💰قالب رزومه
ساختار ATS-frindly

💻TΔRS

🤖یه نفر فقط از مدل Opus 5 خواسته یک شهر بی‌نهایت بسازد خروجی را ببینید 30 میلیون توکن هم به فنا داده

حدودا 500 تا 1000 دلار هزینه برداشته

💻TΔRS

🧠این سه تا پرامپت توهم هوش‌مصنوعی رو پایین میارن و کیفیت جواب رو بهتر می‌کنن. البته مهمه بدونی هیچ پرامپتی Hallucination رو صفر نمی‌کنه؛ فقط احتمال و شدت اون رو کم می‌کنه.


▶️پرامپت ۱ (مهم‌ترین)

If you are not confident about any part of your answer, do not guess.

Instead, explicitly say what you are uncertain about. If you need more information, ask a clarifying question rather than making something up.

کارش چیه؟ مدل رو تشویق می‌کنه وقتی مطمئن نیست، به‌جای حدس زدن یا ساختن اطلاعات، عدم قطعیتش رو اعلام کنه و در صورت نیاز سؤال بپرسه.

▶️پرامپت ۲ (بهترین برای برنامه‌نویس‌ها)

Never invent APIs, functions, libraries, classes, packages, documentation, or configuration options.

If you are not sure that something exists, clearly say so instead of making it up.

کارش چیه؟ احتمال ساختن API، تابع، کلاس، کتابخانه، پکیج یا مستندات خیالی رو کاهش می‌ده؛ یکی از رایج‌ترین انواع Hallucination در برنامه‌نویسی.

▶️پرامپت ۳ (بهترین برای تحقیق)

For every factual claim, indicate your confidence level (High, Medium, or Low).

If your confidence is Low, explicitly say why and suggest how I can verify the information using reliable sources.


کارش چیه؟ مدل رو تشویق می‌کنه میزان اطمینانش رو برای ادعاهای واقعی مشخص کنه و اگر اطمینانش پایین بود، دلیلش رو بگه و راهی برای بررسی با منابع معتبر پیشنهاد بده.

🧠نکته مهم: حتی اگر مدل بگه «High Confidence»، باز هم تضمینی برای درست بودن پاسخ نیست؛ فقط نشان می‌دهد مدل خودش چقدر به پاسخش اطمینان دارد.

این سه پرامپت واقعا جزو بهترین پرامپت‌های عمومی برای کاهش احتمال Hallucination هستن، هرچند هیچ پرامپتی نمی‌تونه این خطا رو کاملاً از بین ببره.

💻TΔRS

🐞3 تا دام رایج Python که خیلی وقت‌ها باعث باگ‌های عجیب توی پروژه‌ها می‌شن

1️⃣ Mutable Default Arguments

یکی از معروف‌ترین تله‌های Python:

def add_user(name, users=[]):
    users.append(name)
    return users


print(add_user("Ali"))
print(add_user("Sara"))

خیلی‌ها انتظار دارن:

["Ali"]
["Sara"]

ولی خروجی:

["Ali"]
["Ali", "Sara"]

چون مقدار پیش‌فرض تابع ([]) فقط یک بار هنگام تعریف تابع ساخته می‌شه، نه هر بار که تابع اجرا می‌شه.
راه درست:

def add_user(name, users=None):
    if users is None:
        users = []

    users.append(name)
    return users

2️⃣ Shallow Copy vs Deep Copy
این کد رو ببین:

import copy

data = [[1, 2], [3, 4]]

new_data = copy.copy(data)

new_data[0].append(5)

print(data)

ممکنه فکر کنی فقط new_data تغییر کرده...
ولی خروجی:

[[1, 2, 5], [3, 4]]

چرا؟ چون

copy.copy()

فقط لایه اول رو کپی می‌کنه.
برای آبجکت‌های تو در تو باید از:

copy.deepcopy(data)

استفاده کنی.

3️⃣ Late Binding در Lambda
یکی از باگ‌های عجیب Python:

functions = []

for i in range(3):
    functions.append(lambda: i)


for func in functions:
    print(func())

خروجی:

2
2
2

نه:

0
1
2

چون Lambda مقدار i رو همون لحظه ذخیره نمی‌کنه؛ زمان اجرا مقدار نهایی متغیر رو می‌خونه.
راه‌حل:

functions.append(lambda i=i: i)

فرق برنامه‌نویس حرفه‌ای فقط این نیست که کد بیشتری بنویسه؛
اینه که بدونه کجاها ممکنه کدش رفتار غیرمنتظره داشته باشه. 🚀

💻TΔRS

⬇️یه گنج شامل لیست غنی از منابع و راهنمای جامع برای ساخت Web Appهایی که بدون اینترنت هم کار می‌کنن:

github.com/pazguille/offline-first

☑️برنامه نویس های وب توجه کنن که آیفون دارها نمیتونن اپ ایرانی نصب کنن همه‌چیشون وب اپه این‌جور چیزا خیلی بدردشون می‌خوره.

💻TΔRS | تارس

⚙️ابزار رایگان و اوپن‌سورس Coolify خیلی کاربردیه!

مخصوصاً اگه با سرور، VPS، Docker و دیپلوی کردن پروژه‌ها سروکار داشته باشی.
این ابزار خودش رو به‌عنوان جایگزینی برای سرویس‌هایی مثل Vercel، Heroku، Netlify و Railway معرفی می‌کنه. یعنی به‌جای اینکه پروژه‌ت رو به این سرویس‌ها بسپری، می‌تونی یه VPS برای خودت داشته باشی، Coolify رو روش نصب کنی و بعد همه‌چیز رو از طریق یه پنل گرافیکی مدیریت کنی.
نکته جالب اینه که Coolify از اتصال به سرویس‌هایی مثل GitHub و GitLab، دیپلوی خودکار، گواهی رایگان SSL و بکاپ‌گیری هم پشتیبانی می‌کنه.

🔗 سایت و راهنمای نصب:
https://coolify.io/self-hosted
📷 ویدیوی آموزش نصب:
https://youtube.com/watch?v=6IZF_VOlOJM

📚 مستندات رسمی Coolify

💻TΔRS | تارس

🌫سایت 60fps.design یه مرجع خیلی خوب برای پیدا کردن جزئیات و ایده‌های حرفه‌ای در طراحی رابط کاربریه.

➕اینجا نمونه‌های واقعی از اپ‌ها و محصولات معروف جمع شده؛ از انیمیشن‌های کوچک و حرکت‌های ظریف موقع کلیک و اسکرول گرفته تا تغییر حالت دکمه‌ها، باز و بسته شدن منوها و ترنزیشن‌هایی که باعث می‌شن کار کردن با یک محصول روان‌تر و جذاب‌تر به نظر برسه.

➕نکته جذاب اینه که می‌تونید نمونه‌ها رو بر اساس نوع تعامل هم پیدا کنید؛ مثلاً انیمیشن دکمه، اسکرول، منو، لودینگ، کارت، نوار پایین اپ و خیلی جزئیات دیگه.

➕اگه طراح محصول، طراح UI/UX یا حتی توسعه‌دهنده هستید و دنبال ایده برای بهتر کردن تجربه کاربری محصولتون می‌گردید، این سایت می‌تونه منبع خوبی برای دیدن نمونه‌های واقعی باشه.

➕به‌جای اینکه فقط درباره این جزئیات بخونید، می‌تونید ببینید اپ‌های معروف دقیقاً چطور از حرکت و انیمیشن برای بهتر کردن تجربه کاربر استفاده کردن و ازشون ایده بگیرید.

🔗 https://60fps.design

💻TΔRS | تارس

👩‍💻اگه با React و shadcn/ui کار می‌کنید، سایت ReUI کلی کامپوننت خوشگل و رایگان داره.
از فرم و داشبورد گرفته تا جدول، تقویم و کانبان؛ نمونه رو می‌بینید و کد هر کامپوننتی که خواستید رو مستقیم داخل پروژه‌تون کپی می‌کنید.
🔗 https://reui.io/components

💻TΔRS | تارس

همچین داک‌باری خواستید درست کنید (شبیه داک‌بار آپدیت جدید تلگرام) از این استفاده کنید :

🌐http://jelly-docs.felipe.software

💻TΔRS | تارس

🪙این خیلی جذابه!
یه توسعه‌دهنده به اسم slvDev تونسته یک مدل زبانی با ۲۸.۹ میلیون پارامتر رو روی چیپ ESP32-S3 اجرا کنه.

🗃همه‌چیز کاملاً روی خود چیپ و بدون اینترنت اجرا می‌شه و مدل حدود ۹.۸۸ توکن در ثانیه خروجی می‌ده. نکته جالب‌تر اینه که مدل ۱۴.۹ مگابایتیه و با تکنیک‌های مدیریت حافظه، روی سخت‌افزاری اجرا شده که معمولاً برای سنسورها و پروژه‌های IoT استفاده می‌شه.

✔️البته این مدل برای ساخت داستان‌های کوتاه آموزش دیده و هدفش چت‌بات یا کدنویسی نیست؛ جذابیت اصلیش اینه که نشون می‌ده اجرای مدل‌های زبانی روی سخت‌افزارهای خیلی کوچک هم ممکنه.
🔗 https://github.com/slvDev/esp32-ai

💻TΔRS | تارس

🌐با فریم‌ورک Rio، برای ساخت سایت و اپلیکیشن دیگه مجبور نیستید بعد از Python سراغ یک مسیر جدا برای فرانت‌اند برید.
این ابزار کامپوننت‌های مدرنی شبیه React داره، اما رابط کاربری، State و رفتار برنامه رو با خود Python می‌نویسید؛ نه HTML، نه CSS و نه JavaScript.

🐍یعنی اگه پایتون بلدید، می‌تونید از ایده تا ساخت یک محصول با رابط کاربری واقعی رو با همون زبانی پیش ببرید که بلدید؛ و خروجی رو هم به‌صورت لوکال یا روی وب اجرا کنید.
🔗 آموزش، مثال و نصب:
🌐https://rio.dev

💻TΔRS | تارس

📊این Skill به Agentهای هوش مصنوعی یاد می‌ده انواع دیاگرام‌های حرفه‌ای رو با HTML و SVG بسازن؛ از فلوچارت و معماری سیستم گرفته تا تایم‌لاین، نمودار داده و مدل دیتابیس.
جذاب‌ترین بخشش اینه که می‌تونه رنگ‌ها و فونت‌های سایتتون رو استخراج کنه و ظاهر دیاگرام‌ها رو دقیقاً با هویت بصری برندتون هماهنگ کنه؛ طوری که انگار یه طراح حرفه‌ای ساخته‌شون.

➕حتی می‌تونه دیاگرام‌های Mermaid و draw.io رو با ظاهر بهتر بازطراحی کنه و خروجی HTML، SVG یا PNG تحویلتون بده.
👨‍🎨 نمونه‌کارها:
https://cathrynlavery.github.io/diagram-design
🔗 خود Skill:
https://github.com/cathrynlavery/diagram-design

💻TΔRS | تارس

🧠این پروژه واقعاً جذابه؛ یه تجربه تعاملی سه‌بعدی از آناتومی بدن انسان که می‌تونید داخلش اندام‌های مختلف رو بچرخونید، زوم کنید، لایه‌ها رو ببینید و درباره هرکدوم اطلاعات بخونید.

🌐 تست آنلاین:
https://anatomyatelier.vercel.app
🧑‍💻 سورس‌کد:
https://github.com/thebuggeddev/anatomy

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

💻TΔRS | تارس

🤩 ابزار Upscayl یه برنامه رایگان و اوپن‌سورس برای بزرگ‌کردن و بهتر کردن کیفیت عکس با کمک هوش مصنوعیه.
🖼نکته خوبش اینه که پردازش تصاویر روی سیستم خودتون انجام می‌شه؛ یعنی برای استفاده از نسخه دسکتاپ لازم نیست عکس‌هاتون رو جایی آپلود کنید. چند مدل مختلف برای پردازش عکس داره و می‌تونید چند تصویر رو هم‌زمان بهبود بدید.

🖥دانلود برای ویندوز، مک و لینوکس:
https://upscayl.org/download

💻TΔRS | تارس

🧠مدل هوش مصنوعی فقط ۱۴ مگابایتی!

⬅️مدل Needle 2 یک هوش مصنوعی متن‌باز و فوق‌سبک برای ساخت ایجنت، فراخوانی ابزارها و استخراج اطلاعات ساختاریافته است.

⚡️ این مدل با حدود ۲۸ مگابایت رم اجرا می‌شود و برای موبایل، رزبری‌پای و سخت‌افزارهای ضعیف گزینه جذابی است.

🐍 نصب با پایتون هم فقط با همین دستور انجام می‌شود:
pip install cactus-needle

🔗 لینک پروژه:
https://github.com/cactus-compute/needle

💻TΔRS | تارس

📄 اگه با PDF کار می‌کنی، این ابزار رو از دست نده: OpenDataLoader PDF

🔦هرچی کتابخونه استخراج اطلاعات از توی PDF دیدید بریزید دور اینو امتحان کنید رایگان و اوپن سورس، خوراک جمع اوری اطلاعات از PDF و دادنش به مدل های هوش مصنوعیه.

⚡️ برای PDFهای چندستونه و جدول‌های درهم هم خیلی کاربردیه؛ محلی اجرا می‌شه و برای شروع به GPU یا API پولی نیاز نداری.

🐍 با پایتون هم فقط اینو بزن: pip install opendataloader-pdf
🔗 لینک پروژه: https://opendataloader.org/

💻TΔRS | تارس

🖼 یه برنامه رایگان و اوپن‌سورس برای بزرگ‌کردن عکس و بهترکردن کیفیتش با هوش مصنوعی: Upscayl

⚡️ عکس را روی سیستم خودت پردازش می‌کند؛ یعنی لازم نیست فایل‌هایت را جایی آپلود کنی. فقط حواست باشد عکس‌های کاملاً تار یا خارج از فوکوس را جادو نمی‌کند!

🔗 دانلود برای ویندوز، مک و لینوکس: https://upscayl.org/download

💻TΔRS | تارس

🧠 همه منتظر مدل‌های قوی‌ترن، اما یه نفر با اضافه‌کردن یک Agent Layer روی DeepSeek 4 تونسته توی یکی از بنچمارک‌ها از Fable 5 جلو بزنه!

⚡️ بدون تغییر حتی یک وزن از مدل؛ فقط با اصلاح اشتباهات مسیر فکرکردن و کنترل بهتر زمان اجرا.

⚙️ نکته جالب اینجاست که مدل از قبل توانایی لازم رو داشته، اما به‌خاطر کنترل ضعیف هنگام اجرا بخشی از توانش هدر می‌رفته.

💡 گاهی جهش واقعی از ساخت مدل جدید نمیاد؛ از بهتر استفاده‌کردنِ همون مدل میاد.

💻TΔRS | تارس

👍 یه اپ مدیریت تمرین و باشگاه که اطلاعاتت رو تحویل سرور یه شرکت دیگه نمی‌ده!

💻اپ openGym رو می‌تونی روی سرور یا کامپیوتر خودت اجرا کنی؛ حتی نسخه موبایلش هم بدون سرور کار می‌کنه. تمرین‌ها، رکوردها و وزن بدنت فقط پیش خودت می‌مونه.

⚡️ کتابخونه‌اش ۱۳۲۴ حرکت داره و برای خیلی‌هاش انیمیشن آموزشی گذاشته. با React و Docker هم ساخته شده.
🛜 تست آنلاین:
https://opengym.duarte-santos.ch
🔗 سورس‌کد:
https://github.com/DuarteSantos8/openGym

💻TΔRS | تارس