#pydantic

Build a URL Shortener With FastAPI and Python Quiz

Bài viết kiểm tra kiến thức về việc xây dựng URL shortener với FastAPI và Python, bao gồm endpoints, pydantic schemas, SQLAlchemy models và redirects. Các nội dung chính tập trung vào việc triển khai API endpoint nhận URL dài và trả về URL ngắn, sử dụng pydantic để xác thực dữ liệu đầu vào, và thiết kế SQLAlchemy model để lưu trữ mapping giữa URL gốc và URL rút gọn. Hệ quả của việc triển khai thành công là một hệ thống có khả năng chuyển hướng người dùng từ URL ngắn về URL gốc hiệu quả. Điều đáng học là cách xử lý yêu cầu trong FastAPI và cách thiết kế database schema cho bài toán URL shortening.

Bài quiz này kiểm tra kiến thức sâu về xây dựng URL shortener với FastAPI, bao gồm endpoints, pydantic schemas, SQLAlchemy models và redirects, giúp bạn củng cố kỹ năng backend một cách thực tế.

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.

Viral Polls Are Not Representative Polls

Viral polling posts on Bluesky tend to favor Democrats more than the average poll for that race, not represent typical polling. Analyzing 90 days of posts from @usapolling.bsky.social, the author finds reposts rise as a poll's margin diverges from the race average in a pro-Democrat direction, while the actual Dem-Rep margin itself barely matters. The pattern holds across most individual races, with the NC Senate race as an exception. A mixed-effects model shows TX-Senate posts reshare heavily when they favor Democrats, while the Pennsylvania governor's race gets little attention. Data was scraped via the atproto library and extracted using GPT-6 Luna through OpenRouter with a Pydantic-validated schema.

PEP 827: Type Manipulation (Python Language Summit 2026)

Michael J. Sullivan presents PEP 827 and discusses a key design decision: how to store type annotations?

Stop Prompting JSON: How to Build Zero-Retry LLM Pipelines

Bối cảnh: Các pipeline LLM thường gặp vấn đề khi sử dụng JSON prompt dễ hỏng, gây ra lỗi và yêu cầu thử lại. Nguyên nhân kỹ thuật: Prompt JSON dễ bị ảnh hưởng bởi thay đổi trong output của model, dẫn đến parsing thất bại. Hệ quả: Điều này gây tăng latency do cần retry và giảm reliability của hệ thống. Giải pháp thay thế: Sử dụng Pydantic validation kết hợp với token masking để loại bỏ hoàn toàn sự phụ thuộc vào JSON prompt. Điều đáng học: Kết benchmark cho thấy phương pháp này giảm latency xuống còn 0ms failure rate so với các phương pháp truyền thống.

Bài viết này giúp lập trình viên tối ưu hóa hiệu năng pipeline LLM bằng cách loại bỏ yêu cầu JSON nhạy cảm, giảm đáng kể thời gian xử lý và lỗi.

Using the Claude API in Python Quiz – Real Python

Bài viết này tập trung vào việc sử dụng Claude API trong Python qua Anthropic SDK. Nó hướng dẫn người đọc cách thiết lập hệ thống prompts và sử dụng Pydantic để tạo structured output. Bạn sẽ học cách tích hợp Claude vào ứng dụng Python với các kỹ thuật prompt engineering và validation data. Bài viết có ví dụ code cụ thể và giải thích từng bước thực hiện. Đây là tài liệu hữu ích nếu bạn đang làm việc với LLM integration cần kiểm soát output format.

Kiểm tra và củng cố kiến thức về tích hợp Claude API trong Python với SDK, prompt hệ thống và đầu cấu trúc bằng Pydantic.

#496: A lake house in Seattle

Python Bytes podcast delivers headlines directly to your earbuds.

How to Implement Tool Calling in an AI Agent With Python

Hướng dẫn từng bước xây dựng AI agent sử dụng Python với OpenAI's Responses API cho tool calling. Bài viết cài đặt OpenAI SDK và Pydantic, định nghĩa hàm Python và schema, kết nối với model qua pydantic_function_tool, phát hiện và thực thi hàm. Ví dụ minh họa agent tra cứu tình trạng chuyến bay và thời tiết, cho phép gọi nhiều tool và phục hồi lỗi trong cùng một lượt hội thoại.

Bài hướng dẫn này cung cấp kiến thức thực tế về cách xây dựng một AI agent đa công cụ với khả năng xử lý lỗi và gọi hàm hiệu quả bằng Python.