#497: Faster than light profiling

Using the Claude API in Python – Real Python

Bối cảnh bài viết hướng dẫn cách tích hợp Claude API vào ứng dụng Python. Nguyên nhân kỹ thuật do Anthropic cung cấp Claude API cho phép developers gửi prompts và điều khiển responses. Hệ quả là bạn có thể sử dụng system instructions để kiểm soát chất lượng output và nhận dữ liệu có cấu trúc. Điều đáng học là bài viết cung cấp code mẫu cụ thể để triển khai Claude API trong Python, giúp bạn tiết kiệm thời gian phát triển.

Hướng dẫn chi tiết sử dụng Claude API trong Python giúp bạn tối ưu hóa prompts và kiểm soát hiệu quả đầu ra từ mô hình ngôn ngữ.

pnpm 12.5

pnpm 12.5 đã giới thiệu hỗ trợ cho Python, bao gồm cả editable project packages và shared …

I Built a Green Blob That Lives on My Desktop (and Now It Has Feelings)

Tác giả đã tạo ra một ứng dụng Green Blob chạy trên desktop, sử dụng state machines để mô phỏng "cảm xúc". Dự án được phát triển bằng Python, sử dụng thư viện Pygame cho giao diện đồ họa và chạy trên Linux với mã nguồn mở. Green Blob có khả năng thay đổi trạng thái cảm xúc dựa trên tương tác của người dùng, tạo ra một trải nghiệm sinh động trên desktop. Đây là một ví dụ thú vị về việc áp dụng state machines trong UI design, đặc biệt hữu ích cho các lập trình viên quan tâm đến giao diện tương tác sinh học.

Bài này mang đến góc nhìn sáng tạo về việc tạo ra ứng dụng desktop tương tác với Python, mở rộng khả năng lập trình đồ họa và xử lý trạng thái.

How we saved 100 terabytes of memory by optimizing 1.1.1.1’s DNS cache

Cloudflare’s 1.1.1.1 công khai DNS resolver duy trì một bộ nhớ cache lớn để xử lý hàng tỷ truy vấn mỗi ngày. Đội ngũ đã thực hiện năm tối ưu hoá cấp Rust trong bố cục mục cache: tái cấu trúc struct, sử dụng kiểu số nguyên gọn gàng, loại bỏ padding, áp dụng arena allocation và lưu trữ trước giá trị băm, giảm kích thước mỗi mục xuống 56 %. Khi mở rộng ra toàn bộ hạ tầng toàn cầu, việc này giải phóng khoảng 100 TB RAM, tạo thêm dung lượng cho các đợt lưu lượng cao và giảm chi phí vận hành. Bài học là việc kiểm soát bố cục dữ liệu và khai thác khả năng kiểm soát bộ nhớ của Rust có thể tiết kiệm tài nguyên lớn ngay cả ở các dịch vụ quy mô lớn. Đọc bài gốc sẽ cung cấp các con số cụ thể và hướng dẫn chi tiết từng bước để áp dụng các tối ưu hoá tương tự vào các cache khác.

Bài viết tiết lộ những tối ưu hóa cấp độ Rust giúp tiết kiệm 100 terabyte bộ nhớ cho cache DNS của Cloudflare.

Python Workers are now generally available

Cloudflare vừa chính thức ra mắt Python Workers, cho phép lập trình viên chạy các framework web Python và thư viện AI orchestration trực tiếp trong runtime Cloudflare Workers. Công nghệ này hỗ trợ tích hợp liền mạch với hệ sinh thái Cloudflare bao gồm D1, R2 và Workers AI mà không cần viết bất kỳ JavaScript glue code nào. Việc mở rộng hỗ trợ Python giúp giảm thiểu chi phí chuyển đổi cho các đội nhóm đã làm quen với ngôn ngữ này. Bạn có thể tận dụng Python Workers để triển khai các ứng dụng AI và web dịch vụ hiệu quả hơn với độ trễ thấp toàn cầu.

Python Workers giúp lập trình viên chạy framework web và thư viện AI trên Cloudflare mà không cần viết code JavaScript kết nối.

How we rebuilt Cloudflare Workers’ module registry for Node.js compatibility

Cloudflare đã cải tiến module registry cho Workers để hỗ trợ Node.js, cho phép ứng dụng lên đến 64 mebibytes. Họ triển khai hệ thống module registry dựa trên URL với tính năng import.meta, lazy compilation và shared code caches để tăng hiệu suất. Biến đổi này giúp giảm thiểu lỗi và cung cấp thông báo báo lỗi rõ ràng hơn. Sự phát triển này mang lại lợi ích lớn cho lập trình viên quen thuộc với Node.js muốn chuyển sang nền tảng Cloudflare.

Bài viết này giúp lập trình viên hiểu cách Cloudflare Workers hiện hỗ trợ Node.js với module registry mới và các tính năng ưu việt.

How to Detect Hidden Target Leakage in Public Datasets with Python and a Dependency Graph

Các tập dữ liệu công cộng như CDC dataset đôi khi chứa hidden target leakage khiến mô hình học máy đạt điểm số không thực tế. Tác giả đã phát hiện vấn đề khi mô hình dự đoán cột dữ liệu thứ sáu với R² lên đến 0.998 bất thường. Python cùng dependency graph là công cụ hữu hiệu để vạch ra mối quan hệ ẩn giữa các features và target variable. Bài viết hướng dẫn cách xây dựng dependency graph để phát hiện và loại bỏ leakage, giúp tránh overfitting trong production model.

Bài viết này giúp phát hiện rò rỉ mục tiêu ẩn trong bộ dữ liệu công khai bằng Python và đồ thị phụ thuộc để tránh tạo ra các mô hình machine learning giả tạo.