این گیم پلی از MW4 رو ببینید دیگه کلا توقع اتون از GTA-6 بالا می‌ره عجب چیزیه!

دقت کنید فقط بخش داستانی بازی به‌صورت دسترسی زودهنگام برای کسایی که بازی رو پیش‌خرید کردن، در دسترس قرار گرفته.

@Linuxor

با CLI-Anything آشنا بشید؛ پروژه‌ای متن‌باز، به‌جای اینکه AI مجبور باشه با رابط گرافیکی کار کنه و دکمه‌ها رو یکی‌یکی بزنه، می‌تونه از طریق دستورهای خط فرمان با نرم‌افزارها تعامل داشته باشه.

ایده‌ش اینه که برای نرم‌افزارهایی مثل Blender، GIMP و ابزارهای دیگه، رابط CLI ساخته بشه تا ایجنت‌ها بتونن کارهایی مثل ساخت و ویرایش محتوا، اجرای عملیات و گرفتن خروجی رو با دستورهای مشخص انجام بدن.

فقط به استفاده از ابزارهای آماده محدود نیست؛ هدف پروژه اینه که ساخت CLI برای نرم‌افزارهای مختلف رو هم ساده‌تر کنه. یعنی ایجنت‌های برنامه‌نویسی می‌تونن در این فرایند کمک کنن تا نرم‌افزارها برای اتوماسیون هوش مصنوعی قابل‌استفاده‌تر بشن.

github.com/HKUDS/CLI-Anything

@Linuxor

این مدل جدید دیپ سیک که اوپن هم هست درسته بنچمارک های ضعیف تری داره ولی توی نتایج واقعا حتی از GPT-6-Astra هم بهتر عمل میکنه!

هزینه Astra حدود 7 دلار هزینه دیپ سیک 0.9 دلار.


@Linuxor

یکی از پروژه‌های جالب تو حوزه Generative UI، پروژه‌ی OpenUI از Thesys هستش. ایده‌ش اینه که خروجی هوش مصنوعی محدود به متن نباشه و بتونه بر اساس درخواست کاربر، UIهایی مثل فرم، جدول، نمودار و داشبورد تولید کنه. یعنی به‌جای اینکه فقط درباره‌ی یه چیز توضیح بده، امکان نمایش اون در قالب یه رابط تعاملی هم وجود داره.

ساخت UI دیگه لزوماً به معنی انتخاب یه کامپوننت ثابت از قبل نیست. مدل می‌تونه بر اساس کانتکست گفتگو، ساختار رابط موردنیاز رو تولید کنه و این ساختار در فرانت‌اند رندر بشه. این رویکرد می‌تونه برای ساخت AI assistant ها و اپلیکیشن‌هایی که رابطشون با توجه به نیاز کاربر تغییر می‌کنه، کاربردی باشه.
از نظر فنی، OpenUI خودش LLM نیست؛ بین خروجی مدل و لایه‌ی نمایش قرار می‌گیره. با استفاده از OpenUI Lang، ساختار UI به شکل قابل پردازش تولید می‌شه و Renderer اون رو به کامپوننت‌های واقعی تبدیل می‌کنه. در نتیجه، مدل روی تولید ساختار متمرکز می‌شه و رندر و تعاملات سمت اپلیکیشن مدیریت می‌شن.

نصب:
pnpx @openuidev/cli@latest create

کد و جزئیات پیاده‌سازی:

openui.com


@Linuxor

یکی مشکلاتی که همه نقشه های مسیریاب دارن اینه که شما نمی‌تونید چند تا مسیر رو همزمان با هم مقایسه کنید.

مثلاً دنبال خونه‌اید و چند تا گزینه دارید. می‌خواید ببینید از هر کدوم تا محل کار خودتون و همسرتون و مدرسهٔ بچه چقدر راهه. باید ده بار مسیریابی کنید و عددها رو یه جا یادداشت کنید.

یا مثلاً باید کلید یا مدارکی رو به همکارتون بدید. هر دو عصر از سر کار راه می‌افتید سمت خونه، ولی خونه‌هاتون دو طرف شهره. افزونه جایی رو پیدا می‌کنه که سر راه هر دوتون باشه و کمترین وقت اضافه رو بگیره.

یه افزونه فایرفاکس و کروم نوشتم که این کار ها رو روی نقشه نشان انجام میده. لینک github اون رو در توییت بعدی قرار میدم.

البته بیشتر برای استفاده شخصی خودم نوشتم ولی گفتم با شما هم به اشتراک بذارم:

github.com/vahidbaghi/neshan-routes

@Linuxor ~ vahidbaghi95

شرکت آنتروپیک می‌گه حدود 90 درصد از کدهای Claude Code رو خود Claude می‌نویسه؛ اما چطور کیفیت این حجم از کد رو کنترل می‌کنن؟

این شرکت در مقاله‌ای جدید توضیح داده که چطور با تغییر فرایند Code Review، از ژوئن تا سپتامبر تعداد PRهای ادغام‌شده رو بیش از 2 برابر کرده و هم‌زمان سهم تغییرات برگشت‌خورده رو بیش از 40 درصد کاهش داده.

راهکارشون ترکیبی از بازبینی کد با هوش مصنوعی، تست‌های خودکار، بررسی امنیتی و نظارت انسانی متناسب با میزان ریسک تغییراته. هدف اینه که توسعه سریع‌تر بشه، بدون اینکه کنترل کیفیت قربانی سرعت بشه.

آنتروپیک همچنین توضیح داده که تیم‌های دیگه چطور می‌تونن این رویکرد رو در فرایند توسعه خودشون پیاده کنن:

claude.dev/blog/solving-code-review-at-anthropic

@Linuxor

چند ماهی بود که چرخش خودکار صفحه گوشیم کلا از کار افتاده بود

با نرم افزار های جانبی یه تستی گرفتم گفتش ژیروسکوپ گوشیت سوخته، ژیروسکوپ یه سنسوریه که باهاش میشه فهمید گوشی حول سه محور x,y,z با چه سرعتی میچرخه! و گوشی از روی این میفهمه که چرخیده.

امروز به طور شانسی فهمیدم ژیروسکوپم نسوخته این قابلیت Sensors off زده ژیروسکوپ رو خاموشش کرده! احتمالا بخاطر جلوگیری از جاسوسی! با ژیروسکوپ گوشی میشه حدودی فهمید چه چیزی دارید تایپ می‌کنید! ضربه های انگشت میتونن لرزش های ریز منحصر به فردی ایجاد کنن که با یادگیری ماشین میشه چیزی که تایپ میکنید رو حدودی بدست آورد!


@Linuxor

این ابزار برای مک رو دیدم که ویدیو هاش توی شبکه های اجتماعی میلیون ها بازدید خورده بود و مردم کلی هم نظر 5 ستاره داده بودن وای این چه چیز خفنیه!

ولی واقعیتش اکثر مردم نمی‌دونن چی خفنه و چی خفن نیست این ابزار یه تبدیل کننده فایل سادس که هزاران جایگزین براش وجود داره علت اینکه این معروف شده فقط اینه یه نمایش زیبا داره مردم گاهی نمایش زیبا رو با کاربردی بودن اشتباه می‌گیرن! مگر یه فرد در روز چقدر فایل کانورت می‌کنه؟ حتی خیلیا نرم افزاری براش نصب نمی‌کنن و از سایت های آنلاین استفاده می‌کنن پس اونقدری چیز مهمی نیست.

درسی که می‌شه از این گرفت اینه یه چیزی بسازید حتی اگر کاربردی نباشه ولی نمایش خوبی از خودش ارائه کنه موفق می‌شه، دانلود:

tangerineformac.com

@Linuxor

ظاهر جذاب به‌تنهایی لزوماً باعث موفقیت یه محصول نمی‌شه؛ بلکه باعث می‌شه مردم بهش توجه کنن، درباره‌ش حرف بزنن و احتمالاً امتحانش کنن. برای اینکه این توجه به درآمد پایدار تبدیل بشه، محصول باید ارزش کافی برای استفاده‌ی مجدد داشته باشه یا مدل درآمدی مناسبی ارائه بده.

در واقع، می‌شه موفقیت یه محصول رو به 3 بخش تقسیم کرد:

یک. Attention (جلب توجه): محصول باید توی چند ثانیه اول چشم مخاطب رو بگیره.

دو. Conversion (تبدیل توجه به اقدام): مخاطب باید به اندازه‌ای جذب بشه که محصول رو دانلود کنه یا بابتش پول بده.

سه. Retention (حفظ کاربر): محصول باید اون‌قدر مفید یا لذت‌بخش باشه که کاربر دوباره سراغش بره.


@Linuxor

✨ اکانت ChatGPT Plus پیش‌ساخته یک ماهه، کاملاً اختصاصی🔐
‌
✅ ۱۰ روز گارانتی بی‌قید و شرط
‌✅مدل Codex GPT-6.1 Sol
✅ قابلیت اجرا در VS Code و Cursor
✅ به همراه Codex Windows
❗️ موجودی بسیار محدود

💥 فقط ۲.۹۰۰.۰۰۰ تومان

⚡️ برای خرید کلیک کنید

30 سال پیش انویدیا در آستانه ورشکستگی بود. جنسن هوانگ به رئیس سگا حقیقت را گفت: فناوری ما اشتباه است؛ با شرکت دیگری کار کنید.
سگا با این حال 5 میلیون دلار به انویدیا پرداخت کرد؛ پولی که 6 ماه به انویدیا فرصت داد و نجاتش داد.
30 سال بعد، جنسن به توکیو رفت تا از او تشکر کند.


@Linuxor ~ AmirAmeri__

مقایسه اوپوس 5.5 و مدل جدید دیپ سیک

دیپ سیک نسبت به هزینش بد طراحی نکرده اما اشکالات ریز زیادی داره، کسی که می‌خواد از دیپ سیک استفاده کنه باید خودش هم دستی نظارت کنه.

اگه به لاک لاکپشت نگاه کنید اون چیزی که اوپوس طراحی کرده برجستگیش واقعا تمیز در اومده اما برای دیپ سیک خیلی مصنوعی و غیر طبیعیه ولی سر لاکپشت دیپ سیک خیلی بهتر از اوپوس طراحی شده و همچنین انتخاب رنگ دیپ سیک بهتر بوده. در مورد دمش هم که نگم برای دیپ سیک اصلا خار هاش نچسبیده و فاصله داره!


@Linuxor

اگه خواستید لینوکس نصب کنید و یه ظاهر زیبا شبیه به مک او اس لیکویید گلس داشته باشید می‌تونید با Serpantinum این کارو کنید

serpantinum.dev

@Linuxor

🔖 آخرین فرصت شرکت در جشنواره «شروع دوباره زبان با لینگانو»

📣 تا ۷۵٪ تخفیف ویژه روی دوره جامع آموزش زبان لینگانو

✅ 146 جلسه آموزشی باکیفیت (+72 ساعت آموزش)
✅ از مبتدی تا پیشرفته
✅ همراه با جزوه، تمرین و آزمون اختصاصی برای هر درس

➕

🎁 3 هدیه اختصاصی برای شما:

✅ مینی‌دوره «یادگیری زبان با سریال فرندز»
✅ مینی‌دوره «لغات و کالوکیشن»
✅ ۱ سال اشتراک رایگان لینگانو ai،
دستیار هوش مصنوعی اختصاصی لینگانو


برای دریافت جزئیات و قیمت دوره، کافیه کلمه‌ی «مسیر» رو به آیدی زیر بفرستین:

🔵 @lingano_support_2
🔵 @lingano_support_2

یه عده بیکار روی گوشی سامسونگ J1 (معروف به گوشی بابا ها) اومدن و iOS 7.1.2 ریختن و خوب هم کار می‌کنه!

کد هاش و فایل های لازم :
github.com/kOtusin/uniloader
github.com/kOtusin/xnu-j1xlte


خلاصه از این حرکتا روی گوشی باباتون نزنید که شب باید برید توی پارک بخوابید.


@Linuxor

نوبتی هم باشه نوبت استیم و راک استار و اپیک گیمزه


@Linuxor

سقوط سهام های هوش مصنوعی آمریکایی به دلیل ترس از ترکیدن حباب هوش مصنوعی!

- شرکت‌های بزرگ فناوری میلیاردها دلار برای تراشه، سرور و دیتاسنتر هزینه می‌کنن.
- شرکت‌هایی که این زیرساخت‌ها رو می‌سازن، بعضاً با بدهی سنگین فعالیت می‌کنن.
- اگر درآمد حاصل از هوش مصنوعی کمتر از انتظار باشه، بازگشت این سرمایه‌گذاری‌ها طولانی‌تر می‌شه.
این یعنی حتی اگر شرکت‌ها همچنان فروش خوبی داشته باشن، بازار ممکنه دیگه حاضر نباشه سهامشون رو با قیمت‌های قبلی بخره.

از طرف دیگه بالا موندن قیمت نفت هم داره بازار های آمریکا رو قلقلک می‌ده.

@Linuxor

گوگل پروژه‌ی متن‌باز Harness² رو معرفی کرده؛ سیستمی که به AI Agentها اجازه می‌ده هارنس خودشون رو به‌مرور بهینه کنن. هارنس شامل تمام چیزهاییه که اطراف مدل قرار می‌گیره سیستم پرامپت، ابزارها، حافظه، مهارت‌ها و ساب ایجنت ها.

به‌جای تغییر وزن‌های مدل، Harness² چند نسخه از هارنس رو می‌سازه، اجرا می‌کنه و نتایجشون رو با هم مقایسه می‌کنه تا به تنظیمات بهتری برسه؛ حتی بدون نیاز به پاسخ صحیح یا ارزیاب اختصاصی برای هر وظیفه.
اما بخش جذاب‌تر اینجاست تجربه‌های موفق هر وظیفه ذخیره می‌شن تا Agent در وظایف بعدی از صفر شروع نکنه. یعنی هر تسک می‌تونه به بهبود عملکرد تسک‌های بعدی کمک کنه؛ قدمی به سمت Agentهای واقعاً خودبهبوددهنده!

github.com/google-research/harness2

@Linuxor

شرکت‌ها: «هوش مصنوعی قراره جای برنامه‌نویس‌ها رو بگیره.»

برنامه‌نویس‌ها: «چه عالی! ما هم از هوش مصنوعی استفاده می‌کنیم تا محصولات شما رو جایگزین کنیم!»

@Linuxor ~ twtayaan