اینم جدیدا 150 هزار ستاره گیتهاب گرفته، UI/UX Pro Max؛ یه Skill برای ارتقای کیفیت طراحی رابط کاربری با هوش مصنوعی

اگه با ابزارهایی مثل Cursor، Claude Code یا Codex کدنویسی می‌کنی، UI/UX Pro Max می‌تونه بهت کمک کنه رابط‌های کاربری حرفه‌ای‌تر و منسجم‌تری بسازی. این پروژه با ارائه مجموعه‌ای از دستورالعمل‌ها و منابع طراحی، به ایجنت‌های هوش مصنوعی کمک می‌کنه تصمیم‌های دقیق‌تری درباره ظاهر و تجربه کاربری محصولات بگیرن.
این ابزار مجموعه‌ای از سبک‌های طراحی، پالت‌های رنگی، ترکیب فونت‌ها، قواعد UX، الگوهای نمودار و راهنمای پیاده‌سازی برای فناوری‌های مختلف رو در اختیار هوش مصنوعی قرار می‌ده؛ تا فرایند طراحی از انتخاب سبک بصری تا پیاده‌سازی رابط کاربری، ساختارمندتر و هدفمندتر پیش بره.


github.com/nextlevelbuilder/ui-ux-pro-max-skill

@Linuxor

این یه کتابخونه برای React Native و Expo هست که بهت اجازه می‌ده Carouselهایی با افکت شیشه‌ای مایع (Liquid Glass) بسازی؛ چیزی شبیه افکت شیشه‌ای و انکسار نور که توی طراحی‌های جدید iOS و رابط کاربری Apple می‌بینی

چیزی جز زیبایی نمی‌بینم:

github.com/rit3zh/expo-glass-carousel


@Linuxor

نسخه 0.4 از Libertix منتشر شد!

کافیه توی ویندوز، گزینه Linux رو انتخاب کنی و فقط یک بار سیستم رو ری‌استارت کنی؛ به همین راحتی نصب می‌شه. خودش به‌تنهایی همه کارها رو انجام می‌ده!

نه نیازی به فلش USB داری، نه نیاز به اجرای نصب‌کننده و طی کردن مراحل نصب.

فایل‌هات و اتصال وای‌فای هم در هر دو طرف در دسترس هستن!

ekimia.fr/libertix


@Linuxor

اجرای ویندوز 11 با تنها 128 مگابایت رم؛ چیزی که در نگاه اول غیرممکن به نظر می‌رسه!

یک توسعه‌دهنده به نام NTDEV که پیش از این هم با پروژه Tiny11 نسخه‌های سبک‌شده ویندوز رو منتشر کرده بود، حالا سراغ نسخه 26H2 ویندوز 11 رفته و تونسته حجم فایل نصب اون رو به حدود 700 مگابایت کاهش بده. نکته جالب‌تر اینکه این نسخه آزمایشی حتی با تنها 128 مگابایت رم هم اجرا شده!

جالب اینجاست که با وجود حذف بخش زیادی از اجزای غیرضروری ویندوز، قابلیت‌های پایه سیستم‌عامل همچنان حفظ شدن و برنامه‌هایی مثل Paint، Calculator، Notepad و حتی File Explorer قابل اجرا هستن.

مایکروسافت حداقل رم موردنیاز برای نصب رسمی ویندوز 11 رو 4 گیگابایت اعلام کرده؛ یعنی این نسخه آزمایشی تونسته با حدود 1/32 رم موردنیاز رسمی اجرا بشه! البته این به معنی مناسب بودنش برای استفاده روزمره نیست، چون بخش زیادی از سرویس‌ها و قابلیت‌های ویندوز برای رسیدن به این حجم کوچک حذف شدن:

pico11.pages.dev

@Linuxor

اینو نمیدونستم شرکتا وایب کدر استخدام می‌کنن و بعضیاشون پول خوبی هم می‌دن.


@Linuxor

تصور کن بتونی یه مدل هوش مصنوعی با 2.78 تریلیون پارامتر رو فقط با 8 گیگابایت RAM و بدون کارت گرافیک اجرا کنی!
پروژه متن‌باز kimi-k3-in-c دقیقاً همین ادعا رو مطرح کرده. یه موتور اجرای هوش مصنوعی که با زبان C نوشته شده، کل کدش فقط 176 کیلوبایته و برای اجرا هم به PyTorch یا CUDA نیازی نداره. جالب‌تر اینکه می‌تونه مدل کامل Kimi K3 رو روی CPU اجرا کنه!

سرعت تولید توکن طبق بنچمارک منتشرشده:
• لپ‌تاپ با 8GB RAM: هر توکن 26.5 ثانیه
• لپ‌تاپ با 32GB RAM: هر توکن 24.2 ثانیه
• دسکتاپ با 64GB RAM: هر توکن 19.8 ثانیه
• ورک‌استیشن با 128GB+ RAM: هر توکن 5.6 ثانیه
البته برای اجرای مدل به حدود 1.56 ترابایت فضای ذخیره‌سازی نیاز داری و سرعتش هم پایینه؛ ولی اینکه اجرای مدلی در این ابعاد روی سخت‌افزار مصرفی ممکن شده، از نظر مهندسی واقعاً جذابه.



github.com/FareedKhan-dev/kimi-k3-in-c


@Linuxor

زامبی Black Ops رو هم پورتش کردن و میشه مستقیم تو مرورگر بازی کرد :)))

vel.gg/bsz


@Linuxor ~ omidnikrah

ایلان ماسک به اظهارنظر جنجالی سم آلتمن واکنش نشان داد

مدیرعامل اسپیس‌ایکس در پستی در ایکس نوشت: «مردم هم مستحق داشتن رم‌های خود هستند!» این واکنش در برابر اظهارنظر سم آلتمن، مدیرعامل OpenAI، قرار گرفته که اخیراً گفته بود قرار گرفتن مقدار زیادی رم در کامپیوترهای شخصی هدررفتن منابع است و این منابع اکنون بهتر است به دیتاسنترها اختصاص پیدا کند.

سم آلتمن باور دارد که در شرایط کنونی، با توجه به کمبود حافظه‌های رم، این تراشه‌ها باید به مراکز داده هوش مصنوعی بروند تا بیشترین بازدهی را داشته باشند. از زمان انتشار این اظهارات، کاربران واکنش‌های تندی به گفته‌های مدیرعامل OpenAI داشته‌اند.


@Linuxor ~ digiato

این پروژه مهندسی معکوس، ایده‌ی اصلیش ساده‌ست یه نرم‌افزار، سایت یا بازی رو بررسی کن، نحوه‌ی کارش رو بفهم و بعد با کمک یه Coding Agent، نسخه‌ی اختصاصی خودت رو بساز!

فرایند کارش 4 مرحله داره اول نرم‌افزار اصلی رو بررسی می‌کنه و از ساختار و رفتارش شواهد جمع می‌کنه؛ بعد ایجنت هوش مصنوعی بر اساس این اطلاعات پروژه‌ی جدید رو می‌سازه؛ در مرحله‌ی بعد، نتیجه با نسخه‌ی اصلی مقایسه می‌شه و در نهایت، مشکلات شناسایی‌شده برای رسیدن به نتیجه‌ی بهتر اصلاح می‌شن.

یکی از جذاب‌ترین بخش‌هاش، پشتیبانی از دو حالت Clean Room و Deep هستش. در حالت Clean Room، ابزار از اطلاعات قابل‌مشاهده مثل ظاهر صفحات، چیدمان و رفتار رابط کاربری استفاده می‌کنه؛ اما در حالت Deep، امکان تحلیل عمیق‌تر فایل‌ها، کدها، توابع و ساختار داخلی نرم‌افزار هم وجود داره. حتی با نصب Ghidra می‌تونه از قابلیت‌های دی‌کامپایل اون هم استفاده کنه. از طرفی، ابزارهاش از طریق CLI و MCP هم در دسترسن و می‌تونن وارد گردش کار ایجنت‌های هوش مصنوعی بشن.

github.com/storytold/craft-anything

@Linuxor

اوپن ای آی :


ما ما Pando رو ساختیم؛ یه بک‌اند جدید برای Git در ساختار Monorepo که بتونه تعداد بیشتری عملیات Push و Fetch رو مدیریت کنه، بدون اینکه لازم باشه مهندس‌ها و ایجنت‌هامون روش کار کردن با Git رو تغییر بدن.
بکند Pando تونسته تأخیر عملیات Push رو حدود 80٪ کاهش بده و الان روزانه تقریباً 1 پتابایت داده Git رو پردازش و ارائه می‌کنه.
با این کار می‌تونیم ظرفیت Git رو هم‌زمان با افزایش استفاده از ایجنت‌های هوش مصنوعی، بیشتر کنیم.


@Linuxor