Forwarded from DevTwitter Ads.
🔖 آخرین فرصت شرکت در جشنواره «شروع دوباره زبان با لینگانو»
📣 تا ۷۵٪ تخفیف ویژه روی دوره جامع آموزش زبان لینگانو
✅ 146 جلسه آموزشی باکیفیت (+72 ساعت آموزش)
✅ از مبتدی تا پیشرفته
✅ همراه با جزوه، تمرین و آزمون اختصاصی برای هر درس
➕
🎁 3 هدیه اختصاصی برای شما:
✅ مینی‌دوره «یادگیری زبان با سریال فرندز»
✅ مینی‌دوره «لغات و کالوکیشن»
✅ ۱ سال اشتراک رایگان لینگانو ai،
دستیار هوش مصنوعی اختصاصی لینگانو
برای دریافت جزئیات و قیمت دوره، کافیه کلمه‌ی «مسیر» رو به آیدی زیر بفرستین:
🔵 @lingano_support_2
🔵 @lingano_support_2
📣 تا ۷۵٪ تخفیف ویژه روی دوره جامع آموزش زبان لینگانو
✅ 146 جلسه آموزشی باکیفیت (+72 ساعت آموزش)
✅ از مبتدی تا پیشرفته
✅ همراه با جزوه، تمرین و آزمون اختصاصی برای هر درس
➕
🎁 3 هدیه اختصاصی برای شما:
✅ مینی‌دوره «یادگیری زبان با سریال فرندز»
✅ مینی‌دوره «لغات و کالوکیشن»
✅ ۱ سال اشتراک رایگان لینگانو ai،
دستیار هوش مصنوعی اختصاصی لینگانو
برای دریافت جزئیات و قیمت دوره، کافیه کلمه‌ی «مسیر» رو به آیدی زیر بفرستین:
🔵 @lingano_support_2
🔵 @lingano_support_2
🍌4👍3👎2
مدتیه دارم روی پروژه‌ای به اسم «قیچی» کار می‌کنم؛ یک اپلیکیشن پیامک اندرویدی متن‌باز که از اول با تمرکز روی حریم خصوصی ساخته شده.
هدف قیچی ساده‌ست: خفه کردن پیامک‌های اسپم و تبلیغاتی، بدون قربانی کردن حریم خصوصی.
ایده‌ی اصلی اینه که پیامک‌های ما، اطلاعات شخصی ما هستن و نباید برای انجام کار ساده‌ای مثل تشخیص اسپم، حتما به یک سرور خارجی فرستاده بشن. برای همین، قیچی با کمک ML.NET و یک مدل یادگیری ماشین سبک، پیامک‌های اسپم و تبلیغاتی رو مستقیما روی خود دستگاه تشخیص میده تا این پیام‌ها کمتر مزاحم‌مون بشن؛ بدون نیاز به ارسال اطلاعات به سرور و حتی بدون نیاز به اینترنت برای تشخیص اسپم.
قیچی یک پروژه‌ی متن‌بازه و با Avalonia و CSharp توسعه داده میشه. هدفم اینه که در نهایت یک اپلیکیشن پیامک ساده، قابل اعتماد و کاربردی داشته باشیم؛ اپلیکیشنی که کمک کنه از شر پیامک‌های تبلیغاتی و مزاحم خلاص بشیم، بدون تبلیغات آزاردهنده، بدون جمع‌آوری بی‌دلیل اطلاعات و بدون این حس که برای استفاده از یک ابزار ساده، باید از حریم خصوصی‌مون بگذریم.
اگر دوست داشتید، با گزارش باگ و فیدبک، مشارکت در توسعه یا حتی یک Star روی گیت‌هاب می‌تونید کمک کنید قیچی بهتر بشه.
گیت‌هاب پروژه و دانلود:
https://github.com/MahdiyarGHD/GheychiApp
@DevTwitter | <Mahdyar/>
هدف قیچی ساده‌ست: خفه کردن پیامک‌های اسپم و تبلیغاتی، بدون قربانی کردن حریم خصوصی.
ایده‌ی اصلی اینه که پیامک‌های ما، اطلاعات شخصی ما هستن و نباید برای انجام کار ساده‌ای مثل تشخیص اسپم، حتما به یک سرور خارجی فرستاده بشن. برای همین، قیچی با کمک ML.NET و یک مدل یادگیری ماشین سبک، پیامک‌های اسپم و تبلیغاتی رو مستقیما روی خود دستگاه تشخیص میده تا این پیام‌ها کمتر مزاحم‌مون بشن؛ بدون نیاز به ارسال اطلاعات به سرور و حتی بدون نیاز به اینترنت برای تشخیص اسپم.
قیچی یک پروژه‌ی متن‌بازه و با Avalonia و CSharp توسعه داده میشه. هدفم اینه که در نهایت یک اپلیکیشن پیامک ساده، قابل اعتماد و کاربردی داشته باشیم؛ اپلیکیشنی که کمک کنه از شر پیامک‌های تبلیغاتی و مزاحم خلاص بشیم، بدون تبلیغات آزاردهنده، بدون جمع‌آوری بی‌دلیل اطلاعات و بدون این حس که برای استفاده از یک ابزار ساده، باید از حریم خصوصی‌مون بگذریم.
اگر دوست داشتید، با گزارش باگ و فیدبک، مشارکت در توسعه یا حتی یک Star روی گیت‌هاب می‌تونید کمک کنید قیچی بهتر بشه.
گیت‌هاب پروژه و دانلود:
https://github.com/MahdiyarGHD/GheychiApp
@DevTwitter | <Mahdyar/>
1❤66👍19🔥4
This media is not supported in your browser
VIEW IN TELEGRAM
ابزار OpenDesign Motion منتشر شده و متن‌باز هم هست!
یه جایگزین متن‌باز برای Claude Motion که بهت اجازه میده با هر AI Agent و مدلی ویدیوهای موشن بسازی؛ بدون اینکه مجبور باشی از Opus 5.5 استفاده کنی.
جالب‌تر اینکه ویدیوی معرفی خودشون رو هم کاملاً با OpenDesign ساختن!
https://open-design.ai
@DevTwitter | <Yarad/>
یه جایگزین متن‌باز برای Claude Motion که بهت اجازه میده با هر AI Agent و مدلی ویدیوهای موشن بسازی؛ بدون اینکه مجبور باشی از Opus 5.5 استفاده کنی.
جالب‌تر اینکه ویدیوی معرفی خودشون رو هم کاملاً با OpenDesign ساختن!
https://open-design.ai
@DevTwitter | <Yarad/>
👍25👎1🍌1
Forwarded from DevTwitter Ads.
https://t.me/+ZbxLUqEk5OZlZGM0
🌐 Cloud.sheltertm.com
Please open Telegram to view this post
VIEW IN TELEGRAM
🍌6❤2🔥1
پروژه Shahrah یک پراکسی متن‌باز توسعه‌یافته با زبان Rust برای PostgreSQL که با هدف ساده‌سازی شاردینگ و مدیریت دیتابیس‌های توزیع‌شده طراحی شده است. این پروژه درخواست‌های اپلیکیشن را دریافت می‌کند و به‌صورت هوشمند به شارد یا دیتابیس مناسب هدایت می‌کند. با قابلیت‌هایی مانند Query Routing و Read/Write Splitting و مدیریت Connection pooling مدیریت ترافیک دیتابیس را بهینه می‌کند. یکی از ویژگی‌های کلیدی آن، پشتیبانی از معماری چندمنطقه‌ای و مسیریابی درخواست‌ها بر اساس محل قرارگیری داده‌هاست. همچنین قابلیت‌هایی برای انتقال داده بین مناطق، توزیع مجدد شاردها و بازیابی عملیات انتقال فراهم می‌کند.
هدف نهایی این پروژه، ساده‌سازی مقیاس‌پذیری PostgreSQL و انتقال پیچیدگی مدیریت شاردینگ از لایه اپلیکیشن به زیرساخت دیتابیس است.
در تست شاردینگ با سه شارد، هزینه پردازشی هر عملیات خواندن برای Shahrah برابر ۵۰٫۷ میکروثانیه بوده، در مقابل ۶۲٫۵ میکروثانیه برای PgDog. همچنین در تست خواندن کلیددار تک‌شاردی، با ۵۴٫۵ میکروثانیه در مقایسه با PgCat با ۵۸٫۵ و PgDog با ۶۵٫۵ میکروثانیه عملکرد بهتری ثبت کرده است. در تست عبور ساده درخواست‌ها نیز هزینه پردازشی Shahrah برابر ۳۲٫۶ میکروثانیه بوده است.
https://github.com/rs-alireza/shahrah/
@DevTwitter | <Alireza/>
هدف نهایی این پروژه، ساده‌سازی مقیاس‌پذیری PostgreSQL و انتقال پیچیدگی مدیریت شاردینگ از لایه اپلیکیشن به زیرساخت دیتابیس است.
در تست شاردینگ با سه شارد، هزینه پردازشی هر عملیات خواندن برای Shahrah برابر ۵۰٫۷ میکروثانیه بوده، در مقابل ۶۲٫۵ میکروثانیه برای PgDog. همچنین در تست خواندن کلیددار تک‌شاردی، با ۵۴٫۵ میکروثانیه در مقایسه با PgCat با ۵۸٫۵ و PgDog با ۶۵٫۵ میکروثانیه عملکرد بهتری ثبت کرده است. در تست عبور ساده درخواست‌ها نیز هزینه پردازشی Shahrah برابر ۳۲٫۶ میکروثانیه بوده است.
https://github.com/rs-alireza/shahrah/
@DevTwitter | <Alireza/>
🍌13❤12🔥2
اگر LLMها به هر شکلی با نرم‌افزار یا محصول شما یکپارچه شدن، بد نیست در مورد مسائل امنیتی مربوطه نگاهی به OWASP Top 10 for LLM Applications بندازید.
https://genai.owasp.org/resource/owasp-top-10-for-llm-applications-2025/
@DevTwitter | <Hamed/>
https://genai.owasp.org/resource/owasp-top-10-for-llm-applications-2025/
@DevTwitter | <Hamed/>
🍌7❤4👍2
گزارش رسمی Anthropic از آینده بازار کار: ایجنت‌های هوش مصنوعی ۶ برابر انسان‌ها کار می‌کنند و استخدام جونیورها سقوط کرده است!
شرکت Anthropic در مطالعه داخلی جدید خود «How employment is changing at Anthropic» داده‌های خیره‌کننده‌ای از تغییر ساختار مهندسی منتشر کرده که تصویری واقعی از آینده شرکت‌های تک است:
سقوط استخدام نیروهای تازه‌کار: سهم استخدام مهندسان جونیور از ۲۷٪ به تنها ۹٪ رسیده است؛ چرا که وظایف روتین مثل کدنویسی پایه و دیباگ کردن به Claude سپرده شده است.
قانون ۶ به ۱: ساعت کاری ایجنت‌های تعاملی AI در این شرکت اکنون ۶ برابر ساعت کاری کارمندان انسانی است (و در تیم‌های تحقیقاتی ۱۹ برابر!). در نتیجه، خروجی کد به ازای هر مهندس ۵ برابر شده است.
رشد شرکت و تغییر ترکیب به جای تعدیل: اندازه کلی Anthropic طی یک سال ۳ برابر شده و استخدام فنی همچنان بالاست، اما تقاضا از سمت جونیورها به سمت نیروهای ارشد و مستقل شیفت کرده است.
ظهور عصر «Meta-Work»: گلوگاه جدید در شرکت، «توجه انسانی» برای بررسی خروجی ایجنت‌هاست. معیار استخدام دیگر صرفاً دانش فنی و پیاده‌سازی نیست، بلکه «قدرت قضاوت، استقلال کاری و مهارت مدیریت ایجنت‌ها» است.
هوش مصنوعی در حال حذف مهندسی نرم‌افزار نیست، اما پله‌های اول نردبان شغلی را با سرعت زیادی برمی‌دارد. چالش بزرگ سال‌های آینده: وقتی کارهای سطح پایه به ایجنت‌ها سپرده می‌شود، نیروهای ارشد فردا کجا باید تجربه کسب کنند؟
@DevTwitter | <Legendary Coder/>
شرکت Anthropic در مطالعه داخلی جدید خود «How employment is changing at Anthropic» داده‌های خیره‌کننده‌ای از تغییر ساختار مهندسی منتشر کرده که تصویری واقعی از آینده شرکت‌های تک است:
سقوط استخدام نیروهای تازه‌کار: سهم استخدام مهندسان جونیور از ۲۷٪ به تنها ۹٪ رسیده است؛ چرا که وظایف روتین مثل کدنویسی پایه و دیباگ کردن به Claude سپرده شده است.
قانون ۶ به ۱: ساعت کاری ایجنت‌های تعاملی AI در این شرکت اکنون ۶ برابر ساعت کاری کارمندان انسانی است (و در تیم‌های تحقیقاتی ۱۹ برابر!). در نتیجه، خروجی کد به ازای هر مهندس ۵ برابر شده است.
رشد شرکت و تغییر ترکیب به جای تعدیل: اندازه کلی Anthropic طی یک سال ۳ برابر شده و استخدام فنی همچنان بالاست، اما تقاضا از سمت جونیورها به سمت نیروهای ارشد و مستقل شیفت کرده است.
ظهور عصر «Meta-Work»: گلوگاه جدید در شرکت، «توجه انسانی» برای بررسی خروجی ایجنت‌هاست. معیار استخدام دیگر صرفاً دانش فنی و پیاده‌سازی نیست، بلکه «قدرت قضاوت، استقلال کاری و مهارت مدیریت ایجنت‌ها» است.
هوش مصنوعی در حال حذف مهندسی نرم‌افزار نیست، اما پله‌های اول نردبان شغلی را با سرعت زیادی برمی‌دارد. چالش بزرگ سال‌های آینده: وقتی کارهای سطح پایه به ایجنت‌ها سپرده می‌شود، نیروهای ارشد فردا کجا باید تجربه کسب کنند؟
@DevTwitter | <Legendary Coder/>
❤33🍌11👎4
This media is not supported in your browser
VIEW IN TELEGRAM
این یکی پر از کامپوننت‌هاییه که از UIهای معمولی فاصله گرفتن!
مجموعه‌ای از کامپوننت‌های مدرن و خلاقانه‌ست که با انیمیشن‌ها و جزئیات جذابشون می‌تونن ظاهر پروژه‌تون رو متفاوت کنن.
حتماً یه نگاهی بندازید و سیوش کنید.
https://systaliko-ui.vercel.app
@DevTwitter | <negahUi/>
مجموعه‌ای از کامپوننت‌های مدرن و خلاقانه‌ست که با انیمیشن‌ها و جزئیات جذابشون می‌تونن ظاهر پروژه‌تون رو متفاوت کنن.
حتماً یه نگاهی بندازید و سیوش کنید.
https://systaliko-ui.vercel.app
@DevTwitter | <negahUi/>
🍌13🔥7👍4
چند سال پیش یه وبینار Git برگزار کردم
برای اون وبینار وقت گذاشتم و internal های گیت و اینکه چطور کار می کنه رو یاد گرفتم
چیزی که باورم نمیشد این بود که چرا انقدر inefficient هست و دوباره کاری داره و همه چیز هزار جا کپی میشه
با اینکه git یه سیستم محبوبی بود که همه استفاده می کردند و حتما باید درست باشه
الان که Scion معرفی شد وقت گذاشتم و مقاله مهندسی Anthropic رو خوندم و خیلی لذت بردم
یه مفهومی که معرفی کرده Changeset هست که خیلی منطقی هست
خیلی Anthopic رو دوست دارم از مدل Opus گرفته تا cli بودن Claude Code و اینکه به خودشون اجازه دادن git که bottleneck شده بود رو عوض کنند.
خیلی هیجان زده هستم که کلی تغییرات تو راه داریم.
بهتون پیشنهاد می کنم که این مقاله رو بخونید چون دید خیلی خوبی بهتون میده.
https://www.anthropic.com/engineering/redesigning-source-control
@DevTwitter | <Pouria Jahandideh/>
برای اون وبینار وقت گذاشتم و internal های گیت و اینکه چطور کار می کنه رو یاد گرفتم
چیزی که باورم نمیشد این بود که چرا انقدر inefficient هست و دوباره کاری داره و همه چیز هزار جا کپی میشه
با اینکه git یه سیستم محبوبی بود که همه استفاده می کردند و حتما باید درست باشه
الان که Scion معرفی شد وقت گذاشتم و مقاله مهندسی Anthropic رو خوندم و خیلی لذت بردم
یه مفهومی که معرفی کرده Changeset هست که خیلی منطقی هست
خیلی Anthopic رو دوست دارم از مدل Opus گرفته تا cli بودن Claude Code و اینکه به خودشون اجازه دادن git که bottleneck شده بود رو عوض کنند.
خیلی هیجان زده هستم که کلی تغییرات تو راه داریم.
بهتون پیشنهاد می کنم که این مقاله رو بخونید چون دید خیلی خوبی بهتون میده.
https://www.anthropic.com/engineering/redesigning-source-control
@DevTwitter | <Pouria Jahandideh/>
❤17👍3🍌3
یکی از سؤال‌های رایج در System Design:
چطور یک سیستم خرید و رزرو موجودی رو در مقیاس بالا طراحی کنیم؟
فرض کنید یک محصول فقط ۱۰ موجودی داره.
وقتی کاربر وارد فرآیند خرید میشه، هنوز خرید نهایی انجام نشده؛ ابتدا باید موجودی رو براش Reserve کنیم تا کاربر فرصت پرداخت داشته باشه.
بعد از پرداخت موفق، Reservation به Purchase تبدیل میشه و موجودی واقعاً از انبار کم میشه.
در بسیاری از طراحی‌ها، برای مدیریت سریع موجودی و concurrency در مرحله‌ی Reservation از Redis در کنار Database استفاده میشه.
اما این معماری چالش‌های خودش رو داره.
وقتی بخشی از state در Redis و بخشی در Database قرار داره، حفظ consistency بین این دو سیستم ساده نیست.
اگر Reservation در Redis موفق شه ولی ثبتش در Database شکست بخوره چی؟
اگر Payment موفق شه ولی مرحله‌ی نهایی کردن Purchase شکست بخوره چی؟
با افزایش scale، مسائلی مثل hot key، contention، retry، failure و synchronization هم جدی‌تر می‌شن.
نکته‌ی جالب اینجاست که در مقاله‌ی جدیدی، Shopify دقیقاً همین مسئله رو بررسی کرده و Redis رو از معماری Inventory Reservation خود حذف کرده و به MySQL منتقل شده.
با استفاده از مکانیزم‌هایی مثل "SKIP LOCKED" و row-level locking، توانستند concurrency موردنیاز رو مستقیماً در Database مدیریت کنند.
شاید سؤال بعدی در یک System Design Interview این باشه:
اگر MySQL بتونه این workload را مدیریت کنه، چرا اصلاً Redis رو وارد معماری کنیم؟
لینک مقاله برای مطالعه بیشتر(فیلتر شکن میخواد):
https://shopify.engineering/scaling-inventory-reservations
@DevTwitter | <AmirHossein Doroudian/>
چطور یک سیستم خرید و رزرو موجودی رو در مقیاس بالا طراحی کنیم؟
فرض کنید یک محصول فقط ۱۰ موجودی داره.
وقتی کاربر وارد فرآیند خرید میشه، هنوز خرید نهایی انجام نشده؛ ابتدا باید موجودی رو براش Reserve کنیم تا کاربر فرصت پرداخت داشته باشه.
بعد از پرداخت موفق، Reservation به Purchase تبدیل میشه و موجودی واقعاً از انبار کم میشه.
در بسیاری از طراحی‌ها، برای مدیریت سریع موجودی و concurrency در مرحله‌ی Reservation از Redis در کنار Database استفاده میشه.
اما این معماری چالش‌های خودش رو داره.
وقتی بخشی از state در Redis و بخشی در Database قرار داره، حفظ consistency بین این دو سیستم ساده نیست.
اگر Reservation در Redis موفق شه ولی ثبتش در Database شکست بخوره چی؟
اگر Payment موفق شه ولی مرحله‌ی نهایی کردن Purchase شکست بخوره چی؟
با افزایش scale، مسائلی مثل hot key، contention، retry، failure و synchronization هم جدی‌تر می‌شن.
نکته‌ی جالب اینجاست که در مقاله‌ی جدیدی، Shopify دقیقاً همین مسئله رو بررسی کرده و Redis رو از معماری Inventory Reservation خود حذف کرده و به MySQL منتقل شده.
با استفاده از مکانیزم‌هایی مثل "SKIP LOCKED" و row-level locking، توانستند concurrency موردنیاز رو مستقیماً در Database مدیریت کنند.
شاید سؤال بعدی در یک System Design Interview این باشه:
اگر MySQL بتونه این workload را مدیریت کنه، چرا اصلاً Redis رو وارد معماری کنیم؟
لینک مقاله برای مطالعه بیشتر(فیلتر شکن میخواد):
https://shopify.engineering/scaling-inventory-reservations
@DevTwitter | <AmirHossein Doroudian/>
👍11❤8🍌5
Media is too big
VIEW IN TELEGRAM
وقتی Context پر بشه، Claude Code شروع میکنه به فراموش کردن.
با Context Mode خروجی ابزارها توی Sandbox می‌مونه و فقط نتیجه برمی‌گرده؛ تا ۹۸٪ کمتر.
لینک:
https://github.com/mksglu/context-mode
@DevTwitter | <Diego Jr/>
با Context Mode خروجی ابزارها توی Sandbox می‌مونه و فقط نتیجه برمی‌گرده؛ تا ۹۸٪ کمتر.
لینک:
https://github.com/mksglu/context-mode
@DevTwitter | <Diego Jr/>
❤11🍌4
یکی از باحال‌ترین فیچرهای Cursor که این روزها واقعاً عاشقشم، قابلیت Voice Chatـه!
۳ تا دلیل که چرا این قابلیت بازی رو عوض کرده:
۱. فارسیِ فوق‌العاده روان: لهجه و درکش از فارسی کاملاً با Advanced Voice چت‌جی‌پی‌تی رقابت میکنه و اصلاً حس مصنوعی بودن نمیده.
۲. جادوی پشت صحنه: شما خیلی راحت و محاوره‌ای به فارسی مشکلت رو میگی، اما پشت صحنه حرفات رو به یک پرامپت انگلیسیِ جامع، دقیق و مهندسی‌شده برای مدل تبدیل میکنه. این بزرگ‌ترین نقطه قوتشه!
۳. حس واقعی Pair Programming: روی حالت استندبای می‌مونه، وسط حرفات می‌پره و ایده میده! مثلاً میگی «آقا این فانکشن چرا اینجوری کار میکنه؟»، میگه «بذار چک کنم...»، میره کد رو می‌خونه و برمی‌گرده میگه «آره اینجاش باگ داره، دارم اصلاحش می‌کنم!»
عملاً انگار یه سینیر دولوپر نشسته کنارت و داری باهاش گپ می‌زنی و کد می‌زنی. اگه تستش نکردید، حتماً امتحانش کنید!
@DevTwitter | <Legendary Coder/>
۳ تا دلیل که چرا این قابلیت بازی رو عوض کرده:
۱. فارسیِ فوق‌العاده روان: لهجه و درکش از فارسی کاملاً با Advanced Voice چت‌جی‌پی‌تی رقابت میکنه و اصلاً حس مصنوعی بودن نمیده.
۲. جادوی پشت صحنه: شما خیلی راحت و محاوره‌ای به فارسی مشکلت رو میگی، اما پشت صحنه حرفات رو به یک پرامپت انگلیسیِ جامع، دقیق و مهندسی‌شده برای مدل تبدیل میکنه. این بزرگ‌ترین نقطه قوتشه!
۳. حس واقعی Pair Programming: روی حالت استندبای می‌مونه، وسط حرفات می‌پره و ایده میده! مثلاً میگی «آقا این فانکشن چرا اینجوری کار میکنه؟»، میگه «بذار چک کنم...»، میره کد رو می‌خونه و برمی‌گرده میگه «آره اینجاش باگ داره، دارم اصلاحش می‌کنم!»
عملاً انگار یه سینیر دولوپر نشسته کنارت و داری باهاش گپ می‌زنی و کد می‌زنی. اگه تستش نکردید، حتماً امتحانش کنید!
@DevTwitter | <Legendary Coder/>
🍌25❤20
شرکت DeepSeek مدل DeepSeek-V4.1-Flash-1017 رو با لایسنس MIT منتشر کرد
این یه آپدیت جزئی روی V4.1-Flash هست، ولی روی استدلال، کدنویسی و کارهای agentic بهبود جدی داره.
توی Terminal-Bench 4.0 امتیازش از ۳۱.۲ رفته روی ۴۲.۳.
توی DeepSWE هم ۷۷.۰ گرفته، یعنی بالاتر از Opus 5 که ۷۴.۰ داره.
مدل ۷۶۳ میلیارد پارامتر داره، با context تا ۱ میلیون توکن و وزنهاش روی Hugging Face آزاده.
طبق توضیح خود DeepSeek، زمان اجرا و طول خروجی هم کمتر شده، پس کار سریعتر و ارزونتر تموم میشه.
توی بنچمارک HLE هنوز عقبتره: ۴۲.۶ در برابر ۵۶.۳ برای Opus 5.
https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
@DevTwitter | <Diego Jr/>
این یه آپدیت جزئی روی V4.1-Flash هست، ولی روی استدلال، کدنویسی و کارهای agentic بهبود جدی داره.
توی Terminal-Bench 4.0 امتیازش از ۳۱.۲ رفته روی ۴۲.۳.
توی DeepSWE هم ۷۷.۰ گرفته، یعنی بالاتر از Opus 5 که ۷۴.۰ داره.
مدل ۷۶۳ میلیارد پارامتر داره، با context تا ۱ میلیون توکن و وزنهاش روی Hugging Face آزاده.
طبق توضیح خود DeepSeek، زمان اجرا و طول خروجی هم کمتر شده، پس کار سریعتر و ارزونتر تموم میشه.
توی بنچمارک HLE هنوز عقبتره: ۴۲.۶ در برابر ۵۶.۳ برای Opus 5.
https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
@DevTwitter | <Diego Jr/>
❤15👍4🔥3
حالا می‌تونی با Claude Code و روی کامپیوتر خودت، رایگان موسیقی و افکت صوتی بسازی!
ابزار متن‌باز Audio Studio MCP، کلاد کد رو به مدل Stable Audio 3 متصل میکنه تا فقط با توضیح متنی، صدا تولید کنی.
مثلاً بنویس:
«موسیقی Lo-fi برای یک کافه دنج»
یا
«صدای شکستن بطری شیشه‌ای روی بتن»
این ابزار می‌تونه:
برای هر درخواست ۱ تا ۴ نسخه تولید کنه
بخشی از صدا رو تغییر بده یا ادامه‌ی ترک رو بسازه
موسیقی‌های Loop، محو شدن تدریجی صدا و تنظیم بلندی صدا ایجاد کنه
خروجی WAV، OGG و FLAC با نرخ نمونه‌برداری 48 kHz بده
مزیت اصلی؟
بدون نیاز به Cloud یا API Key و بدون هزینه‌ی تولید صدا؛ همه‌چیز روی سیستم خودت اجرا میشه.
سیستم موردنیاز:
مک با پردازنده Apple Silicon و ترجیحاً ۱۶ گیگابایت رم، یا کامپیوتر ویندوزی با کارت گرافیک NVIDIA و حداقل ۸ گیگابایت VRAM.
نصب روی مک:
بعد از نصب، دستور اتصال به Claude Code نمایش داده میشه.
مخزن پروژه:
https://github.com/kanaworksai-hue/audio-studio-mcp
شنیدن نمونه صداها:
https://kanaworksai-hue.github.io/audio-studio-mcp/
قبل از استفاده تجاری از خروجی‌ها، مجوز مدل Stable Audio 3 رو بررسی کن. رایگان بودن اجرای ابزار لزوماً به معنی مجوز استفاده تجاری از تمام خروجی‌ها نیست.
@DevTwitter | <Yarad/>
ابزار متن‌باز Audio Studio MCP، کلاد کد رو به مدل Stable Audio 3 متصل میکنه تا فقط با توضیح متنی، صدا تولید کنی.
مثلاً بنویس:
«موسیقی Lo-fi برای یک کافه دنج»
یا
«صدای شکستن بطری شیشه‌ای روی بتن»
این ابزار می‌تونه:
برای هر درخواست ۱ تا ۴ نسخه تولید کنه
بخشی از صدا رو تغییر بده یا ادامه‌ی ترک رو بسازه
موسیقی‌های Loop، محو شدن تدریجی صدا و تنظیم بلندی صدا ایجاد کنه
خروجی WAV، OGG و FLAC با نرخ نمونه‌برداری 48 kHz بده
مزیت اصلی؟
بدون نیاز به Cloud یا API Key و بدون هزینه‌ی تولید صدا؛ همه‌چیز روی سیستم خودت اجرا میشه.
سیستم موردنیاز:
مک با پردازنده Apple Silicon و ترجیحاً ۱۶ گیگابایت رم، یا کامپیوتر ویندوزی با کارت گرافیک NVIDIA و حداقل ۸ گیگابایت VRAM.
نصب روی مک:
git clone https://github.com/kanaworksai-hue/audio-studio-mcp.gitcd audio-studio-mcp./install.shبعد از نصب، دستور اتصال به Claude Code نمایش داده میشه.
مخزن پروژه:
https://github.com/kanaworksai-hue/audio-studio-mcp
شنیدن نمونه صداها:
https://kanaworksai-hue.github.io/audio-studio-mcp/
قبل از استفاده تجاری از خروجی‌ها، مجوز مدل Stable Audio 3 رو بررسی کن. رایگان بودن اجرای ابزار لزوماً به معنی مجوز استفاده تجاری از تمام خروجی‌ها نیست.
@DevTwitter | <Yarad/>
🔥13❤6👎3
This media is not supported in your browser
VIEW IN TELEGRAM
مدل Opus 5.5 یه دنیای یونان باستان فوق‌العاده دقیق و زیبا ساخت
بدون استفاده از هیچ asset آماده ای— همه چیز فقط با کد خالص در three.js ساخته شده.
جزئیات دیوانه‌کننده، نورپردازی سینمایی و حس واقعی بودنش باورنکردنیه.
https://github.com/Leonxlnx/athenaion
@DevTwitter | <Reza/>
بدون استفاده از هیچ asset آماده ای— همه چیز فقط با کد خالص در three.js ساخته شده.
جزئیات دیوانه‌کننده، نورپردازی سینمایی و حس واقعی بودنش باورنکردنیه.
https://github.com/Leonxlnx/athenaion
@DevTwitter | <Reza/>
❤28🔥10🍌5
یک Skill برای Claude در GitHub بیشتر از ۱۶۴ هزار ستاره گرفته!
اسمش Ponytail هست؛ ابزاری که به ایجنت هوش مصنوعی کمک میکنه مثل یک برنامه‌نویس باتجربه فکر کنه: قبل از نوشتن کد اضافه، دنبال ساده‌ترین راه‌حل ممکن بگرده.
همون برنامه‌نویسی که ۵۰ خط کد رو می‌بینه و اگر بشه، به یک خط تبدیلش میکنه!
نسخه پنجم این پروژه منتشر شده و طبق نتایج بنچمارک سازنده، خروجی‌هاش قابل‌توجهه:
۵۳٪ کد کمتر
۴۱٪ زمان کمتر
۲۶٪ هزینه کمتر
۴۵٪ توکن کمتر
اما نکته جالب‌تر اینه که با وجود کاهش حجم کد، کیفیت تست‌ها هم بهتر شده.
طبق نتایج اعلام‌شده، ۹۸٪ از بخش‌های حساس کد با تست همراه بودن؛ درحالی‌که این عدد بدون Ponytail حدود ۶۸٪ بوده.
یک مثال واقعی:
فرض کن از ایجنت می‌خوای یک ابزار انتخاب تاریخ بسازه.
بدون Ponytail ممکنه از صفر شروع کنه و ۳۳۵ خط کد بنویسه.
اما با Ponytail، به‌جای ساختن دوباره چیزی که از قبل وجود داره، از قابلیت داخلی مرورگر استفاده میکنه و راه‌حل رو در ۱۰ خط پیاده‌سازی میکنه.
چرا این موضوع مهمه؟
وقتی با AI Agentها برنامه‌نویسی می‌کنی، کد اضافه فقط مصرف توکن رو بالا نمی‌بره؛ بررسی، دیباگ و نگهداری پروژه رو هم سخت‌تر میکنه.
Ponytail قبل از نوشتن کد، ایجنت رو تشویق میکنه راه‌حل‌های موجود رو بررسی کنه، از قابلیت‌های داخلی استفاده کنه و فقط چیزی رو بسازه که واقعاً لازمه.
این پروژه با ابزارهایی مثل Claude Code، Codex، Cursor و GitHub Copilot سازگاره و با مجوز MIT به‌صورت رایگان منتشر شده.
نکته مهم: هدفش صرفاً نوشتن کمترین تعداد خط نیست؛ هدف، کم‌کردن کدهای غیرضروری بدون حذف تست‌ها، اعتبارسنجی و ملاحظات امنیتیه. درصدهای بالا هم نتایج بنچمارک سازنده هستن و تضمینی برای همه پروژه‌ها نیستن.
https://github.com/DietrichGebert/ponytail
@DevTwitter | <Yarad/>
اسمش Ponytail هست؛ ابزاری که به ایجنت هوش مصنوعی کمک میکنه مثل یک برنامه‌نویس باتجربه فکر کنه: قبل از نوشتن کد اضافه، دنبال ساده‌ترین راه‌حل ممکن بگرده.
همون برنامه‌نویسی که ۵۰ خط کد رو می‌بینه و اگر بشه، به یک خط تبدیلش میکنه!
نسخه پنجم این پروژه منتشر شده و طبق نتایج بنچمارک سازنده، خروجی‌هاش قابل‌توجهه:
۵۳٪ کد کمتر
۴۱٪ زمان کمتر
۲۶٪ هزینه کمتر
۴۵٪ توکن کمتر
اما نکته جالب‌تر اینه که با وجود کاهش حجم کد، کیفیت تست‌ها هم بهتر شده.
طبق نتایج اعلام‌شده، ۹۸٪ از بخش‌های حساس کد با تست همراه بودن؛ درحالی‌که این عدد بدون Ponytail حدود ۶۸٪ بوده.
یک مثال واقعی:
فرض کن از ایجنت می‌خوای یک ابزار انتخاب تاریخ بسازه.
بدون Ponytail ممکنه از صفر شروع کنه و ۳۳۵ خط کد بنویسه.
اما با Ponytail، به‌جای ساختن دوباره چیزی که از قبل وجود داره، از قابلیت داخلی مرورگر استفاده میکنه و راه‌حل رو در ۱۰ خط پیاده‌سازی میکنه.
چرا این موضوع مهمه؟
وقتی با AI Agentها برنامه‌نویسی می‌کنی، کد اضافه فقط مصرف توکن رو بالا نمی‌بره؛ بررسی، دیباگ و نگهداری پروژه رو هم سخت‌تر میکنه.
Ponytail قبل از نوشتن کد، ایجنت رو تشویق میکنه راه‌حل‌های موجود رو بررسی کنه، از قابلیت‌های داخلی استفاده کنه و فقط چیزی رو بسازه که واقعاً لازمه.
این پروژه با ابزارهایی مثل Claude Code، Codex، Cursor و GitHub Copilot سازگاره و با مجوز MIT به‌صورت رایگان منتشر شده.
نکته مهم: هدفش صرفاً نوشتن کمترین تعداد خط نیست؛ هدف، کم‌کردن کدهای غیرضروری بدون حذف تست‌ها، اعتبارسنجی و ملاحظات امنیتیه. درصدهای بالا هم نتایج بنچمارک سازنده هستن و تضمینی برای همه پروژه‌ها نیستن.
https://github.com/DietrichGebert/ponytail
@DevTwitter | <Yarad/>
❤36🍌9
DevTwitter | توییت برنامه نویسی
اگه از نمودارهای mermaid تکراری که claude و codex درست میکنه خسته شدید، این skill رو نصب کنید. ۲۷ تا چارت دست‌ساز که به agent یاد میده کجا از چه دیاگرامی و به چه صورتی استفاده کنه! https://github.com/cathrynlavery/diagram-design @DevTwitter | <Amir/>
یه skill قبلا برای چارت معرفی کرده بودم که جایگزین mermaid میشه.
حالا تیم obsidian هم یه پروژه اُپن سورس به اسم pele داده بیرون که نمودارهای mermaid رو خیلی تمیزتر رندر میکنه و تمام ۳۲ تا کامپوننت اصلی رو ساپورت میکنه:
https://pele.run
@DevTwitter | <Amir/>
حالا تیم obsidian هم یه پروژه اُپن سورس به اسم pele داده بیرون که نمودارهای mermaid رو خیلی تمیزتر رندر میکنه و تمام ۳۲ تا کامپوننت اصلی رو ساپورت میکنه:
https://pele.run
@DevTwitter | <Amir/>
❤10🍌4
This media is not supported in your browser
VIEW IN TELEGRAM
هرمس (Hermes) حالا می‌تونه مثل یک متخصص حرفه‌ای سئو بهت کمک کنه!
ریپوی Hermes SEO، ورک‌فلوهای ابزار معروف Claude SEO رو به یک پلاگین بومی برای Hermes Agent تبدیل کرده.
این پروژه فقط یک پرامپت ساده برای سئو نیست؛ مجموعه‌ای از مهارت‌ها، اسکریپت‌ها و ابزارهای تخصصیه که به هرمس کمک می‌کنن سایت رو بررسی کنه و برای بهبودش راهکار بده.
داخل این پلاگین چی پیدا می‌کنی؟
- ۲۵ مهارت تخصصی برای اجرای ورک‌فلوهای سئو، به‌علاوه یک مهارت مرکزی به نام SEO Router برای هدایت درخواست‌ها
- ۱۹ مهارت برای نقش‌های تخصصی مختلف سئو
- ۵۶ اسکریپت کاربردی برای انجام بررسی‌ها و پردازش‌های مشخص
- قالب‌های Schema.org برای بررسی و تولید داده‌های ساختاریافته
- امکان اتصال به سرویس‌های خارجی و ابزارهای تخصصی، در صورت پیکربندی و فراهم بودن دسترسی‌ها
باهاش چه کارهایی می‌تونی انجام بدی؟
۱. بررسی کامل سایت: مشکلات سئو رو پیدا کن و گزارش اولویت‌بندی‌شده‌ای از مهم‌ترین موارد دریافت کن.
۲. سئوی فنی: وضعیت خزش، ایندکس، نقشه سایت، فایل robots.txt، تگ‌های canonical و کدهای پاسخ صفحات رو بررسی کن.
۳. تحلیل صفحات و محتوا: یک صفحه مشخص رو ارزیابی کن یا برای تولید محتوای هدفمند، بریف محتوایی بساز.
۴. داده‌های ساختاریافته: اسکیماهای موجود رو بررسی و اعتبارسنجی کن و برای اصلاح یا تولید JSON-LD پیشنهاد بگیر.
۵. سئوی محلی: وضعیت دیده‌شدن کسب‌وکار در جست‌وجوهای محلی و بررسی‌های مرتبط با پروفایل کسب‌وکار رو تحلیل کن.
۶. سئوی بین‌المللی: برای بررسی و بهینه‌سازی سایت‌هایی که بازارهای چندگانه رو هدف گرفتن، از ورک‌فلوهای تخصصی استفاده کن.
۷. دیده‌شدن در جست‌وجوی هوش مصنوعی: وضعیت سایت رو از منظر GEO یا بهینه‌سازی برای موتورهای جست‌وجوی مولد بررسی کن.
۸. تدوین استراتژی: برای سایت یا نوع کسب‌وکار موردنظر، برنامه‌ای برای بهبود سئو تهیه کن.
این نسخه به Hermes Agent نسخه 0.22.2 یا بالاتر و Python 3.10 یا جدیدتر نیاز داره و برای Linux و macOS اعلام شده. راه‌اندازی محیط اجرایی ممکنه به دانلود پکیج‌های پایتون و Chromium هم نیاز داشته باشه.
یک نکته مهم: همه قابلیت‌ها بدون تنظیمات اضافی فعال نیستن. بعضی امکانات به API Key، حساب سرویس‌های خارجی یا اتصال MCP نیاز دارن و برخی جریان‌های OAuth گوگل هم فعلاً غیرفعالن. این پلاگین تحلیل و پیشنهاد ارائه میده، اما نباید فرض کرد تمام تغییرات سایت رو خودکار اجرا میکنه یا افزایش رتبه رو تضمین میکنه.
به‌نظرتون ترکیب ایجنت‌های هوش مصنوعی با ابزارهای تخصصی سئو می‌تونه در آینده بخش بزرگی از کارهای آژانس‌های دیجیتال مارکتینگ رو خودکار کنه؟
چطور اجراش کنی؟
اگه Hermes Agent رو نصب داری، طبق راهنمای ریپو می‌تونی پلاگین رو با دستور زیر نصب کنی:
بعد وضعیت نصب رو بررسی کن:
@DevTwitter | <Amirhossein seghatoleslami/>
ریپوی Hermes SEO، ورک‌فلوهای ابزار معروف Claude SEO رو به یک پلاگین بومی برای Hermes Agent تبدیل کرده.
این پروژه فقط یک پرامپت ساده برای سئو نیست؛ مجموعه‌ای از مهارت‌ها، اسکریپت‌ها و ابزارهای تخصصیه که به هرمس کمک می‌کنن سایت رو بررسی کنه و برای بهبودش راهکار بده.
داخل این پلاگین چی پیدا می‌کنی؟
- ۲۵ مهارت تخصصی برای اجرای ورک‌فلوهای سئو، به‌علاوه یک مهارت مرکزی به نام SEO Router برای هدایت درخواست‌ها
- ۱۹ مهارت برای نقش‌های تخصصی مختلف سئو
- ۵۶ اسکریپت کاربردی برای انجام بررسی‌ها و پردازش‌های مشخص
- قالب‌های Schema.org برای بررسی و تولید داده‌های ساختاریافته
- امکان اتصال به سرویس‌های خارجی و ابزارهای تخصصی، در صورت پیکربندی و فراهم بودن دسترسی‌ها
باهاش چه کارهایی می‌تونی انجام بدی؟
۱. بررسی کامل سایت: مشکلات سئو رو پیدا کن و گزارش اولویت‌بندی‌شده‌ای از مهم‌ترین موارد دریافت کن.
۲. سئوی فنی: وضعیت خزش، ایندکس، نقشه سایت، فایل robots.txt، تگ‌های canonical و کدهای پاسخ صفحات رو بررسی کن.
۳. تحلیل صفحات و محتوا: یک صفحه مشخص رو ارزیابی کن یا برای تولید محتوای هدفمند، بریف محتوایی بساز.
۴. داده‌های ساختاریافته: اسکیماهای موجود رو بررسی و اعتبارسنجی کن و برای اصلاح یا تولید JSON-LD پیشنهاد بگیر.
۵. سئوی محلی: وضعیت دیده‌شدن کسب‌وکار در جست‌وجوهای محلی و بررسی‌های مرتبط با پروفایل کسب‌وکار رو تحلیل کن.
۶. سئوی بین‌المللی: برای بررسی و بهینه‌سازی سایت‌هایی که بازارهای چندگانه رو هدف گرفتن، از ورک‌فلوهای تخصصی استفاده کن.
۷. دیده‌شدن در جست‌وجوی هوش مصنوعی: وضعیت سایت رو از منظر GEO یا بهینه‌سازی برای موتورهای جست‌وجوی مولد بررسی کن.
۸. تدوین استراتژی: برای سایت یا نوع کسب‌وکار موردنظر، برنامه‌ای برای بهبود سئو تهیه کن.
این نسخه به Hermes Agent نسخه 0.22.2 یا بالاتر و Python 3.10 یا جدیدتر نیاز داره و برای Linux و macOS اعلام شده. راه‌اندازی محیط اجرایی ممکنه به دانلود پکیج‌های پایتون و Chromium هم نیاز داشته باشه.
یک نکته مهم: همه قابلیت‌ها بدون تنظیمات اضافی فعال نیستن. بعضی امکانات به API Key، حساب سرویس‌های خارجی یا اتصال MCP نیاز دارن و برخی جریان‌های OAuth گوگل هم فعلاً غیرفعالن. این پلاگین تحلیل و پیشنهاد ارائه میده، اما نباید فرض کرد تمام تغییرات سایت رو خودکار اجرا میکنه یا افزایش رتبه رو تضمین میکنه.
به‌نظرتون ترکیب ایجنت‌های هوش مصنوعی با ابزارهای تخصصی سئو می‌تونه در آینده بخش بزرگی از کارهای آژانس‌های دیجیتال مارکتینگ رو خودکار کنه؟
چطور اجراش کنی؟
اگه Hermes Agent رو نصب داری، طبق راهنمای ریپو می‌تونی پلاگین رو با دستور زیر نصب کنی:
hermes plugins install https://github.com/yuzushi-dev/hermes-seo.git… --ref 5f04951e8fddc8b869378236a7ff5b584a0d023d --yes-deps --enableبعد وضعیت نصب رو بررسی کن:
hermes plugins doctor@DevTwitter | <Amirhossein seghatoleslami/>
❤9🍌6💔1