si la policía de Python lee mi código, me condenarán a cadena perpetua o no sabía que las importaciones locales eran controvertidas, importo bibliotecas dentro de funciones todo el tiempo pero con gran poder viene una gran responsabilidad entiendo que pep8 sugiere importaciones globales, pero cada regla tiene excepciones, y debes saber cuándo romperlas aquí hay algunas ventajas de las importaciones locales: saber exactamente de dónde provienen tus dependencias en el momento de usarlas, en lugar de tener que desplazarte hasta la parte superior de un archivo puedes importar módulos condicionalmente cuando/si los necesitas podría mejorar el tiempo de carga de un módulo porque no tienes que importar todo al principio puede ayudarte a salir de dependencias circulares (suponiendo que eres demasiado perezoso para arreglar la dependencia circular de la manera correcta) obviamente, también hay desventajas en las importaciones locales, pero esto es un artículo de propaganda, así que no las mencionaré aquí en general, mi recomendación es usar importaciones globales, pero entiende los compromisos para que puedas aprovechar las importaciones locales cuando sea necesario

Esto no es ni remotamente cierto. No estoy seguro por dónde empezar, pero uno de los ejemplos más egregios aquí tiene que ser "React reemplazó a jQuery". Verifiqué los números: jQuery se utiliza actualmente en el 73.5% de todos los sitios web (90.4% de cuota de mercado). React se utiliza en el 5.6% de los sitios web (6.9% de cuota de mercado). Pero eso es solo el comienzo. Casi todo lo demás en la lista no es un buen ejemplo: • GraphQL no ha reemplazado a REST. • Los microservicios no han reemplazado a los monolitos. • Cursor no ha reemplazado a VS Code. • ChatGPT no ha reemplazado a Google. • C++ no ha reemplazado a C.

Aquí está el video de la sesión donde construimos algunos agentes utilizando Google ADK. (¡Más de 300 personas se unieron! ¡Gracias!) Esto es lo que hicimos: • Construimos un pipeline para vectorizar un conjunto de documentos • Almacenamos los datos en un almacén de vectores local • Construimos un agente para responder preguntas de los documentos • Construimos otro agente para formatear el contenido • Construimos un agente de flujo de trabajo para orquestar todo • Construimos un pipeline para responder múltiples preguntas en paralelo • Construimos otro agente para hacer resúmenes (¡muy fácil!) Hablamos sobre la siguiente tecnología: • Google ADK - Para construir agentes • FAISS - Para almacenes de vectores • LiteLLM - Para abstraer modelos específicos • Metaflow - Para orquestar todo Subí la grabación a YouTube. Encuentra el enlace a continuación.