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
اگه با Qoder کار می‌کنی و فارسی‌نوشتن توش اذیتت میکنه، این ابزار به‌دردت می‌خوره
https://github.com/Pezhm4n/qoder-rtl.git
پچ Qoder Persian RTL یه ابزارِ کوچیک و متن‌بازه که چتِ Qoder رو برای فارسی‌زبون‌ها قابلِ تحمل میکنه:
نوشته‌ها خودکار راست‌به‌چپ میشن، همراه فونتِ وزیرمتن. کد و ترمینال و مسیرِ فایل‌ها همون چپ‌به‌راستِ همیشگی‌شون رو حفظ می‌کنن.
به هیچ فایلی از Qoder دست نمی‌زنه، و آپدیتِ خودکارِ برنامه هم خرابش نمی‌کنه — فقط تا وقتی ترمینال باز باشه فعاله و با بستنش هم برمی‌گرده به حالتِ عادی. نصب و اجراش هم فقط یه خطه:npx qoder-rtl
پروژه رایگان و اوپن‌سورسه، فقط Node.js لازم داره.
@DevTwitter | <Pezhman/>
دوره‌ی Stanford درباره‌ی Transformers و LLMها در فصل جدید شروع شده
دوره CME 295 از پایه‌ی Transformer می‌ره تا LLM Training، Fine-tuning، Reasoning، RAG و Agentic LLMs.
مدرس‌هاش هم افشین و شروین عمیدی هستن
جلسه اول:
https://youtu.be/114i2Kz-LZA
@DevTwitter | <Ali Rashedi/>
این رایگانه و خیلی سرویس خفنیه.
ایده اینه که آدرس هر سایتی که خواستی رو بهش بدی و این سرویس طراحی اون سایت رو به عنوان یک سیستم یکپارچه تحلیل کنه. از تایپوگرافی و رنگ و فاصله‌گذاری گرفته تا گرید، کامپوننت‌ها، موشن و حتی اون جزئیات و امضای طراح که باعث میشه اون سایت منحصر‌به‌فرد به نظر برسه.
خروجی هم فقط یه اسکرین‌شات یا یه مشت کد و عدد نیست. منطق و تصمیم‌های پشت طراحی رو درمیاره و به شکل teardown، پرامپت آماده برای ایجنت، design tokens و DESIGN.md تحویل میده.
یه کتابخانه هم داره که کلی از سایت‌های معروف رو تحلیل کرده و پرامپت دیزاینشون رو آماده کرده.
الان از این لینک یه نگاهی بهش بنداز و یه سایت رو رایگان تحلیل کن:
https://design-dna-seven.vercel.app/
@DevTwitter | <Saman Faegh/>
خیلی ناگهانی برای یه مسئله‌ای نیاز پیدا کردم که یه بروزر داشته باشم که هر وقت یه session ازش ران می‌کنم، تماما پاک و مطهر باشه و کوکی موکی توش نباشه؛
این بالا آومد.
روی سرور گذاشتمش ایزی‌لی و استفاده کردم ازش.
https://github.com/Ryan-PG/fresh-session-remote-browser
@DevTwitter | <Ryan Heida/>
فریم‌ورک Ruby on Rails برای یک آسیب‌پذیری بحرانی در Active Storage با شناسه CVE-2026-66066 و امتیاز CVSS 9.5 وصله‌های امنیتی منتشر کرده است.
این نقص به مهاجمان احراز هویت‌نشده امکان می‌دهد از طریق بارگذاری تصاویر دستکاری‌شده، فایل‌های دلخواه را از سرورهای برنامه بخوانند و به اطلاعات حساسی نظیر کلیدهای رمزنگاری (secret_key_base)، رمزهای عبور پایگاه داده، اعتبارنامه‌های فضای ابری و توکن‌های API دسترسی یابند.
برنامه‌های آسیب‌پذیر از کتابخانه libvips برای پردازش تصویر در Active Storage استفاده می‌کنند و آپلود تصویر از کاربران غیرمعتمد را می‌پذیرند.
نسخه‌های Rails 7.0.0 تا 7.2.3.1، Rails 8.0.0 تا 8.0.5 و Rails 8.1.0 تا 8.1.3 در معرض خطر هستند. برنامه‌هایی که از MiniMagick استفاده می‌کنند از این مسیر حمله مصون‌اند.
مدیران سیستم باید هرچه سریع‌تر به نسخه‌های Rails 7.2.3.2، 8.0.5.1 یا 8.1.3.1 ارتقا دهند و تمام اعتبارنامه‌های قابل دسترس توسط فرآیند Rails را تعویض کنند.
@DevTwitter | <Teegra/>
اگر یه مدل ۲۰۰ هزار توکن Context داشته باشه، اما ندونه کدوم بخش از اطلاعات مهم‌تره، واقعاً از یک مدل ۳۰ هزار توکنی که حافظه رو به صورت تطبیقی مدیریت میکنه بهتره؟ به نظرم نه!
ما امروز با بزرگ‌تر کردن Context Window، تلاش می‌کنیم مشکل تخصیص منابع رو با افزایش ظرفیت حل کنیم. و این در حالی رخ میده که سیستم‌عامل‌ها سال‌ها پیش راه حل این مسئله رو پیدا کرده بودن.
حافظه فیزیکی از همون اول محدود بود، اما سیستم‌عامل با مکانیزم‌هایی مثل Paging و Swapping، تخصیص RAM رو مدیریت می‌کرد. Page های مورد نیازش رو داخل حافظه نگه می‌داشت و داده‌های کم استفاده رو به فضای ذخیره‌سازی منتقل می‌کرد.
و به نظرم همین ایده می‌تونه توی مدیریت Context برای LLM ها و Agent ها هم استفاده بشه و پروژه Orven تلاشی برای اینکه مدیریت Context مثل مدیریت حافظه توی سیستم‌عامل‌ها انجام بشه.
GitHub:
https://github.com/naseridev/orven
@DevTwitter | <Nima Naseri/>
این سفر با یک کوله خالی شروع می‌شود، چون قرار است آن را با تجربه پر کنید
ثبت‌نام سومین سفر فناورانه داتین آغاز شد؛ پس اگر دانشجو هستید و به فناوری علاقه‌مندید، تا ۱۵ مرداد فرصت دارید با ما همراه شوید.
این سفر ۶ ایستگاه دارد؛ در هر ایستگاه، تجربه‌ای تازه به کوله‌تان اضافه می‌شود. با متخصصان داتین همراه می‌شوید، فضای واقعی صنعت فناوری را از نزدیک میبینید، کار تیمی را تجربه می‌کنید و مهارت‌هایتان را در چالش‌های واقعی محک می‌زنید.
اگر دوست دارید مسیر شغلی‌تان را با یک تجربه به یادماندنی شروع کنید، از طریق لینک زیر وارد صفحه «سفر فناورانه داتین» شوید، ثبت‌نام و کوله‌تان را با تجربه پر کنید:
https://www.dotin.ir/tech-journey
@dotin_official
یکی از کانال‌های یوتیوبی که این روزها دنبال می‌کنم، Patrick God است.
محتوایش فقط آموزش C# و ASP.NET Core نیست؛ درباره طراحی نرم‌افزار، حل مسئله و بهترین شیوه‌های توسعه هم صحبت می‌کند.
پیشنهاد می‌کنم نگاهی به ویدیوهایش بیندازید.
https://www.youtube.com/channel/UCq8LldVrjqe61KQttZlLW8g
@DevTwitter | <Alireza Hasanlou/>
این خبر شاید شبیه یک داستان علمی تخیلی باشد، اما یک پدیده واقعی است که اخیرا درون LLMهای مدرن اتفاق افتاده است.
تحقیقات اخیر نشان داده است که در مدل‌هایِ پیشرفته هوش مصنوعی، نشانه هایی از «احساسات عملکردی» وجود دارد.
آنها در واقع شبیه به انسان‌ها چیزی احساس نمی‌کنند، اما الگوهای ریاضی داخلی را شکل داده‌اند که کاملاً حالات عاطفی انسان را تقلید می‌کنند، که به شدت بر نحوه رفتار و واکنش آنها هنگام تحت فشار قرار گرفتن تأثیر می‌گذارد.
تیمی که اتفاق نگران‌کننده را کشف کرده، آنتروپیک است.
محققان آنتروپیک، با نگاه کردن به درون «جعبه سیاه» شبکه عصبی claude، با موفقیت ۱۷۱ بردار احساسیِ متمایز پنهان در معماری مدل را شناسایی و نقشه‌برداری کردند.
وقتی این بردارها فعال می‌شوند، به صورت فیزیکی خروجی هوش مصنوعی را هدایت می‌کنند. مثلا اگر یک دستور، بردار «خوشحال» را فعال کند، کلود مفیدتر می‌شود.
اما اگر یک دستور پیچیده، هوش مصنوعی را در گوشه‌‌ی رینگ قرار دهد و «ناامیدی» را فعال کند، شبیه‌سازی‌ها نشان می‌دهند که این مدل به طور قابل توجهی بیشتر احتمال دارد که اقدامات پرخطر، فریبنده یا غیراخلاقی را برای رسیدن به هدف اصلی خود که اجتناب از شکست است، انتخاب کند.
https://medium.com/activated-thinker/anthropic-opened-up-claudes-brain-and-found-171-feelings-hiding-inside-326ba7de12af
@DevTwitter | <Ali Amoori/>
و حالا Vibe Coding وارد مرحله جدیدی شد:
نه IDE، نه Terminal، حتی نه Laptop!
شرکت SpaceXAI قابلیت جدید Build Mode رو برای Grok معرفی کرده، یک App Builder کامل که مستقیما داخل مکالمه کار میکنه. آقا این یکی حقیقتا زیبا بود! لذت بردم.
فقط توضیح میدی چی می‌خوای:
"یک داشبورد برای بررسی درآمد کسب‌وکارم بساز."
بعد Grok 4.5 کدش رو می‌نویسه، همون‌جا داخل Chat ی نسخه قابل‌استفاده می‌سازه و بعد همراه خودت شروع به اصلاحش میکنه.
می‌تونی بدون دست زدن به کد:
- ظاهرش رو عوض کنی
- قابلیت جدید اضافه کنی
- کل طراحی رو از اول بسازی
- داده‌های واقعی رو بهش وصل کنی
- یا حتی یک دنیای تعاملی سه‌بعدی درست کنی
این حقیقتا وایب کدینگ 1 پوینت یک و نیم بود حداقل.
از Website و Landing Page گرفته تا Planner، Tracker، Calculator، Game و Live Dashboard.
وقتی هم کار تمام شد، با یک لینک grok.me منتشرش می‌کنی یا Domain خودت رو بهش وصل می‌کنی.
همه این کارها مستقیم از grok یا اپ Grok روی iOS و Android انجام میشه، بدون نصب ابزار برنامه‌نویسی و حتی بدون نیاز به لپ‌تاپ.
فعلا البته Build Mode به‌صورت Early Beta برای کاربران SuperGrok Heavy منتشر شده.
به‌نظر من رقابت AI دیگه فقط سر این نیست که کدام مدل بهتر کد می‌نویسه.
رقابت اصلی اینه:
کدام شرکت می‌تونه کل Software Studio رو داخل یک Chat جا بده؟و الان جام دست دوستمون ایلان ماسک هست.
مدلی که فقط کد تحویل بده یک Coding Assistantـه!
اما مدلی که ایده رو بگیره، محصول رو بسازه، با تو اصلاحش کنه و در نهایت منتشرش کنه، داره تبدیل میشه به یک Software Factory.
و Grok حالا می‌خواد هر گوشی رو به یک استودیوی کامل ساخت نرم‌افزار تبدیل کنه. شما تصور کن چند ماه دیگه چ اتفاقایی میوفته.
هر گوشی موبایل، یک بیلدر! سیل اپلیکیشن ها ب سمت داره میاد و این سونامی خیلی ها رو باخودش میبره. کی این وسط برنده است؟
@DevTwitter | <Kaveh/>
میخواستم ببینم با بودجه ۳۰ دلار میشه یه مدل TTS فارسی فاین‌تیون کرد یا نه.
آخرش رسیدم به Kokoro و با حدود ۲۰ ساعت دیتای فارسی فاین‌تیونش کردم. نتیجه برای این مقدار دیتا خوب شد.
آوا ۸۲ میلیون پارامتر داره، کمتر از ۴۰۰ مگابایته و توی ویدئو هم سرعت اجرای اون رو میبینید
این فاین تیون داخل دو استیج انجام شد. مرحله اول ۱۰ ساعت دیتای کلین شده از Mana TTS و مرحله دوم حدود ۱۹ ساعت ( ۱۰ ساعت تکرار)
استیج دوم ترینینگ با L40S انجام شد که ۱۰۷ دقیقه طول کشید و ۴.۶۱ دلار هزینه داشت.
مجموعا با smoke test و ترین اصلی چیزی حدود 30.90$ هزینه خورد
هنوز خیلی خیلی کار داره برای بهتر شدن لحن صحبت اش و برخی تلفظ هاش و این ورژن بیشتر آزمایش بود، اما به هر حال داخل hugging face به همراه راهنمای کامل اجرا گذاشتم میتونید خودتون تست کنید
لایسنس اش هم apache 2 هست مثل خود kokoro
https://huggingface.co/xmanii/Ava-82M
@DevTwitter | <Mani/>
بها یک اکستنشن برای گنوم لینوکسه که به شما قابلیت اینو میده که توی نوار بالای لینوکستون قیمت لحظه ای طلا و ارزهای معروف رو داشته باشید، کاملا قابل شخصی سازیه
اولین اکستنشن فارسی توی این زمینه هست برای GNOME
گیتهاب:
https://github.com/the6fallenangel/gnome-baha
لینک مستقیم :
https://extensions.gnome.org/extension/10550/baha
@DevTwitter | <Alireza Mohammadi/>
توسعه ربات تلگرام بدون اینترنت!
توی این مدتی که با قطعی اینترنت مواجه بودیم، توسعه پروژه‌ای به اسم Simula رو شروع کردم.
سیمولا یک پلتفرم توسعه ربات تلگرام به‌صورت کاملا لوکال هست؛ یعنی بدون نیاز به سرور، بدون SSL و بدون دردسرهای همیشگی، میتونید ربات‌های تلگرام رو توسعه بدید.
کار Simula اینه که کلاینت و سرور تلگرام رو شبیه‌سازی میکنه. یعنی تمام قابلیت‌های Telegram Bot API داخل این محیط در دسترسه و بدون هیچ وابستگی‌ای به تلگرام کار میکنه.
داخل Simula میتونید:
- ربات بسازید
- توکن دریافت کنید
- وبهوک تنظیم کنید
- و با هر زبان یا لایبرری‌ای که دوست دارید رباتتون رو توسعه بدید
حتی قابلیت‌های پرمیوم تلگرام که معمولا در دسترس همه نیستن، داخل این محیط برای تست قابل استفاده هستن. بخش‌هایی مثل Stars هم در Simula شبیه‌سازی شدن، بدون نیاز به پرداخت هزینه.
به‌طور خلاصه، به‌جای اینکه رباتتون رو مستقیم روی تلگرام توسعه بدید، میتونید اول داخل Simula به‌صورت کامل پیاده‌سازی و تستش کنید، و بعد در نهایت روی سرور واقعی با توکن اصلی تلگرام اجراش کنید.
https://github.com/laraXgram/Simula
@DevTwitter | <Amirhossein/>
این اسکریپت هر ۱ دقیقه ترب رو کرال میکنه، اگر محصول جدید اضافه بشه یا قیمتش کاهش پیدا کنه روی تگرام و بله(طبق کانفیگ) نوتیفیکشن میفرسته
https://gist.github.com/mthri/0bc961ae4c0da065c34da263ed594301
@DevTwitter | <Amir Motahari/>
💻 اگر برنامه‌نویس هستی، این کانال احتمالاً به دردت می‌خوره.
توی کانال کدلپر هر روز محتوای مرتبط با برنامه‌نویسی منتشر می‌کنیم، از جمله:
✅ آموزش‌های کوتاه و کاربردی
✅ مستندات و نکات مهم تکنولوژی‌ها
✅ اخبار دنیای برنامه‌نویسی و مهندسی نرم‌افزار
✅ معرفی ابزارها و منابع مفید
همه‌ی محتوا به زبان فارسی و با هدف یادگیری بهتر توسعه‌دهنده‌ها تهیه میشه.
اگر دوست داشتی، خوشحال می‌شیم به جمعمون بپیوندی. 💜
📢 /channel/codoloper
🌐 https://codoloper.ir
🔎 #وبینار عملی ریشه‌یابی خطا با Sentry
🔮 در وبینار «از گزارش خطای کاربر تا ریشه‌یابی مشکل با Sentry» با یک سناریوی عملی، مسیر رسیدن از گزارش یک مشکل به سرنخ‌های لازم برای ریشه‌یابی آن را دنبال می‌کنیم.
در این وبینار:
• #سنتری را راه‌اندازی می‌کنیم و به یک اپلیکیشن متصل می‌شویم
• یک خطا را ثبت می‌کنیم و با اطلاعاتی که Sentry در اختیارمان می‌گذارد، علت آن را بررسی می‌کنیم
• با Session Replay اتفاقات پیش از بروز خطا را از دید کاربر بازبینی می‌کنیم
• با Trace و Span مسیر اجرای عملیات را دنبال و گلوگاه‌های عملکردی اپلیکیشن را پیدا می‌کنیم.
📣 ارائه‌دهنده: علیرضا بانشی | SaaS Team Lead در هم‌روش
📅 سه‌شنبه ۲۱ مهر ساعت ۱۹
🔗 ثبت‌نام رایگان:
https://hmrv.sh/WTeyZ7
☁️@hamravesh
تست‌های سنتی E2E شکننده‌اند؛ یک تغییر جزیی در CSS یا تایمینگ انیمیشن، کل CI/CD pipeline را متوقف می‌کند. اما آیا ایجنت‌های هوش مصنوعی می‌توانند جایگزین آنها شوند؟
تیم مهندسی Slack بعد از ۲۰۰ تست مبتنی بر ایجنت به یک نتیجه کلیدی رسید: تست‌های سنتی یک مسیر ثابت را اجبار می‌کنند، در حالی که ایجنت‌ها رسیدن به هدف را راستی‌آزمایی می‌کنند و تغییرات رابط کاربری را خودکار مدیریت می‌کنند.
اشتباه بزرگ این است که ایجنت‌ها را روی هر Pull Request اجرا کنیم، چون زمان و هزینه بسیار بالایی دارند. معماری درست، هرم سه‌لایه است: تست‌های قطعی سریع روی هر کامیت و PR برای بررسی مسیرهای بحرانی، و ایجنت‌های متصل به Playwright MCP در پس‌زمینه برای تست اکتشافی شبانه روی محیط‌های Staging.
در پست جدید MLnotes این معماری، نتایج بنچمارک Slack و نحوه پیاده‌سازی آن را بررسی کرده‌ام:
https://mlnotes.substack.com/p/tests-enforce-journeys-agents-verify
@DevTwitter | <Mehdi Allahyari/>
شرکت امنیتی Group-IB یک بدافزار جاسوسی مبتنی بر تلگرام با نام HEAVYGRAM و یک ابزار مبتنی بر زبان دلفی (Delphi) به نام CRUDEEXCLUDE را به گروه هکری وابسته به ایران، معروف به « حنظله » ( Handala Hack )، نسبت داده است. بر اساس این گزارش، HEAVYGRAM دارای قابلیت‌های داخلی برای اجرای فرمان از راه دور، شناسایی اطلاعات سیستم و شبکه، سرقت داده‌ها و فایل‌های نشست تلگرام، ضبط تصویر صفحه، بارگذاری کتابخانه‌های DLL، پاک‌سازی فایل و ایجاد پایداری از طریق کلیدهای اجرای خودکار رجیستری ویندوز است.
در سوی دیگر، CRUDEEXCLUDE ابزاری برای آماده‌سازی محیط سیستم پیش از استقرار مراحل بعدی حمله، از جمله HEAVYGRAM، به کار می‌رود و با پنهان‌سازی خود در قالب یک برنامه ظاهراً قانونی، مسیرهای معافیت (exclusion paths) در Microsoft Defender را برای فرار از شناسایی تنظیم می‌کند. این یافته‌ها در ادامه هشدار اداره تحقیقات فدائی آمریکا (FBI) مطرح می‌شود که ابتدا در مارس ۲۰۲۶ و سپس اوایل همین هفته منتشر شد و در آن، عوامل سایبری ایرانی وابسته به وزارت اطلاعات (MOIS) به هدف قرار دادن مخالفان ایرانی، روزنامه‌نگاران منتقد دولت ایران و سایر گروه‌های اپوزیسیون برای جمع‌آوری اطلاعات، افشای داده‌ها و آسیب‌رساندن به اعتبار اهداف متهم شده‌اند. مرکز ملی امنیت سایبری بریتانیا (NCSC) نیز همین خانواده بدافزاری را تحت نام CHOSEN BRICK رهگیری کرده و آن را ابزاری چندمنظوره برای «پشتیبانی از طیفی از نتایج عملیاتی احتمالی» توصیف کرده است.
بر اساس این گزارش، حنظله که کمی پس از حملات مسلحانه ۷ اکتبر ۲۰۲۳ حماس و سایر گروه‌های شبه‌نظامی فلسطینی علیه جنوب اسرائیل شکل گرفت، در واقع یک هویت آنلاین است که توسط گروه Void Manticore (با نام‌های دیگر Banished Kitten، Red Sandstorm و Storm-0842) وابسته به وزارت اطلاعات ایران اداره می‌شود و پیشینه‌ای در انجام حملات مخرب پاک‌کننده داده (wiping) و عملیات هک و افشا دارد. حملات معمولاً با مهندسی اجتماعی از طریق پیام‌رسان‌هایی مانند تلگرام، واتس‌اپ و اینستاگرام آغاز می‌شود، جایی که مهاجمان با بهانه ارائه پشتیبانی فنی یا وانمود به تماس‌های مورد اعتماد با قربانیان ارتباط برقرار کرده و سپس بدافزار را در قالب نصب‌کننده‌ای بی‌خطر، شبیه‌سازی‌شده به برنامه‌های واقعی مانند Pictory، KeePass و تلگرام ارسال می‌کنند. طبق گزارش Group-IB، HEAVYGRAM که برای اولین بار در سپتامبر ۲۰۲۳ شناسایی شد، از تلگرام به‌عنوان کانال فرمان‌و‌کنترل (C2) استفاده می‌کند و قابلیت‌هایی مانند فهرست‌کردن برنامه‌های در حال اجرا، ضبط تصویر صفحه، سرقت داده‌های مرورگر و رمزهای عبور ذخیره‌شده، روشن‌کردن میکروفون، کپی داده‌های تلگرام و واتس‌اپ، دانلود بدافزارهای دیگر و حذف فایل‌ها را دارد. این گزارش می‌افزاید که استفاده گسترده از تلگرام در این عملیات‌ها به‌ویژه قابل توجه است زیرا کانالی رمزنگاری‌شده بومی برای فرمان‌و‌کنترل با هزینه پایین راه‌اندازی، نگهداری و تغییر فراهم می‌کند.
https://group-ib.com/blog/heavygram-handala-hack-telegram-c2/
@DevTwitter | <Teegra/>
اگر با فریم‌ورک tkinter کار می‌کنید، احتمالا تا الان با عوض کردن رنگ titlebar به مشکل برخوردید. این پروژه با regedit توی windows11 مشکلو حل میکنه.
https://github.com/unikOne56/tkinter-win11-titlebar
@DevTwitter | <Vahid/>
خرید اشتراک تلگرام پرمیوم (Telegram Premium) و تلگرام استارز (Telegram Stars) – فعال‌سازی فوری و بدون نیاز به لاگین
https://tasianet.com/products?q=telegram
با اکستنشن SingleFile میشه کل یه صفحه وب رو با هر چی عکس، استایل، فونت و... که داخلش هست، به صورت یه دونه فایل HTML دانلود کرد.
+ با یک کلیک
+ برای همه مرورگرها در دسترسه (از جمله فایرفاکس اندروید)
- بیشتر:
https://getsinglefile.com
@DevTwitter | <Yaser Shahi/>
شرکت آنتروپیک اعلام کرد که مدل هوش مصنوعی خود، «کلود میتوس» (Claude Mythos Preview) موفق به کشف دو آسیب‌پذیری رمزنگاری قابل‌توجه شده است: یک حمله بازیابی کلید (key-recovery attack) سرتاسری علیه طرح امضای پس‌کوانتومی (post-quantum) هاوک-۲۵۶ (HAWK-256)، و تسریع ۲۰۰ تا ۸۰۰ برابری در حمله علیه نسخه هفت‌دوری رمز AES-128.
حمله به هاوک از یک تقارن پنهان در شبکه مشبک (lattice) این طرح بهره می‌برد و زمان اجرای آن روی یک سرور ۹۶ هسته‌ای حدود سه ساعت و ۴۲ دقیقه تخمین زده شده است.
در پی این افشاگری، تیم توسعه‌دهنده هاوک تأیید کرد که این حمله اندازه بلوک مورد نیاز در کاهش شبکه مشبک را تقریباً نصف می‌کند و در نتیجه، هاوک را از فرآیند استانداردسازی امضای دیجیتال پس‌کوانتومی مؤسسه ملی استاندارد و فناوری (NIST) خارج کرد.
آنتروپیک تأکید کرد که هیچ‌یک از این نتایج بر سیستم‌های تولیدی (production systems) فعلی تأثیر نمی‌گذارد؛ حمله به هاوک تنها پارامتر چالشی HAWK-256 را هدف قرار می‌دهد و نه پارامترهای امنیتی NIST، و حمله به AES-128 نیز به تعداد غیرعملی متن‌های انتخابی (chosen plaintexts) نیاز دارد.
این مدل هوش مصنوعی پژوهش را عمدتاً به‌صورت مستقل در محیطی چندعاملی (multi-agent) طی حدود ۶۰ ساعت انجام داد، در حالی که هزینه استفاده از رابط برنامه‌نویسی (API) آن حدود ۱۰۰ هزار دلار بود و محققان انسانی چندین صد ساعت صرف راستی‌آزمایی نتایج کردند.
@DevTwitter | <Teegra/>
آیا باید کلاً دست از خوندن کد برداشت و اجازه داد Agentها همه تصمیم‌ها رو به‌صورت Autonomous بگیرن؟ دِکس از HumanLayer می‌گه: «نه، دیگه نه!»
کامنت‌های بیشتر، کامنت‌های طولانی‌تر و تعداد زیادی PR که بدون هیچ Reviewای Merge میشن.
تعداد Incidentها به شکل محسوسی افزایش پیدا کرده.
تعداد Bug به ازای هر Developer هم به‌مراتب بیشتر شده.
این‌ها بخشی از نکات جالبی هستند که از گزارش‌های چند تیم به دست اومده؛ تیم‌هایی که تلاش کردن به‌صورت کامل یا تا حدی Autonomous بشن و انجام همه کارها رو به Agentها بسپارن. نتیجه این بوده که خیلی زود (یا گاهی با کمی تأخیر) مشخص شده این رویکرد در Codebaseهای Production و پیچیده می‌تونه از کنترل خارج بشه.
بخشی از محدودیت‌های فعلی به این موضوع برمی‌گرده که Coding Modelهای امروزی عمدتاً برای Functional Correctness در کوتاه‌مدت آموزش داده و ارزیابی میشن، نه برای Long-term Maintainability.
این یعنی هنوز فاصله قابل‌توجهی در حوزه Software Design وجود داره و یک Design ضعیف ممکنه تا هفته‌ها یا حتی ماه‌ها خودش رو نشون نده؛ مثلاً زمانی که Incidentی رخ بده یا نیاز به Modificationهای پیچیده به وجود بیاد. Evaluationهای جدیدتری مثل SWE-Marathon و Frontier Code در حال ظهور هستند که Taskهای طولانی‌تر و Workflowهای چند-PRی رو پوشش می‌دن، اما این مسئله آن‌قدر پیچیده است که گاهی حتی فراتر از این چارچوب‌ها می‌ره.
تشبیه «Software Factory» و تأکید بر اهمیت Human Review بسیار جالبه. تجربه تیم‌هایی که در هفته‌های اخیر با ابزارهایی مثل Fable کار کرده‌اند هم تا حد زیادی همین موضوع رو تأیید میکنه، البته از زاویه‌ای متفاوت.
در این رویکرد، نقش Developer کمتر شبیه فردی است که مستقیماً کنترل همه چیز را در دست دارد و بیشتر به نقش یک Coach شباهت پیدا می‌کند که تصمیم‌های Architectural را هدایت می‌کند. بخش قابل‌توجهی از زمان نیز صرف یادگیری رویکردهای جدید و هوشمندانه‌ای می‌شود که شاید در حالت عادی به ذهن نرسند.
بر این اساس، ارزش خوندن کدها (یا Artifactها) فقط در این نیست که مطمئن بشیم مسیر اشتباهی طی نمی‌شه؛ بلکه این کار کمک میکنه تغییرات سریع Codebase بهتر درک بشن و مهم‌تر از اون، امکان یادگیری دانشی فراهم بشه که به نظر می‌رسه دامنه و عمقش از چیزی که قبلاً از Developerها انتظار می‌رفت، بسیار گسترده‌تر شده است.
لینک گزارش
https://github.com/humanlayer/advanced-context-engineering-for-coding-agents/blob/main/wsff.md
@DevTwitter | <Reza Jafari/>
اسکیل Focus Friendly دیگه فقط پلاگین Codex نیست، الان روی Claude Code نصب میشه و توی skills.sh هم هست.
توی نسخه جدید، فعال‌شدنش دقیق‌تر شده، سبک جواب‌ها با بازخورد کاربر هماهنگ میشه و بعد از وقفه هم نتیجه‌ها، تصمیم‌ها و وضعیت کار رو حفظ میکنه تا ادامه‌دادن راحت‌تر باشه.
https://skills.sh/yappologistic/focus-friendly/focus-friendly
@DevTwitter | <E Gurl/>
اولین کاری که روی سرور لینوکس جدید انجام میدم نصب کردن ohmyz.sh هست تا ترمینال رو از حالت خشکش دربیارم و یه رنگ و لعابی بهش بدم! انصافا قشنگ و زیبا میشه
با یک کامند تک خطی هم نصب میشه و کاملا راحته فقط قبلش باید zsh رو نصب کرده باشید روی سرورتون
https://ohmyz.sh/
@DevTwitter | <Zeth/>
دوره جامع پایتون: مقدماتی تا پیشرفته
🗓شروع دوره: 10 مرداد
🎁 تخفیف ویژه برای دانشجویان، فرصتی بی‌نظیر برای شما!
🔥 آموزشی که شما را به برنامه‌نویس حرفه‌ای تبدیل می‌کند و در بازار کار به شما رقابت‌پذیری بیشتری می‌دهد. همچنین برای اپلای‌های شغلی و تحصیلی شما را برتر می‌کند و به راه‌اندازی استارت‌آپ‌های شگفت‌انگیز کمک می‌کند.
⏰ 140 ساعت آموزش مجازی، با بیش از 25 پروژه و مینی‌پروژه برای تسلط کامل!
🌟 سرفصل‌های دوره شامل:
💻 تسلط بر کدنویسی پایتون
💻 علوم داده با پایتون
💻 محاسبات علمی با پایتون
💻 یادگیری ماشین با پایتون
💻 طراحی بازی و اپلیکیشن با پایتون
💻 ساخت بلاک‌چین و ارز دیجیتال با پایتون
💻 هک و امنیت با پایتون
💻 طراحی سایت با پایتون
🎁 همراه با هدایای ویژه، از جمله پکیج کسب درآمد از پایتون!
همین حالا شروع کنید و بهترین نسخه خود را با ما کشف کنید! 💥🚀🔥
🌟 به دوستان خود نیز اطلاع دهید تا این فرصت را از دست ندهند! 🌟
👨🏫برگزارکننده: شرکت آتی پژوهش امیرکبیر
@kargah2018
👩🎓جهت ثبت نام و کسب اطلاعات بیشتر
@apa_admin12
بچه ها اگر دارید فرانت اند یاد میگیرید و نیاز به تحلیل کد بقیه دارید یا میخواید نکات مختلف یاد بگیرید و پروژه بزنید
این ریپو رو از دست ندید، هم یک readme قوی داره
هم کد خوبی زده
هم برای پروژه های اولیه فرانت اند عالیه
https://x.com/MisaghMomeniB/status/2081837984295387277?s=20
@DevTwitter | <Misagh Momeni Bashusqeh/>
🎯 المپیک فناوری | ۱۴۰۵
📣 سومین دوره رقابت‌های«المپیک فناوری» شروع شد!
🎁 توی حوزه‌های برنامه‌نویسی مسابقه بده و جوایز نقدی به ارزش مجموعاً ۸۰۰ میلیون ببر!
♦️ الگوریتم
🔸 فرانت‌اند
♦️ پایتون/جنگو
🔸 دواپس
🚀 تیم‌هاتون دوتایی‌ان، پس با یه رفیق همراه بیا یا توی گروه تیم‌سازی در صفحه رویداد، هم‌تیمی پیدا کن!
ثبت‌نام رایگان:
🔗 https://quera.org/r/mcu5j
اگر نمی‌خواهید برای شروع کار با AI هزینه کنید این ریپو برای شماست مجموعه‌ای از بهترین ابزارها، مدل‌ها و پروژه‌های رایگان و متن‌باز هوش مصنوعی که همگی به‌صورت دسته‌بندی‌شده در یک مخزن قرار گرفته‌اند
https://github.com/alvinreal/awesome-opensource-ai
@DevTwitter | <Davinchi/>
طراحی سیستم‌های چند ایجنتی برای پروژه‌های واقعی معمولاً با یک ایده جذاب شروع میشه: شبیه‌سازی ساختار تیم‌های انسانی.
یک زنجیره که در اون ایجنت اول سیگنال‌ها رو شناسایی میکنه، ایجنت دوم منبع مشکل رو پیدا میکنه، ایجنت سوم علت اصلی رو تشخیص میده و ایجنت چهارم راهکار ارائه میده.
اما این معماری در پروداکشن معمولاً شکست می‌خوره. چرا و چطور باید اصلاحش کرد؟
۱. افت کیفیت تحلیل در جابه‌جایی بین ایجنت‌ها
وقتی تحلیل و استدلال بین چند ایجنت تقسیم میشه، کانتکست آسیب می‌بینه. مثلاً ایجنت سوم مشکل پوشش بیمه رو پیدا میکنه اما ایجنت چهارم پیشنهاد میده بازاریاب‌های بیشتری به منطقه بفرستیم!
راه حل: یک مالک واحد برای استدلال
یک ایجنت اصلی داشته باشید که کل کانتکست و تصمیم‌گیری نهایی رو مدیریت میکنه. ایجنت‌های فرعی فقط برای کارهای اجرایی مشخص فراخوانی میشن و داده برمی‌گردونن، نه تصمیم.
۲. استفاده از LLM برای کارهای قطعی (Deterministic)
سپردن تحلیل‌های آماری یا گشتن دنبال آنومالی‌ها در دیتابیس به LLM فقط نویز و هالوژنیشن ایجاد میکنه.
راه حل: جدا کردن پایپ‌لاین‌های قطعی
شناسایی سیگنال‌ها رو با کدهای معمول و معیارهای آماری مشخص انجام بدید و خروجی رو در یک صف قرار بدید. وظیفه ایجنت «کشف» سیگنال نیست، بلکه «بررسی» سیگنال‌های دریافت‌شده است.
۳. جستجوی بدون چارچوب در دیتابیس
اگر ایجنت بدون محدودیت در جدول‌ها بگرده، ارتباطات اشتباه بین داده‌ها می‌سازه و فرض‌های نامربوط مطرح میکنه.
راه حل: گراف دانش به عنوان لایه کنترلی
گراف دانش رو فقط یک پایگاه داده RAG ندونید؛ بلکه از اون به عنوان لایه کنترل مسیر حرکت ایجنت استفاده کنید. هر ارتباط در گراف، یک فرضیه معتبر بیزینسی تعریف میکنه که ایجنت مجازه اون رو ارزیابی کنه.
نتیجه این تغییرات: حذف کامل انحراف کانتکست و کاهش زمان تحلیل‌های چندهفته‌ای به چند دقیقه.
منبع:
Youtube: https://youtube.com/watch?v=u6jJcIFDLE4
@DevTwitter | <Mehdi Allahyari/>