می‌دونستین اپل یه SDK (مجموعه ابزار برای برنامه‌نویس‌ها) به اسم RoomPlan داره که با استفاده از دوربین و سنسور LiDAR آیفون/آیپد، می‌تونه فقط با اسکن کردن، نقشه سه‌بعدی کل خونه رو بسازه.

یعنی شما با گوشی داخل خونه راه می‌ری و برنامه:

دیوارها رو تشخیص می‌ده، اتاق‌ها رو می‌شناسه، درها و پنجره‌ها رو پیدا می‌کنه، حتی بعضی وسایل مثل مبل و میز رو هم تشخیص می‌ده، و در نهایت یک مدل سه‌بعدی از خانه تولید می‌کنه.

developer.apple.com/augmented-reality/roomplan

@Linuxor

این ابزار می‌تونه هر لینکی از هرجایی بهش بدید دانلودش کنه

کاملاً رایگان، متن‌باز و بدون تبلیغات.

github.com/averygan/reclip

@Linuxor

فوربز گزارش داده که استارتاپ‌های مبتنی بر عامل‌های هوش مصنوعی (AI Agents) دارن به انتخاب اول بنیان‌گذارهای انفرادی تبدیل می‌شن. دلیلش هم اینه که هزینه استفاده از ابزارهای هوش مصنوعی به‌شدت پایین اومده و حالا یک نفر می‌تونه با پرداخت ماهانه $300 تا $500 کاری رو انجام بده که قبلاً به یک تیم کامل با هزینه $80,000 تا $120,000 در ماه نیاز داشت.

به همین خاطر، الان بیشتر از یک‌سوم استارتاپ‌های جدید فقط یک بنیان‌گذار دارن؛ در حالی که این عدد در سال 2017 فقط 17% بود. هوش مصنوعی هم با انجام کارهایی مثل کدنویسی، تولید محتوا و پشتیبانی مشتری، هزینه‌ها رو حدود 95% تا 98% کمتر از نیروی انسانی کرده و راه‌اندازی کسب‌وکار رو برای افراد مستقل خیلی ساده‌تر کرده.

@Linuxor

اینو ببینید دیروز ساخته شده تمام اندام های داخلی بدن رو به صورت سه بعدی نشون می‌ده، هوش مصنوعی واقعا داره به جاهای عجیبی می‌ره

تست آنلاین :
anatomy-livid.vercel.app

سورس کد :
github.com/thebuggeddev/anatomy

از سورس کدش کلی ایده می‌تونید برای پروژه های خودتون بگیرید.

@Linuxor

اگه خواستین ببینید پایتون چقدر بلدید سایت سیمپل‌لرن 150 تا سوال با جواب داره برید ببینید کدوماشو می‌تونید جواب بدید برای تمرین قبل از مصاحبه هم خوبه :

www.simplilearn.com/python-interview-questions-article

همه سوالاش واقعا خوبن پس اگه به چیزی رسیدید و بلد نبودید نگید این چه چرتو پرتیه برید یادش بگیرید توی آینده به احتمال زیاد بهش بر می‌خورید.

@Linuxor

اگه خواستین یه چیزی دیزاین کنید نشینید فکر کنید برید از بقیه طرح ها الهام بگیرید، این سایته کلی طرح داره می‌تونید ازش الهام بگیرید :

collectui.com

@Linuxor

خبر فوری

آسترا، هوش مصنوعی جدید OpenAI، تونسته 10 مسئله‌ی قدیمی و حل‌نشده‌ی ریاضی رو حل کنه؛ از جمله اولین ساختار صریح یک گروه غیرصوفی. جالب‌تر اینکه کل این کار با هزینه‌ای حدود 2000 دلار انجام شده.

راه‌حل‌هایی که ارائه داده، فقط ایده‌های خام نیستن؛ همگی تأیید شدن و روی گیت‌هاب منتشر شدن. این دستاوردها حوزه‌های مختلفی مثل علوم کامپیوتر نظری و پیچیدگی مدارهای حسابی رو پوشش می‌دن.

بین این نتایج، رد حدس صلبیت کانز (Connes's rigidity conjecture) و حل مسئله‌ی 183 پاول اردوش (Paul Erdős) هم دیده می‌شه؛ مسائلی که سال‌ها جزو چالش‌های جدی ریاضی بودن.

این اتفاق می‌تونه یه نقطه‌ی عطف برای استدلال علمی با هوش مصنوعی باشه؛ چون نشون می‌ده AI داره از حل مسئله‌های معمولی عبور می‌کنه و وارد مرحله‌ی کشف‌های واقعی علمی می‌شه.

@Linuxor

اگه به هک و امنیت علاقه دارید این پست هکرنون رو بخونید درباره امنیت مدل های هوش مصنوعیه

چون Prompt Injection شبیه SQL Injection نیست که با یک تکنیک استاندارد بشه اونو کاملاً حذف کرد. این حمله از نحوه‌ی کار خود LLMها هستش پس هیچ فیلتر جادویی وجود نداره. راهکار واقعی، طراحی سیستم با فرض اینه که مدل ممکنه هر لحظه فریب بخوره.

این مقاله مفاهیمی مثل «مثلث مرگبار»، «قانون دو»، الگوی Dual-LLM سایمون ویلیسون، سیستم CaMeL گوگل دیپ‌مایند و شش الگوی طراحی از یه مقاله سال 2025 رو معرفی می‌کنه:

hackernoon.com/you-cannot-filter-your-way-out-of-prompt-injection


@Linuxor

خیلیا براشون سواله شایان اویس‌قرن، ایرانی‌ای که مدال آباکوس گرفت، دقیقا چیکار کرد؟

اول بگم مدال آباکوس یکی از معتبرترین جایزه‌ها توی حوزه ریاضیات علوم کامپیوتره. شایان مسئله فروشنده دوره‌گرد (TSP) رو حل نکرد؛ چون این مسئله هنوز حل نشده. کاری که کرد این بود که بعد از چند دهه، یک روش تقریبی برای حل این مسئله رو کمی بهتر کرد.

شاید بگید خب یه بهبود کوچیک چرا مهمه؟ چون TSP یکی از سخت‌ترین مسائل محاسباتیه. با زیاد شدن تعداد شهرها، تعداد مسیرهای ممکن به شکل وحشتناکی زیاد میشه و پیدا کردن بهترین مسیر خیلی سخت میشه.

بهبود همین روش‌های تقریبی می‌تونه روی کلی حوزه مثل طراحی تراشه، مهندسی، شبکه‌ها و بهینه‌سازی اثر بذاره. ارزش کار شایان اینه که یه قدم کوچیک، مرز دانش رو توی یکی از سخت‌ترین مسائل کامپیوتر جلوتر برده.


@Linuxor

احتمالا خیلی هاتون با اکوسیستم skills که vercel ساخته اشنا باشید.

skills.sh

هرکسی میتونه اسکیل خودشو بسازه بذاره github و اگر ساحتار اسکیل منطبق بر چهارچوب ارائه شده توسط vercel باشه همه میتونن دسترسی داشته باشن و استفاده کنن.

من اما میخوام بهتون یک اسکیل خاص رو معرفی کنم به اسم find-skills که از اسمش معلومه کمک میکنه به جای نصب تک تک اسکیل ها خود مدل بتونه tool_calling بهتری انجام بده و اسکیل مشخص رو پیدا کنه.

ادرسش اینجاس:

skills.sh/vercel-labs/skills/find-skills

روی پروژه یا به شکل گلوبال میتونید نصب کنید.

روی هرمس ترکیب برنده رو میده به شما چرا که خود هرمس سیستم skill_discovery بسیار خوبی داره اما روی اسکیل های نصب شده و فعال و این اسکیل به شما کمک میکنه بیرون اکوسیستم اسکیل داخلی هرمس اسکیل جدیدی پیدا کنید و بهش اضافه کنید و حالا شما هم internal_discovery دارین و هم external_discovery.

@Linuxor ~ Thatssoheil

من که شغلی ندارم هوش مصنوعی بگیرتش، منتظرم یه شغل ایجاد کنه برم توش.


@Linuxor

آمازون در حال سرمایه‌گذاری عظیمی روی هوش مصنوعی هستش (بیش از 200 میلیارد دلار سرمایه‌گذاری برنامه‌ریزی‌شده)، اما به گفته جف بزوس، مزیت رقابتی واقعی این شرکت نه توی فناوری‌های جدیده، بلکه تمرکز بر چیزهایی است که هرگز تغییر نمی‌کنن مثلا‌:

مشتری‌ها همیشه قیمت پایین‌تر می‌خواهند.
همیشه تحویل سریع‌تر را ترجیح می‌دهند.
همیشه انتخاب‌های بیشتر را دوست دارند.

جف بزوس معتقده شرکت‌هایی که روی نیازهای دائمی مشتریان تمرکز کنن، حتی توی دوران تحول‌های بزرگی مثل هوش مصنوعی نیز مزیت رقابتی خودشونو حفظ خواهند کرد.

دوستان این خیلی نکته مهمیه ها جف بزوس خیلی خوب می‌دونه نیاز های اصلی انسان هیچ وقت تغییر نمی‌کنن و روی اونا تمرکز می‌کنه بجای اینکه بچسبه به چیز های جدید تست نشده.


@Linuxor

بزرگ‌ترین مشکل تست پروژه اینه که معمولاً بعضی سناریوها از یادت میرن؛ همون‌هایی که بعداً تبدیل به باگ میشن.

برای حل همین مشکل، یکی از بچه ها به اسم سبحان یه Prompt متن‌باز منتشر کرده که سورس پروژه رو تحلیل می‌کنه و بی‌نهایت سناریوی تست فارسی و انگلیسی در قالب ( عمل + انتظار ) با استایل چک لیست داخل یک فایل HTML تولید می‌کنه. کافیه مرحله‌به‌مرحله تست‌ها رو اجرا کنی و ببینی آیا نتیجه‌ی مورد انتظار رخ می‌ده یا نه.

github.com/sobhanrajabi31/test-scenario-prompts

@Linuxor

برگای آدم می‌ریزه ببینید چه شطرنج سه بعدی با هوش مصنوعی ساختن توسعه دهندش می‌گه فقط توی 2 ساعت ساختتش!

تست آنلاین :
medieval-3d-chess.rork.app

سورس کد :
github.com/alexngdev99/rork-medieval-3d-chess

@Linuxor

وقتی یه مدل روی لپ تاپ خودت بالا آوردی و ازش سوال می‌پرسی

@Linuxor

این سایتم ‌خیلی قشنگه برای تازه کار هایی که توی ساخت وبسایت مشکل چیدمان سایتشون رو دارن، اکثر چیدمان های رایج رو پوشش می‌ده

سایت اصلی :
flexboxlabs.netlify.app

سورس کد سایت (خواستین ببینید خود این سایته چطوری طراحی شده) :
github.com/prazzon/flexbox-labs

@Linuxor

دیپ سیک فلش 4 خیلی بین کاربرا سرو صدا کرد این ویدیو دیپ سیک با مدل 102 گیگیش رو روی مک 128 گیگی اجرا کرده با فقط یه پرامپت، خودش بازی مین‌یاب (Minesweeper) رو نوشته، کد خودش رو با Node.js بررسی کرده، و در نهایت یک بازی کاملاً قابل اجرا تحویل داد.

ابزار استفاده شده توی ویدیو osaurus هستش‌:
github.com/osaurus-ai/osaurus


می‌دونم الان شاید بگید مک 128 گیگی از کجا بیاریم؟ امیدوارم وضع مملکت درست بشه و همه بتونن بخرن.

@Linuxor

بازی ترسناک و بقای TAKEN توی مرورگر

به تازگی با هوش مصنوعی و ThreeJS ساخته شده :

taken-game.com/play

بازی اوپن سورس نیست و فقط می‌تونید آنلاین بازیش کنید.

@Linuxor

شرکت Firecrawl ادعا کرده که سریع ترین موتور پردازش pdf رو اوپن سورس کرده که سرعتی برابر 0.002 ثانیه برای هر صفحه داره.

نکته خوبش اینه که کاملا لوکاله البته رقبای دیگه ای هم برای این کار وجود داره مثل Docling / Marker / MinerU ولی این مثل اونا OCR نیست این بیشتر خودشو پارسر معرفی کرده

تست آنلاینش که فارسی هم ساپورت می‌کنه :

firecrawl.github.io/pdf-inspector/#demo

سورس کدش جهت اجرا روی سیستم خودتون :

github.com/firecrawl/pdf-inspector

@Linuxor

تویی که تاحالا یادگیری عمیق نداشتی معلومه ماشینی که یادگیری عمیق (Deep Learning) داشته جاتو میگیره.

بفرست براش بزار یکم به خودش بگیره نگران بشه.

@Linuxor

دیروز یه خبر عجیب از دنیای بیت‌کوین منتشر شد چندین کیف‌پول سخت‌افزاری Coldcard هک شدن و ده‌ها میلیون دلار بیت‌کوین از دست رفت. نکته ترسناک ماجرا اینه که هکرها دستگاه‌ها رو نشکستن؛ مشکل از جایی بود که فکر می‌کردیم امن‌ترین بخش ماجراست: ساختن کلید خصوصی.

ماجرا اینه که هر کیف‌پول بیت‌کوین اول یه عدد کاملاً تصادفی می‌سازه و از اون Seed Phrase (همون 12 یا 24 کلمه بازیابی) تولید می‌کنه. اگر این تصادفی‌سازی ضعیف باشه، فضای حدس زدن کوچیک میشه و مهاجم می‌تونه Seedهای احتمالی رو یکی‌یکی امتحان کنه تا به کیف‌پول‌های دارای موجودی برسه.

یعنی هکر لازم نیست دستگاه رو بدزده، PIN رو پیدا کنه یا رمزنگاری بیت‌کوین رو بشکنه. فقط کافیه Seedهای ضعیف رو بازسازی کنه، آدرس‌ها رو روی بلاک‌چین چک کنه و اگر پولی داخلش بود، با کلید خصوصی اون رو منتقل کنه.

درس بزرگ این اتفاق اینه که امنیت فقط به آفلاین بودن کیف‌پول بستگی نداره. اگر ریشه کلید اشتباه ساخته بشه، حتی یک Cold Wallet هم می‌تونه تبدیل به یک گاوصندوق با قفل قابل حدس بشه. برای کاربران آسیب‌دیده، ساختن Seed جدید و انتقال دارایی تنها راه امنه.

@Linuxor