: # pedido tem "valor"? "valor_bruto"? "subtotal"? # "cliente" é um dict também? tem "nivel"? return pedido["valor"] * _fator(pedido["cliente"]["nivel"]) Funciona. Ninguém vai questionar em code review. O problema aparece três meses depois, quando alguém passa um pedido sem a chave "nivel" — ou quando você tenta debugar e o repr do dicionário tem quarenta chaves misturadas.
sayzard
Theuni
Habr
Alex / catileptic
Test Double
Riverfount 
