این روزها عنوان‌های Agentic Developer (توسعه‌دهندهٔ مسلط به عامل‌ها) و AI-powered Developer (توسعه‌دهندهٔ توانمند با هوش مصنوعی) را زیاد می‌بینیم.

اما استفاده از ابزارهای کدنویسی کافی است که خودمان را با این عنوان‌ها معرفی کنیم؟

به نظرم معیار، تعداد ابزارها نیست؛ این است که چه کاری را می‌توانیم واگذار کنیم، چطور درستی نتیجه را بسنجیم و کجا کنترل را نگه داریم.

این ۹ گام، یک نقشهٔ پیشنهادی برای پیدا کردن جای خودمان است؛ نه یک استاندارد رسمی.

۱. کمک بگیر، اما بفهم
از هوش مصنوعی برای توضیح کد و تحلیل خطا کمک بگیر.
نشانهٔ آمادگی: بتوانی پاسخ را توضیح بدهی و بخش‌های نامطمئنش را تشخیص بدهی.

۲. مسئله را روشن کن
قبل از Prompt، هدف، محدودیت و Acceptance Criteria (معیار پذیرش) را بنویس.
نشانهٔ آمادگی: قبل از گرفتن پاسخ، بدانی خروجی قابل‌قبول چیست.

۳. زمینهٔ درست فراهم کن
با Context Engineering (طراحی زمینه)، فایل‌ها، قواعد و اطلاعات مرتبط را در اختیار مدل بگذار؛ نه کل پروژه را بی‌هدف.
نشانهٔ آمادگی: کمتر مجبور شوی حدس‌های اشتباه مدل را اصلاح کنی.

۴. با شواهد اعتماد کن
با Verification (راستی‌آزمایی)، خروجی را تست و بازبینی کن. تست‌های تولیدشده هم نیاز به بررسی دارند.
نشانهٔ آمادگی: دلیل پذیرش تغییر، شواهد باشد؛ نه توضیح قانع‌کنندهٔ مدل.

۵. کار را قابل‌کنترل کن
با Task Decomposition (تقسیم کار)، درخواست بزرگ را به طرح، تغییرات کوچک، تست و بازبینی بشکن.
نشانهٔ آمادگی: بتوانی هر بخش را مستقل بفهمی و اصلاح کنی.

۶. روش تکرارپذیر بساز
یک Workflow (گردش‌کار) مشخص برای کاری مثل رفع باگ تعریف کن: بازتولید، تست، اصلاح و بازبینی.
نشانهٔ آمادگی: خودت و همکارت بتوانید این روش را روی چند کار مشابه تکرار کنید.

۷. اختیار محدود واگذار کن
به Agent (عامل اجرایی) کار چندمرحله‌ای بده؛ با دسترسی محدود، نقاط تأیید و امکان Rollback (بازگردانی).
نشانهٔ آمادگی: بتوانی اجرا را بررسی و متوقف کنی و تغییرات را برگردانی.

۸. اثر واقعی را بسنج
در Evaluation (ارزیابی)، زمان کل، بازبینی، دوباره‌کاری، خطا و هزینه را با روش قبلی مقایسه کن.
نشانهٔ آمادگی: بدانی هوش مصنوعی کجا کمک می‌کند و کجا نه.

۹. مسئلهٔ بهتری حل کن
با Product Thinking (تفکر محصولی)، بپرس: آیا این قابلیت لازم است؟ آیا گلوگاه واقعاً کدنویسی است؟
نشانهٔ آمادگی: اثر کارت در نتیجهٔ محصول دیده شود، نه فقط حجم کد.

ممکن است در تست‌نویسی قدم هفتم باشی و در معماری قدم دوم؛ طبیعی است. بلوغ بیشتر هم الزاماً یعنی اختیار بیشتر دادن نیست؛ یعنی واگذاری متناسب با ریسک.

برای معرفی توانایی‌ات، به‌جای یک عنوان کلی، شواهد بده:
«رفع باگ را با گردش‌کار مشخص، تست و بازبینی انجام می‌دهم.»

حالا قدم بعدی را مشخص کن:
«در کارِ …، در قدمِ … هستم و این هفته روی … تمرین می‌کنم.»

هدف، واگذاری فهمیدن نیست؛ تقویت توان تصمیم‌گیری ماست.

@DevTwitter | <HamidReza Madani/>

امروز یه مقدار بیکار بودم گفتم Notepad++ رو برای mac os با rust بازنویسی کنم. نتیجه به نظرم خیلی خوب شد. خودم که خیلی بهش نیاز داشتم و اپ های مشابه رو نمی‌پسندیدم. اگه خواستید این لینک گیتهابم

https://github.com/sonatina-dream/Linewright

@DevTwitter | <Sonata/>

‍ اساتید، مهندسین نرم‌افزار و توسعه‌دهندگان ایرانی و خارجی!

یک مقاله‌ی جدید آماده کردیم که می‌تونه برای تقویت مهارت‌های فنی و آمادگی برای مصاحبه‌های استخدامی در گوگل و شرکت‌های بزرگ تکنولوژی بهتون کمک کنه.

توی این مقاله درباره‌ی Big-O درگونگ صحبت کردیم؛ از تحلیل پیچیدگی زمانی و فضایی الگوریتم‌ها گرفته تا نوشتن کدهای بهینه‌تر و کارآمدتر.

اگه می‌خواید دانش الگوریتمی خودتون رو تقویت کنید و برای چالش‌های مصاحبه‌های فنی آماده‌تر باشید، این مقاله رو از دست ندید!

https://medium.com/@milwad.dev/big-o-in-go-a-practical-guide-for-software-engineers-4812016dd1dd

@DevTwitter | <Milwad Khosravi/>

مدل GPT-6 Luna کاملاً رایگان و نامحدود شد

سرویس DuckDuckGo از طریق DuckAi این مدل رو بدون نیاز به ثبت‌نام و کارت بانکی باز کرده.

چی داری؟
• چت با Luna
• تولید تصویر
• مکالمه صوتی کامل (روی موبایل هم خوب کار می‌کنه)
فقط برو و شروع کن:
https://duck.ai

@DevTwitter | <Reza/>

دیپ‌سیک V4.1 Flash و HY3 رایگان شدن!

تصور کن به دو مدل هوش مصنوعی دسترسی داشته باشی، بدون اینکه نگران تموم‌شدن اعتبارت باشی!

استفاده روزانه رایگان
اعتبار نامحدود
فقط تا ۳۱ اکتبر!
برای امتحان‌کردنشون کافیه بری سراغ WorkBuddy
https://workbuddy.ai

فقط یادت باشه این پیشنهاد طبق اعلام منتشرشده تا ۳۱ اکتبر اعتبار داره.

هوش مصنوعی رایگان، اعتبار نامحدود؛ دیگه چی می‌خوای؟

@DevTwitter | <امیرحسین اسلامی/>

پنجاه میلیون توکن یا ۲۵ دلار کردیت استفاده از GLM 5.3 flash و DeepSeek v4.1 flash در سایت زیر :

https://console.river.ai

@DevTwitter | <Reza/>

ام دی پرشیا (MDPersia): ابزار متن‌باز تبدیل اسناد Markdown فارسی و راست‌چین به Word (DOCX) و PDF ، بدون نیاز به پیش‌نیازهای سنگین با رفع مشکل پرانتزها و متون انگلیسی-فارسی.
تولید فایل Word با استایل RTL و فونت وزیرمتن، فایل PDF با کیفیت قابل چاپ و رندر کاملاً آفلاین انواع دیاگرام‌های مهندسی Mermaid.
قابلیت جداگانه برای تبدیل فایل مارک داون ltr به فایل rtl
پشتیبانی از حالت پایش زنده برای کامپایل لحظه‌ای(با تغییر لحظه ای فایل مارک داون فایل ورد هم تغییر می کند)
رابط (CLI) و اپلیکیشن سبک دسکتاپ (GUI) طراحی شده با تائوری.

https://github.com/hamid-morsali-786/MdPersia

@DevTwitter | <hamid_morsali/>

میشه گفت که Agent ترکیب LLM و Harness هست.

در بحث Harness Engineering خود مدل LLM زیاد مهم نیست. 

یعنی اگر Harness خیلی خوب ساخته شده باشه با یه مدل ضعیف تر بهتر از یه Harness ای که بد ساخته شده باشه اما مدل قوی تر باشه کار می کنه.

مثلا اگر یه تسک پیچیده رو با Claude Code و Cursor به مدل Opus بدید، خروجی متفاوت است چون این Harness ها متفاوت ساخته شده اند.

ما در دوره AI Engineering یکی از موضوعاتی که خیلی روش کار می کنیم Harness Engineering هست.

در طی زمان مدل ها قوی تر خواهند شد و در کل Harness ما بهتر عمل خواهد کرد.

اما اینکه بفهمیم مدلمون داره بهتر کار می‌کنه نیاز به یه سری ارزیابی داره و Eval Engineering بحث دیگری هست که در دوره مداوم بهش می پردازیم

@DevTwitter | <Pouria Jahandideh/>

می‌خواهید وارد دنیای DevSecOps شوید؟ از کجا باید شروع کنید؟

این روزها موقعیت شغلی DevSecOps Engineer را بیشتر می‌بینیم؛ اما سؤال مهم این است:

آیا برای ورود به DevSecOps فقط باید Docker، Kubernetes و GitLab بلد باشیم؟ یا لازم است متخصص امنیت و تست نفوذ هم باشیم؟

واقعیت این است که DevSecOps صرفاً یادگیری چند ابزار نیست.

در این رویکرد، امنیت نباید فقط در انتهای پروژه بررسی شود، بلکه باید از ابتدا در فرایندها، Pipelineها و معماری سیستم حضور داشته باشد.

اما برای ورود به این حوزه چه مهارت‌هایی اهمیت دارند؟

۱. ابتدا زیرساخت و مبانی را جدی بگیرید.
بدون درک مناسب از Linux، Networking، Git، Python و Bash، پیاده‌سازی اتوماسیون امنیتی در محیط‌های واقعی دشوار خواهد بود.

۲. مفاهیم DevOps را یاد بگیرید.
باید بدانید CI/CD چگونه کار می‌کند، اپلیکیشن‌ها چطور Build و Deploy می‌شوند و ابزارهایی مثل GitLab CI/CD، Docker، Kubernetes، Terraform و Ansible چه نقشی در این فرایند دارند.

۳. امنیت نرم‌افزار را بشناسید.
اینجاست که مباحثی مثل Secure SDLC، OWASP Top 10، OWASP API Security Top 10، Threat Modeling، مدیریت Secrets و کنترل دسترسی اهمیت پیدا می‌کنند.

یک مهندس DevSecOps باید بداند آسیب‌پذیری‌ها چگونه ایجاد می‌شوند و چگونه می‌توان از وقوع یا انتشار آن‌ها جلوگیری کرد.

۴. مفهوم Security Testing را وارد Pipeline کنید.
با مفاهیم زیر آشنا شوید:
- مفهوم SAST: بررسی امنیت ایستای کد
- مفهوم DAST: تست امنیت اپلیکیشن در حال اجرا
- مفهوم SCA: بررسی امنیت وابستگی‌های نرم‌افزاری
- مفهوم Secret Scanning: شناسایی اطلاعات حساس
- مفهوم Container & IaC Scanning: بررسی امنیت کانتینرها و زیرساخت تعریف‌شده با کد

ابزارهایی مانند Semgrep، Trivy، Checkov، Burp Suite و DefectDojo می‌توانند بخشی از این مسیر باشند.

۵. فقط ابزار اجرا نکنید؛ تحلیل امنیتی یاد بگیرید.
تفاوت مهم یک مهندس حرفه‌ای با کسی که صرفاً Scanner اجرا می‌کند، در توانایی تحلیل نتایج است.

باید بتوانید:
- یافته‌های واقعی را از False Positive تشخیص دهید.
- ریسک و قابلیت بهره‌برداری از آسیب‌پذیری‌ها را ارزیابی کنید.
- برای رفع مشکلات، راهکار عملی ارائه دهید.
- با تیم‌های Development، DevOps، SecOps و SOC همکاری کنید.

۶. یک پروژه واقعی بسازید.
برای مثال، یک اپلیکیشن تستی را در GitLab قرار دهید، Pipeline طراحی کنید، تست‌های امنیتی را به آن اضافه کنید و نتایج را در یک فرایند Vulnerability Management مدیریت کنید.

این تجربه عملی بسیار ارزشمندتر از حفظ‌کردن نام ده‌ها ابزار است.

یک نکته مهم برای مسیر شغلی:
برای شروع DevSecOps لازم نیست از روز اول در همه حوزه‌ها متخصص باشید.

اما برای رسیدن به سطح Senior، صرف آشنایی با ابزارها کافی نیست. تجربه عملی در Application Security، Security Automation، تحلیل آسیب‌پذیری‌ها و طراحی کنترل‌های امنیتی اهمیت زیادی دارد.

اگر از حوزه‌های Network Engineering، Network Automation، DevOps یا Cybersecurity وارد این مسیر می‌شوید، بخشی از مهارت‌های لازم را از قبل دارید؛ کافی است شکاف‌های تخصصی خود را شناسایی کنید و به‌صورت هدفمند توسعه دهید.

@DevTwitter | <Ehsan Momeni Bashusqeh/>

افزونه راستچین هوشمند VS Code — Noor RTL

یه افزونه VS Code نوشتم که محیط VS Code رو کامل راستچین میکنه — از چتباتهایی مثل Copilot و AI Chat گرفته تا خود ادیتور!

امکانات:
- راستچین کردن گفتگوهای Copilot و AI Chat
- پیشنمایش Markdown با نمایش فارسی
- تشخیص خودکار جهت متن در پرامپتها و ورودیها
- راستچین کردن خودکار کامنتهای فارسی بدون تغییر جهت کد
- کاملاً قابل کانفیگ — هر بخش رو جداگانه میتونید فعال/غیرفعال کنید
- تغییر جهت با Control + Shift + چپ/راست


نصب:
مارکت VS Code:
https://marketplace.visualstudio.com/items?itemName=Noor-CRCIS.rtl-copilot

گیتهاب :
https://github.com/Noor-CRCIS/rtl-copilot/

از Extensions توی VS Code عبارت Noor RTL رو جستجو کنید و نصب کنید. برای نصب دستی هم فایل VSIX از Releases گیتهاب قابل دریافت هست.

@DevTwitter | <علی رهنما/>

مجموعه ای از بهترین اسکیل ها رو جمع آوری کردم و با ترکیب اونها و چند اسکیل یه اسکیل کامل برای کدکس ساختم

https://github.com/realjustawall/perfect-ai

@DevTwitter | <RealJustAWall/>

آپدیت جدید پلاگین Markdown RTL (نسخه ۱.۱.۱) با پشتیبانی از نمودارهای Mermaid منتشر شد:

- رندر مستقیم و آفلاین نمودارهای Mermaid بدون نیاز به پلاگین جدا
- تشخیص خودکار زبان نمودار (فونت وزیرمتن و راست‌چین برای فارسی، JetBrains Mono برای انگلیسی)
- دکمه‌های زوم (+ / −) روی هر دیاگرام و هماهنگی با تم تیره و روشن IDE
- نمایش مرتب متادیتای ابتدای فایل (YAML Front Matter) به شکل جدول یا کد خام

دریافت و آپدیت از مارکت‌پلیس JetBrains:
https://plugins.jetbrains.com/plugin/34457-markdown-rtl

مخزن گیت‌هاب:
https://github.com/mahdiasd/MarkdownRTL



@DevTwitter | <Mahdi Asadollahpour/>