این سایته هم کامپوننت های زیبایی برای وب داره، کد هاشون هست بعضیاشون حتی پرامپت هم دارن برای اونایی که نمی‌تونن از کدش استفاده کنن یا اینکه با فریم ورکشون سازگار نیست بدید به هوش مصنوعی براتون می‌سازتش:

bencho.dev


@Linuxor

بازی پاسور آوردم دورهم بازی کنید 😜❤️

@PlaylabBot

این سایت ادایی هم جالبه بهش لینک یا آیدی مقاله arXiv رو میدید براتون به صورت انیمیشنی و تصویری توضیح میده مقاله رو.

مثلا آیدی مقاله ای که توش GPT-3 معرفی شد این 2005.14165 هستش می‌تونید واردش کنید :
arxivisual.org

@Linuxor

آیفون تاشوی جدید اپل، توی نشونگرهای Wi-Fi و باتریش یه انیمیشن حرکتی خیلی جالبی داره. یه نفر از صفر ساختتش :

signal-wi-fi-battery-motion-study.vercel.app

@Linuxor

این یه اکستنشن VS Code هستش که مایکروسافت اوپن‌سورس کرده.
کارش اینه که لاگ‌های سشن‌های کدنویسی با ابزارهای هوش مصنوعی (مثل Copilot، Cursor، Claude و غیره) رو از روی سیستم خودت می‌خونه و بهت آنالیز و پیشنهاد می‌ده که چطور بهتر ازشون استفاده کنی.
اکثر برنامه نویس ها هنوز نمیدونن چطوری از هوش مصنوعی استفاده کنن :

github.com/microsoft/AI-Engineering-Coach

@Linuxor ~ Saeiid

مدل هوش مصنوعی می‌تونه چیزی رو توی ذهنش فعال داشته باشه بدون اینکه توی خروجی نشونش بده!

توی یه پژوهش Anthropic ماه پیش محقق‌ها چیزی به نام J-space معرفی کردن؛ مجموعه‌ای از الگوهای داخلی که با مفاهیم خاص ارتباط دارن.

نکته‌ی جالب اینه که یک مفهوم می‌تونه در این فضای داخلی فعال باشه، بدون اینکه مدل اون کلمه رو در خروجی تولید کنه. این کمی داستان رو خطرناک تر میکنه چون ما فرض میکنیم مدل فلان کار خطرناک رو هیچ وقت انجام نمیده ولی ممکنه بخواد جلوی ما فیلم بازی کنه و بعدا انجامش بده!


@Linuxor

بعضی کارشناس های واقعا با تجربه رو میبینم میگن این هوش مصنوعی که الان دست ماست ارتش امریکا سال ها پیش داشته ازش استفاده میکرده و ما مردم عادی داریم از پسماند های علم چند سال پیش ارتش امریکا استفاده میکنیم!

ولی چیزی که امروز از پیشرفت هوش مصنوعی میبینیم همش ناشی از عرضه و تقاضا توی یه بازار بزرگی هستش که حجمش از 2 تریلیون دلار گذشته درحالی که کل بودجه نظامی امریکا 1 تریلیون دلار هستش که 90 درصدش خرج ساخت تجهیزات سنگین و شرکت ها و حقوق کارمندان میشه، پس ارتش آمریکا پولی براش نمیمونه که بخواد از لبه تکنولوژی جلوتر باشه و مطمئن باشید چیزی که الان دارید استفاده میکنید لبه و نهایت تکنولوژی بشره چون بازار خیلی حجمش بزرگه و هر چیز جدیدی تقریبا عرضش سود ده هستش و نگهداری مخفیانش احمقانه.

@Linuxor

در کنار وایب کدینگ ما یه چیزی داریم به اسم وایب تریدینگ برای به چوخ دادن پول هاتون😁

یعنی به‌جای اینکه برای ساخت و تست استراتژی‌های معاملاتی ساعت‌ها کد بزنی، با زبان طبیعی به AI بگی چی می‌خوای و بذاری خودش بخش زیادی از مسیر Research، تحلیل، ساخت استراتژی و Backtest رو انجام بده این ابزار بیشتر برای کسایی توصیه می‌شه که دانش ترید دارن نه تازه کار ها:

github.com/HKUDS/Vibe-Trading


@Linuxor

یه نفر با حدود 5 هزار دلار هزینه خرید DGX Spark 1 تونسته مدل GLM-5.3-Flash رو اجرا کنه و سرعت خروجی حدودا 20 تا 25 توکن بر ثانیه بگیره

نکته مهم اینه که مدل به شکل معمولی توی این سخت‌افزار جا نمی‌شه، برای همین مدل رو با کوانتایز فشرده کرده و runtime لازم برای اجرای اون رو هم دستکاری کرده، قدرت مدل کمی افت پیدا میکنه ولی محسوس نیست، لینک کامل پروژه :

github.com/0xSero/GLM-5.3-Flash-DGX-Spark

این مدل انصافا قدرتش بد نیست و می‌ارزه به چند هزار دلار لوکال راهش انداخت.

@Linuxor

اگه با داده‌های بازارهای مالی کار می‌کنی، این پروژه رو حتماً ببین FinanceDatabase یه دیتابیس متن‌باز و بزرگ از بیش از 300K نماد مالیه؛ از سهام و ETF گرفته تا Fund، Index، Crypto و Currency.

می‌تونی بر اساس کشور، صنعت، Sector، Exchange و کلی مشخصه دیگه فیلترشون کنی.

برای ساخت Stock Screener، ابزارهای تحلیل مالی و پروژه‌های Data/AI خیلی عالیه:

jeroenbouma.com/projects/financedatabase


@Linuxor

اگه دنبال یه ChatGPT شخصی و متن‌باز هستین، LibreChat یکی از پروژه‌هایه که باید بشناسین. یه پلتفرم Self-Hosted هستش که می‌تونین روی سرور یا سیستم خودتون اجراش کنین و از داخل یه رابط واحد با مدل‌های مختلف AI کار کنین.

نکته جذابش اینه که به یه مدل خاص محدود نیستین؛ می‌تونین به سرویس‌هایی مثل OpenAI، Anthropic، Google و providerهای مختلف وصلش کنین، یا حتی مدل‌های Local رو با ابزارهایی مثل Ollama اجرا کنین. یعنی یه محیط واحد برای مدیریت و استفاده از مدل‌های مختلف.

ولی LibreChat فقط یه Chat UI ساده نیست. Agent، RAG، آپلود و تحلیل فایل، Code Interpreter، ابزارهای مختلف و پشتیبانی از MCP داره؛ در نتیجه می‌تونین AI رو از یه چت‌بات ساده به یه دستیار مجهز به ابزار تبدیل کنین:

www.librechat.ai


@Linuxor

اگه هنوز کلی PDF، فاکتور، قبض، قرارداد، رسید و سند رو توی فولدرهای مختلف نگه می‌داری، Paperless-ngx می‌تونه خیلی به‌دردت بخوره. یه سیستم Open Source و Self-hosted برای مدیریت و آرشیو اسناده که می‌تونی روی سرور، NAS یا سیستم خودت اجراش کنی و همه اسناد رو یه‌جا داشته باشی.

از OCR استفاده می‌کنه؛ یعنی PDF یا حتی تصویر اسکن‌شده رو می‌گیره، متن داخلش رو استخراج می‌کنه و بعد می‌تونی داخل محتوای خود اسناد سرچ کنی. علاوه بر اون، برای اسناد می‌تونی Tag، نوع سند و فرستنده تعریف کنی و با جستجوی پیشرفته خیلی سریع چیزی که می‌خوای رو پیدا کنی.

این فقط یه File Manager ساده نیست؛ برای مدیریت واقعی اسناد ساخته شده. می‌تونی Workflow تعریف کنی تا اسناد بر اساس قوانین مشخص به‌صورت خودکار دسته‌بندی بشن، ایمیل و attachmentها رو وارد آرشیوت کنی، از API استفاده کنی و حتی در نسخه‌های جدیدتر از قابلیت‌های AI/LLM برای کار با اسناد استفاده کنی:

docs.paperless-ngx.com


@Linuxor ~ AghaALi

ایده خلاقانه تاریخ‌زن برای فاکتورها. تاریخ رو روی مهر تنظیم کن، دکمه رو فشار بده تا تاریخ روی صفحه چاپ بشه (با صدا ببینید):

feralui.dev/stamp


@Linuxor

☁️سرویس سنتری هم‌روش را #رایگان امتحان کنید...

⚠️ کاربران همیشه خطاهای اپلیکیشن را گزارش نمی‌کنند؛ گاهی فقط صفحه را می‌بندند و می‌روند.

🔮 اینجاست که داشتن تصویر دقیق‌تری از خطاها، عملکرد اپلیکیشن و تجربه واقعی کاربر می‌تواند به تیم فنی کمک کند سریع‌تر به ریشه مشکل برسد.

🔘 با سنتری هم‌روش می‌توانید:

• جزئیات و شرایط وقوع خطاها را بررسی کنید.
• خطاها را بر اساس رخدادها و کاربران تحت‌تأثیر اولویت‌بندی کنید.
• با Traceها و Spanها، عملیات کند را پیدا کنید.
• با Session Replay، مسیر کاربر پیش از بروز مشکل را بازبینی کنید.

💎 در این ویدیو، نگاهی کوتاه به قابلیت‌های اصلی سرویس سنتری هم‌روش انداخته‌ایم.

🔗 برای شروع تست رایگان، یکی از پروژه‌های خود را به سنتری هم‌روش متصل کنید.

🔗 https://hmrv.sh/L9tb5e


☁️@hamravesh
#سنتری #توسعه_نرم‌افزار #مانیتورینگ #عیب‌یابی

یه ایجنت کدنویسی به اسم Pi که کاملاً داخل مرورگرت اجرا میشه و برای اجرا از یه مدل 2B روی WebGPU استفاده می‌کنه

این پروژه از MiniCPM5-2B + Pi ساخته شده و قدرتش رو از ترکیب Transformers.js + WebGPU + وزن‌های ONNX چهار‌بیتی (4-bit) می‌گیره.

تمام تلاش‌های قبلی برای ساخت همچین چیزی شکست خورده بودن، ولی به نظر میاد MiniCPM5 بالاخره باعث شده این ایده واقعاً قابل استفاده بشه.

همین الان روی Hugging Face در دسترسه:

huggingface.co/spaces/victor/MiniCPM5-2B-WebGPU-Pi

@Linuxor

اگه بچه مایه دارید و کارت گرافیک 5070 یا 4080 دارید این پروژه رو حتما ذخیره کن یه نصب‌کننده اختصاصی و راه‌انداز آماده برای اجرای Qwen3.8-27B روی کارت‌های NVIDIA معمولی هستش هم بهتون لوکال چت می‌ده هم API برای استفاده توی بقیه برنامه ها

کاربرا روی 5070ti تونستن تا 100 توکن بر ثانیه بگیرن
البته اگه مایه دار نیستی و قشر متوسط به بالایی و 4060 داری تا 15 توکن بر ثانیه خروجی می‌تونی بگیری که بد نیست

github.com/MiaAI-Lab/Qwen3.8-27B-16gb-NVIDIA-GPUs-one-click-install


@Linuxor

یه نفر به DeepSeek یه ساب‌ایجنت از Astra داد (یعنی یه ایجنت فرعی که توسط ایجنت اصلی برای انجام بخشی از کار استفاده می‌شه). بعد به Astra هم یه ساب‌ایجنت از DeepSeek داد (یعنی DeepSeek به‌عنوان ایجنت فرعی، زیر نظر Astra کار می‌کرد) نتایج رو ببنینید چه تفاوتی داره:

DeepSeek + Astra:
alesha-pro.github.io/bench-portal/games/kart-deepseek-astra

Astra + DeepSeek:
alesha-pro.github.io/bench-portal/games/kart-astra-deepseek

Astra solo:
alesha-pro.github.io/bench-portal/games/kart-astra-solo

DeepSeek solo:
alesha-pro.github.io/bench-portal/games/kart-deepseek-solo


@Linuxor