Episode #300: Maintaining Your Python Developer Instincts While Using LLM Tools – The Real Python Podcast

From Python to Rust: Master Iterators by Rebuilding 10 Unix Tools

Bài viết giới thiệu một khóa học hướng dẫn Rust thông qua việc xây dựng lại 10 công cụ Unix quen thuộc (như wc, grep, sort) bằng cách sử dụng Python làm cầu nối. Mỗi bài tập so sánh các mẫu Python (vòng lặp, comprehensions) với cơ chế Rust (iterator chains, Option/Result) và cung cấp bài tập miễn phí trên rustplatform.com.

Lập trình viên nên đọc bài này để chuyển đổi từ cách sử dụng iterator trong Python—thường là các vòng lặp hoặc list comprehension—ra những kiến thức Rust mạnh mẽ như iterator chains và lifting để viết code hiệu quả, an toàn và dễ bảo trì hơn.

How Five PostgreSQL Optimizations Sped Up Our Dashboard

Nhóm kỹ thuật GitGuardian đã giảm thời gian phản hồi p95 của dashboard từ 8 giây xuống 1 giây nhờ 5 tối ưu hóa PostgreSQL trên hệ thống Django, bao gồm: deferred JOINs bằng prefetch_related, đếm bất đồng bộ, replica đọc premium, cải tiến full-text search (pg_trgm), và denormalization để hỗ trợ composite indexes. Việc nâng cấp lên PostgreSQL 18 cũng mang lại lợi ích nhỏ. Họ sử dụng OpenTelemetry và EXPLAIN ANALYZE để theo dõi tiến trình.

Nếu bạn đang làm việc với ứng dụng backend sử dụng PostgreSQL và Django, bài viết này sẽ giúp bạn tìm hiểu cách tối ưu hóa hiệu suất dashboard hiệu quả bằng những kỹ thuật cụ thể, từ đó tiết kiệm thời gian và chi phí phát triển.

Using LlamaIndex for RAG in Python – Real Python

Khóa học hướng dẫn xây dựng ứng dụng RAG (Retrieval-Augmented Generation) bằng Python với LlamaIndex, từ thiết lập môi trường, tải tài liệu, tạo và lưu trữ indexes tìm kiếm, cấu hình nhà cung cấp AI (local/remote) đến chạy truy vấn nhằm giảm thiểu ảo giác (hallucination) từ LLM.

Là người phát triển Python muốn xây dựng hệ thống xử lý thông tin tự động với chất lượng cao, LlamaIndex giúp bạn tự động hóa việc kết hợp tìm kiếm và sinh lời từ mô hình ngôn ngữ lớn, giảm thiểu sai sót và tối ưu hóa hiệu suất cho ứng dụng của mình.

Automating an Art Commission Pipeline with Zapier

A software engineer built a Zapier-based automation pipeline to manage their partner's art commission workflow, replacing a chaotic sticky-note system. The solution models each commission as a Trello card acting as a state machine, with small single-purpose Zaps handling each lifecycle transition: intake via Google Forms, confirmation emails, Stripe payment tracking, and a daily Discord digest of unanswered emails. Key design principles include giving each Zap one job, using Trello as the single source of truth, keeping humans in the loop for irreversible actions, and dropping into a Python code step when no-code tools hit limits (Discord's 2,000-character message cap).

Python Is Not Enough: Why Pythonistas Love Rust (Podcast)

A podcast episode recap covering why Python developers are adopting Rust, featuring discussion of Rust tooling (Ruff, uv, Polars, Pydantic core), how Rust's strictness benefits AI agent guardrails, and a skeptical take on vibe coding. The author argues real AI productivity gains are closer to 1.2-2x rather than 10x, warns about rubber-stamping AI-generated code, and emphasizes that deep engineering fundamentals outlast hype cycles. The post also promotes a 6-week Python-to-Rust cohort building a JSON parser with PyO3 bindings.

Why I wrote PEP 832 -- virtual environment discovery

Brett Cannon explains the motivation behind PEP 832, a proposal for standardizing Python virtual environment discovery. The core problem is that tools like VS Code have no reliable way to know which workflow tool (uv, Poetry, Hatch, etc.) a project uses, or where its environments are stored. Cannon proposes a .python-envs file listing environment paths and a [workflow] table in pyproject.toml to specify a workflow server protocol (WSP) over JSON-RPC, enabling editors to communicate with any workflow tool in a standardized way rather than requiring bespoke extensions per tool.

Shift Left Performance Testing in CI/CD: A Practical LoadRunner Framework

Many teams delay performance testing until QA or staging, leading to late bottleneck discovery and costly fixes. This post presents a practical framework for integrating LoadRunner Enterprise into CI/CD pipelines using Python automation scripts and GitLab YAML configuration. The approach defines a sanity performance suite targeting critical APIs (login, search, checkout), enforces thresholds (e.g., latency <300ms, error rate <1%) directly in the dev pipeline, and blocks promotion to QA if thresholds are breached. Key components include pipeline configuration with API authentication, a Python script for test execution and real-time failure monitoring, and cross-platform runner support. Common pitfalls like running too many tests per commit and ignoring environment differences are also addressed.