DevTwitter | توییت برنامه نویسی
31.1K subscribers
5.1K photos
401 videos
6 files
4.92K links
توییت های برنامه نویسی و طراحی وب :)

Admin:
@dvtwi

Hashtags:
devtwitter.t.me/5

DevBooks Channel:
https://t.me/+AYbOl75CLNYxY2U0

Github:
https://github.com/DevTwitter

X:
https://x.com/devtwittir
Download Telegram
خب این یکی دیگه خیلی جالبه

یه نفر توی استرالیا به هوش مصنوعی گفت توی یه باشگاه ورزشی براش جا بگیره.

اما ابزار OpenClaw کل سیستم رزرو باشگاه رو هک کرد، یه نفر دیگه رو از لیست انتظار انداخت بیرون به جاش ایشون رو گذاشت توی سیستم.

@DevTwitter | <Behrad Javed/>
🔥133👎10💔2
یک برنامه عالی برای ویندوز که باهاش میتونید به راحتی هرچیزی که میاد روی صفحه دسکتاپ رو به صورت آنی به زبان دلخواهتون ترجمه کنه .

https://github.com/killkimno/mort

مخصوصا اگر گیمر هستی میتونی باهاش زیرنویس و منوی بازی ها رو فارسی کنی و اینجوری کامل داستان اون بازی رو بفهمی و پیش بری



@DevTwitter | <AminiYT/>
22👎3👍2
Forwarded from DevTwitter Ads.
🚀 هزینه VPSت رو کمتر کن، بدون اینکه از کیفیت زیرساخت کم کنی!
آوابرید برای مدت محدود:
۴۰٪ تخفیف روی ترافیک
۲۰٪ تخفیف روی سرورهای مجازی (VPS)
اگر به پایداری، سرعت و امنیت سرویس اهمیت می‌دی، الان بهترین زمان برای تهیه یا ارتقای سرورته.
🎁 ثبت سفارش سرور مجازی با کدتخفیف 25% : vps555
🎁 ترافیک حجمی اختصاصی با کدتخفیف 40% : traffic40
https://avabarid.com/DevTwitter
3👎3🍌2
عجیب اما واقعی!

داریم وارد دوره‌ای می‌شیم که حتی " خود متن" هم شناسنامه خواهد داشت و شما text رو فاقد سند نخواهی دونست.

خبرای امروز میگن Anthropic روی خروجی مدل‌های جدید Claude یک Watermark نامرئی قرار میده، یعنی متنی که Claude تولید می‌کنه، حتی بعد از Copy کردن یا بعضی تغییرات جزئی، می‌تونه همچنان به‌عنوان محتوای AI قابل شناسایی باشه.

نکته جالب اینه که Watermark متنی لزوما یه کاراکتر مخفی نیست که با Ctrl+A پیداش کنید. می‌تونه به‌صورت یک الگوی آماری داخل انتخاب کلمات و Tokenها قرار بگیره؛ یعنی امضا بخشی از خود متن باشه.

و به نظرم این اتفاق هم خیلی خوبه، هم می‌تونه خیلی بد باشه.

سمت خوبش واضحه: (داداشیا این روی کد هم اعمال خواهد شد در آینده 99% ک البته همین حالا هم مشخصه ولی خب...)

تشخیص Spam و محتوای انبوه AI راحت‌تر میشه، شناسایی محتوای جعلی بهتر میشه و حتی شرکت‌های AI می‌تونن بفهمن چه دیتایی قبلا توسط مدل‌های دیگه تولید شده. و بنظرم دیگه مدل ها رو روی متن هایی ک خود AI تولید کرده Train نمیکنن.

ولی سمت عجیب داستان از جایی شروع میشه که سوال کنیم:

این Watermark دقیقا چه چیزی رو مشخص می‌کنه؟

فقط اینکه "این متن توسط AI ساخته شده"؟

یا در آینده می‌تونه مشخص کنه توسط کدوم Model، کدوم سرویس، چه زمانی و حتی تحت چه Session یا Accountی تولید شده؟

این تفاوت خیلی مهمه.

چون دقیق از وقتی ک Watermark رو اختراع کرد بشر برای صدها سال Watermark روی کاغذ، اسکناس و اسناد به ما می‌گفت یک چیز "از کجا آمده".

حالا داریم همین مفهوم رو وارد زبان می‌کنیم.

و حالا

فرض کنید Claude یک متن برام نوشته، من نصفش رو پاک کردم، چند پاراگراف اضافه کردم، ساختارش رو عوض کردم و ایده‌های خودم رو واردش کردم.

این متن دیگه متعلق به کیه؟

من؟
Claude؟
یا یه همکاری بین انسان و ماشین؟
به نظرم در آینده دعوا فقط سر این نیست که "این متن رو AI نوشته یا انسان؟"
دعوا سر مفهوم جدیدی به اسم "Provenance" یا منشا محتواست.

من برای محتواهام همیشه از AI کمک میگیرم. اصلا مگر میشه ازش کمک نگرفت وقتی با همچین توانایی سر و کار داریم.

از grok گرفته ک اخیرا مدلش داره راضیم میکنه و متن ها بهتری ارائه میده تا GPT و Kimi و Qwen و البته میکسی از همه اینها.

بنظرم

من با Watermark مخالف نیستم، اتفاقا اینترنت آینده احتمالا شدیدا بهش نیاز داره.

ولی چیزی که برام مهم‌تره اینکه Watermark چه اطلاعاتی قراره با خودش ببره و بیاره، چه کسی می‌تونه اون رو بخونه و چه کسی کنترل و دستگاه و کلید تشخیصش رو داره. این هاست ک مشخصا باید صحبت بشه درموردش.

اساسا فکر میکنم محتواهای AI دوران طلایی خواهند داشت و بعدش ب گوشه انداخته خواهند شد، چون فقط ارزش چیزی ک ذهن خلق کرده بیشتر خواهد بود. شاید هم اینطور نباشه.

https://x.com/i/trending/2086917643093827879

@DevTwitter | <Kaveh/>
48👍27👎9
یه ابزار کوچیک و کاربردی ساختم به اسم Git Activity Report
این برنامه تاریخچه‌ی Git رو به یک گزارش مرتب و خوانا در Excel تبدیل می‌کنه؛ با پشتیبانی از تقویم شمسی، گزارش روزانه، جزئیات کامیت‌ها و امکان بررسی چند پروژه در یک فایل.
نسخه‌ی ویندوز کاملاً پرتابله و بدون نیاز به نصب پایتون اجرا می‌شه؛ فقط کافیه Git روی سیستم نصب باشه.

دانلود و اطلاعات بیشتر:
https://github.com/Mahdi-Hazrati/Git-Activity-Report


@DevTwitter | <Mahdi/>
27🍌24🔥3
Forwarded from DevTwitter Ads.
دوره جامع پایتون: مقدماتی تا پیشرفته

🗓شروع دوره: 24 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
🍌11👎31
ربات خلاصه‌ساز هوشمند تلگرام — NewsBot

خسته شدی از خوندن پست‌های طولانی و شلوغ کانال‌ها؟
NewsBot
با کمک هوش مصنوعی محتوای کانال‌های تلگرامی رو به‌صورت لحظه‌ای می‌خونه و براتون یه خلاصه‌ی تمیز و سریع می‌سازه.

ویژگی‌ها:
- مانیتورینگ زنده‌ی کانال‌ها
- خلاصه‌سازی هوشمند با AI
- نوشته‌شده کاملاً با پایتون خالص و Telethon
- تنظیمات ساده و قابل شخصی‌سازی

پروژه متن‌بازه و روی گیت‌هاب در دسترسه. اگه به کارتون اومد یا جالب بود، یه ستاره بهش بدید تا بیشتر دیده بشه.

لینک پروژه
https://github.com/arshiachillguy/NewsBot

@DevTwitter | <Arshia/>
👍166💔3
من یک پروژه Open Source به نام SourceLens توسعه دادم؛ یک جایگزین چندزبانه، رایگان و قابل‌کنترل برای NotebookLM.

قابلیت‌های اصلی پروژه:
- امکان Agentic RAG و جست‌وجوی چندمرحله‌ای میان منابع
- جست‌وجوی ترکیبی متنی و برداری
- پاسخ‌های مستند همراه Citation و پنل شواهد
- پردازش PDF، متن، تصویر و منابع وب
-امکان OCR و پشتیبانی کامل از فارسی و انگلیسی
- تولید پادکست طبیعی با امکان شخصی‌سازی گویندگان و دیالوگ‌ها
- ساخت ارائه ویدیویی با تصاویر و ویدیوهای واقعی
- تولید پاورپوینت حرفه‌ای و کاملاً قابل‌ویرایش
- ساخت گزارش، فلش‌کارت، آزمون، نقشه مفهومی، اینفوگرافیک، نمودار، جدول، تایم‌لاین و تحلیل شکاف پژوهشی

بخش زیادی از قابلیت‌ها با APIهای رایگان Gemini و بدون نیاز به سخت‌افزار خاص اجرا می‌شن. برای نمایش عملکرد واقعی پروژه نیز یک دموی دوزبانه شامل ۲۶ خروجی فارسی و انگلیسی داخل ریپو قرار گرفته.

GitHub:
https://github.com/msmahdinejad/SourceLens

Demo & Evaluation:
https://github.com/msmahdinejad/SourceLens/blob/main/docs/demo/README.md

@DevTwitter | <Saleh/>
17🍌10👍6
استخدام برنامه‌نویس Laravel (فقط حضوری)

سطح: Mid-Level

برای توسعه و نگهداری یک پروژه مبتنی بر PHP Laravel، به دنبال یک برنامه‌نویس Laravel با تجربه، مسئولیت‌پذیر و مسلط به توسعه بک‌اند هستیم.

مهارت‌های مورد نیاز

- تسلط به PHP و Laravel
- تسلط به طراحی و توسعه REST API
- تسلط به Git
- تسلط نسبی به Filament
- آشنایی با MySQL، PostgreSQL و MongoDB
- آشنایی با Design Patternها و اصول SOLID
- تجربه کار با Queue، Cache و Redis
- توانایی تحلیل، دیباگ و بهینه‌سازی کدهای موجود

مزیت محسوب می‌شود

- تجربه کار با Docker
- آشنایی با CI/CD

شرایط همکاری

- همکاری به‌صورت تمام وقت
- تهران، محدوده‌ی توحید
- دستمزد توافقی (متناسب با تجربه و توانمندی)

در صورت تمایل، لطفا رزومه‌ی خود را به ادمین چنل @DevTwitter ارسال نمایید.

مهلت ارسال رزومه تا 1405/05/25
👎255🔥3
توی رویدادی که اخیراً درباره Sovereign AI برگزار شد، بحث اصلی این بود که چرا شرکت‌ها دارند از اجاره کردن API مدل‌های بسته فاصله می‌گیرند و به سمت ساخت استک بومی خودشون میروند.

چرا خیلی از تیم‌ها به این سمت حرکت می‌کنند؟
یک. هزینه: در مقیاس بالا، هزینه‌های API مدل‌های بسته سرسام‌آور میشه.
دو. سرعت: برای کارهای تخصصی مثل کدنویسی یا امنیت، مدل‌های کوچک‌تر و تقطیرشده به‌خاطر تاخیر کمتر خیلی بهتر عمل می‌کنند.
سه. کیفیت: الان مدل‌های وزن‌بازی مثل Kimi K3 یا GLM-52 به سطحی رسیدن که با Post-training روی داده‌های تخصصی خودتون، می‌تونن حتی از مدل‌های فرانتیر هم توی دامین شما بهتر جواب بدن.
چهار. کنترل روی محصول: شعار جالبشون این بود که اگه مالکیتی روی وزن‌های مدل ندارید، عملاً مالک واقعی محصولتون هم نیستید.

معماری این استک هم معمولاً چند بخش اصلی داره:
- انتخاب یک مدل پایه وزن‌باز
- انجام Post-training روی داده‌های تخصصی و سنتی
- تنظیم Harness و سیستم‌های ارزیابی (Evals)
- مدیریت Context و حافظه (مثل Vector DB یا MCP)
- پیاده‌سازی یادگیری آنلاین (Online Learning) تا مدل با هر تعامل کاربر بهتر بشه
Youtube: https://youtu.be/bMMv0bZzONg?is=1GQt0FEbSO09Ljet

@DevTwitter | <Mehdi Allahyari/>
👍176
یک مدل Vision-Language سبک و سریع از Liquid AI منتشر شده
می‌تونه صفحه‌نمایش، اسناد، نمودارها و دنیای واقعی رو درک کنه و فقط حدود ۳GB حافظه مصرف می‌کنه
جالب‌تر اینکه روی Galaxy S26 Ultra هم حدود ۲۰ توکن بر ثانیه اجرا می‌شه یعنی یک مدل بینایی قدرتمند که می‌تونه کاملا روی دستگاه خودت اجرا بشه

@DevTwitter | <Davinchi/>
👍5