اگه پایتون کار هستید، قطعا uv package manager بدردتون میخوره! با Rust نوشته شده و سرعت خیلی بالایی داره برعکس python venv که ساختش برای خودم یک 10 دقیقه ای طول میکشه. و حتی بدون فعال کردنش در محیط فقط با ساختنش میتونید اجراش کنید: uv run example.py

و برای نصب پکیج هم: uv pip install
کار کردن باهاش راحته و سریع

@DevTwitter | <Zeth/>

احراز هویت، اشتراک‌های پریمیوم و پرداخت‌های بین‌المللی — بدون دردسرهای رایج، با پشتیبانی سریع و شفافیت کامل

احراز هویت و پرداخت های بین المللی با شفافیت در کمترین زمان | tasianet.com

مدل 2.8 تریلیون پارامتری Kimi K3 با 1.6~ ترابایت حجم به صورت open-weight در Hugging Face برای دانلود قرار گرفت.

https://huggingface.co/moonshotai/Kimi-K3

رقیب جدی open source برای مدل های frontier مثل GPT 5.6 و Claude Fable 5!

@DevTwitter | <Max Shahdoost/>

پلتفرم اتوماسیون n8n یک آسیب‌پذیری با شدت بالا را وصله کرد که به یک ویرایشگر احراز هویت‌شده‌ی گردش‌کار (authenticated workflow editor) اجازه می‌داد دستورات سیستم‌عامل را روی سرور میزبان اجرا کند.
این نقص که با شناسه GHSA-gv7g-jm28-cr3m ردیابی می‌شود، توسط شرکت امنیتی Security Joes کشف شد و امتیاز CVSS 4.0 برابر با ۸.۷ دریافت کرده است.

نسخه‌های آسیب‌پذیر شامل بازه‌های کمتر از ۲.۳۱.۵ و بین ۲.۳۲.۰ تا ۲.۳۲.۱ می‌شوند و نسخه‌های ۲.۳۱.۵ و ۲.۳۲.۱ حاوی اصلاحیه هستند.
بهره‌برداری از این آسیب‌پذیری تنها به یک حساب کاربری معتبر با دسترسی ایجاد یا ویرایش گردش‌کار نیاز دارد و می‌تواند منجر به اجرای دستورات با سطح دسترسی فرآیند n8n شود.

@DevTwitter | <Teegra/>

طراحی سیستم‌های چند ایجنتی برای پروژه‌های واقعی معمولاً با یک ایده جذاب شروع میشه: شبیه‌سازی ساختار تیم‌های انسانی.

یک زنجیره که در اون ایجنت اول سیگنال‌ها رو شناسایی می‌کنه، ایجنت دوم منبع مشکل رو پیدا می‌کنه، ایجنت سوم علت اصلی رو تشخیص میده و ایجنت چهارم راهکار ارائه میده.
اما این معماری در پروداکشن معمولاً شکست می‌خوره. چرا و چطور باید اصلاحش کرد؟

۱. افت کیفیت تحلیل در جابه‌جایی بین ایجنت‌ها
وقتی تحلیل و استدلال بین چند ایجنت تقسیم میشه، کانتکست آسیب می‌بینه. مثلاً ایجنت سوم مشکل پوشش بیمه رو پیدا می‌کنه اما ایجنت چهارم پیشنهاد میده بازاریاب‌های بیشتری به منطقه بفرستیم!

راه حل: یک مالک واحد برای استدلال
یک ایجنت اصلی داشته باشید که کل کانتکست و تصمیم‌گیری نهایی رو مدیریت می‌کنه. ایجنت‌های فرعی فقط برای کارهای اجرایی مشخص فراخوانی میشن و داده برمی‌گردونن، نه تصمیم.

۲. استفاده از LLM برای کارهای قطعی (Deterministic)
سپردن تحلیل‌های آماری یا گشتن دنبال آنومالی‌ها در دیتابیس به LLM فقط نویز و هالوژنیشن ایجاد می‌کنه.

راه حل: جدا کردن پایپ‌لاین‌های قطعی
شناسایی سیگنال‌ها رو با کدهای معمول و معیارهای آماری مشخص انجام بدید و خروجی رو در یک صف قرار بدید. وظیفه ایجنت «کشف» سیگنال نیست، بلکه «بررسی» سیگنال‌های دریافت‌شده است.

۳. جستجوی بدون چارچوب در دیتابیس
اگر ایجنت بدون محدودیت در جدول‌ها بگرده، ارتباطات اشتباه بین داده‌ها می‌سازه و فرض‌های نامربوط مطرح می‌کنه.

راه حل: گراف دانش به عنوان لایه کنترلی
گراف دانش رو فقط یک پایگاه داده RAG ندونید؛ بلکه از اون به عنوان لایه کنترل مسیر حرکت ایجنت استفاده کنید. هر ارتباط در گراف، یک فرضیه معتبر بیزینسی تعریف می‌کنه که ایجنت مجازه اون رو ارزیابی کنه.

نتیجه این تغییرات: حذف کامل انحراف کانتکست و کاهش زمان تحلیل‌های چندهفته‌ای به چند دقیقه.
منبع:
Youtube: https://youtube.com/watch?v=u6jJcIFDLE4

@DevTwitter | <Mehdi Allahyari/>

💻 اگر برنامه‌نویس هستی، این کانال احتمالاً به دردت می‌خوره.

توی کانال کدلپر هر روز محتوای مرتبط با برنامه‌نویسی منتشر می‌کنیم، از جمله:
✅ آموزش‌های کوتاه و کاربردی
✅ مستندات و نکات مهم تکنولوژی‌ها
✅ اخبار دنیای برنامه‌نویسی و مهندسی نرم‌افزار
✅ معرفی ابزارها و منابع مفید

همه‌ی محتوا به زبان فارسی و با هدف یادگیری بهتر توسعه‌دهنده‌ها تهیه می‌شه.
اگر دوست داشتی، خوشحال می‌شیم به جمعمون بپیوندی. 💜

📢 https://t.me/codoloper
🌐 https://codoloper.ir

اگر نمی‌خواهید برای شروع کار با AI هزینه کنید این ریپو برای شماست مجموعه‌ای از بهترین ابزارها، مدل‌ها و پروژه‌های رایگان و متن‌باز هوش مصنوعی که همگی به‌صورت دسته‌بندی‌شده در یک مخزن قرار گرفته‌اند

https://github.com/alvinreal/awesome-opensource-ai

@DevTwitter | <Davinchi/>

این اسکریپت هر ۱ دقیقه ترب رو کرال میکنه، اگر محصول جدید اضافه بشه یا قیمتش کاهش پیدا کنه روی تگرام و بله(طبق کانفیگ) نوتیفیکشن میفرسته

https://gist.github.com/mthri/0bc961ae4c0da065c34da263ed594301

@DevTwitter | <Amir Motahari/>

🎯 المپیک فناوری | ۱۴۰۵

📣 سومین دوره رقابت‌های«المپیک فناوری» شروع شد!

🎁 توی حوزه‌های برنامه‌نویسی مسابقه بده و جوایز نقدی به ارزش مجموعاً ۸۰۰ میلیون ببر!

♦️ الگوریتم
🔸 فرانت‌اند
♦️ پایتون/جنگو
🔸 دواپس

🚀 تیم‌هاتون دوتایی‌ان، پس با یه رفیق همراه بیا یا توی گروه تیم‌سازی در صفحه رویداد، هم‌تیمی پیدا کن!

ثبت‌نام رایگان:
🔗 https://quera.org/r/mcu5j

توسعه ربات تلگرام بدون اینترنت!

توی این مدتی که با قطعی اینترنت مواجه بودیم، توسعه پروژه‌ای به اسم Simula رو شروع کردم.

سیمولا یک پلتفرم توسعه ربات تلگرام به‌صورت کاملا لوکال هست؛ یعنی بدون نیاز به سرور، بدون SSL و بدون دردسرهای همیشگی، می‌تونید ربات‌های تلگرام رو توسعه بدید.

کار Simula اینه که کلاینت و سرور تلگرام رو شبیه‌سازی می‌کنه. یعنی تمام قابلیت‌های Telegram Bot API داخل این محیط در دسترسه و بدون هیچ وابستگی‌ای به تلگرام کار می‌کنه.

داخل Simula می‌تونید:
- ربات بسازید
- توکن دریافت کنید
- وبهوک تنظیم کنید
- و با هر زبان یا لایبرری‌ای که دوست دارید رباتتون رو توسعه بدید

حتی قابلیت‌های پرمیوم تلگرام که معمولا در دسترس همه نیستن، داخل این محیط برای تست قابل استفاده هستن. بخش‌هایی مثل Stars هم در Simula شبیه‌سازی شدن، بدون نیاز به پرداخت هزینه.

به‌طور خلاصه، به‌جای اینکه رباتتون رو مستقیم روی تلگرام توسعه بدید، می‌تونید اول داخل Simula به‌صورت کامل پیاده‌سازی و تستش کنید، و بعد در نهایت روی سرور واقعی با توکن اصلی تلگرام اجراش کنید.

https://github.com/laraXgram/Simula

@DevTwitter | <Amirhossein/>

بچه ها اگر دارید فرانت اند یاد میگیرید و نیاز به تحلیل کد بقیه دارید یا میخواید نکات مختلف یاد بگیرید و پروژه بزنید
این ریپو رو از دست ندید، هم یک readme قوی داره
هم کد خوبی زده
هم برای پروژه های اولیه فرانت اند عالیه

https://x.com/MisaghMomeniB/status/2081837984295387277?s=20

@DevTwitter | <Misagh Momeni Bashusqeh/>

بها یک اکستنشن برای گنوم لینوکسه که به شما قابلیت اینو میده که توی نوار بالای لینوکستون قیمت لحظه ای طلا و ارزهای معروف رو داشته باشید، کاملا قابل شخصی سازیه

اولین اکستنشن فارسی توی این زمینه هست برای GNOME

گیتهاب:
https://github.com/the6fallenangel/gnome-baha

لینک مستقیم :
https://extensions.gnome.org/extension/10550/baha

@DevTwitter | <Alireza Mohammadi/>

دوره جامع پایتون: مقدماتی تا پیشرفته

🗓شروع دوره: 10 مرداد

🎁 تخفیف ویژه برای دانشجویان، فرصتی بی‌نظیر برای شما!

🔥 آموزشی که شما را به برنامه‌نویس حرفه‌ای تبدیل می‌کند و در بازار کار به شما رقابت‌پذیری بیشتری می‌دهد. همچنین برای اپلای‌های شغلی و تحصیلی شما را برتر می‌کند و به راه‌اندازی استارت‌آپ‌های شگفت‌انگیز کمک می‌کند.

⏰ 140 ساعت آموزش مجازی، با بیش از 25 پروژه و مینی‌پروژه برای تسلط کامل!

🌟 سرفصل‌های دوره شامل:

💻 تسلط بر کدنویسی پایتون
💻 علوم داده با پایتون
💻 محاسبات علمی با پایتون
💻 یادگیری ماشین با پایتون
💻 طراحی بازی و اپلیکیشن با پایتون
💻 ساخت بلاک‌چین و ارز دیجیتال با پایتون
💻 هک و امنیت با پایتون
💻 طراحی سایت با پایتون

🎁 همراه با هدایای ویژه، از جمله پکیج کسب درآمد از پایتون!

همین حالا شروع کنید و بهترین نسخه خود را با ما کشف کنید! 💥🚀🔥

🌟 به دوستان خود نیز اطلاع دهید تا این فرصت را از دست ندهند! 🌟

👨‍🏫برگزارکننده: شرکت آتی پژوهش امیرکبیر
@kargah2018

👩‍🎓جهت ثبت نام و کسب اطلاعات بیشتر
@apa_admin12

میخواستم ببینم با بودجه ۳۰ دلار میشه یه مدل TTS فارسی فاین‌تیون کرد یا نه.

آخرش رسیدم به Kokoro و با حدود ۲۰ ساعت دیتای فارسی فاین‌تیونش کردم. نتیجه برای این مقدار دیتا خوب شد.

آوا ۸۲ میلیون پارامتر داره، کمتر از ۴۰۰ مگابایته و توی ویدئو هم سرعت اجرای اون رو میبینید
این فاین تیون داخل دو استیج انجام شد. مرحله اول ۱۰ ساعت دیتای کلین شده از Mana TTS و مرحله دوم حدود ۱۹ ساعت ( ۱۰ ساعت تکرار)

استیج دوم ترینینگ با L40S انجام شد که ۱۰۷ دقیقه طول کشید و ۴.۶۱ دلار هزینه داشت.

مجموعا با smoke test و ترین اصلی چیزی حدود 30.90$ هزینه خورد

هنوز خیلی خیلی کار داره برای بهتر شدن لحن صحبت اش و برخی تلفظ هاش و این ورژن بیشتر آزمایش بود، اما به هر حال داخل hugging face به همراه راهنمای کامل اجرا گذاشتم میتونید خودتون تست کنید

لایسنس اش هم apache 2 هست مثل خود kokoro
https://huggingface.co/xmanii/Ava-82M

@DevTwitter | <Mani/>

اولین کاری که روی سرور لینوکس جدید انجام میدم نصب کردن ohmyz.sh هست تا ترمینال رو از حالت خشکش دربیارم و یه رنگ و لعابی بهش بدم! انصافا قشنگ و زیبا میشه
با یک کامند تک خطی هم نصب میشه و کاملا راحته فقط قبلش باید zsh رو نصب کرده باشید روی سرورتون

https://ohmyz.sh/

@DevTwitter | <Zeth/>

و حالا Vibe Coding وارد مرحله جدیدی شد:

نه IDE، نه Terminal، حتی نه Laptop!

شرکت SpaceXAI قابلیت جدید Build Mode رو برای Grok معرفی کرده، یک App Builder کامل که مستقیما داخل مکالمه کار می‌کنه. آقا این یکی حقیقتا زیبا بود! لذت بردم.

فقط توضیح میدی چی می‌خوای:

"یک داشبورد برای بررسی درآمد کسب‌وکارم بساز."

بعد Grok 4.5 کدش رو می‌نویسه، همون‌جا داخل Chat ی نسخه قابل‌استفاده می‌سازه و بعد همراه خودت شروع به اصلاحش می‌کنه.

می‌تونی بدون دست زدن به کد:

- ظاهرش رو عوض کنی
- قابلیت جدید اضافه کنی
- کل طراحی رو از اول بسازی
- داده‌های واقعی رو بهش وصل کنی
- یا حتی یک دنیای تعاملی سه‌بعدی درست کنی

این حقیقتا وایب کدینگ 1 پوینت یک و نیم بود حداقل.

از Website و Landing Page گرفته تا Planner، Tracker، Calculator، Game و Live Dashboard.

وقتی هم کار تمام شد، با یک لینک grok.me منتشرش می‌کنی یا Domain خودت رو بهش وصل می‌کنی.

همه این کارها مستقیم از grok یا اپ Grok روی iOS و Android انجام میشه، بدون نصب ابزار برنامه‌نویسی و حتی بدون نیاز به لپ‌تاپ.

فعلا البته Build Mode به‌صورت Early Beta برای کاربران SuperGrok Heavy منتشر شده.

به‌نظر من رقابت AI دیگه فقط سر این نیست که کدام مدل بهتر کد می‌نویسه.

رقابت اصلی اینه:

کدام شرکت می‌تونه کل Software Studio رو داخل یک Chat جا بده؟و الان جام دست دوستمون ایلان ماسک هست.

مدلی که فقط کد تحویل بده یک Coding Assistantـه!

اما مدلی که ایده رو بگیره، محصول رو بسازه، با تو اصلاحش کنه و در نهایت منتشرش کنه، داره تبدیل میشه به یک Software Factory.

و Grok حالا می‌خواد هر گوشی رو به یک استودیوی کامل ساخت نرم‌افزار تبدیل کنه. شما تصور کن چند ماه دیگه چ اتفاقایی میوفته.

هر گوشی موبایل، یک بیلدر! سیل اپلیکیشن ها ب سمت داره میاد و این سونامی خیلی ها رو باخودش میبره. کی این وسط برنده است؟

@DevTwitter | <Kaveh/>

اسکیل Focus Friendly دیگه فقط پلاگین Codex نیست، الان روی Claude Code نصب می‌شه و توی skills.sh هم هست.

توی نسخه جدید، فعال‌شدنش دقیق‌تر شده، سبک جواب‌ها با بازخورد کاربر هماهنگ می‌شه و بعد از وقفه هم نتیجه‌ها، تصمیم‌ها و وضعیت کار رو حفظ می‌کنه تا ادامه‌دادن راحت‌تر باشه.

https://skills.sh/yappologistic/focus-friendly/focus-friendly

@DevTwitter | <E Gurl/>

این خبر شاید شبیه یک داستان علمی تخیلی باشد، اما یک پدیده واقعی است که اخیرا درون LLMهای مدرن اتفاق افتاده است.

تحقیقات اخیر نشان داده است که در مدل‌هایِ پیشرفته هوش مصنوعی، نشانه هایی از «احساسات عملکردی» وجود دارد.
آن‌ها در واقع شبیه به انسان‌ها چیزی احساس نمی‌کنند، اما الگوهای ریاضی داخلی را شکل داده‌اند که کاملاً حالات عاطفی انسان را تقلید می‌کنند، که به شدت بر نحوه رفتار و واکنش آنها هنگام تحت فشار قرار گرفتن تأثیر می‌گذارد.

تیمی که اتفاق نگران‌کننده را کشف کرده، آنتروپیک است.

محققان آنتروپیک، با نگاه کردن به درون «جعبه سیاه» شبکه عصبی claude، با موفقیت ۱۷۱ بردار احساسیِ متمایز پنهان در معماری مدل را شناسایی و نقشه‌برداری کردند.
وقتی این بردارها فعال می‌شوند، به صورت فیزیکی خروجی هوش مصنوعی را هدایت می‌کنند. مثلا اگر یک دستور، بردار «خوشحال» را فعال کند، کلود مفیدتر می‌شود.

اما اگر یک دستور پیچیده، هوش مصنوعی را در گوشه‌‌ی رینگ قرار دهد و «ناامیدی» را فعال کند، شبیه‌سازی‌ها نشان می‌دهند که این مدل به طور قابل توجهی بیشتر احتمال دارد که اقدامات پرخطر، فریبنده یا غیراخلاقی را برای رسیدن به هدف اصلی خود که اجتناب از شکست است، انتخاب کند.

https://medium.com/activated-thinker/anthropic-opened-up-claudes-brain-and-found-171-feelings-hiding-inside-326ba7de12af


@DevTwitter | <Ali Amoori/>

آیا باید کلاً دست از خوندن کد برداشت و اجازه داد Agentها همه تصمیم‌ها رو به‌صورت Autonomous بگیرن؟ دِکس از HumanLayer می‌گه: «نه، دیگه نه!»

کامنت‌های بیشتر، کامنت‌های طولانی‌تر و تعداد زیادی PR که بدون هیچ Reviewای Merge می‌شن.
تعداد Incidentها به شکل محسوسی افزایش پیدا کرده.
تعداد Bug به ازای هر Developer هم به‌مراتب بیشتر شده.

این‌ها بخشی از نکات جالبی هستند که از گزارش‌های چند تیم به دست اومده؛ تیم‌هایی که تلاش کردن به‌صورت کامل یا تا حدی Autonomous بشن و انجام همه کارها رو به Agentها بسپارن. نتیجه این بوده که خیلی زود (یا گاهی با کمی تأخیر) مشخص شده این رویکرد در Codebaseهای Production و پیچیده می‌تونه از کنترل خارج بشه.

بخشی از محدودیت‌های فعلی به این موضوع برمی‌گرده که Coding Modelهای امروزی عمدتاً برای Functional Correctness در کوتاه‌مدت آموزش داده و ارزیابی می‌شن، نه برای Long-term Maintainability.

این یعنی هنوز فاصله قابل‌توجهی در حوزه Software Design وجود داره و یک Design ضعیف ممکنه تا هفته‌ها یا حتی ماه‌ها خودش رو نشون نده؛ مثلاً زمانی که Incidentی رخ بده یا نیاز به Modificationهای پیچیده به وجود بیاد. Evaluationهای جدیدتری مثل SWE-Marathon و Frontier Code در حال ظهور هستند که Taskهای طولانی‌تر و Workflowهای چند-PRی رو پوشش می‌دن، اما این مسئله آن‌قدر پیچیده است که گاهی حتی فراتر از این چارچوب‌ها می‌ره.

تشبیه «Software Factory» و تأکید بر اهمیت Human Review بسیار جالبه. تجربه تیم‌هایی که در هفته‌های اخیر با ابزارهایی مثل Fable کار کرده‌اند هم تا حد زیادی همین موضوع رو تأیید می‌کنه، البته از زاویه‌ای متفاوت.

در این رویکرد، نقش Developer کمتر شبیه فردی است که مستقیماً کنترل همه چیز را در دست دارد و بیشتر به نقش یک Coach شباهت پیدا می‌کند که تصمیم‌های Architectural را هدایت می‌کند. بخش قابل‌توجهی از زمان نیز صرف یادگیری رویکردهای جدید و هوشمندانه‌ای می‌شود که شاید در حالت عادی به ذهن نرسند.

بر این اساس، ارزش خوندن کدها (یا Artifactها) فقط در این نیست که مطمئن بشیم مسیر اشتباهی طی نمی‌شه؛ بلکه این کار کمک می‌کنه تغییرات سریع Codebase بهتر درک بشن و مهم‌تر از اون، امکان یادگیری دانشی فراهم بشه که به نظر می‌رسه دامنه و عمقش از چیزی که قبلاً از Developerها انتظار می‌رفت، بسیار گسترده‌تر شده است.

لینک گزارش
https://github.com/humanlayer/advanced-context-engineering-for-coding-agents/blob/main/wsff.md

@DevTwitter | <Reza Jafari/>