30345
توییت های برنامه نویسی و طراحی وب :) @dvtwi Hashtags: devtwitter.t.me/5 DevBooks Channel: https://t.me/+AYbOl75CLNYxY2U0 Github: https://github.com/DevTwitter X: https://x.com/devtwittir
📣 یادگیری زبان با موزیک، اونم رایگان؟!
🎁 دوره جامع «آموزش زبان انگلیسی با آهنگ» لینگانو به مدت محدود کاملاً رایگان شد!
✅ تحلیل کامل و دقیق متن و گرامر آهنگ‌های محبوب دنیا
✅ تقویت مستقیم مهارت‌های Listening و Speaking
✅ آموزش کلی اصطلاح کوچه و بازاری و مدرن
✅ دسترسی راحت و همیشگی از طریق پلتفرم لینگانو
✅ پشتیبانی و همراهی تیم اساتید در طول مسیر
⚠️ اگه از روش‌های تکراری خسته شدین و می‌خواین بدون استرس، با موزیک و لذت، انگلیسی رو وارد زندگیتون کنین، این دوره مخصوص شماست.
همین الان کافیه روی لینک زیر بزنید و این دوره رو رایگان دریافت کنین.
⬇️⬇️⬇️⬇️⬇️⬇️
🌐 لینک دریافت مینی‌دوره آموزش زبان با موزیک لینگانو
واتس‌اپ تازه داره به امکانات سال ۲۰۱۵ تلگرام می‌رسه...
در حالی که تلگرام داره روی وب۳، مینی‌اپ‌ها و سیستم‌های ابری پیشرفته مانور میده، خبر داغ تیم توسعه واتس‌اپ اینه: «مژده بدید! دیگه لازم نیست شماره تلفن رو از توی متن مسیج کپی‌پیست کنید!».
از این به بعد اگه توی مسیج واتس‌اپ براتون شماره، ایمیل، تاریخ یا آدرس بیاد، زیرش خط‌چین میافته و با یه تپ به شمارهه زنگ می‌زنه یا واسه آدرس می‌ره توی مپ.
آدم باورش نمی‌شه چند تا مهندس ارشد توی سیلیکون‌ولی ماه‌ها حقوق دلاری گرفتن و دور هم جلسه گذاشتن تا بالاخره به این کشف بزرگ برسن که اگه یه مسیج شبیه شماره تلفنه، شاید یوزر بخواد روش لمس کنه و زنگ بزنه، نه اینکه مجبور باشه کل مسیج رو کپی کنه ببره توی نوت، بعد از اونجا شماره رو جداگونه کپی کنه ببره توی اپ Phone پیست کنه که بتونه یه زنگ بزنه.
@DevTwitter | <Behrad Javed/>
آیزاک آسیموف داستانی داره به نام «احساس قدرت» که در اون همۀ محاسبات رو AI انجام میده و هیچکس حتی ذره‌ای ریاضی بلد نیست.
بعد یه تکنسین ریاضی رو دوباره کشف می‌کنه و می‌بینه کاری رو که AI انجام میده، انسان هم می‌تونه انجام بده.
@DevTwitter | <برگ چغندر/>
با توجه به هک‌های 2 هفته پیش من به شخصه واقعا دارم امنیت سرویس هام رو از نظر CVE ها بسیار جدی میگیرم.
الان واقعا ریسک زیادی هست که اپ های غیر کاربردی ای نصب کنید که خود اونا CVE های فعال داشته باشن و زندگیتون رو آلوده کنن.
و حداقل هم توی کار خودم رفتم سراغ DHI که حتی اگر توی سطح اپ هم مشکلی وجود داشته باشه، چندین مرحله برای exploit شدنش بیشتر طول بکشه.
شاید تنها تغییر اساسی دنیای نرم افزار بعد از بکارگیری LLMها همین چند برابر شدن اهمیت امنیت و security باشه.
@DevTwitter | <Soroush Moosapour/>
ریپو checksum-manifest برای محاسبه هش و ساخت فایل‌های چک‌سام و ویرایششون خیلی کاربردیه. مخصوصا برای کسانی که بررسی صحت فایل‌ها براشون مهمه. از کتابخونه‌های OpenSSL و Libgcrypt و LibRHash استفاده می‌کنه و با زبان C نوشته شده و تو خط فرمان قابل استفاده‌ست.
اینم لینکش:
https://github.com/abroshan39/checksum-manifest
@DevTwitter | <Aboutaleb Roshan/>
افزونه مرورگر برای رد خودکار تبلیغات یوتیوب؛ دیگه لازم نیست هر بار روی Skip Ad کلیک کنی!
برای وقتی که نمی‌خوای درآمد یوتیوبر قطع بشه، ولی از تبلیغات هم خوشت نمیاد.
رایگان و متن‌باز
کروم، فایرفاکس و سافاری
https://github.com/squgeim/yt-ad-autoskipper
@DevTwitter | <جاده خدا/>
هر AI Coding Agent که استفاده می‌کنی، به‌محض اینکه سشن تموم میشه، همه‌چیز رو فراموش می‌کنه.
اما ابزاری به اسم Beacon اومده تا این مشکل رو حل کنه؛ ابزاری که می‌تونه پایه‌ی یک کسب‌وکار جدید و هنوز ساخته‌نشده باشه.
«این ابزار بین Claude Code، Cursor، Codex، OpenCode و بیش از ۲۰ Harness دیگه قرار می‌گیره و تمام سشن‌ها رو ثبت می‌کنه.
ورک‌فلوها، راه‌حل باگ‌ها و الگوهای دیباگ ذخیره میشن تا Agent در اجراهای بعدی ازشون استفاده کنه؛ به‌جای اینکه هر بار همه‌چیز رو از صفر یاد بگیره.
متن‌باز با لایسنس MIT هست و از طریق Homebrew نصب میشه.»
خود ابزار رایگانه؛ اما کسب‌وکاری که میشه روی این زیرساخت ساخت، هنوز شکل نگرفته.
گیت‌هاب:
@DevTwitter | <Yarad/>
تا الان با Ollama میشد مدل‌های AI رو روی سیستم خودت اجرا کنی.
حالا یه قابلیت خیلی جذاب بهش اضافه شده:
هوش مصنوعی لوکالت می‌تونه حرف هم بزنه!
ابزار Ollama پشتیبانی از تولید صدا رو با مدل Phonon شروع کرده.
یعنی میتونی یه مدل زبانی رو روی سیستم خودت اجرا کنی، جواب تولید کنه و همون جواب رو به صورت زنده تبدیل به صدا کنه؛ بدون اینکه مجبور باشی برای TTS بری سراغ یه سرویس Cloud جدا.
چرا جذابه؟
- مدل‌ها از حدود 31M پارامتر شروع میشن
- صدا به‌صورت Streaming تولید میشه
- پردازش می‌تونه روی سیستم خودت انجام بشه
- فعلاً از ۵ زبان پشتیبانی می‌کنه
- میتونی باهاش Voice Assistant کاملاً Local بسازی
برای ما که همیشه با محدودیت سرویس‌های خارجی، تحریم، هزینه API و دسترسی Cloud درگیریم، این مسیر خیلی جذابه: LLM + Voice، هر دو روی سیستم خودت.
یعنی کم‌کم میشه یه دستیار صوتی شبیه ChatGPT Voice ساخت که بخش اصلیش وابسته به Cloud نباشه.
و این تازه شروعشه...
و Ollama داره از یه ابزار اجرای LLM، تبدیل میشه به یه پلتفرم کامل‌تر برای Local AI.
@DevTwitter | <Mohsen Rad/>
چطور اکانت کلاد بخریم که بن نشیم؟
اگه از ایران می‌خوای از کلاد استفاده کنی، قبل از خرید اکانت این ویدیو رو ببین.
چند نکته مهم که می‌تونه بهت کمک کنه ریسک مسدود شدن اکانتت رو کاهش بدی.
https://youtube.com/shorts/Cfm7dgccxU0?si=ku_qV1slNw82ghmk
@DevTwitter | <Hamzeh Ghoreyshi/>
مغزم گفت بیا یه پروژه کوچیک بزن، ۲۴ کیلوبایت پایتون شد
تولید رنج شماره بر اساس پیش‌شماره یا اپراتور، با خروجی vcf و حالت --onefile
رم رو هم نمی‌خوره چون مستقیم میریزه تو فایل
https://github.com/mahdiyaremad/number-generator
@DevTwitter | <Mahdiyar/>
خب اینم ۱۰ تا mcp جدید که قولشو داده بودم:)
خرید و قیمت
زومیت: مشخصات گجت، قیمت فروشگاه‌ها، تاریخچه‌ی قیمت
https://github.com/sepehr071/zoomit-mcp
موبایل ir: گوشی، قیمت، کارکرده، سیم‌کارت
https://github.com/sepehr071/mobile-ir-mcp
ایمالز: مقایسه‌ی قیمت فروشگاه‌ها
https://github.com/sepehr071/emalls-ir-mcp
خودرو
باما: آگهی، قیمت بازار، قیمت صفر
https://github.com/sepehr071/bama-ir-mcp
کارنامه: کارکرده، مشخصات، مقایسه
https://github.com/sepehr071/karnameh-mcp
همراه مکانیک: قیمت خودرو و هزینه‌ی کارشناسی
https://github.com/sepehr071/hamrah-mechanic-mcp
آگهی و دارو
شیپور: آگهی‌ها و خلاصه‌ی قیمت
https://github.com/sepehr071/sheypoor-mcp
داروکده: محصولات دارویی، قیمت، ترکیبات
https://github.com/sepehr071/darukade-mcp
فناوری و سرگرمی
وضعیت ابرهای ایرانی: وضعیت و قیمت آروان، لیارا، همراه‌وراز و بقیه
https://github.com/sepehr071/iran-cloud-status-mcp
گیمفا: اخبار بازی و فیلم، نقد با امتیاز
https://github.com/sepehr071/gamefa-mcp
@DevTwitter | <sep/>
یان لوکان (Yann LeCun) حق داشت
تصور کنید یه مدل هوش مصنوعی با فقط ۱۰۹ میلیون پارامتر بتونه از مدلی با ۷۲ میلیارد پارامتر بهتر عمل کنه! شاید در نگاه اول عجیب به نظر برسه، اما تحقیقات جدید لوکان و رندال بالستریرو (Randall Balestriero) دقیقاً چنین چیزی رو نشون میده.
لوکان سال‌هاست که می‌گه چیزی که باعث میشه یه مدل هوش مصنوعی دنیا رو درک کنه، صرفاً بزرگ‌تر کردنش نیست. با این حال، متا روی خلاف این ایده سرمایه‌گذاری کرد. لوکان هم در ماه نوامبر از متا جدا شد و آزمایشگاه تحقیقاتی خودش رو در پاریس راه انداخت. پنجشنبه‌ی هفته‌ی گذشته، اون به همراه بالستریرو مقاله‌ای منتشر کرد که می‌تونه نگاه ما به آموزش مدل‌های هوش مصنوعی رو تغییر بده.
اونا فرضیه‌ای به اسم Platonic Representation Hypothesis رو بررسی و به‌صورت ریاضی اثبات کردن. این فرضیه می‌گه مدل‌های هوش مصنوعی، حتی اگه با داده‌های متفاوتی مثل متن، تصویر یا صدا آموزش ببینن، در نهایت به درک مشترک و مشابهی از جهان می‌رسن؛ انگار همه‌شون به یه تصویر واحد از واقعیت دست پیدا می‌کنن. تا الان تصور غالب این بوده که برای رسیدن به چنین درکی، باید مدل‌ها رو هرچه بزرگ‌تر کنیم و با حجم عظیمی از داده‌ها آموزش بدیم. اما تحقیقات جدید نشون میده که روش آموزش مدل خیلی مهم‌تر از اندازه‌ی اونه!
لوکان و بالستریرو نشون دادن که تحت شرایط ریاضی مشخص، دو مدل مبتنی بر معماری JEPA می‌تونن کاملاً مستقل از هم آموزش ببینن و در نهایت به نمایش تقریباً یکسانی از جهان برسن. نکته‌ی جالب اینجاست که این دو مدل حتی نیازی به داده‌های مشترک یا آموزش با جفت‌های متن و تصویر ندارن! یکی از مدل‌ها با مشاهده‌ی تصاویر مختلف از یک صحنه آموزش می‌بینه و مدل دیگه با توضیحات و توصیف‌های متفاوت از همون صحنه. با وجود این تفاوت، هر دو در نهایت می‌تونن به درک مشترکی از واقعیت دست پیدا کنن.
در واقع، چیزی که اهمیت داره این نیست که مدل چقدر بزرگه؛ بلکه اینه که چه اطلاعاتی رو و به چه شکلی در اختیارش قرار می‌دیم. برای مثال، یه عکس و توضیحی که زیر همون عکس نوشته شده، دو نمای متفاوت از یه چیز واحد هستن. مدل‌هایی که با چنین جفت‌هایی آموزش می‌بینن، خیلی سریع‌تر به درک مشترکی از موضوع می‌رسن. اما دو پاراگراف که از یه سند واحد برداشته شدن، لزوماً دو نمای متفاوت از یه مفهوم واحد نیستن و آموزش مدل با چنین داده‌هایی می‌تونه خیلی کندتر و پرهزینه‌تر باشه.
اینجاست که روش رایج پیش‌بینی کلمه‌ی بعدی (Next-Token Prediction) وارد ماجرا میشه؛ همون روشی که تقریباً تمام چت‌بات‌های امروزی ازش استفاده می‌کنن. نتایج آزمایش‌ها واقعاً جالبه: روش مبتنی بر هم‌ترازی نمایش‌ها تونسته با استفاده از ۲۱.۶ میلیون نمونه به نتیجه‌ای مشابه برسه که روش پیش‌بینی کلمه‌ی بعدی برای رسیدن بهش به ۹۰۰ میلیون نمونه نیاز داره. یعنی رسیدن به هم‌ترازی مشابه بین متن و تصویر با حدود ۴۲ برابر داده‌ی آموزشی کمتر!
اما شاید شگفت‌انگیزترین بخش ماجرا این باشه که یه مدل متنی JEPA با فقط ۱۰۹ میلیون پارامتر تونسته در آزمون‌های هم‌ترازی بین‌وجهی (Cross-Modal Alignment)، حتی از مدل‌های زبانی بسیار بزرگ تا سقف ۷۲ میلیارد پارامتر هم بهتر عمل کنه. به عبارت دیگه، مدلی که حدود ۶۶۰ برابر کوچیک‌تره، تونسته در این نوع از درک و هم‌ترازی، عملکرد بهتری از مدل‌های غول‌پیکر داشته باشه.
شاید وقتش رسیده این تصور رو کنار بذاریم که آینده‌ی هوش مصنوعی فقط به مدل‌های بزرگ‌تر، دیتاسنترهای عظیم‌تر و میلیاردها پارامتر بیشتر وابسته است. شاید مسیر رسیدن به هوش مصنوعی واقعاً هوشمند، نه در بزرگ‌تر کردن مدل‌ها، بلکه در پیدا کردن روش‌های بهتر برای یادگیری و درک جهان باشه.
https://www.alphaxiv.org/abs/2610.39302
@DevTwitter | <Reza Jafari/>
👈 هلو بیشتر از یک پشتیبانی ساده، کنار شماست!
گاهی برای ادامه کار، به خدمات تخصصی و راهکارهایی متناسب با نیاز کسب‌وکارتان احتیاج دارید. پشتیبانی هلو درخواست شما را دریافت و تا رسیدن به نتیجه پیگیری می‌کند.
✅ راهنمای جامع نرم‌افزار هلو
✅ رفع تخصصی خطاهای سامانه مودیان
✅ استقرار و ورود اطلاعات اولیه
✅ نصب و راه‌اندازی بانک اطلاعاتی
✅ طراحی اختصاصی فاکتور
بیشتر ایجنت‌های هوش مصنوعی برای گشت‌وگذار در وب از Headless Chrome استفاده می‌کنن؛ یعنی یک مرورگر دسکتاپ کامل که بدون رابط گرافیکی اجرا میشه.
اما پروژه Lightpanda تصمیم گرفته این مسیر رو از پایه تغییر بده!
ابزار Lightpanda یک مرورگر Headless هست که از ابتدا برای ایجنت‌های هوش مصنوعی و سیستم‌های اتوماسیون ساخته شده؛ نه نسخه‌ای از Chromium هست و نه وصله‌ای برای WebKit. این مرورگر با زبان برنامه‌نویسی Zig توسعه داده شده.
نتایج بنچمارک اون واقعاً جالبه:
در آزمایشی روی AWS EC2 m5.large، تعداد ۹۳۳ صفحه وب واقعی درخواست شده.
برای پردازش ۱۰۰ صفحه:
- مصرف حافظه در Lightpanda فقط ۱۲۳ مگابایت بوده، درحالی‌که Headless Chrome حدود ۲ گیگابایت مصرف کرده؛ یعنی تقریباً ۱۶ برابر کمتر!
- زمان اجرا ۵ ثانیه بوده، درحالی‌که Chrome همین کار رو در ۴۶ ثانیه انجام داده؛ یعنی حدود ۹ برابر سریع‌تر!
نکته جالب اینه که Lightpanda یک سرور CDP هم ارائه میده؛ بنابراین میتونی اسکریپت‌های Puppeteer یا Playwright رو بهش متصل کنی.
برای نصب هم روش‌های مختلفی مثل Homebrew، AUR، نسخه‌های Nightly، Nix و Docker در دسترسه.
چرا این پروژه مهمه؟
چون وقتی ایجنت‌های هوش مصنوعی قراره صدها یا هزاران صفحه وب رو بررسی کنن، مصرف حافظه و سرعت اجرای مرورگر اهمیت زیادی پیدا می‌کنه.
استفاده از یک مرورگر سبک‌تر می‌تونه هزینه اجرای اتوماسیون‌ها رو کاهش بده و امکان اجرای تعداد بیشتری از وظایف رو فراهم کنه.
این پروژه در زمان انتشار این معرفی، ۳۹٬۱۵۰ ستاره و ۱۱٬۴۴۹ کامیت داشته.
نکته شفافیت: README پروژه بررسی شده، اما کد اجرا و آزمایش نشده.
https://github.com/lightpanda-io/browser
@DevTwitter | <Yarad/>
یه برنامه‌نویس یه پردازنده‌ی کامل ۳۲ بیتی رو مستقیم داخل وزن‌های مدل Qwen 3.5 کامپایل کرده و حالا یه مدل زبانی دیگه رو هم داخلش اجرا کرده. یعنی هوش مصنوعی داخل هوش مصنوعی، بدون حتی یک دقیقه آموزش.
ماجرا دو مرحله داشت:
- اول نسخه‌ای به اسم Qwenputer ساخت: یه پردازنده‌ی RISC-V که ۱۱ لایه جلوی لایه‌های خود مدل نشسته. هیچ‌کدوم از وزن‌هاش یاد گرفته نشده و همه رو یه کامپایلر حساب کرده. حافظه‌اش هم وضعیت داخلی خود مدله.
- این پردازنده وسط کار خود مدل، کد C و MicroPython اجرا می‌کنه. توی تست ریاضی دیپ‌مایند، مدل خام ۵۵ تا ۹۰ درصد گرفت، با ابزار پایتون ۹۵ تا ۱۰۰ درصد، و این نسخه ۹۷٫۵ تا ۱۰۰ درصد.
- مرحله‌ی دوم اسمش QwenPU بود: یه واحد برداری هم بهش اضافه کرد و مدل کوچیک stories260K کارپاتی رو روش اجرا کرد. خروجی توکن به توکن دقیقاً با نسخه‌ی اصلی یکیه.
فعلاً به درد استفاده‌ی واقعی نمی‌خوره. هر توکن حدود ۵۳ هزار قدم محاسبه لازم داره و روی کارت L4 حدود ۱۶ ثانیه طول می‌کشه. حجم فایلش هم ۲۶٫۷ گیگه.
ولی پیامش روشنه: وزن‌های مدل کم‌کم دارن خودشون کامپیوتر میشن.
@DevTwitter | <Legendary Coder/>
اسکیل Brainstorming برای Claude Code:
ایده‌های خامت رو قبل از کدنویسی به طرح مشخص و قابل‌اجرا تبدیل می‌کنه. به‌جای پیاده‌سازی فوری، درباره هدف و نیازها سؤال می‌پرسه، راهکارهای مختلف پیشنهاد میده و در نهایت ساختار، معماری، اجزا و روش تست رو مشخص می‌کنه
https://aitmpl.com/component/skill/development/brainstorming
@DevTwitter | <Nima Hamdi/>
پروژه‌ات رو با هوش مصنوعی ساختی، ولی هنوز لینکی نداری که برای بقیه بفرستی؟ 🚀
با آراوایب، بررسی پروژه، آماده‌سازی زیرساخت و انتشارش رو از همون چت هوش مصنوعی پیش ببر؛ از پروژه‌ی روی سیستمت به سایتی برس که بقیه هم بتونن بازش کنن.
👇 پروژه لوکالت رو آنلاین کن:
https://aranik.net/mag/Aravibe
اُپنAI برای یسری مسئله بازِ تاریخی ریاضیات که سالها بی‌جواب مونده بودن حالا راه‌حل منتشر کرده! هوگو دومینیل‌کوپن، برنده فیلدز و استیون استروگاتز لیترالی به گریه افتادن! خب شاید بگید به درک! ناراحتن که کارشون رو ماشین انجام میده و دیگه سوپرهیرو نیستن. ولی داستان خیلی عمیقتره.
تصور کنید یکی‌دو نسل بگذره و هرچی که فکر و کلنجار ذهنی لازم داره رو بسپریم به دست AI. کم‌کم دیگه هیچکس حتی بلد نیست که جواب هوش مصنوعی رو چطوری وریفای یا حتی نقد کنه. حالا تصور کنید به یه دلیلی دسترسی انسان‌ها به این ماشین قطع بشه. قشنگ به عصر نئاندرتال‌ها برمیگردیم.
@DevTwitter | <مورانیک/>
🔥 فرصت ویژه خرید اکانت اختصاصی ChatGPT در پلاس‌یار!
💥 فقط ۱,۵۹۹ تومان به‌جای ۵,۶۰۰ تومان!
🎁 ۱۰٪ تخفیف بیشتر با کد: devtwitter
چرا از پلاس‌یار خرید کنی؟
✅ اکانت اختصاصی و آماده استفاده
✅ فعال‌سازی قانونی
✅ تحویل فوری
✅ پشتیبانی و تضمین کیفیت
🛒 همین حالا سفارش بده:
https://plusyar.ir/shop/chatgpt/
این چنل تلگرامی آرشیو کتاب‌های برنامه نویسی، برگه تقلب، پادکست و وبینار برای دولپرهاست، که بدردتون میخوره.
t.me/ArchiveDevs
دوست داشتید جوین بشید.❤️✌🏽
هارنس اختصاصی خودت رو بساز؛ دقیقاً همون‌طور که می‌خوای!
دیپ‌سیک از قابلیت جدیدی به نام Creator Mode در DeepSeek Harness رونمایی کرده؛ قابلیتی که بهت اجازه میده ایده‌هات رو به پلاگین‌های کاربردی و تعاملی تبدیل کنی.
از یک محیط طراحی (Design Workspace) گرفته تا بازی‌های سندباکس و ابزارهای سه‌بعدی برای تجسم مدل‌های زبانی بزرگ (LLM).
اینجا دیگه فقط با هوش مصنوعی گفتگو نمی‌کنی؛ بلکه ابزارهایی می‌سازی که خودت میتونی ازشون استفاده کنی.
ایده‌ات رو تعریف کن، بساز و به یک ابزار واقعی تبدیلش کن.
https://cdn.deepseek.com/harness/dsh-creator-mode-prompt-collection-en.html
@DevTwitter | <Amirhossein seghatoleslami/>
هفته رایگان DataCamp دوباره شروع شده، می‌تونید تو زمینه دیتا و هوش مصنوعی دوره مدنظرتون رو بگذرونید و مدرکشم بگیرید، از دستش ندید!
https://datacamp.com
@DevTwitter | <Reza Jafari/>
انگاری تو اندروید 17 QPR1
دیگه برنامه ها نمیتونن developer options رو تشخیص بدن.
یادمه یه سری برنامه های ایرانی بانکی مخصوصا, نمیذاشتن باهاشون کار کنی و باید این آپشن بسته میشد.
@DevTwitter | <Sanguine(Ali)™/>
🚀 از Docker و CI/CD تا Kubernetes؛ با بوت‌کمپ DevOps کوئرا!
🔥 توی این بوت‌کمپ، با Linux، مفاهیم شبکه و ابزارهای DevOps آشنا می‌شی و یاد می‌گیری چطور فرایندهای توسعه و استقرار نرم‌افزار رو خودکار کنی و زیرساخت سرویس‌ها رو مدیریت کنی.
🛠 با انجام پروژه‌های عملی و همراهی منتور اختصاصی، تجربه‌ای به دست میاری که می‌تونه به ساخت رزومه قوی، آمادگی برای مصاحبه‌های فنی و ورود به بازار کار DevOps کمکت کنه.
🎓 آموزش توسط متخصصان باتجربه
💳 امکان پرداخت در اقساط بلندمدت
https://quera.org/r/9rgle
یه نفر با icloud یه object storage نامحدود و رایگان درست کرده :)
داستان اینه که اپل shared album رو به عنوان حجمت حساب نمی‌کنه، پس میتونی دیتا رو بایت به بایت بریزی تو پیکسل‌های png و آپلودش کنی!
البته این از اون خبراست که تا وایرال میشه جلوش رو میگیرن، کامنت‌هاشم کلی نوشتن ای بابا چرا لوش دادی :)
https://github.com/ashayas/icloud-s3
@DevTwitter | <Amir/>
تست نفوذ (Penetration Testing) معمولاً کار پرهزینه‌ایه و ممکنه برای هر پروژه ده‌ها هزار دلار هزینه داشته باشه.
حالا پروژه متن‌باز ARTEX می‌خواد با کمک AI این فرایند رو تا حد زیادی خودکار کنه.
پروژه ARTEX یک سیستم هوشمند برای اجرای تست‌های امنیتی روی زیرساخت خودته که می‌تونه به‌صورت خودکار آسیب‌پذیری‌ها و نقاط ضعف امنیتی رو بررسی کنه.
ویژگی‌های اصلی:
- بک‌اند توسعه‌یافته با Go و داشبورد ساخته‌شده با Next.js
- نمایش و مدیریت یکپارچه وظایف، یافته‌های امنیتی و میزان مصرف توکن
- امکان اتصال مدل زبانی، Agent، ابزارهای MCP و Skill دلخواه
سؤال جالب اینه: آیا یک Agent متن‌باز می‌تونه به اولین لایه دفاعی زیرساخت شما تبدیل بشه؟
البته اجرای چنین ابزاری باید فقط روی زیرساخت‌هایی باشه که مالک اون‌ها هستید یا مجوز تستشون رو دارید.
گیت‌هاب پروژه:
https://github.com/BaaRai/ARTEX
@DevTwitter | <Yarad/>
منظور من وقتی تو مکالماتم با کارفرما از واژه "ما" استفاده میکنم:
@DevTwitter | <Soroush Sardashti/>
این پلی‌لیست یوتیوب هم جالبه، یه سری مفاهیم سخت و دشوار مربوط به ترین و اینفرنس LLMها رو به زبون ساده توضیح داده، دوست داشتید یه نگاه بهش بندازید!
https://www.youtube.com/playlist?list=PLXrQ2OzD3YKA
@DevTwitter | <Reza Jafari/>
شاید برات جالب باشه بدونی سال ۹۸، یکی از بچه‌های مهندسی مکانیک توی خوابگاه احمدی‌روشن دانشگاه شریف، کانال تلگرامی‌ای رو ساخت که الان، بعد از ۷ سال، بزرگ‌ترین کانال اقتصادی به زبان فارسیه و یکی از قوی‌ترین گروه‌های مشاوره‌ی اقتصادی کشور پشت این کاناله!
اسم کانالش رو هم گذاشت 👈 شریف
از رویاهات کوتاه نیا! ♥️
فریمورک Breeze سریع‌ترین فریمورک Go شد!
خوشحالم که یک دستاورد مهم از پروژه متن‌باز Breeze رو به اشتراک می‌گذارم!
طبق نتایج منتشرشده در Web Frameworks Benchmark، فریمورک Breeze موفق شده به جایگاه‌های زیر دست پیدا کنه:
رتبه ۱ در میان فریم‌ورک‌های Go
رتبه ۱۴ در میان تمام فریم‌ورک‌های بررسی‌شده
از ابتدا، هدف من از توسعه Breeze فقط ساخت یک فریمورک سریع نبود؛ بلکه ایجاد یک اکوسیستم مدرن، سبک و قدرتمند برای توسعه اپلیکیشن‌های Backend، معماری Microservices و سیستم‌های AI-First بود.
فریمورک Breeze فراتر از Performance:
- قابلیت AI-First Architecture با پشتیبانی از MCP Server و ابزارهای داخلی MCP
- قابلیت Fleet System برای Distributed Tracing بین میکروسرویس‌ها
- پشتیبانی از gRPC، JSON-RPC و WebSocket
- قابلیت CLI Generator برای تسریع توسعه
- قابلیت Workflow Engine و Event Bus
- ابزار Built-in Dashboard و ابزارهای Observability
- قابلیت SPA Templates بدون نیاز به فریمورک Frontend
- دارای BreezeORM برای مدیریت داده‌ها
سرعت بالا فقط یکی از ویژگی‌های Breeze است، نه تمام هدف آن.
این نتیجه برای من یک نقطه عطف در مسیر توسعه یک پروژه متن‌باز است؛ پروژه‌ای که همچنان در حال رشد و تکامل است.
Benchmark Results:
https://web-frameworks-benchmark.netlify.app/result
GitHub:
https://github.com/nelthaarion/breeze
از مشارکت، بازخورد و ستاره دادن به پروژه استقبال میکنم!
@DevTwitter | <Farshad Khazaei Fard/>