12 полезных библиотек для разработки на Python

12 полезных библиотек для разработки на Python

1. MarkItDown

Репозиторий: https://github.com/microsoft/markitdown

Звёзд: ~86 тыс.+ на GitHub (быстрое распространение в 2025 году)

Возможности: MarkItDown преобразует документы вроде PDF, Word, Excel и PowerPoint в Markdown. Сохраняет структуру — заголовки, таблицы, списки — и ориентирована на рабочие процессы с большими языковыми моделями (LLM).

2. Polars

Репозиторий: https://github.com/pola-rs/polars

Звёзд: ~37 тыс.+ на GitHub

Возможности: Polars — быстрая библиотека DataFrame, написанная на Rust с поддержкой Python. Поддерживает ленивые и немедленные вычисления, многопоточность и экономию памяти. Работает с CSV, Parquet, JSON и значительно превосходит Pandas на больших наборах данных.

3. GPT Pilot (ранее Pythagora)

Репозиторий: https://github.com/Pythagora-io/gpt-pilot

Звёзд: ~33,8 тыс.+ на GitHub

Возможности: Pythagora помогает ИИ разбирать код и создавать документацию. GPT Pilot лежит в основе расширения Pythagora для VS Code, которое становится полноценным ИИ-соратником разработчика: пишет целые функции, отлаживает код, обсуждает проблемы и запрашивает ревью.

4. Smolagents

Репозиторий: https://github.com/huggingface/smolagents

Звёзд: ~25 тыс.+ на GitHub

Возможности: Smolagents — фреймворк для ИИ-агентов от Hugging Face. Позволяет создавать умных агентов, которые пишут код или вызывают инструменты, работает с разными LLM и поддерживает многошаговое рассуждение. Интегрируется с изолированными средами выполнения (Blaxel, Docker, WebAssembly).

5. LangExtract

Репозиторий: https://github.com/google/langextract

Звёзд: ~24 тыс.+ на GitHub

Возможности: LangExtract достаёт структурированные данные из неструктурированного текста с помощью LLM. Распознаёт сущности, применяет схемы и визуализирует результаты. Поддерживает облачные модели (например, Gemini) и локальные через плагины провайдеров, оптимизирована для длинных документов.

6. FastMCP

Репозиторий: https://github.com/jlowin/fastmcp

Звёзд: ~22 тыс.+ на GitHub

Возможности: FastMCP — фреймворк для серверов и клиентов по протоколу Model Context Protocol (MCP). Упрощает связь между клиентами и серверами, управление преобразованиями данных. Такие шаблоны интеграции удобнее чистых реализаций MCP.

7. Data Formulator

Репозиторий: https://github.com/microsoft/data-formulator

Звёзд: ~15 тыс.+ на GitHub

Возможности: Data Formulator — проект Microsoft Research, где ИИ-агенты помогают исследовать данные через яркие визуализации. Превращает намерения и данные в графики с помощью интерактивного процесса.

8. Pydantic-AI

Репозиторий: https://github.com/pydantic/pydantic-ai

Звёзд: ~14 тыс.+ на GitHub

Возможности: Pydantic-AI — фреймворк для агентных приложений генеративного ИИ (GenAI) промышленного уровня. Объединяет типы Pydantic с шаблонами генеративных моделей, чтобы выводы всегда проверялись и оставались последовательными.

9. Pyrefly

Репозиторий: https://github.com/facebook/pyrefly

Звёзд: ~5 тыс.+ на GitHub

Возможности: Pyrefly — инструмент статического анализа и проверки типов для Python. Интегрируется с Pydantic, обеспечивает современную, быструю и точную проверку типов в крупных проектах.

10. Morphik-Core

Репозиторий: https://github.com/morphik-org/morphik-core

Звёзд: ~3,5 тыс.+ на GitHub

Возможности: Morphik — набор ИИ-инструментов для визуально насыщенных и мультимодальных документов. Разработчики могут хранить, искать и анализировать PDF, изображения, видео и другое с помощью Python SDK и веб-консоли.

11. ChainForge

Репозиторий: https://github.com/ianarawjo/ChainForge

Звёзд: ~2,9 тыс.+ на GitHub

Возможности: ChainForge — визуальный набор для инженерии промтов и тестирования гипотез с LLM. Помогает сравнивать подходы и изучать поведение моделей.

12. MostlyAI

Репозиторий: https://github.com/mostly-ai/mostlyai

Звёзд: ~700+ на GitHub

Возможности: MostlyAI создаёт реалистичные синтетические данные для тестов и машинного обучения. Сохраняет статистические свойства реальных данных, не раскрывая их.