Python Hub 每周文摘（2026-08-09）
内容提要
本周Python动态：Pip 26.2新增`--only-deps`功能，解决16年部署痛点，可仅安装依赖而不装项目；PyTorch Monarch支持AMD GPU，实现单程序分布式训练；另有子进程处理、NumPy多线程扩展、加密接口设计等文章，及多个开源工具如Claude会话保持、ADHD友好输出技能等。
延伸解读
Pip 26.2 的 --only-deps 意义
Pip 26.2 新增的 --only-deps 选项解决了 Python 应用部署中长期存在的痛点：仅安装依赖而不安装项目本身。此前开发者常依赖脆弱的 requirements 文件、可编辑安装或第三方工具来绕过这一限制。该功能直接支持从 pyproject.toml 安装依赖，简化了部署流程，尤其适合脚本和应用的部署场景。
PyTorch Monarch 的 AMD GPU 支持
PyTorch Monarch 现在支持 AMD GPU（通过 ROCm），允许开发者从单个 Python 程序编排大规模分布式训练。其容错架构能隔离故障，让健康的 GPU 继续训练，同时故障节点恢复，从而减少重启、计算浪费和基础设施成本。这对使用 AMD GPU 的开发者而言，降低了分布式训练的入门门槛。
加密接口设计原则
文章强调加密协议应设计得难以误用，对比了密钥封装机制（KEM）的简洁性与现代数字签名的复杂性。建议采用有主见、单一用途、可测试且可升级的加密接口，以减少实现错误并提升安全性。这提醒开发者在设计安全相关 API 时，应优先考虑易用性和防误用性。
Q&A
Pip 26.2 的 --only-deps 功能解决了什么问题？
Pip 26.2 新增的 --only-deps 功能允许开发者只安装 pyproject.toml 中声明的依赖，而不安装项目本身。这解决了长达16年的应用部署痛点，替代了脆弱的 requirements 文件、可编辑安装和第三方变通方案。
PyTorch Monarch 在 AMD GPU 上如何实现分布式训练？
PyTorch Monarch 通过 ROCm 支持 AMD GPU，允许开发者从单个 Python 程序编排大规模分布式训练。其容错架构隔离故障，让健康的 GPU 继续训练，而失败的节点恢复，从而减少重启、计算浪费和基础设施成本。
在 Python 中如何运行子进程并捕获输出？
可以使用 subprocess.run 函数，它提供高级接口来启动外部程序、传递参数并捕获输出。通过设置 capture_output=True 捕获标准输出和错误，text=True 以文本模式返回，check=True 在命令失败时抛出异常，从而可靠地处理结果。
NumPy 在自由线程 Python 上如何实现多线程扩展？
NumPy 和 CPython 进行了相关工作，使多线程 NumPy 工作负载能够在自由线程构建的 CPython 上扩展。具体工作包括改进线程安全性和并行性能，但文章未提供详细技术细节。
文章提到的加密接口设计原则是什么？
文章强调加密协议应设计得难以误用，比较了密钥封装机制（KEM）的简单性与现代数字签名的复杂性。建议设计有主见的、单一用途的、可测试的和可升级的加密接口，以减少实现错误并提高安全性。
有哪些本周推荐的 Python 开源工具？
本周推荐的工具包括：claude-thermos（保持 Claude 会话活跃）、i-have-adhd（ADHD 友好的输出技能）、dottxt-ai/outlines（结构化输出）、harbor-framework（评估和改进代理的框架）、MappingTools（映射操作库）、AlgebraX（代数结构库）、XY（GPU 加速图表库）、claude-seo（SEO 技能）、ida-pro-mcp（IDA Pro 与语言模型桥接）等。
