TGINSIGHT SIMILAR POSTS
Изворен канал @pythonotes · Post #156 · 2 окт.
Те, кто в Python не первый день, хорошо знают, что на число можно умножить не только число, но и другие типы. Главное, чтобы у этих типов была реализация такой операции. # list >>> [1] * 3 [1, 1, 1] # tuple >>> (2, 3) * 3 (2, 3, 2, 3, 2, 3) # string >>> "A" * 3 "AAA" Так работает полиморфизм стандартных типов. Интересно здесь то, что это сработает и в том случае, когда порядок операндов обратный. То есть int умножить на [тип]. # list >>> 3 * [1] [1, 1, 1] # tuple >>> 3 * (2, 3) (2, 3, 2, 3, 2, 3) # string >>> 3 * "A" "AAA" Если хотите реализовать такое поведение в ваших классах то следует помнить два момента: 1. Если множитель справа, то вам нужно реализовать метод __mul__, наш класс это первый операнд, то есть слева. myType * 3 2. Если множитель слева, то вам нужно реализовать метод __rmul__, наш класс это второй операнд, справа. 3* myType Всё тоже самое можно делать и для других математических операторов. И если в этом примере действие и результат будут фактически одинаковыми, то бывают ситуации, когда это не так. Например, при умножении матриц имеет значение порядок операндов. Для других операторов, таких как деление или сдвиг, очень важно кто с какой стороны находится. >>> 2/4, 4/2 (0.5, 2.0) >>> 2<<3, 3<<2 (16, 12) >>> 100%15, 15%100 (10, 15) #tricks#basic
Пребарај: #harness
@abmedia_news · Post #23709 · 07.04.2026 г., 13:34
【🚀AI 人工智慧｜Agent Harness 才是關鍵：為什麼同一個 AI 模型在不同產品表現天差地遠 】 #Agent#Harness#AI 📍請見報導： https://abmedia.io/agent-harness-engineering-why-same-model-different-performance 📍訂閱鏈新聞頻道：https://linktr.ee/abmedia.io
@abmedia_news · Post #23801 · 11.04.2026 г., 09:30
【🚀AI 人工智慧｜Harness Engineering 是什麼？AI 的下一個戰場不是模型，而是模型外面的那層架構 】 #Harness#Engineering#AI 📍請見報導： https://abmedia.io/harness-engineering-ai-agent-framework-explained 📍訂閱鏈新聞頻道：https://linktr.ee/abmedia.io
Hashtags
@githubtrending · Post #15523 · 25.02.2026 г., 12:30
#typescript#agent#agentic#agentic_framework#agentic_workflow#ai#ai_agents#bytedance#deep_research#harness#langchain#langgraph#langmanus#llm#multi_agent#nodejs#podcast#python#superagent#typescript DeerFlow 2.0 is an open-source super agent harness that orchestrates multiple sub-agents, memory systems, and sandboxed execution environments to accomplish complex tasks. Built on LangGraph and LangChain, it combines research, coding, and content creation capabilities with extensible skills and tools. The platform features isolated Docker containers for safe execution, long-term memory that learns your preferences, and the ability to spawn sub-agents that work in parallel on different task angles. You benefit from dramatically reduced research and automation time—tasks that typically take hours complete in minutes—while maintaining full transparency and control over agent decisions through human-in-the-loop collaboration. Whether you need deep research reports, data analysis, slide decks, or custom workflows, DeerFlow handles multi-step complexity without requiring extensive coding knowledge. https://github.com/bytedance/deer-flow
@desi_memes_funny_jokes · Post #5101 · 31.07.2024 г., 08:22
#TransformAnger#FuelForSuccess#Harness TheEnergy #PassionDriven#Success Mindset #RiseAboveChallenges #HappinessJourney#PracticeMakesPerfect#Mindfulness#Gratitude#KindnessMatters#JoyfulMoments#PersonalGrowth#HappinessIsAChoice#SpreadLove#LiveFully#MotivationalStudio#AashiqShekhMotivational#FitnessFuelHub#RemixedRhymes#LaughingStudio
Hashtags