Наверняка вы замечали, что в Python есть удобная функция для получения переменной окружения
os.getenv(NAME)
И её "сестра" для создания или изменения переменных окружения
os.putenv(NAME, VALUE)
Но почему-то putenv() не работает как должно. Энвайромент не обновляется!
os.putenv('MYVAR', '1')
print(os.getenv('MYVAR'))
... и ничего 😴
Почему так?
На самом деле энвайромент обновляется, но это значение не добавляется в словарь os.environ.
Откройте исходник функции os.getenv(). Это просто шорткат для os.environ.get()
В то время как putenv() это built-in С-функция.
Словарь os.environ (или точней класс из MutableMapping) создаётся из энвайромента в момент инициализации. Функция putenv() самостоятельно его не изменяет.
В тоже время, когда вы создаёте или изменяете ключ в os.environ, автоматически вызывается putenv() в методе __setitem__().
То есть, технически putenv() всё делает верно, но в os.environ это не отражается. Можно проверить так:
>>> os.putenv('MYVAR', '123')
>>> os.system('python -c "import os;print(os.getenv(\'MYVAR\'))"')
123
Я объявил переменную в текущем процессе и вызвал дочерний процесс, который её унаследовал и получил в составе os.environ.
Аналогично при удалении переменной вызывается еще одна built-in функция unsetenv(), удаляющая переменную из системы.
Итого
▫️ Удобней всего явно обновлять переменные через os.environ
▫️ Есть способ неявно создать/удалить переменную через putenv/unsetenv, что не повлияет на os.environ но изменит энвайромент и передаст изменения сабпроцессам. Но так лучше не делать!
▫️os.environ это просто обертка для built-in функций putenv() и unsetenv().
#basic
Сегодня в Ступино прошел уже 11-й по счету ежегодный конкурс профессионального мастерства «Мособлгаз Skills-2025».
Этот конкурс стал настоящей «Олимпиадой газовиков», собрав более 100 участников из 7 команд, готовых продемонстрировать свои навыки и стремление к вершинам профессионализма.
Каждый раз это не только соревнование, но и отличная возможность обменяться опытом, вдохновиться успехами друг друга и укрепить командный дух.
В одиночных и командных номинациях мы увидим лучших проектировщиков, продавцов-консультантов, электрогазосварщиков, машинистов экскаваторов, а также бригады аварийно-диспетчерского участков и слесарей по ремонту подземных газопроводов.
В этом году мы включили новые номинации: "Лучший наставник" и "Лучший студент". Это прекрасная возможность для тех, кто передает свои знания и опыт, а также для молодого поколения специалистов. Также впервые на конкурс приглашены сотрудники АО «Мособлтепло», которые в следующем году станут полноправными участниками соревнований, ведь у нас общая миссия – мы работаем, чтобы в домах Подмосковья было тепло и уютно!
Пожелал участникам уверенности в своих силах, упорной борьбы и, конечно же, честных побед! Вперед к новым достижениям!
@baranov_mosoblgaz
#Мособлгаз#Skills
📌Насколько Skills реально помогают LLM-агентам.
SkillsBench — исследование и первый бенчмарк, где Agent Skills тестируются как самостоятельный артефакт.
Авторы из 15+ топовых университетов взяли 84 задачи из 11 доменов, запустили 7 конфигураций моделей (Claude Code с Opus/Sonnet/Haiku 4.5 и 4.6, Gemini CLI с Gemini 3 Pro/Flash, Codex с GPT-5.2) и проверили 3 условия: без Skills, с готовыми Skills и с самостоятельно сгенерированными Skills. Итого: 7 308 траекторий с детерминированными верификаторами на pytest.
Готовые Skills в среднем поднимают pass rate на 16,2 процентных пункта: с 24,3% до 40,6%. Но картина неоднородная: в медицине прирост составил +51,9%, для производства — +41,9%, тогда как в разработке ПО всего +4,5%.
Это объяснимо: там, где модели плохо покрыты обучением (клинические протоколы, промышленные воркфлоу), Skills дают максимальный эффект. Там, где модель и так знает домен - почти ничего.
🟡Главный и неожиданный результат: самогенерация Skills не работает.
Когда моделям предлагали сначала написать нужные гайды, а потом решать задачу, средний результат упал на 1,3% по сравнению с работой вообще без Skills. Только Claude Opus 4.6 показал скромный плюс (+1,4%), а GPT-5.2 просел на 5,6%.
Иными словами - модели не умеют надежно создавать то знание, которым умеют пользоваться.
🟡Еще один интересный момент - это объем Skills.
Оптимальный вариант: 2–3 модуля, прирост +18,6%. При 4 и более - всего +5,9%. Подробная документация вообще дает отрицательный эффект: –2,9%, с ней агент буквально тонет в контексте.
Показательна и стоимость решения задач: Haiku 4.5 со Skills обходит Opus 4.5 без Skills — меньшая и более дешевая модель с готовыми Skills бьет старшую модель без них.
Gemini 3 Flash при этом показал лучший абсолютный результат среди всех конфигураций - 48,7% со Skills при цене $0,57 за одну задачу против $1,06 у Gemini 3 Pro.
🟡Страница проекта
🟡Arxiv
@ai_machinelearning_big_data
#AI#ML#LLM#Benchmark#Skills
💠Прием в магистратуру Высшей школы бизнеса и предпринимательства!
🏆Отправьте документы для повышения своей профессиональной квалификации и изучения инновационных подходов!
🌠 Кандидат должен иметь стаж работы не менее 3 лет после окончания бакалавриата.
🔎 Более подробная информация по ссылке!
🔗 Ссылка для регистрации: e-tinglovchi.gsbe.uz
☎️ +998 71 239-03-15
#GraduateSchool#Admission#Learn#Skills
🔝Web-site |🔝Facebook | 🔝Instagram | 🔝Youtube
🇺🇿 Biznes va tadbirkorlik oliy maktabi magistratura dasturlariga qabul!
📄O‘z kasbiy malakangizni oshirish va innovatsion yondashuvlarni o‘rganish uchun hujjatlaringizni yuboring!
❗️Nomzod oliy taʼlim muassasasining bakalavr darajasini tamomlagandan keyin kamida 3 yil ish stajiga ega bo'lishi shart.
🔎Batafsil ma'lumotushbu havolada!
🔗 Ro‘yxatdan o‘tish uchun havola: e-tinglovchi.gsbe.uz
💡 Zamonaviy biznes ta’limini tanlang – biz bilan kelajagingizni quring!
📞+998 71 239-03-15
#GraduateSchool#Admission#Learn#Skills
🔝Web-site |🔝Facebook | 🔝Instagram | 🔝Youtube