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
مجموعه ای از بهترین اسکیل ها رو جمع آوری کردم و با ترکیب اونها و چند اسکیل یه اسکیل کامل برای کدکس ساختم
https://github.com/realjustawall/perfect-ai
@DevTwitter | <RealJustAWall/>
افزونه راستچین هوشمند VS Code — Noor RTL
یه افزونه VS Code نوشتم که محیط VS Code رو کامل راستچین میکنه — از چتباتهایی مثل Copilot و AI Chat گرفته تا خود ادیتور!
امکانات:
- راستچین کردن گفتگوهای Copilot و AI Chat
- پیشنمایش Markdown با نمایش فارسی
- تشخیص خودکار جهت متن در پرامپتها و ورودیها
- راستچین کردن خودکار کامنتهای فارسی بدون تغییر جهت کد
- کاملاً قابل کانفیگ — هر بخش رو جداگانه میتونید فعال/غیرفعال کنید
- تغییر جهت با Control + Shift + چپ/راست
نصب:
مارکت VS Code:
https://marketplace.visualstudio.com/items?itemName=Noor-CRCIS.rtl-copilot
گیتهاب :
https://github.com/Noor-CRCIS/rtl-copilot/
از Extensions توی VS Code عبارت Noor RTL رو جستجو کنید و نصب کنید. برای نصب دستی هم فایل VSIX از Releases گیتهاب قابل دریافت هست.
@DevTwitter | <علی رهنما/>
میشه گفت که Agent ترکیب LLM و Harness هست.
در بحث Harness Engineering خود مدل LLM زیاد مهم نیست.
یعنی اگر Harness خیلی خوب ساخته شده باشه با یه مدل ضعیف تر بهتر از یه Harness ای که بد ساخته شده باشه اما مدل قوی تر باشه کار می کنه.
مثلا اگر یه تسک پیچیده رو با Claude Code و Cursor به مدل Opus بدید، خروجی متفاوت است چون این Harness ها متفاوت ساخته شده اند.
ما در دوره AI Engineering یکی از موضوعاتی که خیلی روش کار می کنیم Harness Engineering هست.
در طی زمان مدل ها قوی تر خواهند شد و در کل Harness ما بهتر عمل خواهد کرد.
اما اینکه بفهمیم مدلمون داره بهتر کار میکنه نیاز به یه سری ارزیابی داره و Eval Engineering بحث دیگری هست که در دوره مداوم بهش می پردازیم
@DevTwitter | <Pouria Jahandideh/>
پنجاه میلیون توکن یا ۲۵ دلار کردیت استفاده از GLM 5.3 flash و DeepSeek v4.1 flash در سایت زیر :
https://console.river.ai
@DevTwitter | <Reza/>
مدل GPT-6 Luna کاملاً رایگان و نامحدود شد
سرویس DuckDuckGo از طریق DuckAi این مدل رو بدون نیاز به ثبت‌نام و کارت بانکی باز کرده.
چی داری؟
• چت با Luna
• تولید تصویر
• مکالمه صوتی کامل (روی موبایل هم خوب کار میکنه)
فقط برو و شروع کن:
https://duck.ai
@DevTwitter | <Reza/>
امروز یه مقدار بیکار بودم گفتم Notepad++ رو برای mac os با rust بازنویسی کنم. نتیجه به نظرم خیلی خوب شد. خودم که خیلی بهش نیاز داشتم و اپ های مشابه رو نمی‌پسندیدم. اگه خواستید این لینک گیتهابم
https://github.com/sonatina-dream/Linewright
@DevTwitter | <Sonata/>
مهم
اگر از Redis در پروژه‌هاتون استفاده می‌کنید، این آسیب‌پذیری رو جدی بگیرید
CVE-2025-49844 | CVSS 10.0
این آسیب‌پذیری که به اسم RedisRCE هم شناخته میشه، مربوط به یک مشکل Memory Safety از نوع Use-After-Free در اجرای اسکریپت‌های Lua در Redis هست
به زبان ساده، مهاجمِ احراز هویت‌شده می‌تونه با یک اسکریپت Lua دست‌کاری‌شده، در شرایط خاص باعث استفاده از حافظه‌ای بشه که قبلاً آزاد شده؛ موضوعی که می‌تونه در نهایت به اجرای کد دلخواه روی سرور منجر بشه
نکته مهم اینه که داشتن رمز عبور به‌تنهایی برای امن بودن Redis کافی نیست، مخصوصاً اگر دسترسی کاربران به دستورات حساس محدود نشده باشه.
چطور از Redis محافظت کنیم؟
۱. ردیس رو به نسخه‌ای که این آسیب‌پذیری در اون برطرف شده ارتقا بدید.
۲. پورت Redis رو مستقیماً روی اینترنت در دسترس قرار ندید.
۳. احراز هویت رو فعال کنید و به‌جای یک کاربر مشترک، از ACL برای محدود کردن دسترسی هر سرویس استفاده کنید.
۴. دسترسی به اجرای اسکریپت‌های Lua رو فقط به کاربرانی بدید که واقعاً بهش نیاز دارن.
۵. اگر Redis رو با Docker اجرا می‌کنید، پورت‌ها رو بی‌دلیل Publish نکنید و ارتباط با Redis رو به شبکه داخلی و سرویس‌های مجاز محدود کنید.
برای Redis Open Source، نسخه‌های اصلاح‌شده شامل 8.2.2، 8.0.4، 7.4.6، 7.2.11 و نسخه‌های بعدی هر شاخه هستند. برای شاخه‌های قدیمی‌تر و Redis Software، نسخه اصلاح‌شده متفاوت است؛ قبل از ارتقا، جدول رسمی نسخه‌ها رو بررسی کنید.
یک نکته مهم در DevOps:
امنیت دیتابیس فقط به رمز عبور قوی محدود نمیشه؛ نسخه نرم‌افزار، سطح دسترسی کاربران و محدودیت دسترسی شبکه هم به همون اندازه اهمیت دارن.
منبع رسمی:
https://redis.io/blog/security-advisory-cve-2025-49844/
@DevTwitter | <ali sahrayi/>
منبع خیلی کاربردی برای ساخت UI با AI پیدا کردم
سایت Refero Styles بیش از ۲۰۰۰ سبک طراحی واقعی از بهترین محصولات دنیا رو جمع کرده
همه‌شون به فرمت DESIGN.md هستن که مستقیم به ایجنت می‌دی و UI خیلی حرفه‌ای‌تر و خوش‌سلیقه‌تری درمیاره
لینک
https://styles.refero.design/
@DevTwitter | <Reza/>
این ویدیو رو از دست ندید!
مهرزاد عزیز رفته سراغ Jev و با بیان عالی‌ش توضیح میده که چیه و چیکار میکنه...
دیدن ویدیوهای مهرزاد فارغ از موضوع به همه توصیه میشه :) جهت لذت بردن از دیدن کسی که در عین خفن بودن...
متواضعانه آموزش میده و کنار بقیه است
https://youtu.be/mxijLTA5RTw
@DevTwitter | <Ali Rashedi/>
بازی‌های جدید و سنگین PS5 به راحتی روی دستگاه هکی کار نمیکنه و خطا PRX_NOT_RESOLVED_FUNCTION میده باید برنامه
https://github.com/gcoding97/PS5-Game-Compressor
دانلود و روی دستگاه اجرا کنید حالا فایل‌های اون بازی را Image کنید و از روی Image جدید مجدد بازی را نصب کنید
@DevTwitter | <Teegra/>
بالاخره تونستنم انتی گرویتی خودمو درست کنم اونم با این ریپو :
https://github.com/trustybird/AvenCores-open-antigravity-patcher
درحالت عادی بخاطر ریجن کشور عزیزمون نمیزاره لاگین کنید و باید به گوگل درخواست بدین ریجن عوض کنه که احتمال زیر ۱۰ درصده!
@DevTwitter | <TheAmirreza/>
- یکی کل مستندات توسعه‌دهنده‌های Anthropic رو توی یه ریپو گیتهاب جمع کرده.
- پروژه Claude Code Docs همه APIها، MCP، هوک‌ها، مهارت‌ها و آموزش‌ها رو توی یه آرشیو محلی searchable گذاشته که هر شش ساعت اتوماتیک آپدیت میشه.
- لینک ریپو:
https://github.com/thevibeworks/claude-code-docs
@DevTwitter | <Yarad/>
پروژه‌ای که Claude Code رو بدون پرداخت هیچ اشتراکی قابل استفاده کرد
این پروژه روی گیتهاب ۴۶ هزار ستاره گرفته
Claude Code رو به ۴۹ ارائه‌دهنده هوش مصنوعی رایگان وصل میکنه و تا ۱.۳ میلیارد توکن رایگان در ماه میده.
تنظیمش فقط ۵ دقیقه طول می‌کشه
لینک:
https://github.com/Alishahryar1/free-claude-code
@DevTwitter | <Reza/>
shodan-lua
شودان یکی محبوب ترین موتور های جستجو برای دستگاه های هست که در سراسر جهان به اینترنت متصلن. این ابزار به پنتستر ها و هکرها اجازه میده تا در مورد دستگاه ها و تارگت هاشون اطلاعات جمع آوری کنن و هدف های خاصی رو پیدا کن. shodan-lua یک رپر فول قابلیت برای API شودان هست که برنامه نویس ها و توسعه دهدگان زبان Lua میتونن به راحتی ازش استفاده کنن.
از کل API شودان پشتیبانی میکنه, از پلن رایگان تا membership و خیلی راحت و سریع برای استفاده هست, کاملا نوشته شده با زبان برنامه نویسی Lua ومیتونم بگم واقعا خفن شده و تمیز و راحت میتونید ازش استفاده کنید.به احتمالاتی شاید توی ویترین خود Shodan هم ببینید و به تیم شودان بابتش پیام دادم و فکر نکنم از دست بدن.
تمام توضیحات و قابلیت هارو میتونید از ریپازیتوری بخونید.
میتونید با دستور زیر و با پکیج منیجر luarocks نصب کنید:
luarocks install shodan
- لینک Github:
https://github.com/hu-matin/shodan-lua
- لینک luarocks:
https://luarocks.org/modules/humatin/shodan
@DevTwitter | <Matin Yarzadah/>
💳 💳 نقد درآمد ارزی، شارژ ویزا و مسترکارت با تاسیانت
◀️ نقد درآمد ارزی از PayPal، Upwork، Fiverr و سایر پلتفرم‌ها
◀️ شارژ ویزا کارت و مسترکارت
◀️ خدمات ارزی برای پرداخت‌های بین‌المللی
◀️ خرید و فروش ارز با کارمزد مناسب
با تاسیانت خدمات مالی بین‌المللی رو ساده‌تر انجام بده.
🌐 وب‌سایت: https://tasianet.com/exchange
@tasianet | تاسیانت
✨ اشتراک های پریمیوم🛍
♊️ Gemini Pro | اشتراک ۱۸ ماهه💰قیمت: ۶۵۰,۰۰۰ تومان
⭕️ با تخفیف ۴۹۵٫۰۰۰ تومان
😃 Super Duolingo - 12 Months
📱 Capcut pro team individual - 1m
😺 Chatgpt plus individual - 1 month
😺 Chatgpt Go individual - 1 month
برای سفارش و خرید:
💸 @ZikoTechBot
آدرس کانال:
📣 @ZikoTech
دریافت مشاوره:
👩💻 @ZikoTechAdmin
می‌خواهید وارد دنیای DevSecOps شوید؟ از کجا باید شروع کنید؟
این روزها موقعیت شغلی DevSecOps Engineer را بیشتر می‌بینیم؛ اما سؤال مهم این است:
آیا برای ورود به DevSecOps فقط باید Docker، Kubernetes و GitLab بلد باشیم؟ یا لازم است متخصص امنیت و تست نفوذ هم باشیم؟
واقعیت این است که DevSecOps صرفاً یادگیری چند ابزار نیست.
در این رویکرد، امنیت نباید فقط در انتهای پروژه بررسی شود، بلکه باید از ابتدا در فرایندها، Pipelineها و معماری سیستم حضور داشته باشد.
اما برای ورود به این حوزه چه مهارت‌هایی اهمیت دارند؟
۱. ابتدا زیرساخت و مبانی را جدی بگیرید.
بدون درک مناسب از Linux، Networking، Git، Python و Bash، پیاده‌سازی اتوماسیون امنیتی در محیط‌های واقعی دشوار خواهد بود.
۲. مفاهیم DevOps را یاد بگیرید.
باید بدانید CI/CD چگونه کار می‌کند، اپلیکیشن‌ها چطور Build و Deploy می‌شوند و ابزارهایی مثل GitLab CI/CD، Docker، Kubernetes، Terraform و Ansible چه نقشی در این فرایند دارند.
۳. امنیت نرم‌افزار را بشناسید.
اینجاست که مباحثی مثل Secure SDLC، OWASP Top 10، OWASP API Security Top 10، Threat Modeling، مدیریت Secrets و کنترل دسترسی اهمیت پیدا می‌کنند.
یک مهندس DevSecOps باید بداند آسیب‌پذیری‌ها چگونه ایجاد می‌شوند و چگونه می‌توان از وقوع یا انتشار آنها جلوگیری کرد.
۴. مفهوم Security Testing را وارد Pipeline کنید.
با مفاهیم زیر آشنا شوید:
- مفهوم SAST: بررسی امنیت ایستای کد
- مفهوم DAST: تست امنیت اپلیکیشن در حال اجرا
- مفهوم SCA: بررسی امنیت وابستگی‌های نرم‌افزاری
- مفهوم Secret Scanning: شناسایی اطلاعات حساس
- مفهوم Container & IaC Scanning: بررسی امنیت کانتینرها و زیرساخت تعریف‌شده با کد
ابزارهایی مانند Semgrep، Trivy، Checkov، Burp Suite و DefectDojo می‌توانند بخشی از این مسیر باشند.
۵. فقط ابزار اجرا نکنید؛ تحلیل امنیتی یاد بگیرید.
تفاوت مهم یک مهندس حرفه‌ای با کسی که صرفاً Scanner اجرا می‌کند، در توانایی تحلیل نتایج است.
باید بتوانید:
- یافته‌های واقعی را از False Positive تشخیص دهید.
- ریسک و قابلیت بهره‌برداری از آسیب‌پذیری‌ها را ارزیابی کنید.
- برای رفع مشکلات، راهکار عملی ارائه دهید.
- با تیم‌های Development، DevOps، SecOps و SOC همکاری کنید.
۶. یک پروژه واقعی بسازید.
برای مثال، یک اپلیکیشن تستی را در GitLab قرار دهید، Pipeline طراحی کنید، تست‌های امنیتی را به آن اضافه کنید و نتایج را در یک فرایند Vulnerability Management مدیریت کنید.
این تجربه عملی بسیار ارزشمندتر از حفظ‌کردن نام ده‌ها ابزار است.
یک نکته مهم برای مسیر شغلی:
برای شروع DevSecOps لازم نیست از روز اول در همه حوزه‌ها متخصص باشید.
اما برای رسیدن به سطح Senior، صرف آشنایی با ابزارها کافی نیست. تجربه عملی در Application Security، Security Automation، تحلیل آسیب‌پذیری‌ها و طراحی کنترل‌های امنیتی اهمیت زیادی دارد.
اگر از حوزه‌های Network Engineering، Network Automation، DevOps یا Cybersecurity وارد این مسیر می‌شوید، بخشی از مهارت‌های لازم را از قبل دارید؛ کافی است شکاف‌های تخصصی خود را شناسایی کنید و به‌صورت هدفمند توسعه دهید.
@DevTwitter | <Ehsan Momeni Bashusqeh/>
ام دی پرشیا (MDPersia): ابزار متن‌باز تبدیل اسناد Markdown فارسی و راستچین به Word (DOCX) و PDF ، بدون نیاز به پیش‌نیازهای سنگین با رفع مشکل پرانتزها و متون انگلیسی-فارسی.
تولید فایل Word با استایل RTL و فونت وزیرمتن، فایل PDF با کیفیت قابل چاپ و رندر کاملاً آفلاین انواع دیاگرام‌های مهندسی Mermaid.
قابلیت جداگانه برای تبدیل فایل مارک داون ltr به فایل rtl
پشتیبانی از حالت پایش زنده برای کامپایل لحظه‌ای(با تغییر لحظه ای فایل مارک داون فایل ورد هم تغییر می کند)
رابط (CLI) و اپلیکیشن سبک دسکتاپ (GUI) طراحی شده با تائوری.
https://github.com/hamid-morsali-786/MdPersia
@DevTwitter | <hamid_morsali/>
دیپ‌سیک V4.1 Flash و HY3 رایگان شدن!
تصور کن به دو مدل هوش مصنوعی دسترسی داشته باشی، بدون اینکه نگران تموم‌شدن اعتبارت باشی!
استفاده روزانه رایگان
اعتبار نامحدود
فقط تا ۳۱ اکتبر!
برای امتحان‌کردنشون کافیه بری سراغ WorkBuddy
https://workbuddy.ai
فقط یادت باشه این پیشنهاد طبق اعلام منتشرشده تا ۳۱ اکتبر اعتبار داره.
هوش مصنوعی رایگان، اعتبار نامحدود؛ دیگه چی می‌خوای؟
@DevTwitter | <امیرحسین اسلامی/>
اساتید، مهندسین نرم‌افزار و توسعه‌دهندگان ایرانی و خارجی!
یک مقاله‌ی جدید آماده کردیم که می‌تونه برای تقویت مهارت‌های فنی و آمادگی برای مصاحبه‌های استخدامی در گوگل و شرکت‌های بزرگ تکنولوژی بهتون کمک کنه.
توی این مقاله درباره‌ی Big-O درگونگ صحبت کردیم؛ از تحلیل پیچیدگی زمانی و فضایی الگوریتم‌ها گرفته تا نوشتن کدهای بهینه‌تر و کارآمدتر.
اگه می‌خواید دانش الگوریتمی خودتون رو تقویت کنید و برای چالش‌های مصاحبه‌های فنی آماده‌تر باشید، این مقاله رو از دست ندید!
milwad.dev/big-o-in-go-a-practical-guide-for-software-engineers-4812016dd1dd" rel="nofollow">https://medium.com/@milwad.dev/big-o-in-go-a-practical-guide-for-software-engineers-4812016dd1dd
@DevTwitter | <Milwad Khosravi/>
این روزها عنوان‌های Agentic Developer (توسعه‌دهندهٔ مسلط به عامل‌ها) و AI-powered Developer (توسعه‌دهندهٔ توانمند با هوش مصنوعی) را زیاد می‌بینیم.
اما استفاده از ابزارهای کدنویسی کافی است که خودمان را با این عنوان‌ها معرفی کنیم؟
به نظرم معیار، تعداد ابزارها نیست؛ این است که چه کاری را می‌توانیم واگذار کنیم، چطور درستی نتیجه را بسنجیم و کجا کنترل را نگه داریم.
این ۹ گام، یک نقشهٔ پیشنهادی برای پیدا کردن جای خودمان است؛ نه یک استاندارد رسمی.
۱. کمک بگیر، اما بفهم
از هوش مصنوعی برای توضیح کد و تحلیل خطا کمک بگیر.
نشانهٔ آمادگی: بتوانی پاسخ را توضیح بدهی و بخش‌های نامطمئنش را تشخیص بدهی.
۲. مسئله را روشن کن
قبل از Prompt، هدف، محدودیت و Acceptance Criteria (معیار پذیرش) را بنویس.
نشانهٔ آمادگی: قبل از گرفتن پاسخ، بدانی خروجی قابل‌قبول چیست.
۳. زمینهٔ درست فراهم کن
با Context Engineering (طراحی زمینه)، فایل‌ها، قواعد و اطلاعات مرتبط را در اختیار مدل بگذار؛ نه کل پروژه را بی‌هدف.
نشانهٔ آمادگی: کمتر مجبور شوی حدس‌های اشتباه مدل را اصلاح کنی.
۴. با شواهد اعتماد کن
با Verification (راستی‌آزمایی)، خروجی را تست و بازبینی کن. تست‌های تولیدشده هم نیاز به بررسی دارند.
نشانهٔ آمادگی: دلیل پذیرش تغییر، شواهد باشد؛ نه توضیح قانع‌کنندهٔ مدل.
۵. کار را قابل‌کنترل کن
با Task Decomposition (تقسیم کار)، درخواست بزرگ را به طرح، تغییرات کوچک، تست و بازبینی بشکن.
نشانهٔ آمادگی: بتوانی هر بخش را مستقل بفهمی و اصلاح کنی.
۶. روش تکرارپذیر بساز
یک Workflow (گردش‌کار) مشخص برای کاری مثل رفع باگ تعریف کن: بازتولید، تست، اصلاح و بازبینی.
نشانهٔ آمادگی: خودت و همکارت بتوانید این روش را روی چند کار مشابه تکرار کنید.
۷. اختیار محدود واگذار کن
به Agent (عامل اجرایی) کار چندمرحله‌ای بده؛ با دسترسی محدود، نقاط تأیید و امکان Rollback (بازگردانی).
نشانهٔ آمادگی: بتوانی اجرا را بررسی و متوقف کنی و تغییرات را برگردانی.
۸. اثر واقعی را بسنج
در Evaluation (ارزیابی)، زمان کل، بازبینی، دوباره‌کاری، خطا و هزینه را با روش قبلی مقایسه کن.
نشانهٔ آمادگی: بدانی هوش مصنوعی کجا کمک می‌کند و کجا نه.
۹. مسئلهٔ بهتری حل کن
با Product Thinking (تفکر محصولی)، بپرس: آیا این قابلیت لازم است؟ آیا گلوگاه واقعاً کدنویسی است؟
نشانهٔ آمادگی: اثر کارت در نتیجهٔ محصول دیده شود، نه فقط حجم کد.
ممکن است در تست‌نویسی قدم هفتم باشی و در معماری قدم دوم؛ طبیعی است. بلوغ بیشتر هم الزاماً یعنی اختیار بیشتر دادن نیست؛ یعنی واگذاری متناسب با ریسک.
برای معرفی توانایی‌ات، به‌جای یک عنوان کلی، شواهد بده:
«رفع باگ را با گردش‌کار مشخص، تست و بازبینی انجام می‌دهم.»
حالا قدم بعدی را مشخص کن:
«در کارِ …، در قدمِ … هستم و این هفته روی … تمرین می‌کنم.»
هدف، واگذاری فهمیدن نیست؛ تقویت توان تصمیم‌گیری ماست.
@DevTwitter | <HamidReza Madani/>
فرانت‌اند سخت نیست، تا وقتی که پروژه واقعی نشده! :)
ساختن یه صفحه با React و Tailwind شاید چند ساعت زمان ببره؛ اما ساختن سیستمی که قراره چند سال توسعه پیدا کنه، داستان کاملاً متفاوتیه.
وقتی پروژه بزرگ‌تر میشه، دیگه فقط بحث Component ساختن و Pixel Perfect بودن نیست.
اینجاست که چالش‌های واقعی شروع می‌شن:
معماری‌ای که با اضافه شدن هر فیچر به هم نریزه.
بخش Performance که با افزایش حجم داده قربانی نشه.
مدیریت State بدون ایجاد وابستگی‌های پیچیده.
تست‌نویسی، مقیاس‌پذیری و کدی که نفر بعدی هم بتونه بفهمه و توسعه بده.
اینجاست که نقش Software Engineering پررنگ میشه.
به نظرم یه مهندس نرم‌افزار صرفاً کسی نیست که بتونه یه فیچر رو پیاده‌سازی کنه؛ کسیه که می‌فهمه چرا باید یه راه‌حل رو انتخاب کنه، چه هزینه‌ای داره و شش ماه بعد چه تأثیری روی کل سیستم می‌ذاره.
نوشتن کدی که امروز کار کنه یه مهارته؛
ساختن سیستمی که فردا هم بشه روش حساب کرد، یه مهارت دیگه‌ست!
@DevTwitter | <Mohsen Karimvand/>
برام جالب بود گفتم شاید شما هم حال کنید
رانندگی بینهایت
https://drune.io/
@DevTwitter
ایران هنگام کار است.
مسئله‌های واقعی به آدم‌هایی نیاز دارند که پای کار بایستند، بسازند، آزمایش کنند و تا رسیدن به یک راه‌حل واقعی ادامه دهند.
«کوره پاییز کارخونه» یک دوره سه‌ماهه، حضوری و تمام‌وقت برای تیم‌هایی است که می‌خواهند روی مسئله‌های واقعی کار کنند و از دل آنها، محصول و کسب‌وکاری مقیاس‌پذیر بسازند.
در این مسیر:
▪️ سه ماه حضور تمام‌وقت در کارخانه هوش مصنوعی ایران
▪️ کار روی مسئله‌های واقعی
▪️ ساخت محصول واقعی و کسب‌وکاری مقیاس‌پذیر
▪️ دریافت سرمایه تا سقف ۳ میلیارد تومان در طول دوره
▪️ فرصت جذب سرمایه تا ۵۰ میلیارد تومان پس از پایان دوره
کوره جایی‌ست که ساختن بر هر چیز دیگری مقدم است و ایده‌ها به راه‌حل‌هایی برای مسئله‌های واقعی ایران تبدیل می‌شوند. توسعه از همین‌جا آغاز می‌شود؛ از ساختن چیزی که گرهی از کار ایران باز کند.
🔗 aiif.ai/kooreh
مهلت ثبت‌نام: تا ۲۰ مهر تمدید شد!
@aiif_channel
اگه فردا یکی محصولت رو دوباره بسازه، چی داری که نتونه کپی کنه؟
یه ابزار اومده به اسم rea که ادعاش اینه:
هر چیزی رو مهندسی معکوس کن، بفهم چطور کار میکنه، بعد خودت بسازش!
الانم از ۱۰۰ هزار استار تو گیتهاب رد شده
به نظرم ماجرا خیلی فراتر از یه ابزار جدیده.
ما سال‌ها فکر می‌کردیم «کدش دست خودمونه» یعنی یه مزیت بزرگ داریم.
ولی اگه بازسازی نرم‌افزار روزبه‌روز راحت‌تر بشه، چقدر میشه روی خودِ کد به‌عنوان دارایی استراتژیک حساب کرد؟
احتمالاً باید بیشتر به چیزایی فکر کنیم که سخت‌تر کپی می‌شن:
شناخت مشتری، داده، اعتماد و راه رسیدن به بازار.
اگه کد محصولت رو از معادله حذف کنیم، مزیتمون چیه؟
http://github.com/morluto/rea
@DevTwitter | <Amir Ghasemi/>
چند روز پیش تصمیم گرفتم برای اجرای لوکال پروژه‌م از lerd.sh استفاده کنم و تجربه‌ی خوبی بود.
پروژه‌م هم لاراول داشت، هم فرانت Next.js.
چیزی که برام جالب بود، استفاده از پادمن بود؛ بدون اینکه لازم باشه درگیر نوشتن و تنظیم Dockerfile بشم.
خود ابزار هم خیلی سبکه و برای تنظیمات HTTPS هم کلی از دردسرها رو کم میکنه. ابزارهای مدیریتی‌ش هم کاربردی‌ان،
مخصوصاً کامند doctor
که برای پیدا کردن مشکلات به کار میاد.
در مجموع، تجربه‌ی باحالی بود و کار با پروژه رو برام راحت‌تر کرد.
https://lerd.sh/
@DevTwitter | <Sajjad Zibafar/>
استارتاپ TypeSafe AI که پشت مدل Jev قرار دارد، خبر جذب سرمایه جدیدش را به سبک متفاوتی با نام Series AI منتشر کرده است.
به جای تب و تاب معمول چت‌بات‌ها، تمرکز آنها روی مدل‌های به اصطلاح ماشین‌محور (machine-native) یا مدل‌های سیستم یک (System One) است؛ مدل‌هایی که هدفشان تولید متن طولانی برای انسان نیست، بلکه برای تصمیم‌گیری‌های ساختاریافته، قطعی و سریع در لایه زیرساخت نرم‌افزار طراحی شده‌اند.
طبق اعلام خودشان، در حال حاضر یک‌سوم شرکت‌های Fortune 500 از مدل Jev استفاده می‌کنند و تمرکز دور جدید، توسعه قابلیت‌های سازمانی، بهینه‌سازی بیشتر سمپلرها و اضافه کردن مدل‌های سبک‌تر برای تصمیم‌گیری کالیبره‌شده (calibrated decisions) در مقیاس عملیاتی است.
ایده جالبی است که نشان می‌دهد آینده هوش مصنوعی صرفاً مدل‌های زبانی عظیم‌تر و چت‌بات‌ها نیست، بلکه مدل‌های تخصصی و سریعی هستند که مستقیماً داخل پایپ‌لاین‌های نرم‌افزاری جا می‌گیرند و بدون سر و صدا کار را جلو می‌برند.
لینک خبر:
https://typesafe.ai/blog/series-ai
@DevTwitter | <Mehdi Allahyari/>
اگه برنامه‌نویسی و بودجه محدودی داری، این ریپو خیلی به دردت می‌خوره.
اسمش stack-on-a-budget هست و یه لیست کامل از سرویس‌هایی رو جمع کرده که free tier خوبی دارن.
از هاستینگ و دیتابیس گرفته تا CI/CD و مانیتورینگ.
لینک:
https://github.com/255kb/stack-on-a-budget
@DevTwitter | <Reza/>
وقتی با هوش مصنوعی دارید ظاهر سایت یا اپتون رو می‌سازید، حتی اگر تسک رو کامل توضیح داده باشید، اسکیل مناسب داده باشید و تمام اون روش‌های اصولی که خودتون می‌دونید رو هم رعایت کرده باشید، باز خیلی وقت‌ها بعد از اتمام کار می‌بینید خروجی هنوز یک‌سری ایراد ریز داره.
ایرادهایی که شاید خیلی بزرگ نباشن، ولی تقریبا همیشه یه جایی خودشون رو نشون میدن.
دلیلش هم ساده‌ست:
هوش مصنوعی خیلی وقت‌ها تسک رو «تحویل میده»، ولی لزوما «کاملش نمیکنه».
یعنی وقتی به یک خروجی قابل قبول برسه که از نظر خودش دستور شما رو انجام داده، معمولا همون‌جا متوقف میشه.
معمولا اینجاست که انسان وارد میشه :
ما بعد از اینکه AI کارش رو انجام داد، صفحه‌ها رو یکی‌یکی باز می‌کنیم، ظاهر رو بررسی می‌کنیم، مشکلات رو پیدا می‌کنیم، دوباره بهش میگیم اصلاح کن، دوباره چک می‌کنیم و این لوپ رو تا جایی ادامه میدیم که به خروجی موردنظر برسیم.
حالا سؤال اینه:
چی میشه اگر این نقش انسان رو هم از وسط حذف کنیم؟
به جای اینکه خودمون بشینیم تمام صفحه‌ها رو یکی‌یکی بررسی کنیم، یک تیم از ایجنت‌های سخت‌گیر این کار رو انجام بدن؛ ایجنت‌هایی که قرار نیست با اولین خروجی قابل قبول راضی بشن و مدام بخش‌های مختلف UI رو بررسی، نقد و اصلاح کنن تا جایی که دیگه ایراد مشخصی برای اصلاح باقی نمونه.
نتیجه شد Perfection Loop.
در این اسکیل، چند ساب‌ایجنت از زاویه‌های مختلف خروجی رو بررسی می‌کنن و کار وارد یک لوپ واقعی Review → Fix → Review میشه.
https://github.com/mathofdynamic/perfection-loop
و برای رسیدن به اون خروجی نهایی، گاهی چیزی که کم داریم یک پرامپت بهتر نیست؛ یک Review سخت‌گیرانه و یک لوپ درست تا رسیدن به کیفیت مطلوبه.
@DevTwitter | <Mohamad/>
اوپن سورس هم دنیای خودش رو داره
چند ماه پیش یک پکیج NPM به اسم iran-map-simple برای React منتشر کرده بودم؛ که امروز دیدم میانگین دانلود هفته ای روی 141 دانلود هستش.
هر چند نسبت به پکیج های دیگه عدد زیادی نیست... ولی همینکه خروجی کدهات جزئی از پروژه های دیگه میشه و امکان داره هزاران یا میلیون ها نفر هم ازش استفاده کنن بهت حس خوبی میده
و اینکه لینک پکیج:
https://www.npmjs.com/package/iran-map-simple
@DevTwitter | <Mohammad E./>