Data Science Web Development

O estado do Python em 2025

Esta é uma postagem a convite, por Michael Kennedy, fundador do Talk Python e Fellow da Python Software Foundation.

Boas-vindas aos destaques, tendências e principais ações encontrados na 8ª Pesquisa Anual dos Desenvolvedores Python. Essa pesquisa é conduzida em colaboração entre a Python Software Foundation e a equipe do PyCharm, da JetBrains.

Meu nome é Michael Kennedy. Analisei as mais de 30.000 respostas à pesquisa, extraí as tendências e previsões mais significativas e identifiquei várias ações que você pode tomar para impulsionar a sua carreira em Python.

Estou em uma posição privilegiada, como apresentador do podcast Talk Python to Me. Todas as semanas, nos últimos 10 anos, venho entrevistando as pessoas por trás de algumas das mais importantes bibliotecas e tendências da linguagem no ecossistema do Python. Neste artigo, meu objetivo é usar essa grande experiência com a comunidade para compreender os resultados dessa importante pesquisa anual.

Se o seu trabalho ou os seus produtos dependerem do Python, ou, mais amplamente, se você for um desenvolvedor, você irá querer ler este artigo. Ele fornece muitos insights difíceis de obter de outras fontes.

Principais tendências do Python em 2025

Vamos mergulhar nas tendências mais importantes, segundo os resultados da pesquisa sobre o Python. 

Para explorar esses insights, ter as ferramentas certas para os seus projetos pode fazer toda a diferença. Experimente o PyCharm gratuitamente e fique equipado com tudo de que você precisa para ciência de dados, fluxos de trabalho de aprendizado de máquina e IA, e desenvolvimento para a Web, tudo em um só IDE poderoso para Python.

A turma do Python usa Python

Vamos começar falando do quanto o Python é central para as pessoas que o usam. A turma do Python usa primariamente Python. Talvez isso soe como uma tautologia óbvia, mas desenvolvedores usam muitas linguagens que não são a sua primária. Por exemplo, desenvolvedores para a Web usam primariamente Python, C# ou Java, mas também usam CSS, HTML e até JavaScript.

Por outro lado, desenvolvedores que trabalham primariamente com Node.js ou Deno também usam JavaScript, mas não como sua linguagem primária.

A pesquisa mostra que 86% dos que responderam usam Python como sua linguagem principal para escrever programas de computador, desenvolver aplicativos, criar APIs, etc.

A maioria de nós é formada por programadores novatos

Para aqueles de nós que vêm programando por muito tempo — e incluo a mim mesmo nessa categoria, já com mais de 30 anos escrevendo código — é fácil imaginar que a maioria das pessoas neste setor tenha uma razoável experiência. É uma suposição perfeitamente razoável. Você vai a congressos e conversa com pessoas que programam há 10 ou 20 anos. Você olha os seus colegas e muitos deles vêm usando Python e programando por muito tempo.

Mas não é assim que se parece o ecossistema mais amplo do Python.

Exatamente 50% dos que responderam têm menos de dois anos de experiência profissional com programação! E 39% têm menos de dois anos de experiência com Python (mesmo como hobby ou em ambientes educacionais).

Este resultado reafirma que o Python é uma ótima linguagem para iniciantes na carreira. A sintaxe simples (mas não simplista) e a facilidade de abordagem realmente têm apelo, tanto para programadores mais novos quanto para os mais experientes. Muitos de nós adoram programação e Python, e gostam de compartilhar isso com os membros mais novos da nossa comunidade.

Porém, esse achado sugere que devemos levar esses dados demográficos em conta ao criarmos conteúdo para a comunidade. Se você criar um tutorial ou demonstração em vídeo, não descuide das etapas para ajudar as pessoas a iniciarem o processo. Por exemplo, não diga só para elas instalarem um pacote. Diga que elas precisam criar um ambiente virtual, mostre-lhes como fazer isso e como ativar o ambiente. Depois, guie-as na instalação do pacote naquele ambiente virtual.

Se você for um fornecedor de ferramentas, como a JetBrains, deverá se lembrar que muitos dos seus usuários serão bem novatos em programação e no próprio Python. Isso não significa que você deva ignorar recursos avançados ou imbecilizar o seu produto, mas também não dificulte que os iniciantes o adotem.

A ciência de dados já é mais de metade de todo o Python

Este ano, 51% dos desenvolvedores Python pesquisados estão envolvidos com exploração e processamento de dados, e o pandas e o NumPy são as ferramentas mais usadas para isso.

Muitos de nós na comunidade dos conhecedores de Python vimos falando dele como sendo dividido em terços: um terço para o desenvolvimento para a Web, um terço para a ciência de dados e ciência pura, e um terço para o restante.

Mas agora precisamos repensar esse posicionamento, pois um desses “terços” é esmagadoramente a porção mais significativa do Python.

Isso ocorre no contexto não apenas de uma enorme explosão de interesse em dados e IA atualmente, mas também de uma explosão correspondente no desenvolvimento de ferramentas para se trabalhar nesse espaço. Há ferramentas de processamento de dados, como o Polars, novas maneiras de trabalhar com notebooks, como o Marimo, e um número enorme de pacotes fáceis de usar para trabalhar com LLMs, modelos de visão e agentes (por exemplo, Transformers, Diffusers, smolagents, LangChain/LangGraph, LlamaIndex).

De fato, o centro de gravidade do Python deslocou-se mais para dados e IA.

A maioria ainda usa versões mais antigas do Python, apesar dos benefícios das versões mais recentes 

A pesquisa mostra uma distribuição entre as versões mais recentes e mais antigas do runtime do Python. Muitos de nós (15%) estão executando a versão mais recente do Python, mas é mais provável que estejamos usando uma versão com um ano de idade ou mais (83%).

A pesquisa também indica que muitos estão usando o Docker e containers para executarem seu código, o que torna ainda mais surpreendente esse valor de 83% ou mais. Com containers, basta pegar a última versão do Python dentro deles. Como tudo é isolado, não é preciso se preocupar com as interações do Python com o resto do sistema — por exemplo, o Python do sistema no Linux. Podemos esperar que o uso de containers traga mais flexibilidade e facilite nossa transição para a versão mais recente do Python.

Então, por que as pessoas não atualizaram para a última versão do Python? Os resultados da pesquisa dão duas razões primárias.

1. “A versão que estou usando atende a todas as minhas necessidades” (53%)
2. “Não tive tempo de atualizar” (25%)

Talvez os 83% dos desenvolvedores que executam versões mais antigas do Python estejam perdendo muito mais do que imaginam. Eles não estão perdendo apenas alguns recursos de linguagem, como a palavra-chave except, ou um pequeno aperfeiçoamento na biblioteca-padrão, como tomllib. As versões 3.11, 3.12 e 3.13 do Python também incluem grandes melhorias de desempenho e a próxima versão, a 3.14, vai incluir ainda mais.

O incrível é que você obtém esses benefícios sem alterar o seu código. Basta escolher um runtime mais novo e o seu código será executado mais rapidamente. O CPython vem sendo excelente em compatibilidade retrógrada. Raramente há qualquer esforço significativo na migração. Vamos dar uma olhada em alguns números.

No momento, 48% das pessoas estão usando o Python 3.11. Se atualizassem para a versão 3.13, seu código seria executado aproximadamente 11% mais rápido no total e usaria cerca de 10–15% menos memória.

Se estiverem entre os 27% que ainda usam a versão 3.10 ou mais antiga, seu código receberia um espantoso aumento de cerca de 42% na velocidade (sem alterações no código) e o uso da memória poderia cair em cerca de 20–30%!

Talvez eles ainda digam: “Bem, isso é rápido o bastante para nós. Não temos tanto tráfego assim, etc.” Mas se eles forem como a maioria das empresas médias e grandes, isso é um desperdício incrível de despesas com computação na nuvem (que também se reflete em danos ao meio ambiente, através da energia gasta).

Pesquisas dão algumas estimativas para a computação na nuvem (especificamente de base computacional):

• Empresas do meio do mercado / empresas “médias”
  • Conta total anual do AWS (mediana): aproximadamente US$ 2,3 milhões (vendr.com)
  • Parcela do EC2 (instâncias de computação; cerca de 50–70% dessa conta): US$ 1,15–1,6 milhão por ano (cloudlaya.com)
• Grandes empresas
  • Conta total anual do AWS: aproximadamente US$ 24–36 milhões, ou seja, US$ 2–3 milhões por mês (reddit.com)
  • Parcela do EC2 (cerca de 50–70%): US$ 12–25 milhões por ano (cloudlaya.com)

Se presumirmos que essas empresas estão usando o Python 3.10, isso representa uma economia potencial de, respectivamente, US$ 420.000 e US$ 5,6 milhões (calculada como 30% do custo do EC2).

Se a sua empresa descobrir que você está torrando de 400 mil a 5 milhões de dólares a mais por ano porque não se deu ao trabalho de tirar um dia para fazer a atualização, vai haver uma conversa difícil.

Finanças e ecologia à parte, é realmente ótimo poder adotar os últimos recursos da linguagem e estar no mesmo compasso que o trabalho mais significativo dos principais desenvolvedores. Tratem a atualização como prioridade, pessoal.

O ressurgimento dos desenvolvedores para a Web em Python

Nos últimos anos, estivemos ouvindo que o desenvolvimento para a Web estava ficando menos significativo no espaço do Python. Duas forças poderosas podem estar em ação aqui: 1) À medida que mais pessoas com foco em ciência de dados e IA vêm para o Python, o número relativamente estático de desenvolvedores para a Web passa a representar uma porcentagem menor. 2) A Web continua tendo foco no front-end e até que o Python no navegador se torne uma realidade prática, é provável que os desenvolvedores para a Web prefiram o JavaScript.

Observando os números de 2021 a 2023, a tendência é claramente decrescente: 45% → 43% → 42%. Mas este ano, a Web está de volta! Dos participantes, 46% relataram usar Python no desenvolvimento para a Web em 2024. Para reforçar essa hipótese, vimos um salto correspondente nas linguagens “secundárias” de Web, com 15% mais uso de HTML/CSS, 14% de JavaScript e 16% de SQL.

O grande vencedor entre os frameworks de Web para Python foi o FastAPI, que saltou de 29% para 38% (um aumento de 30%). Embora todos os principais frameworks tenham crescido de ano a ano, o salto de quase 30% do FastAPI é impressionante. Só posso especular sobre as razões. Pessoalmente, acho que provavelmente, esse salto no Python para a Web deve-se em parte ao grande número de novatos no universo do Python. Muitos deles estão no lado do aprendizado de máquina, IA e ciência de dados, e essas pessoas costumam não ter anos de experiência e história consolidadas com o Flask ou o Django. Provavelmente, estão escolhendo o mais atraente framework de Web para Python e atualmente, parece que é o FastAPI. Há muitos exemplos de pessoas hospedando seus modelos de aprendizado de máquina atrás de APIs do FastAPI.

Também continua havendo uma tendência para frameworks de Web para Python com suporte à assincronia. No Talk Python, eu reescrevi nosso aplicativo de Web em Python usando o Flask assíncrono (cerca de 10.000 linhas em Python). O Django vem constantemente adicionando recursos assíncronos e o suporte a eles está quase completo. É verdade que no momento, na versão 5.2, sua camada de bancos de dados precisa de um pouco mais de trabalho. Como diz sua equipe: “Ainda estamos trabalhando no suporte à assincronia no ORM e em outras partes do Django.”

Os servidores Web para Python estão mudando para ferramentas assíncronas e baseadas em Rust

Vale mencionar brevemente que os servidores de aplicativos em produção que hospedam aplicativos e APIs de Web em Python também estão mudando. Com base em relatos, vejo duas forças em ação aqui: 1) A mudança para frameworks assíncronos requer servidores de aplicativos com suporte a ASGI, não apenas a WSGI. 2) O Rust está assumindo um papel cada vez mais central na execução de código Python (vamos falar mais disso daqui a pouco).

Nesse ponto, a maior perda no último ano foi o completo fracasso do uWSGI. Até fizemos um podcast no Python Bytes, chamado We Must Replace uWSGI With Something Else (“Precisamos Substituir o uWSGI por Outra Coisa”), examinando essa situação em detalhes. 

Também vimos o Gunicorn lidar com uma parte menor da carga de trabalho assíncrona, devido a servidores com assincronia nativa, como o uvicorn e o Hypercorn, que são capazes de operar de forma independente. Novos servidores baseados em Rust, como o Granian, também ganharam muitos adeptos.

Agora o Rust é a forma de acelerarmos o Python

Nos últimos dois anos, o Rust se tornou o copiloto de desempenho do Python. O Python Language Summit de 2025 revelou que “algo entre um quarto e um terço de todo o código nativo sendo enviado ao PyPI para novos projetos usa Rust”, indicando que “as pessoas estão optando por iniciar novos projetos usando Rust”.

Observando os resultados da pesquisa, vemos que o uso do Rust cresceu de 27% para 33% em extensões binárias de pacotes Python.  

Vemos isso no ecossistema com o sucesso do Polars para ciência de dados e do Pydantic para praticamente todas as áreas. Estamos observando isso até para servidores de aplicativos em Python, como o novo Granian.

O Python tipado está ganhando melhores ferramentas

Outra tendência importante deste ano é o Python tipado. Você já deve ter visto informações de tipos em Python em definições de funções como: 

def add(x: int, y: int) -> int: ... 

Isso já está no Python há um bom tempo. No entanto, está havendo um esforço renovado para tornar o Python tipado mais comum e mais tolerante. Já temos ferramentas como o mypy desde os primórdios da tipagem, mas o objetivo delas era mais orientado à consistência geral dos programas. Só nos últimos meses, já vimos o lançamento de duas novas ferramentas de tipagem de alto desempenho:

• ty, da Astral — um verificador de tipos Python e servidor de linguagem, extremamente rápido, escrito em Rust.
• Pyrefly, da Meta — um verificador mais rápido de tipos Python, também escrito em Rust.

Os dois têm o objetivo de serem as ferramentas da próxima geração de verificadores de tipos. Além disso, as duas ferramentas oferecem protocolos de servidores de linguagem (LSPs) extremamente rápidos.

Notou alguma semelhança? As duas ferramentas foram escritas em Rust, corroborando minha afirmação anterior de que “o Rust se tornou o copiloto de desempenho do Python”.

A propósito, caso você queira saber mais sobre o projeto do ty, eu entrevistei a equipe por trás dele quando ele foi anunciado, algumas semanas atrás.

Código e documentos são a maior parte das contribuições de código aberto

Há muitas maneiras diferentes e únicas de contribuir com código aberto. Provavelmente, a primeira ideia que ocorre à maioria das pessoas quando pensa em um colaborador é a de alguém que escreve código e acrescenta um novo recurso a um projeto. Porém, há maneiras menos visíveis de contribuir, mas que também são importantes, como fazer triagem de issues e revisar solicitações de pull.

Então, quais partes da comunidade contribuíram para o código aberto, e de que formas?

A pesquisa nos mostra que um terço dos desenvolvedores contribuiu para o código aberto. Isso se manifesta primariamente como contribuições de código e documentação/tutoriais.

Documentos em primeiro lugar

Tipicamente, onde você aprende como desenvolvedor ou cientista de dados? Os participantes disseram que os documentos vêm em primeiro lugar. Há muitas maneiras de aprender linguagens e bibliotecas, mas as pessoas gostam mais de documentos. Esta é uma boa notícia para os mantenedores de código aberto. Significa que o esforço feito na documentação (e nos tutoriais incluídos) é bem aproveitado. É uma maneira clara, simples e direta de melhorar a experiência dos usuários com o seu projeto.

Além disso, este achado está de acordo com Developer Trends in 2025 (“Tendências dos Desenvolvedores em 2025”), um episódio de painel em um podcast que fiz com desenvolvedores experientes em Python, incluindo o próprio Paul Everitt, da JetBrains. Todos os participantes do painel concordaram que os documentos vêm em primeiro lugar, embora a pesquisa tenha colocado o YouTube em uma posição muito mais alta do que os participantes do podcast pensaram, com 51%. Lembre-se, nossa comunidade tem uma média de 1–2 anos de experiência e 45% deles têm menos de 30 anos.

Um novato poderoso é a série de ferramentas de IA das quais todos estamos ouvindo falar (e muitos de nós estão usando). O uso de ferramentas de IA como forma de aprendizado aumentou de 19% para 27% (um aumento de 42% em um ano)!

O PostgreSQL é o rei dos bancos de dados para os Pythonistas

Quando se perguntou aos participantes qual banco de dados eles escolheram (se houvesse algum), predominou o PostgreSQL. O PostgreSQL é o rei dos bancos de dados em Python e continua crescendo, de 43% para 49%. São mais 14% em um ano, o que é notável para um projeto de código aberto de 28 anos de idade.

Um detalhe interessante aqui, além de o Postgres ser tão usado, é que o uso de todos os seis principais bancos de dados aumentou em um ano. Provavelmente, este é outro indicador de que o próprio desenvolvimento para a Web voltou a crescer, como discutimos acima.

Tendências para o futuro

A IA por agentes será uma loucura

Minha primeira tendência para o futuro é que a IA por agentes mudará tudo na programação. A IA por agentes costuma ser citada como uma ferramenta da chamada vibe coding, tão criticada e amada ao mesmo tempo. Porém, a vibe coding esconde o fato de que as ferramentas de IA por agentes são notavelmente produtivas quando usadas em conjunto com um engenheiro ou cientista de dados talentoso.

Outras pesquisas, que não a da PSF, indicam que em 2023, cerca de 70% dos desenvolvedores estavam usando ou planejando usar ferramentas de programação por IA, e em 2024, cerca de 44% dos desenvolvedores profissionais já as usavam diariamente.

O relatório do Estado do Ecossistema dos Desenvolvedores em 2023, da JetBrains, observou que em apenas uns dois anos, “as ferramentas de geração de código baseadas em IA deixaram de ser uma pesquisa interessante para se tornarem uma parte importante dos conjuntos de ferramentas de muitos desenvolvedores”. Saltando para 2025, segundo a pesquisa do Estado do Ecossistema dos Desenvolvedores em 2025, quase metade dos participantes (49%) planejava experimentar agentes de programação por IA no ano seguinte.

Gerentes de programação em grandes empresas de tecnologia afirmaram que quase não podem contratar desenvolvedores que não adotem a IA por agentes. A diferença de produtividade entre aqueles que a adotam e aqueles que a evitam é simplesmente grande demais (um aumento estimado de 30% na produtividade com a IA).

Async, await e threading estão ficando centrais no Python

O futuro estará cheio de concorrência no Python. Já discutimos como os frameworks Web e servidores de aplicativos Python estão todos indo na direção da execução assíncrona, mas isso é só uma parte de uma tendência poderosa.

O Python 3.14 será a primeira versão com suporte total ao Python com threads livres. Trata-se de uma versão do runtime do Python que não usa a GIL (“global interpreter lock”, “trava global do interpretador”) e foi inicialmente adicionada como um experimento no CPython 3.13.

Logo na última semana, o conselho diretor e os principais desenvolvedores aceitaram as threads livres como uma parte permanente da linguagem e do runtime. Os efeitos disso terão um alcance enorme. Os desenvolvedores e cientistas de dados terão que pensar com mais cuidado sobre código com threads que inclua travas, condições de corrida e os benefícios no desempenho que virão com isso. Talvez os mantenedores de pacotes, especialmente aqueles com extensões de código nativo, tenham que reescrever uma parte do seu código para darem suporte ao Python com threads livres sem entrarem eles mesmos em condições de corrida ou travamentos por conflito.

Mas também há muitas vantagens nisso. Estou escrevendo isto no Apple Mac Mini M4 mais barato. Este computador vem com 10 núcleos de CPU. Isso significa que até que essa mudança apareça no Python, o máximo de desempenho que poderei obter de um único processo em Python será de 10% do que a minha máquina realmente pode oferecer. Quando o Python com threads livres fizer totalmente parte do ecossistema, devo chegar muito mais perto da capacidade máxima com um programa-padrão em Python, usando threading e as palavras-chaves “async” e “await”.

As palavras-chaves async e await não são meras ferramentas para desenvolvedores Web que querem escrever código mais concorrente.  Elas estão aparecendo em cada vez mais lugares. Uma ferramenta para isso que encontrei recentemente foi o Temporal. Esse programa tira proveito do loop de eventos “asyncio”, mas substitui os truques-padrão de threading inteligente com execução duradoura por toda a máquina. Você pode simplesmente aguardar alguma ação e, nos bastidores, obter execução duradoura, que sobrevive à reinicialização da máquina. Portanto, compreender async e await vai ficar cada vez mais importante, à medida que mais ferramentas as usarem de formas interessantes, como fez o Temporal.

Aqui, vejo paralelos com a forma como o Pydantic fez muita gente se interessar mais pelos tipos do Python do que se interessariam de outra forma.

Interfaces gráficas e dispositivos móveis estão em ascensão

Minha última tendência para o futuro é que as interfaces gráficas e o Python em dispositivos móveis estão em ascensão. Quando pensamos em aplicativos nativos no iOS e no Android, só podemos sonhar em usar Python tão cedo para desenvolvê-los.

No Python Language Summit de 2025, Russell Keith-Magee apresentou seu trabalho para tornar o iOS e o Android plataformas com suporte de nível 3 no CPython. Isso foi detalhado na PEP 730 e na PEP 738. Essa é uma condição necessária, mas não suficiente para permitir a criação de aplicativos verdadeiramente nativos usando Python que sejam publicados nas lojas de aplicativos.

De forma mais geral, tem havido algumas ideias interessantes e novas abordagens nas interfaces de usuário para Python. Tivemos Jeremy Howard, da fast.ai, introduzindo o FastHTML, que permite criar aplicativos Web modernos em Python puro. O NiceGUI está vindo com força como uma excelente maneira de criar aplicativos Web e PWAs em Python puro.

Espero que essas mudanças, especialmente quanto aos dispositivos móveis, liberem poderosos casos de uso, dos quais falaremos por muitos anos.

Ideias práticas

Você já viu os resultados e as minhas interpretações e previsões. E agora, o que você deve fazer com isso? É claro que você não é obrigado a nada, mas estou encerrando este artigo com algumas ideias práticas, para ajudar você a tirar proveito dessas ondas tecnológicas e de código aberto.

Aqui estão seis ideias práticas que você pode colocar em ação depois de ler este artigo. Escolha a sua favorita, que você ainda não esteja aproveitando, e veja se ela pode ajudar você a se desenvolver mais no espaço do Python.

Ação 1: aprender uv

O uv, o incrível pacote e ferramenta de gerenciamento para Python, teve um salto incrível de 0 a 11% no ano em que foi lançado (e esse crescimento demonstrou que continua em 2025). Essa ferramenta baseada em Rust unifica os recursos de muitas das ferramentas mais importantes que você já conhecia e faz isso com alto desempenho e recursos incríveis.

Você precisa ter o Python na máquina? Basta dar um run uv venv venv e você terá instalado a última versão estável e criado um ambiente virtual. E isso é só o começo. Se você quiser saber a história completa, eu fiz uma entrevista com Charlie Marsh sobre a segunda geração do uv, lá no Talk Python.

Se você decidir instalar o uv, assegure-se de usar os instaladores stand-alone. Eles permitem que o uv gerencie a si mesmo e melhore com o tempo.

Ação 2: usar o Python mais recente

Vimos que 83% dos participantes da pesquisa não estão usando a última versão do Python. Não seja um deles. Use um ambiente virtual ou um container e instale a versão mais recente do Python. Atualmente, a maneira mais rápida e fácil de fazer isso é usar o uv, pois isso não afeta o Python do sistema e outras configurações (veja a ação 1!).

Se você fizer implantação ou desenvolvimento em containers do Docker, tudo que você precisa fazer é instalar a última versão, o Python 3.13, e executar estas duas linhas:

RUN curl -LsSf https://astral.sh/uv/install.sh | sh
RUN uv venv --python 3.13 /venv

Se você desenvolver localmente em ambientes virtuais (como eu), basta remover a palavra-chave RUN e usar o uv para criar o ambiente. Naturalmente, atualize o número da versão à medida que novas versões principais do Python forem lançadas.

Fazendo esta ação, você poderá aproveitar todo o potencial do Python mais moderno, desde os benefícios de desempenho até os recursos da linguagem.

Ação 3: aprender IA por agentes

Se você for um dos que ainda não experimentaram a IA por agentes, você deve a si mesmo uma olhada nisso. Eu entendo por que as pessoas evitam usar IA e LLMs. Só para começar, a legalidade com relação à propriedade intelectual é duvidosa. Os danos ambientais podem ser reais e a ameaça aos empregos e à autonomia dos desenvolvedores não pode ser ignorada. Mas usar modelos de primeira linha para IA por agentes, não apenas chatbots, permite que você seja tremendamente produtivo.

Não estou recomendando que se faça vibe coding. Mas você já desejou que uma biblioteca ou pacote existisse, ou talvez uma ferramenta de linha de comando para automatizar alguma parte simples do seu trabalho? Dê essa tarefa a um agente de IA e você não estará agregando dívida tecnológica à sua aplicação principal e a uma parte do seu dia. Sua produtividade terá ficado muito maior.

Outro erro que as pessoas cometem aqui é experimentar a IA por agentes usando os modelos mais baratos ou gratuitos. Quando eles não funcionam tão bem, as pessoas usam isso como evidência e dizem: “Viu só? Isso não é tão útil. Só inventa coisas e faz tudo errado.” Assegure-se de escolher o melhor modelo possível ao seu alcance e se você quiser dar uma olhada de verdade, gaste US$ 10 ou US$ 20 por mês para ver o que realmente é possível.

Recentemente, a JetBrains lançou o Junie, um assistente de programação por agentes para seus IDEs. Se você estiver usando um desses IDEs, definitivamente dê uma olhada no Junie.

Ação 4: aprender a ler Rust básico

Os desenvolvedores Python devem pensar em aprender o básico do Rust — não para substituir o Python, mas para complementá-lo. Como já discuti na nossa análise, o Rust está ficando cada vez mais importante nas partes mais significativas do ecossistema do Python. Definitivamente, não recomendo que você se torne um desenvolvedor Rust, em vez de um Pythonista, mas a capacidade de ler Rust básico será uma habilidade boa de se ter, para entender o que estão fazendo as bibliotecas que você está usando.

Ação 5: investir em entender threading

Os desenvolvedores Python vêm trabalhando principalmente fora do domínio do threading e da programação paralela. No Python 3.6, as incríveis palavras-chaves “async” e “await” foram adicionadas à linguagem. Porém, elas se aplicavam apenas à concorrência quanto às entradas e saídas. Por exemplo, se eu fizer uma chamada a um serviço Web, talvez eu use a biblioteca HTTPX e aguarde essa chamada. Esse tipo de concorrência evita principalmente condições de corrida, esse tipo de coisas.

Mas agora, o verdadeiro threading paralelo está chegando ao Python. Com a PEP 703 oficial e totalmente aceita como parte do Python 3.14, precisaremos compreender como funciona o threading de verdade. Isso envolverá compreender travas, semáforos e mutexes.

Isso será um desafio, mas também será uma ótima oportunidade de aumentar dramaticamente o desempenho do Python.

No Python Language Summit de 2025, quase um terço das palestras falou de concorrência e do threading, de uma forma ou de outra. Certamente, isso é uma indicação do que está por vir.

Nem todo programa que você escrever envolverá concorrência ou threading, mas estas duas coisas serão onipresentes, o suficiente para tornar importante ter uma compreensão básica. Se você tiver interesse em aprender mais sobre isso, há um curso que criei sobre o “async” no Python. Além disso, Cheuk Ting Ho, da JetBrains, escreveu um excelente artigo com o título de Faster Python: Concurrency in async/await and threading (“Python mais rápido: concorrência com async/await e threading”), que vale a pena ler.

Ação 6: lembrar-se dos novatos

Minha ação final para você é manter as coisas acessíveis para os iniciantes, toda vez que você desenvolver ou compartilhar algo. Metade da base de desenvolvedores Python usa a linguagem há menos de dois anos e a maioria também não tem mais que dois anos de experiência em programação. Para mim, isso ainda é notável.

Então, quando você sair por aí pelo mundo para falar, escrever ou criar pacotes, bibliotecas e ferramentas, lembre-se que você não deve presumir que as pessoas tenham anos de conhecimento comunitário sobre trabalhar com vários arquivos no Python, ambientes virtuais, fixação de dependências e muito mais.

Você tem interesse em aprender mais? Confira aqui os resultados completos da Pesquisa dos Desenvolvedores Python.

Comece a desenvolver com o PyCharm

O PyCharm já traz desde o início tudo de que você precisa para ciência de dados, fluxos de trabalho de aprendizado de máquina e IA, e desenvolvimento para a Web — tudo em um só poderoso IDE.

Sobre o autor