На потолке кинозала Ленфильма три вентиляционных люка
На потолке кинозала Ленфильма три вентиляционных люка. Как я это запомнила? Во время просмотра «Полутона»
Картина за полмиллиона(!) долларов берет скримерами и сверхкачественным звуком. Дебют Иана Туасона основан на детских колыбельных, обращаясь к коллективному опыту.
Если смотреть шире, то это история про потустороннюю силу беременности, недаром детей в некоторых мифах считали демоническими существами до крещения. Она обращается к страху потерять ребёнка, к гормональным изменениям в теле женщины, а иногда и постродовой депрессии.
Этот фильм нельзя смотреть дома. Только кинотеатр позволит ощутить весь ужас (в дополнение, проживание коллективного страха).
Нина Кира («Рассказ служанки») держит на себе всю камерную драму. Иррациональность героини вызывает вопросы, если начать задавать банальные вопросы. Но в хорроре этого не делают, опираясь на инстинктивную природу страха. Значит и мы не будем.
Уже в прокате благодаря про:взгляд🤩 Это то, во что превратили этой весной дорогу до нашей деревни
Всего несколько километров от города. Специально везут сюда покрышки, снесенные дома, мебель, строительный мусор, чтобы скинуть в лесу и не платить за вывоз. 7 км и на каждом- такая вот куча!
Это просто ужас. Я очень зла!
А, главное, что делать? 🫤 «Добавь в промпт слово "пожалуйста" и пообещай 100 баксов, тогда модель станет умнее» — примерно так звучит 80% советов по промптингу в интернете
🫤 «Добавь в промпт слово "пожалуйста" и пообещай 100 баксов, тогда модель станет умнее» — примерно так звучит 80% советов по промптингу в интернете.
На практике модель не становится умнее. Она просто начинает вежливее галлюцинировать.
Проблема почти никогда не в модели. Проблема в архитектуре промпта: нет изоляции контекста, нет структуры вывода, нет защиты от инъекций, нет механизма верификации ответа. Написал строку текста — получи непредсказуемый результат.
🗓 Сегодня в 18:00 по мск в «Точке Сборки» разбираем техники, которые переводят промптинг из «попробуем так» в воспроизводимый инженерный процесс.
Что будем разбирать: XML-изоляция, Format Forcing, Generated Knowledge, Self-Consistency, ToT, Meta-prompting. Ужас, сколько непонятных слов 😱
Что желательно знать заранее: основы Python, Pydantic и LangChain, понимание, что такое токены и температура модели.
➡️ Эфир проходит в «Точке Сборки» → регистрация через бота: https://t.me/TScompiler_bot
Рекурсия и почему Python её (не) любят 🌀
Рекурсия и почему Python её (не) любят 🌀
Если на собеседовании вас просят написать факториал или числа Фибоначчи через рекурсию — пишите. Но если вы часто ее используете в реальности...
Да, рекурсия концептуальна красива, математически элегантна, но если увлечься, можно уронить прод и забить всю оперативку фреймами стека.
Разбираем, что происходит под капотом и почему Python, в отличие от функциональных языков, рекурсию недолюбливает.
1️⃣ Цена вопроса: стек вызовов
Каждый вызов функции — это не бесплатно. Это создание нового стек-фрейма в памяти. В этом фрейме хранятся локальные переменные и адрес возврата.
Представьте матрешку, где каждая следующая кукла весит столько же, сколько предыдущая. В Python этот "вес" ложится на оперативку.
Цикл while или for использует один блок памяти. Рекурсия жрет память линейно (или экспоненциально) пропорционально глубине вызова.
2️⃣ Почему нет хвостовой оптимизации
В языках типа Haskell или C++ компилятор умный. Если рекурсивный вызов — последнее действие в функции (хвостовая рекурсия), он подменяет его на обычный прыжок (GOTO), не создавая новый фрейм. Это называется Tail Call Optimization (TCO).
В Python TCO нет и не будет. Гвидо ван Россум (BDFL) принципиально против TCO в Python. Аргумент простой: «Мы хотим видеть полные трейсбеки ошибок». Если схлопнуть стек, вы никогда не узнаете, на каком именно витке рекурсии всё упало.
Поэтому лимит в 1000 вызовов (дефолтный) — это не баг, а предохранитель от переполнения стека. Можно ли его увеличить через sys.setrecursionlimit? Можно. Но если вам это понадобилось, 99% вероятность, что вы ошиблись с архитектурой.
3️⃣ Когда рекурсия — зло, а когда — необходимость?
❌ Линейные структуры (например, списки): Вычисление факториала, чисел Фибоначчи или обход плоского списка. Итеративный цикл while/for всегда будет быстрее и экономичнее по памяти (O(1) памяти против O(N)).
✅ Разветвленные структуры (деревья, графы, вложенные dict): Парсинг JSON, обход файловой системы, DOM-дерева или алгоритмы типа Divide and Conquer (QuickSort, MergeSort). Здесь рекурсия снижает когнитивную нагрузку и делает код читаемым.
4️⃣ Лекарство от тормозов: @lru_cache
Классический пример глупости — вычисление Фибоначчи "в лоб". Сложность O(2^n). Это значит, что для вычисления 50-го числа программа умрет раньше, чем закончит.
Решение — Мемоизация.
Декоратор @functools.lru_cache кэширует результаты вызовов. Если функция уже считалась с этим аргументом, Python просто достанет готовое значение из хэш-таблицы. Это превращает экспоненциальный ужас в линейную сложность O(N).
Итого: Python — это не Haskell и не Lisp. Здесь рекурсия — это гражданин второго сорта. Используйте её для деревьев и графов, но для всего остального есть циклы.
#анатомия_питона 
