I wanted to ship a new version of my library, and my first ideas were adding Pyrefly or raising the Python version. Neither changed anything for the people who use it. What did: accepting a reference typed in lower case without breaking the 1.0 promise, and proving it is safe without the GIL instead of assuming it.
To grow my address library I reviewed more than 800 open data sources across 31 states. Most declared no license, in several the publisher's license did not match the aggregator's, and only nine states passed. This is how you actually verify a license.
I built an API that matches resumes against job postings with AI. One simple rule drove the whole design: the LLM is expensive, embeddings are cheap. The result is an API where the LLM shows up in exactly three places, and in none of them does it decide the number that matters.
Quería sacar una versión nueva de mi librería y mis primeras ideas eran meter Pyrefly o subir la versión de Python. Ninguna le cambiaba nada a quien la usa. Lo que sí: aceptar una referencia escrita en minúsculas sin romper la promesa de la 1.0, y probar que es segura sin GIL en vez de suponerlo.
Para ampliar mi librería de direcciones revisé más de 800 fuentes de datos abiertos en 31 estados. La mayoría no declaraba licencia, en varias la licencia del publicador no coincidía con la del agregador, y solo nueve estados pasaron. Así se verifica una licencia de verdad.
Construí una API que compara CVs con ofertas de trabajo usando IA. La regla que guió todo el diseño fue simple: el LLM es caro, los embeddings son baratos. El resultado es una API donde el LLM aparece en exactamente tres lugares, y en ninguno decide el número que importa.
A practical guide on how to structure FastAPI projects using clean architecture principles, with real-world examples of AWS Lambda and DynamoDB integration.
Una guía práctica sobre cómo estructurar proyectos FastAPI usando principios de arquitectura limpia, con ejemplos reales de integración con AWS Lambda y DynamoDB.