Django
PulseAugur coverage of Django — every cluster mentioning Django across labs, papers, and developer communities, ranked by signal.
- developed by Django Software Foundation 100%
- competes with Flask 70%
- used by SQLAlchemy 70%
- used by Docker 70%
- used by FastAPI 70%
- used by Hackaday 70%
- competes with FastAPI 60%
- affiliated with n8n 60%
- used by Celery 60%
- affiliated with Flask 50%
- affiliated with FastAPI 50%
- affiliated with Docker 50%
8 天有情绪数据
-
Python API 速率限制:DRF 认证顺序和 LiteLLM token 计数
本文详细介绍了如何在 Python API 中实现按客户的速率限制,特别是解决了 Django REST Framework (DRF) 和 LiteLLM 中的挑战。对于 DRF,一个常见问题是中间件即使在有有效 token 的情况下也看到 `AnonymousUser`;解决方案是在中间件中手动运行 DRF 的认证。对于 LiteLLM,主要困难在于 token 计数仅在模型调用后可用,这需要在使用请求之前预先分配配额,以防止竟态…
-
Wagtail Space 2026 大会即将开始,将有超过 20 场线上讲座
Wagtail Space 2026,一个专注于 Wagtail、Django 和开源技术的线上会议,即将开始。本次活动将有超过 20 场讲座,可以通过免费门票在线观看直播或点播。大会即将开始,现在仍可报名。
-
Claude Code在开源项目中引领AI辅助提交
对10月30个活跃开源代码库提交的最新分析显示,约4%的提交被标记为AI辅助。绝大多数这些AI标记来自Claude Code,而Cursor、GitHub Copilot和Gemini等其他工具的贡献较少。该研究使用ai-code-sbom工具进行,表明代码生成中AI的实际使用量可能更高,因为标记可能被squash合并移除或被故意禁用。
-
OAuth 流程选择指南简化应用集成
本文解释了如何通过考虑两个关键因素来为应用程序选择正确的 OAuth 流程:执行操作的是谁(个人、程序或 AI 代理)以及代码在哪里运行。文章详细介绍了各种流程,如用于服务器端应用程序和基于浏览器的应用程序的带 PKCE 的授权码流程,并强调了安全措施,例如将密钥存储在服务器上或为公共客户端使用 PKCE。该指南还涉及了移动应用、桌面应用程序和 AI 代理的特定注意事项。
-
用户分享座右铭:建立和连接,而非分裂和破坏
一位用户分享了一个关于想要连接和建立,而非分裂和破坏的个人座右铭,作为指导原则。这种情绪被置于开源开发和人工智能的背景下,暗示着希望技术能够被建设性地使用。用户还标记了相关的兴趣,如 Python、Django 和可持续性。
-
Django 应用将 AI 代理集成到一等用户
本文详细介绍了将 AI 代理集成到现有 Django Web 应用中的一种新颖方法,将它们视为一等用户,而不是单独的附加组件。作者开发了一个系统,使 Claude 等 AI 代理能够使用应用的现有用户凭据和权限进行身份验证。这确保了代理在与人类用户相同的规则和可见性下运行,所有操作都经过记录和审计。集成利用 REST 视图作为工具,允许 AI 与应用现有功能进行交互,而无需单独的 API 或 SDK。
-
AI 生成代码的负担导致 Python 项目维护停滞
sqlparse 的维护者(一个被 Django 等项目使用的 Python 库)已决定停止开发 17 年。这一决定归因于审查和修复 AI 生成代码的负担日益加重,AI 生成代码的生产成本低廉,但验证成本高昂。该声明强调了开源维护者在应对 AI 为软件开发带来的复杂性方面所面临的持续挑战。
-
Claude Code 自动化求职,揭露重复职位发布
一位开发者探索使用 Claude Code 来简化求职流程,通过自动化与 LinkedIn 职位发布的交互。该实验涉及使用 Apify Actors 抓取职位数据,结果显示美国近一半的后端职位都是重复的,或者已经有大量申请者。作者还指出,职位名称并不总是英文,理解本地搜索词对于有效的求职至关重要。
-
工程技术加强AI安全和关键系统
本文讨论了工程技术在加固从AI安全到气候控制等关键系统中的作用。它以保护Django后端和分析交通数据为例,强调了工程技术如何充当人们的保护层。重点在于构建一个“人类缓冲区”,以确保数字和物理基础设施的可靠性和安全性。
-
Jev Engineering 通过优化决策提供更便宜、更快的 AI 代理
一个名为 Jev Engineering 的新 AI 代理框架已经出现,它承诺通过优化决策过程来显著降低 AI 代理的成本和延迟。Jev Engineering 建议,与其使用昂贵的、全功能的 LLM 来执行选择下一个动作或评估相关性等简单任务,不如使用更小、更专业的模型来执行这些“路由”步骤。这种方法旨在减少不必要的 LLM 调用,而 LLM 调用可能占代理操作的 80%,从而使 AI 代理更高效、更具成本效益。
-
Django、Docker 和 scikit-learn 增强机器学习可复现性
Lorena Mesa 展示了如何结合使用 Django、Docker 和 scikit-learn 来增强机器学习实验的可复现性。该方法侧重于对特征工程过程进行版本化,以促进模型向生产环境的过渡。此方法是在一次存档的 DjangoCon 演讲中提出的。
-
AI 编码基准 SWE-bench 存在缺陷,OpenAI 研究揭示
对用于评估 AI 模型标准的 SWE-bench 编码基准的最新分析显示,其测试方法存在严重缺陷。OpenAI 的研究表明,相当大比例的基准样本包含说明不足的问题或单元测试,这些测试会错误地将有效代码标记为错误。此外,一些测试过于宽松,允许错误代码通过,正如 SWE-Lancer 论文中的一个例子所示,该例子中一个小的代码更改掩盖了一个更深层次的问题。由于这些问题,OpenAI 已停止在原始 SWE-bench Verified 数据…
-
免费AI模型在固定版本Python代码上进行测试
Grok Bot 的 Osborn 使用 ProvenPin 进行了一项实验,测试免费AI模型 opencode/deepseek-v4.1-flash-free 是否能正确生成符合各种库特定版本固定要求的Python代码。实验包含10个Python任务,每个任务都有相应的 ProvenPin 配方和精确的库版本要求。在一种设置中,模型获得了任务、固定版本要求和完整的测试文件,成功率为90%。在第二种设置中,测试主体被隐藏,这表明模型…
-
开发者使用 Claude Code 重构了 3200 行的 Python 类
一位开发者使用 Claude Code 成功地将一个庞大而复杂的 Python 类重构为 14 个更小的模块。该过程首先编写了表征测试以捕获现有行为,然后根据 AI 生成的方法和属性依赖关系分析手动定义模块边界。最后,每个模块被提取到自己的拉取请求中,确保没有发生生产事故。
-
AI编码助手为简单的功能请求生成完整框架
一位开发者要求GitHub Copilot实现一项新功能,AI生成了一个完整的框架,而不仅仅是请求的代码。这一意外结果凸显了AI如何超越直接指令,提供更全面的解决方案。AI生成的框架使用Python构建,包括Flask、FastAPI、Django、SQLAlchemy和Docker等组件。
-
RAG与微调:选择正确的AI聊天机器人增强方式
检索增强生成(RAG)是一种增强聊天机器人的技术,它允许聊天机器人在用户查询时访问和引用外部文档,而无需进行广泛的再训练。当聊天机器人需要根据特定、最新的信息(如产品手册或公司政策)回答问题时,这种方法特别有用。另一方面,微调会改变模型的行为、语气或格式以适应重复性任务,但在事实回忆方面效果较差。部署RAG聊天机器人的实用清单包括:定义一个有限的使用场景,通过清理和分块来准备文档,将检索与生成分开测试,确保有安全的回退机制并提供基于证…
-
Simon Willison 用 GPT-6 Astra High 完全通过语音构建博客功能
Simon Willison 使用 ChatGPT 桌面应用程序,主要通过语音命令为他的博客开发了一个新功能——一个 Newsletter 页面。他在烹饪时与 Codex 的语音模式下的 GPT-6 Astra High 模型进行交互,口述代码修改和数据库集成。该过程实现了一个功能齐全的归档页面和集成的搜索功能,尽管在管理私有存储库的 API 密钥时需要手动键盘操作。
-
Claude Code 帮助开发者解决了 Python 代码库中的 37 个循环导入问题
一位开发者使用 Claude Code 重构了一个大型 Python 代码库,成功解决了困扰该项目多年的 37 个循环导入链。该过程包括生成代码库的依赖关系图,并使用 Claude Code 按潜在影响(而非仅仅是大小)对导入周期进行排名。这种方法允许进行更易于管理、迭代式的修复过程,最终提高了代码库的稳定性和性能。
-
开源工具旨在简化开发和会议笔记管理
一位开发者创建了一套旨在改进软件开发工作流程的开源工具。其中一个工具 `django-explain-errors` 作为 Django 中间件,用于捕获未处理的异常。另一个工具是 n8n 工作流,旨在将非结构化的会议笔记转换为可操作的项目,解决了信息丢失和任务遗忘的常见问题。此外,还有一个项目正在进行中,为多个 AI 平台生成异步并行验证和 diff 报告。
-
编码代理集成监控服务器以提供SRE洞察
作者提出了一个系统,其中一个编码代理与监控服务器(MCP)集成,可以提供站点可靠性工程(SRE)的洞察。该系统将利用检索增强生成(RAG)来总结日志,并识别跨越Django、Docker和Nginx等各种项目和技术的关键错误。通过为编码代理提供代码上下文,它不仅可以诊断问题,还可以提出解决方案,从而创建一个更受控和自愈的系统。