ابزار Flowmpeg یک پروژه open-source برای ساده‌تر کردن کار با FFmpeg هست. FFmpeg یکی از ابزارهای قدرتمند و پرکاربرد command line برای پردازش، تبدیل و ویرایش فایل‌های ویدیویی و صوتی هست که commandهای اون در کارهای پیچیده می‌تونن خیلی طولانی و پیچیده باشن.

ابزار Flowmpeg این فرایند رو ساده‌تر می‌کنه و برای کارهایی مثل cut، resize، compress، تبدیل فرمت، subtitle، پردازش دسته‌ای، استخراج صدا و فریم و خیلی از کارهای رایج ویدیو و صوت commandهای ساده‌تر و قابل‌فهم‌تری ارائه می‌ده.
هم از طریق CLI و Python قابل استفاده‌ست و هم یک local web UI داره که می‌شه داخل مرورگر فایل رو انتخاب کرد، command دقیق FFmpeg رو قبل از اجرا دید و روند پردازش رو دنبال کرد.

همچنین در این ابزار command نهایی FFmpeg همیشه قابل مشاهده و بررسی هم هست.

GitHub:
https://github.com/Imanm02/flowmpeg

@DevTwitter | <Iman/>

خیلی‌ها فکر می‌کنند MySQL و PostgreSQL برای ایندکس‌ها از B-tree استفاده می‌کنند، اما در واقع هر دو از B+tree استفاده می‌کنند.
حتی وقتی در PostgreSQL یک ایندکس btree می‌سازید، چیزی که پشت صحنه ساخته می‌شود یک B+tree است.
خب، فرق این دو چیست؟
در B-tree داده‌ها در همه‌ی گره‌ها پخش شده‌اند، چه گره‌های داخلی و چه برگ‌ها.
در B+tree گره‌های داخلی فقط نقش راهنما دارند و همه‌ی داده‌ها در برگ‌ها نگه داشته می‌شوند. برگ‌ها هم به‌ترتیب به هم وصل‌اند.
همین تفاوت ساده دو مزیت مهم دارد:
اول اینکه کوئری‌های بازه‌ای مثل BETWEEN خیلی سریع‌تر اجرا می‌شوند. کافی است یک بار تا اولین برگ پایین برویم و بعد در زنجیره‌ی برگ‌ها جلو برویم.
دوم اینکه چون گره‌های داخلی داده ندارند و سبک‌ترند، کلیدهای بیشتری در هر صفحه‌ی دیسک جا می‌شود. درخت کوتاه‌تر می‌شود و دسترسی به دیسک هم کمتر.

@DevTwitter | <Mohsen Fooladnezhad/>

همه دارن «کورس ۲ ساعته‌ی گوگل» درباره‌ی harness رو شیر میکنن.
نسخه‌ی رسمیش ۹ دقیقه‌ست + ۱۳ تا لب رایگان، و بنظرم خیلی به‌دردبخورتره.

خلاصه‌ش یه خطه: مدل فقط فکر میکنه، harness بقیه‌شه. حافظه، ابزار، sandbox، تست.

چک‌ لیست harness قبل از اینکه ایجنت رو ول کنی تو پروژه:

۱. حافظه رو قاطی نکن: session (همین چت)، state (چرک‌نویس کار)، long-term (ترجیحات)
۲. هر اکشن = یه tool مشخص (function یا MCP)
۳. چک‌ها موازی + سقف retry، که تو لوپ نمونه
۴. سند باکس: کپی پروژه و دیتای فیک، نه DB اصلی، نه

نسخه‌ی Anthropic هم جالبه: هر معیار از اول FAIL فرض میشه، یه evaluator با context تازه که اجازه‌ی Write نداره چک میکنه، و ایجنت با فایل progress + git commit کارو به session بعدی تحویل میده.

https://github.com/anthropics/cwc-long-running-agents

@DevTwitter | <Alireza.js/>

#کدنمک

تسلا از اپ جدیدش با پشتیبانی از صفحه نمایش‌های بزرگ رونمایی کرده، نکته‌ی جالبش اینجاست که توی این رونمایی اسم خودرو رو گذاشته [object Object] که بچه‌های JS یه سکته رو رد کردن سر این داستان.

@DevTwitter

بالاخره می‌تونی تدوین ویدیو رو به Claude Code یا Codex بسپری، بدون اینکه مجبور باشی کلی دستور پیچیده FFmpeg رو حفظ کنی!

پروژه متن‌باز ffmpeg-skill در مدت کوتاهی به ۲۳۵۸ ستاره در GitHub رسیده، وارد جدول رتبه‌بندی روزانه Trendshift شده و فقط در چند روز اخیر ۶ نسخه ازش منتشر شده.

اگه تجربه تدوین ویدیو داشته باشی، این کارها برات آشناست:

- برش ویدیو و حذف سکوت‌ها
- اضافه کردن زیرنویس روی تصویر
- یکسان‌سازی سطح صدا
- تبدیل ویدیو به فرمت عمودی برای محتوای کوتاه

برای هرکدوم باید دنبال دستور مناسب FFmpeg بگردی و گاهی یک پارامتر اشتباه، کل کار رو خراب می‌کنه.

اما با ffmpeg-skill فقط کافیه به ایجنت بگی چه خروجی‌ای می‌خوای.

این ابزار ۴۲ قابلیت آماده داره. ابتدا فایل اصلی رو تحلیل می‌کنه، تدوین رو با حداقل افت کیفیت انجام می‌ده و بعد از برش، یک تصویر شامل فریم‌های منتخب می‌سازه تا نتیجه بررسی بشه. بعد از اعتبارسنجی، خروجی نهایی آماده می‌شه.

برای TikTok، Reels، Shorts، YouTube و X هم قالب‌های خروجی داره؛ بنابراین می‌تونی از یک ویدیوی اصلی، نسخه‌های مناسب هر پلتفرم رو بسازی.

چند نکته مهم:
- تمام پردازش‌ها با FFmpeg روی سیستم خودت انجام می‌شن.
- نیازی به سرویس ابری یا API Key نداری.
- یک MCP Server هم داره که سایر کلاینت‌های سازگار با MCP می‌تونن بهش وصل بشن.

نویسنده پروژه هم در بیوی GitHub خودش رو مهندس حوزه صوت، ویدیو و استریم معرفی کرده.

به‌نظرم سپردن کارهای تکراری تدوین به ایجنت، یکی از کاربردهای واقعاً مفید این ابزارهاست.

https://github.com/kajisho5/ffmpeg-skill

@DevTwitter | <Yarad/>

اگه تو این دنیای ai تو حجم اطلاعات گم شدین و از هر موضوعی یه تیکه میدونین
پیشنهاد میکنم doctree-ai.com رو یه تست بکنین
و یه لیستی از مقاله برای خودتون با سطحتون درست کنین و هر هفته پیش ببرینشون بعد یه ماه تاثیرش رو میبینن که چقدر دانشتون بهتر شده تو یه موضوعی

@DevTwitter | <Amin Torabi/>

اولین پروژم با Vibe Coding رو ساختم

اسمش «تسکیار»ه؛ یه برنامه فارسی برای مدیریت کارها و برنامه‌ریزی روزانه که برای ویندوز ساختم.

کد پروژه و دانلود:
https://github.com/mnabishahzamani-dev/taskyar

@DevTwitter | <Mnabishahzamani/>

یکی از بهترین بلاگ‌پست‌هایی که دربارهٔ GPS پیدا کردم. جدایی از کیفیت محتوا، چیزی که نظرم رو جلب کرد این بود که تمام انیمیشن‌های تعاملیش رو با WebGL و Canvas خام، بدون استفاده از هیچ کتابخانه‌ای پیاده‌سازی کرده.
۷۰۰۰ خط کد!
https://ciechanow.ski/gps/
https://ciechanow.ski/js/gps.js

@DevTwitter | <Ayub/>

ابزار Upscayl یه برنامه‌ی رایگان و Open Source هستش که با AI عکس‌های کم‌کیفیت رو تا ۴ برابر بزرگ و شارپ می‌کنه؛ همه‌چی روی کامپیوتر خودت، بدون آپلود و بدون ثبت‌نام.
برای ویندوز، مک و لینوکس هست و فقط یه کارت گرافیک نسبتاً خوب لازم داره.

لینک GitHub:
https://github.com/upscayl/upscayl

@DevTwitter | <Diego Jr/>

این روزها زیاد می‌پرسن «با این همه ایجنت و Claude Code، هنوز لازمه کدنویسی رو از پایه یاد بگیریم؟» جواب من آره‌ست، و به نظرم الان حتی مهم‌تر از قبله. بحث این نیست که به قول Boris Cherny کد «حل شده» یا نه. بحث اینه که ذهن ما چیزی رو یاد می‌گیره که براش زحمت کشیده باشه. وقتی خودت با یه باگ کلنجار می‌ری یا یه الگوریتم رو قدم‌به‌قدم می‌نویسی، حتی روی کاغذ، داری مهارت حل مسئله و فهم سیستمی رو می‌سازی. دانشگاه آکسفورد یه ویدیوی کوتاه داره که استاد ریاضی توش می‌گه ریاضی رو باید فعالانه یاد گرفت، یعنی با نوشتن قدم‌به‌قدم معادله‌ها. اندرو انجی هم اخیراً حرف مشابهی زد: جواب گرفتن از AI شاید همون لحظه نتیجه رو بهتر کنه، ولی یادگیری بلندمدت رو خراب می‌کنه، چون کار رو خودت انجام ندادی.
https://www.instagram.com/reel/DeWpAGJoK8h

‌از طرف بازار هم قضیه روشنه: شرکت‌ها قدرت AI رو بهتر از ما می‌شناسن و پول بیشتری هم براش خرج می‌کنن. پس وقتی نیرو می‌گیرن، دنبال کسی‌ان که عمیق باشه و بتونه خروجی ایجنت رو بفهمه، نقدش کنه و مسئولیتش رو بپذیره.

هیچ‌کدوم از این حرف‌ها به معنی مخالفت با AI نیست. خودم هر روز با ایجنت‌ها کار می‌کنم و معتقدم agentic development یه مهارت جدی و جدیده که همه‌مون باید بهش مسلط بشیم. فقط ترتیبش مهمه: اول پایه، بعد ابزار. آقای Lauren، که قبلاً توی تیم React Compiler بوده، می‌گه نوشته‌ها و پرامپت‌هاش رو خودش می‌نویسه، چون نوشتن یعنی فکر کردن. هر چی دانش و واژگان دامنه‌ت عمیق‌تر باشه، ایجنت رو بهتر هدایت می‌کنی. بنظرم اگه تازه شروع کردی این مسیر شغلی رو، کد بنویس، دیباگ کن، گیر کن و بذار ذهنت درگیر بشه. ایجنت‌ها وقتی خوب جواب می‌دن که خودت بدونی دقیقاً چی ازشون می‌خوای.
https://x.com/poteto/status/2109885001584292091


@DevTwitter | <Hossein Nazari/>

هوش مصنوعی فقط ChatGPT نیست!

امروز برای هر نیاز حرفه‌ای، یک ابزار تخصصی مبتنی بر هوش مصنوعی وجود دارد؛ از تحقیق و تحلیل گرفته تا تولید محتوا، برنامه‌نویسی، اتوماسیون و توسعه محصولات دیجیتال.

اما مزیت رقابتی واقعی کجاست؟

در شناخت ابزارها، انتخاب راهکار مناسب و استفاده هوشمندانه از آن‌ها برای حل مسائل واقعی کسب‌وکار
همان‌طور که در تصویر می‌بینید، اکوسیستم AI بسیار گسترده‌تر از چند ابزار شناخته‌شده است.

شناخت این ابزارها می‌تواند به افزایش بهره‌وری، بهینه‌سازی فرایندها و تصمیم‌گیری مؤثرتر کمک کند.

در دنیای امروز، برنده لزوماً کسی نیست که بیشتر از هوش مصنوعی استفاده می‌کند؛ بلکه کسی است که هوشمندانه‌تر از آن استفاده می‌کند.

@DevTwitter | <Hossein Heydari/>

🔖 جشنواره پاییزی لینگانو شروع شد

📣 تا ۷۵٪ تخفیف ویژه روی دوره جامع آموزش زبان لینگانو برای کاربران تلگرام

✅ 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 «مشاوره» رو به آیدی زیر بفرستین:

@Lingano_support🔵
@Lingano_support🔵