活动推荐｜PyCon China 9月20日欢乐登陆上海，精彩议题抢先剧透！

大会时间

大会地点

大会报名

主题演讲

用 Python 开启构建互联网资本市场

随着东西方对区块链技术的政策支持与创新探索，Solana 旨在成为无国界、全天候的互联网资本市场，并孕育对机构、个人开发者的新机会。演讲将介绍 Solana Python SDK 及生态技术支持，现在可以用 Python 实现链上开发的一切，包括对个人开发者如何用 Python 构建应用、套利 bot、打通 AI 与区块链、参与开源贡献，对机构开发者如何用 Python 构建下一代金融系统、现实世界资产（RWA）上链、稳定币支付等场景的技术落地实践

拥有20年 ICT 与数字化转型经验。作为亚马逊云科技首位专注开发者的女性技术布道者，致力于通过技术文章、视频及社区活动，为全球中文开发者分享云原生、云安全及生成式 AI 领域的实践经验，助力开发者在技术创新之路上成长。

从代码到智能 - 利用开源 Python 工具构建下一代 AI Agents

当我们站在人工智能爆发式发展的时代前沿，Python 已成为连接创意与智能实现的关键桥梁。作为开源领域的坚定支持者，AWS 通过贡献超过1000个开源项目持续赋能开发者社区。AWS Strands Agent SDK 正是这一开源承诺的延续，它让构建 AI Agent 变得前所未有地简单。我将带您从理论到实践，展示如何用简洁 Python 代码构建智能 Agent，让每位开发者都能在开源精神的指引下释放 AI 创新潜力。

现为 Elastic 中国社区首席布道师。新加坡国立大学硕士，西北工业大学本硕。曾就职于新加坡科技，康柏电脑，通用汽车，爱立信，诺基亚，Linaro 非营利组织 (Linux for ARM)，Ubuntu，Vantiq 等企业。从事过电脑设计，汽车电子，计算机操作系统，通信，云实时事件处理等。从爱立信开始，诺基亚，Ubuntu 到现在的 Elastic，从事社区工作有将近 20 年的经历。喜欢分享自己所学到的知识。坚信帮助别人就是帮助自己。希望和大家一起分享及学习。欢迎大家来参阅 Elastic 官方中文博客 elasticstack.blog.csdn.net

运用 Elasticsearch 构建 AI 驱动的搜索应用

Elasticsearch 是全球领先的搜索引擎。传统的词汇搜索不能满足当今智能时代的需求。当代企业针对搜索提出语义搜索，也就是根据文字的语义来进行搜索，而不是简单的词汇匹配。另外，我们也需要针对其它的数据类型，比如图片，语音及视频来进行搜索。Elasticsearch 自 8.0 开始提供向量搜索（密集向量，稀疏向量）。它可以完美地解决文字语义搜索及多媒体数据的搜索。此外，向量搜索也并非完美，特别是针对文字搜索。我们可以使用混合搜索（词汇搜索，向量搜索）进行多路召回并对最终结果进行排名。这种方法可以提供搜索的提高精度及召回率。在人工智能发展的今天，结合大模型，我们把搜索到的结果结合大模型，使用 GenAI 可以让我们得到推理的结果。由于企业数据或私有数据在每时每刻都在生成，而大模型的知识受限于在模型生成的时候，而且大模型的数据也只是网页数据训练而得到的。大模型在缺乏上下文的情况下使用大模型来对企业或者私有数据进行推理，在很多的时候会产生幻觉，因为这些知识不存在于大模型中。结合 Elasticsearch 的向量搜索技术针对企业数据或私有数据进行搜索，把搜索结果作为上下文提供给大模型，从而消除幻觉。这种技术也被称作为 RAG（检索增强生成）.本议题将详细介绍 Elasticsearch 的向量搜索技术及如何使用它进行 RAG 的应用开发以及最新的 agentic RAG。

摇曳露营是世界上最好看的动画，Season 4 制作决定！

Python 3.14: 一起奠定未来十年

当我两年前说 Python 3.12 是一个史诗级版本的时候，我没有想到 CPython 团队还能带来这样的惊喜。3.14 在很大程度上在很多方面又重新塑造了 Python ，所以我们一起来聊聊 pi 的 Python。

gdb -p $(pidof python)：从黑魔法到 PEP-768

在生产环境里，Python 一旦死锁，gdb -p $(pidof python) 往往是唯一不停机的救命绳。随着 3.14 即将落地的 PEP-768「远程调试器」，不少人认为 GDB for Python 更加无用武之地。本演讲将分享 GDB 如何 debug Python 进程、它的盲区与陷阱、它又怎样启发出 PEP-768、以及 PEP 768 仍触及不到、只能靠 gdb 补位的调试能力。

自2011年1月的 PyCon mini JP 起，他便担任 PyCon JP 组织者，同时也是 PyCon JP 2024 联合主席。他还是 BeProud Inc. 董事，头衔为“Python Climber”。目前，他在全日本的Python训练营担任讲师，向初学者教授 Python。此外，他还出版了多部 Python 相关书籍。

他会吹小号、玩抱石攀岩，喜欢乐高、雪貂和精酿啤酒。

[英文分享] 如何用 Python 学习日语

据报道，对于以英语为母语的人来说，日语是最难学的语言之一（FSI 语言难度等级：https://www.fsi-language-courses.org/blog/fsi-language-difficulty/）。其中原因有很多，比如日语有平假名、片假名和汉字三种字符，而且词语之间没有空格分隔。在本次演讲中，我将首先介绍日语与许多欧洲语言的不同之处，然后展示如何利用 Python 和自然语言处理库来辅助日语学习。

Staff Software Engineer，长期致力于半导体设备自动化与智慧工厂整合。擅长结合 Python、工业通讯协议与 AI 技术，打造新一代设备改造框架。目前还担任2025年台湾 PyCon 大会主席。

设计一套用于半导体设备改造的 Python 自动化框架

在现代晶圆厂中，如何改造现有的半导体设备，使其具备数据接口、实时监控与灵活控制能力，是一项日益严峻的挑战。本议程将分享一套以 Python 为核心设计的自动化框架，用于老旧设备的智能化改造。

该框架整合了 SECS/GEM、MCProtocol 等设备通讯协议，并搭配AI视觉识别模块与数据分析流程，用于预测性维护与制程优化。整体架构采用微服务设计，后端使用 Django，前端搭配 Vue.js，并可与 MES、FDC 或产线系统无缝衔接。

虽然目前仍处于开发阶段，整体架构已符合实际制造业的需求，提供一种以开源技术实现智慧制造的可行方案。

Python 打包和环境管理方案研究

探讨 Python 项目的打包和分发方案，以及环境管理方案。Python 生态系统中存在多种工具和方法用于解决这两个核心问题，选择合适的方案对项目的可维护性、可移植性和可复用性至关重要。 分析讨论各种工具的原理，用法，特点和优劣。

从 0 开始构建多 Agent 协作的命令行编程助手

Coding Agent 无疑是当下的红海赛道，本次议题主要分享一下作为一个个人开发者是如何使用 Python 从 0 开始构建一个编程助手，以及如何设计事件驱动和 Human in the loop 的工作流，并结合 A2A 和 MCP 两种协议设计事件驱动工作流中的多 Agents 协作。

精通 solidity 智能合约。波士顿大学本科计算机，多年华为云 Python 后端开发，现主攻安全领域，ctfer。

Python+逆向 = EVM 底层调试神器！

区块链作为新技术尚未成熟，智能合约的调试工具不总是能解决我的问题。EVM 的底层内存、栈、字节码等动态调试怎样才顺手？热门的工具，Foundry、Simbolik，大有局限性，不能随心所欲。Kontrol 作为符号执行工具，尚且强大，但是可能又过于繁琐。那我们不如直接挖到底层，进行虚机逆向级别的底层调试！我们直接逆向智能合约字节码，把 Py-EVM 改造成底层调试神器！

陈阳博士现任复旦大学计算与智能创新学院教授、博士生导师，上海市智能信息处理重点实验室副主任。主要研究方向包括智能互联网、社会计算、大规模网络数据挖掘。主持开发了开源网络结构分析工具箱 EasyGraph，支持不同学科的网络结构分析需求，PyPI 下载已达80余万次。现任 ACM Transactions on Social Computing 期刊 Senior Associate Editor，Computer Communications 期刊 Associate Editor。担任 SOSP、SIGCOMM、WWW、MobiSys 等国际会议组织委员会/程序委员会委员。

EasyGraph：面向多学科的高性能网络结构分析工具箱

网络是表征与建模个体之间的复杂关系和交互的强大工具。网络结构分析是研究网络的统计特性、拓扑结构和演化模型的重要方法，涵盖多个学科领域包括社交网络、生物网络、交通网络、交易网络等。我们围绕高性能网络结构分析工具箱的设计与实现，针对现有网络结构分析相关研究对功能全面性和高效性的需求，提出了一套高计算效率、高可扩展性的网络结构分析方法体系，并构建了 EasyGraph 开源工具箱。设计实现了多种并行优化技术，结合图数据结构优化以及 Python/C++ 混合编程架构，使得在低算力环境下大规模的网络数据分析更加迅速和可行。EasyGraph 已经获得了超过80万次 PyPI 下载。

LabsOpenSource& Python enthusiast，微软 MVP （Python & AI）

AI-assistant Building and Memory Revisited

从 GraphRAG 基础设施软件， 到 Hacker News top 5 上的小项目、相对严肃的流行音乐发行和 Logo、Icon 制作，GenAI 能力让我以从前不能想象的输出效率构建了不少东西，这个主题可以分享一些我对 “vibe-build” 的思考、观察，与之后在思考下自举构建 Personal Memory/Context Manager 的经验与想法。

Python for everything

• Python for data

• Python for run

• Python for fun

• Python for life

• Python for rust

• Python for llm

• Python for friends

• Python for here

北京师范大学在校本科生，大三，自主维护 JAnim 等开源项目，渴望在开源领域发挥自己的力量，通过程序创造更多可能

JAnim - 程序化动画工具的探索和尝试

对于经典的方案，创建动画会使用专业软件，在这些软件中，我们在界面上编辑元素与创建动画。

但是，对于 JAnim 而言，我尝试搭建一个基于程序编写动画的框架：这个框架受到 Manim 的启发，使用代码来声明场景中的物件与动画过程。

程序化的动画便于保证效果的“可复现性”和“一致性”，并方便进行“排序算法”等本身与程序高度关联的算法的演示，以及“批量生成”动画内容。总之，程序化的方案让 JAnim 在各个创作方向大放异彩。

JAnim 框架在此基础上还引入了很多易用的特性，例如方便调试动画的预览窗口，并能够实时响应代码更改；完善了音视频混合的工作流，可谓“另类的剪辑软件”。虽然基于代码创建动画，但通过各种丰富的相关支持让其做到“不咯手”。

投资管理领域风控老兵，上市券商及保险资管多年从业经验，擅长使用 Python 编程语言从事各类金融风控建模，现为量化行业从业者。

量化交易中的特征工程

随着 AI 的普及，特征工程在量化研究中愈发重要，其核心涵盖多维数据清洗、特征提取与筛选、构造与优化等步骤。本次演讲将通过逻辑框架剖析与实际案例分享（如 FOF 基金投资中的 LASSO 归因模型等），解析如何从海量数据中提取关键特征，并结合 AI 与统计建模方法实现特征优化，提升交易策略表现，为量化研究与智能投资提供更高效的支持路径。

曾就职于字节跳动、腾讯等企业

如何引入多模态大模型，丰富你的产品体验

随着大模型技术的出现，开发者们开始使用大模型完成自己的应用开发，但在实际开发过程中，绝大多数的开发者更擅长使用文本类模型进行应用开发，而不擅长使用多模态大模型开发应用，在这次分享中，我们将介绍一些基于多模态大模型开发应用的技巧和方式，提供一些常见多模态大模型接入的说明、用法、案例和技巧，帮助开发者理解多模态大模型的使用，以便于后续在自己的工作场景中使用。

包含内容：

1. 模型目前支持的模态

2. 不同模态的应用场景

• 图片

• 音频

• 视频

3. 图片模态的用法和技巧

4. 音频模态的用法和技巧

5. 视频模态的用法和技巧

闪电演讲

亚马逊云科技 User Group，LeaderGreptimeDB advocator

基于 Langfuse 的 Python LLM 应用可观测性实践

随着大语言模型（LLM）应用的广泛普及，各类 AI 应用和智能 Agent 正在快速爆发式增长。然而，LLM 作为一种基于概率的黑盒模型，其内部机制复杂、输出不可控，给开发者在调试、评估与优化方面带来了极大挑战。

本次演讲将围绕 Python 技术栈，介绍如何使用开源工具 **Langfuse**，为 LLM 应用构建端到端的可观测性体系，提升 AI 系统的透明度与可维护性。

自2011年1月的 PyCon mini JP 起，他便担任 PyCon JP 组织者，同时也是 PyCon JP 2024 联合主席。他还是 BeProud Inc. 董事，头衔为“Python Climber”。目前，他在全日本的Python训练营担任讲师，向初学者教授 Python。此外，他还出版了多部 Python 相关书籍。

他会吹小号、玩抱石攀岩，喜欢乐高、雪貂和精酿啤酒。

[英文分享]在你的文档里加入🐱猫咪表情吧！

为你介绍 sphinx-nekochan——一个能在文档中插入可爱猫咪表情的库。

该库作为 Python 文档工具的扩展提供，因此你可以轻松创建带有猫咪表情的网站和幻灯片。

这些猫咪表情由 Shikamatsu-san 创作并发布。

《Visual Studio Code 权威指南》作者，微软开发平台事业部高级软件工程师，VS Code 中文社区创始人，VS Code 的代码贡献者。写过 20 多款 VS Code 插件，其中最热门的 Code Runner 插件有超过8000万下载量。他是《玩转VS Code》公众号和知乎专栏的作者。他还是 QCon、PyCon、JSConf、.NET Conf、Microsoft Tech Summit、Google Developer Group、COSCon 等大会的讲师。

GitHub Copilot 如何成为 Python 开发的智能引擎

如今，GitHub Copilot 已经支持 VS Code、JetBrains IDEs、Visual Studio、Eclipse、Xcode 等主流 IDE，并凭借 Agent Mode 和 MCP 等能力，大幅提升 Python 开发体验。

无论是从零搭建项目（如快速生成 Flask API 或数据处理脚本），还是维护大型代码库（如智能补全、重构和测试生成），GitHub Copilot 都能显著减少重复劳动，让开发者更专注于逻辑与创新。

本次分享将结合真实案例，展示 GitHub Copilot 如何成为 Python 开发者的智能引擎。

做过测试、测试开发、量化开发，现在是一名给 AI 工业造铲子的工人。

Python 打包生态的新进展

本次闪电演讲将介绍 Python 打包生态系统中最新的 PEP（Python Enhancement Proposal）提案进展。我们将快速浏览已完成、已接受和正在讨论的关键提案，包括内联脚本元数据（PEP 723）、依赖组管理（PEP 735）、标准锁文件格式（PEP 751）等重要特性。这些提案正在推动 Python 打包工具的标准化，改善开发者体验，让依赖管理更加可靠和高效。适合对 Python 打包工具感兴趣的开发者，了解生态系统的发展方向和即将到来的新特性。

X(formerly Twitter): @beautyyuyanli

有机的 LLM 人机交互: 不只是对话框

在 LLM 应用井喷的当下，我们已经见过了不同场景下的许多大模型应用，但人机交互的形式似乎仍然乏善可陈：除了面向 coding 任务的 IDE 以外，大部分助手类应用仍以对话框为主，少数 agent 应用会输出富文本网页或文档。本讲将对 LLM 应用的人机交互模式进行梳理，并分享我设想和尝试的更有机的交互模式。

核心领域：科学计算工程化 / 机器学习系统设计 / 工业智能诊断 / 函数式编程范式

重要工作经历：

(2022.06 - 今) 主导边缘人工智能计算系统级解决方案的定义、原型设计与开发

(2022.06 - 2025.06) 联影中央研究院 高级算法工程师：

1、设计基于 Python 的医学影像分布式计算工具链（多模态影像组学）

2、实现 FP 风格数据预处理管道，提升跨中心数据处理效率 40%+

(2019.11 - 2022.05) 深圳市玄羽科技 算法专家：

1、构建 Python 驱动的工业诊断系统（CNC 异常检测）

2、应用函数式状态管理模型降低系统耦合度

与议题强相关经验：

独立开发并维护开源库 informatics：首创函数声明式科学计算数据流，该库为议题《函数式编程风格的 Python 科学计算新范式》核心实践载体。

函数式编程风格的 Python 科学计算新范式

现实的科学计算领域存在结构性断层：研究侧面临实验脚本碎片化导致的复用壁垒，工程侧则受限于传统命令式代码的高维护成本及多工具链整合复杂度。为系统化解决此问题，开源项目 informatics 在底层架构设计中创新性引入函数式编程范式，实现四重技术突破：无副作用的纯函数计算单元设计彻底消除状态管理风险；声明式流水线架构通过类 Unix 管道操作符实现计算单元可视化拼接，显著加速原型验证与工程化落地；统一参数管理协议采用外部配置集中注入机制解决参数传递复杂度问题；强类型安全保障在工作流实例化阶段执行接口数据类型校验，预先拦截70%运行时错误。

经实证验证，医疗影像组学领域构建的处理管道实现跨中心数据处理效率提升40%并通过多模态数据场景验证工程可靠性；工业诊断系统通过逻辑单元动态聚合成功适配多样化业务需求，系统耦合度降低35%。本次演讲将提供跨角色价值：科研人员获得实验脚本工程化与管道复用的系统方法论，工程师掌握基于函数式编程的高可维护系统设计范式，架构师理解协议层创新对科学计算生态的变革性意义。

Saksham Aggarwal 是一位创始人兼工程师，他专注于开发能自动化处理工程重复性工作的人工智能代理，初期从 SDK 集成入手，助力产品团队提升工作效率。

他曾是 PYOR 公司的首席工程师，该公司是一家由城堡岛资本支持的金融数据初创企业，萨克沙姆在那里负责构建了用于链上分析的企业级数据终端。此外，他还推动了 Flint 公司（现更名为 LogX）的业务增长，并助力 Conquest——印度规模最大的学生运营初创企业加速器——实现了规模扩张。

Saksham 热衷于研究网络代理检索系统、可编程提示词、评估系统、网络应用、交互设计以及用于模型训练的合成数据。

[英文分享]先评估，后编码：评估、重排器与缓存实用指南

许多检索增强生成（RAG）和代码搜索流程依赖于临时检查，在大规模部署时会出现故障。

本次演讲将介绍一种“评估优先”的开发工作流，该工作流已应用于一个基于 Python、PostgreSQL（pgvector）和 OpenAI 重排器构建的生产级代码搜索引擎。在优化前引入自动化评估套件后，平均查询延迟从20分钟降至30秒，实现了40倍的速度提升，相关性也提高了约30%。内容将涵盖：

• 构建特定任务的评估数据集和指标

• 混合（ lexical + 近似最近邻）检索

• 用于提升精度的交叉编码器重排

• 保持索引新鲜度和查询速度的语义缓存策略

本次会议将包含基准测试结果、现场演示，以及一个采用 MIT 许可证的参考实现——参会者可克隆该实现并进行扩展。

我从来没觉得啃生肉开心过：用 Python 打造日语泛读利器

和英语不同，日语不会用空格区分单词，再加上单词变形复杂，初学者在泛读时往往要花费大量时间判断单词原型。虽然形态素解析器（如Sudachi）能自动提取单词原形，但在处理字幕、漫画、Galgame 等口语化文本时，会出现比较明显的未登录词（Out-of-Vocabulary, OOV）问题，影响学习效率。本次分享除了介绍 Python 调用 Sudachi 的方法，还会重点介绍如何解决这个问题。

合作伙伴招募

主办方及合作伙伴