یه Skill جدید منتشر شده که می‌تونه طراحی سایت با هوش مصنوعی رو وارد مرحله جدیدی کنه!

MotionSites بیش از ۷۰۰ نمونه از بهترین طراحی‌های وب رو داخل یک Skill جمع کرده تا ایجنت‌های هوش مصنوعی بتونن به‌جای ساخت سایت‌های تکراری و کلیشه‌ای، وب‌سایت‌هایی با انیمیشن‌های جذاب، ترنزیشن‌های نرم و طراحی سینمایی بسازن.

چی کار می‌کنه؟

طراحی‌های الهام‌بخش: دسترسی به بیش از ۷۰۰ نمونه طراحی وب برای ساخت تجربه‌های بصری حرفه‌ای‌تر.

انیمیشن‌های جذاب: کمک به ساخت سایت‌هایی با حرکت‌های پویا، ترنزیشن‌های روان و تعاملات بصری چشم‌نواز.

کاهش خروجی‌های کلیشه‌ای AI: به‌جای طراحی‌های تکراری و قالبی، ایجنت می‌تونه از الگوهای طراحی متنوع‌تری استفاده کنه.

سازگار با ابزارهای مختلف: قابل استفاده با Claude Code، Codex، Cursor و سایر ایجنت‌های کدنویسی سازگار.

تصور کن به ایجنتت بگی یه لندینگ‌پیج مدرن برای محصولت بسازه؛ به‌جای یه صفحه معمولی با چند کارت و گرادینت تکراری، می‌تونی به طراحی‌های حرفه‌ای‌تر و تجربه‌های بصری سینمایی نزدیک بشی.

نکته جذاب؟ این پروژه رایگان و متن‌بازه!

اگه با AI کدنویسی می‌کنی، ارزش امتحان کردن داره.
لینک تو ریپو:
https://github.com/Motionsites-AI/claude-skill

@DevTwitter | <Amirhossein seghatoleslami/>

یکی از تصمیم‌هایی که می‌تونه یک پروژه React رو به‌مرور پیچیده کنه، اینه که یک داده رو در دو جای مختلف نگه داریم!

فرض کن اطلاعات کاربر رو با TanStack Query از API دریافت می‌کنی. بعد برای دسترسی راحت‌تر، همون اطلاعات رو داخل useState هم ذخیره می‌کنی.

در نگاه اول همه‌چیز ساده به نظر می‌رسه؛ اما از اینجا یک سؤال مهم به وجود میاد:

اگر داده سمت سرور تغییر کنه، کدوم نسخه از اطلاعات باید معتبر باشه؟

اینجاست که تفاوت Server State و Client State اهمیت پیدا می‌کنه.

Server State داده‌ایه که مالک اصلی اون سروره. ما فقط یک نسخه از اون رو در اپلیکیشن نگه می‌داریم و باید به مسائلی مثل Cache، تازگی داده و همگام‌سازی توجه کنیم.

در مقابل، Client State معمولاً وضعیت‌هایی رو شامل می‌شه که خود رابط کاربری مدیریت می‌کنه؛ مثل باز بودن Modal، تب انتخاب‌شده یا وضعیت موقت یک تعامل.

TanStack Query برای مدیریت Server State طراحی شده و ابزارهایی مثل useState، Context یا Zustand می‌تونن بسته به نیاز برای Client State مناسب باشن.

مشکل از جایی شروع می‌شه که بدون دلیل مشخص، داده دریافتی از Query رو داخل یک State جداگانه کپی می‌کنیم.

حالا دو نسخه از یک داده داریم؛ یکی در Cache و دیگری در State محلی.

اگر Cache به‌روزرسانی بشه، State محلی لزوماً همراه اون تغییر نمی‌کنه. در نتیجه، باید خودمون همگام‌سازی این دو نسخه رو مدیریت کنیم؛ کاری که اغلب پیچیدگی غیرضروری ایجاد می‌کنه.

البته کپی کردن داده همیشه اشتباه نیست. برای مثال، وقتی کاربر در حال ویرایش یک فرم هست، ممکنه به یک نسخه محلی و مستقل نیاز داشته باشیم تا تغییراتش تا زمان ذخیره‌سازی از داده اصلی جدا بمونه.

نکته اینه که این جداسازی باید هدف مشخصی داشته باشه، نه اینکه صرفاً برای دسترسی راحت‌تر به داده انجام بشه.

قبل از اضافه کردن هر State جدید، من این سؤال رو مهم می‌دونم:
آیا واقعاً به یک منبع داده جدید نیاز دارم، یا فقط دارم نسخه دیگری از داده‌ای رو نگه می‌دارم که از قبل وجود داره؟

به نظرم مدیریت درست State بیشتر از اینکه به انتخاب یک کتابخانه وابسته باشه، به تشخیص مالکیت داده‌ها و مشخص کردن منبع حقیقت بستگی داره.


@DevTwitter | <Alireza Shirzadi/>

خداااااافظظظظ وب اسکرپینگ!

یه پروژه به اسم PixelRAG اومده که به‌جای تبدیل صفحات وب به متن، ازشون اسکرین‌شات می‌گیره و با کمک مدل‌های هوش مصنوعی بینایی، اطلاعات رو مستقیماً از روی تصویر استخراج می‌کنه!

چرا این روش جذابه؟

چون توی روش‌های سنتی، کلی از اطلاعات صفحات وب موقع تبدیل به متن از بین می‌ره:
فایل‌های PDF
جدول‌ها
چیدمان صفحات
دکمه‌ها و ستون‌ها
اما PixelRAG صفحه رو همون‌طوری ایندکس می‌کنه که انسان می‌بینه!
چندتا نکته جالب:
• ایندکس بصری ویکی‌پدیا با بیش از ۳۰ میلیون اسکرین‌شات!
• عملکرد بهتر از بهترین روش‌های Text-based RAG با اختلاف ۱۸.۱٪ در بنچمارک پرسش‌وپاسخ، طبق ادعای پروژه
• افزونه برای Claude Code؛ یعنی کلود می‌تونه به‌جای تکیه بر متن استخراج‌شده از DOM، محتوای بصری صفحات رو بررسی کنه.
زیر پوست پروژه چه خبره؟
- ساخت ایندکس با FAISS
- جست‌وجوی بصری روی تصاویر صفحات
- استفاده از مدل Qwen3-VL-Embedding برای امبدینگ
- تبدیل وب‌سایت‌ها، PDFها و تصاویر به کاشی‌های تصویری (Tiles)
کافیه URL، مقاله arXiv یا وب‌سایت خودت رو بهش بدی تا محتوای بصری رو بررسی کنه.

نکته مهم اینه که این پروژه نمی‌خواد فقط متن وب رو بهتر استخراج کنه؛ بلکه می‌خواد اطلاعات رو از همون چیزی بازیابی کنه که واقعاً روی صفحه نمایش داده می‌شه.

متن‌باز با لایسنس Apache-2.0
https://github.com/StarTrail-org/PixelRAG

@DevTwitter | <Amirhossein seghatoleslami/>

گوگل از مدل جدید Gemini 4 Carbon رونمایی کرد...

مدل کربن الان صدر جدول بنچمارک Artificial Analysis V5 رو تصاحب کرده.

این مدل با امتیاز ۱۵۲۸ رتبه اول جدول Text Arena رو هم به خودش اختصاص داده. کربن توی انجام ماموریت‌های ایجنتی هم پا‌به‌پای رقبایی مثل Claude Opus 5.5 حرکت می‌کنه و رتبه دوم جدول Agent Arena رو به دست آورده.

کربن فعلا فقط در اختیار تیم‌ها و متخصص‌های امنیت سایبری قرار داره تا به عنوان ابزار دفاعی و کشف آسیب‌پذیری‌ها ازش استفاده کنن.

@DevTwitter | <Behrad Javed/>

کلادفلر ابزاری رو که باهاش باگ امنیتی پیدا می‌کنه رایگان کرد و فقط یه هفته‌ای ۱۶ هزار ستاره گرفت.

این ابزار یه Skill برای ایجنت‌های کدنویسی مثل Claude Code و Codex هست.
ریپوتو بهش می‌دی و اون چند تا ایجنت جدا رو می‌فرسته که کد رو دنبال حفره بگردن.
بعد هر باگی پیدا بشه، یه ایجنت تازه‌نفس دیگه سعی می‌کنه ردش کنه. یعنی کسی که باگ رو پیدا کرده حق نداره خودش تاییدش کنه.
آخرش هم یه گزارش مرتب می‌ده که باگ‌ها رو سه دسته کرده: تاییدشده، نیازمند بررسی و ردشده.

جالبیش اینه که این نسخه‌ی ساده، هسته‌ی همون سیستمیه که خود کلادفلر داخلی ازش استفاده می‌کنه.

اگه پروژه داری، قبل از انتشار یه بار بندازش روش.
بدترین حالت چند تا هشدار الکی می‌گیری، بهترین حالت یه حفره‌ی جدی رو زودتر از بقیه پیدا می‌کنی.

https://github.com/cloudflare/security-audit-skill

@DevTwitter | <Legendary Coder/>

چرا Docker و RHEL از هم فاصله گرفتند؟

ردهت از زمان انتشار RHEL 8 پشتیبانی رسمی Docker Engine را متوقف کرد. دلیل اصلی این بود که معماری Docker با مدل امنیتی RHEL هم‌راستا نبود؛ Docker یک daemon سطح‌بالا دارد که به‌صورت root اجرا می‌شود و یک نقطه‌ی شکست و ریسک امنیتی مهم ایجاد می‌کند. Red Hat برای محیط‌های Enterprise چیزی می‌خواست که هم بدون daemon باشد، هم با SELinux و استانداردهای سخت‌گیرانه امنیتی آن کاملاً سازگار بماند.

به همین دلیل، Red Hat به جای Docker از مجموعه ابزارهای Podman، Buildah و Skopeo استفاده کرد. این ابزارها کاملاً متن‌بازند، با استانداردهای OCI هماهنگی کامل دارند و در بسیاری از سناریوها می‌توانند جای Docker را بدون تغییرات جدی بگیرند. Podman حتی قادر است همان دستورات Docker را اجرا کند. مهم‌تر اینکه بدون نیاز به daemon و با امکان اجرای rootless کار می‌کند، که از نظر امنیت و سازگاری با سیاست‌های RHEL یک مزیت بزرگ محسوب می‌شود.

در همین زمان، Kubernetes نیز مسیر مشابهی رفت: dockershim را کنار گذاشت و به‌صورت رسمی از containerd و CRI-O پشتیبانی کرد. ردهت که خود توسعه‌دهنده CRI-O و OpenShift است، طبیعی بود که با جهت K8s هم‌سو شود، نه با Docker Engine.

داکر Inc هم در سال‌های اخیر بیشتر روی Docker Desktop، مدل لایسنس جدید و سرویس‌های Cloud تمرکز کرد—در حالی که Red Hat به دنبال یک زنجیره تأمین کاملاً متن‌باز و پایدار بود. این تفاوت فلسفه باعث شد فاصله این دو اکوسیستم بیشتر شود.

نتیجه؟ Docker در دنیای Ubuntu و Dev-friendly هنوز پادشاه سادگی است، اما در اکوسیستم RHEL (و توزیع‌های سازگار مثل Rocky/AlmaLinux) Podman استاندارد اصلی و گزینهٔ پایدارتر و امن‌تر محسوب می‌شود.

@DevTwitter | <Ali Mozhdekanlou/>

یه آقایی برای خانمش که دنبال کار می‌گشته این سایت رو ساخته، و بعد که خانمش جاب پیدا کرده، اپن‌سورس‌ش کرده.
https://github.com/AienTech/dossier

سرچ تو سایت‌های مختلف، رزومه‌سازی برای هر پوزیشن با AI، تِرک کردن اپلیکیشن‌ها، کاور لتر و ... رو هم داره. شاید برای شما هم مفید باشه.

پ.ن. یکی از کلاینت‌های مشاوره‌ی من هم اخیراً یه سایت مشابه ساخته بود در آدرس http://applytrace.com برای همین کار. اگه نخواستین سرور بالا بیارین، اینم هست و کلی فیچرهای مناسب داره و می‌تونین به خودش هم تو سایت پیام بدین. ممنون.

@DevTwitter | <لوکوموتیو/>

چرا باید کاربر برای آماده شدن یک بخش، منتظر کل صفحه بماند؟
فرض کن وارد فروشگاه اینترنتی شدی؛ محصولات آماده‌اند، اما بررسی موجودی انبار ۳ ثانیه طول می‌کشد!
باید کل صفحه را پشت یک Loading نگه داریم؟ نه!
اینجاست که Partial Prerendering (PPR) در Next.js جذاب می‌شود:
- محصولات از قبل آماده‌اند و سریع نمایش داده می‌شوند.
- بخش موجودی به‌صورت پویا منتظر دریافت اطلاعات می‌ماند.
- با Suspense، تا زمان آماده شدن موجودی، فقط همان بخش Loading می‌شود؛ نه کل صفحه!
️
نکته‌ی مهم: لازم نیست کاربر برای دیدن چیزی که آماده است، منتظر چیزی بماند که هنوز آماده نیست!

@DevTwitter | <Rouzbeh Tondkar/>

در سال ۲۰۱۷، یک باج‌افزار کاری کرد که بیمارستان‌ها، شرکت‌ها و سازمان‌های مختلف در سراسر جهان با یک بحران جدی روبه‌رو بشن. اما چطور تونست این‌قدر سریع گسترش پیدا کنه؟

اسمش WannaCry بود؛ بدافزاری که در ۱۲ مه ۲۰۱۷ خبرساز شد و در مدت کوتاهی صدها هزار کامپیوتر رو در کشورهای مختلف تحت تأثیر قرار داد.

اما اگه یک سیستم به WannaCry آلوده می‌شد، دقیقاً چه اتفاقی می‌افتاد؟

بعد از اجرا، بدافزار فایل‌های مختلف روی سیستم رو رمزگذاری می‌کرد و پسوند اون‌ها رو به .WNCRY تغییر می‌داد. بعد هم یک پنجره روی صفحه ظاهر می‌شد که به کاربر اطلاع می‌داد فایل‌هاش قفل شدن و برای بازگرداندن اون‌ها باید باج پرداخت کنه. مبلغ اولیه درخواست‌شده ۳۰۰ دلار بیت‌کوین بود.

اما چیزی که WannaCry رو خطرناک‌تر می‌کرد، قابلیت انتشارش بود. این بدافزار می‌تونست از یک آسیب‌پذیری در پروتکل SMB ویندوز استفاده کنه و به سیستم‌های آسیب‌پذیر دیگه در شبکه هم راه پیدا کنه.

این حمله از اکسپلویت EternalBlue استفاده می‌کرد. اما EternalBlue از کجا اومده بود؟

این ابزار به آژانس امنیت ملی آمریکا (NSA) نسبت داده می‌شه. در سال ۲۰۱۷، گروهی به نام Shadow Brokers ابزارهای منتسب به NSA رو منتشر کرد که EternalBlue هم بین اون‌ها بود. در واقع، سازندگان WannaCry از ابزاری استفاده کردن که پیش از شروع حمله در دسترس عموم قرار گرفته بود.

نکته عجیب‌تر این بود که مایکروسافت در ۱۴ مارس ۲۰۱۷، حدود دو ماه پیش از شروع حمله، وصله امنیتی MS17-010 رو منتشر کرده بود. با این حال، تعداد زیادی از سیستم‌ها همچنان آسیب‌پذیر بودن.

چرا این اتفاق افتاد؟ بعضی سازمان‌ها به‌روزرسانی‌ها رو به‌موقع نصب نکرده بودن؛ در برخی محیط‌ها هم نگهداری سیستم‌های قدیمی و نگرانی از اختلال در سرویس‌ها، فرایند به‌روزرسانی رو دشوار می‌کرد. در نتیجه، آسیب‌پذیری‌ای که برای اون وصله وجود داشت، همچنان راه ورود به سیستم‌ها رو باز نگه داشته بود.

اما چه کسی پشت این حمله بود؟

در سال ۲۰۱۸، وزارت دادگستری آمریکا Park Jin Hyok، برنامه‌نویس اهل کره شمالی، رو در ارتباط با مجموعه‌ای از حملات سایبری متهم کرد. مقام‌های آمریکایی او رو مرتبط با گروه Lazarus می‌دونستن؛ گروهی که به دولت کره شمالی نسبت داده شده.

انتساب یک حمله سایبری به یک گروه کار ساده‌ای نیست. محققان معمولاً نشانه‌هایی مثل زیرساخت‌های مورد استفاده، ارتباطات فنی و شباهت‌های کد بدافزارها رو بررسی می‌کنن. با این حال، چنین شواهدی لزوماً به معنی مشخص‌شدن هویت تک‌تک افرادی که بدافزار رو نوشته یا منتشر کردن نیست.

سرنوشت Park Jin Hyok هم جالبه. آمریکا در سال ۲۰۱۸ علیه او اعلام جرم کرد و بعداً حکم بازداشتش صادر شد. در سال ۲۰۲۱ نیز وزارت دادگستری آمریکا پرونده اتهامات مرتبط با حملات سایبری رو علیه سه برنامه‌نویس کره شمالی گسترش داد. طبق اطلاعات علنی منتشرشده، او بازداشت نشده بود؛ بنابراین، باید بین متهم‌شدن و محکومیت در دادگاه تفاوت قائل شد.

ماجرای WannaCry برای من یک نکته مهم داشت:
همیشه لازم نیست یک آسیب‌پذیری تازه کشف بشه تا یک حمله بزرگ اتفاق بیفته. گاهی یک آسیب‌پذیری شناخته‌شده که وصله اون نصب نشده، می‌تونه به نقطه شروع یک بحران گسترده تبدیل بشه.

این حمله نشون داد که به‌روزرسانی سیستم‌ها، مدیریت آسیب‌پذیری‌ها و جداسازی درست شبکه چقدر در کاهش خسارت حملات سایبری اهمیت دارن.


@DevTwitter | <Arian Dolatpour/>

ایجنت‌های هوش مصنوعی سریع‌تر از اون کد می‌نویسن که بتونی ساختار کل پروژه رو توی ذهنت نگه داری!

ابزار Mycel می‌خواد این مشکل رو با یک نقشه تعاملی از پروژه حل کنه.

این ابزار یک وب‌اپلیکیشن محلیه که ایجنت‌های کدنویسی مثل Claude Code، Codex و Cursor می‌تونن باهاش نقشه‌ای از پروژه بسازن و هم‌زمان با تغییر کدها، به‌روز نگهش دارن.

اما این نقشه چه امکاناتی داره؟

- نقشه تصویری پروژه: با بلوک‌ها، یادداشت‌ها، زیرنقشه‌ها و لینک‌های مرتبط
- دو سطح نمایش: از مفاهیم کلی و سازوکار پروژه برای افراد غیربرنامه‌نویس تا جزئیات فنی و کد برای توسعه‌دهنده‌ها
- تشخیص تغییرات: اگر فایل‌های مرتبط با یک بلوک تغییر کنن، اون بلوک به‌عنوان اطلاعاتی که ممکنه قدیمی شده باشه علامت‌گذاری می‌شه.
- نمایش وضعیت تست‌ها: نتیجه تست‌ها می‌تونه بلوک‌ها رو سبز یا قرمز کنه تا وضعیت بخش‌های مختلف پروژه راحت‌تر مشخص بشه.

طبق توضیحات README، این پروژه:
فقط به یک پردازش Node.js نیاز داره
بدون وابستگی خارجی، فضای ابری یا API Key کار می‌کنه
فقط روی localhost اجرا می‌شه
هیچ فایلی داخل پروژه‌های شما نمی‌نویسه
با مجوز MIT منتشر شده

چند نکته مهم:
این پروژه هنوز در نسخه 0.22 قرار داره و فقط ۶ کامیت داره. دقت نقشه هم به کیفیت تحلیل ایجنتی بستگی داره که اون رو ساخته. ضمن اینکه من شخصاً هنوز اجراش نکردم.

اگه با پروژه‌های بزرگ و کدنویسی با ایجنت‌ها سروکار داری، Mycel می‌تونه پروژه جالبی برای بررسی باشه.

لینک گیت‌هاب:
https://github.com/mathew5612/mycel

@DevTwitter | <Yarad/>

عرضم به حضورتون که
هرچی اسکیل به درد بخور داشتم، کامل لیست کردم و طبقه‌بندی کردم برای اقشار مستضعف جامعه :)))

اگر اسکیلی داشتید، از مشارکت شما خوشحال میشم.

پ‌ن: فولدر کاستوم، اسکیل‌های خودمه.
https://github.com/pedramgholizadeh/curated-skills

@DevTwitter | <Pedram/>

یه پروژه جالب از Taylor Otwell، خالق Laravel، توجهم رو جلب کرد: Omega
به نظر می‌رسه تیلور داره روی تجربه‌ای شبیه Laravel با زبان Rust کار می‌کنه.
چند تا سرنخ جالب از کدهای عمومی پروژه دیدم:
مخزنی به اسم rust-app که با Axum و Tokio یک وب‌سرور ساده می‌سازه.
پروژه inertia-omega که امکان استفاده از Inertia با بک‌اند Rust رو فراهم می‌کنه.
کتابخانه‌ای به اسم laravel-omega-vite برای ادغام Vite، مشابه چیزی که در Laravel داریم.
در کدهای منتشرشده هم استفاده از laravel::Application دیده می‌شه؛ یعنی ظاهراً هدف اینه که توسعه‌دهنده‌های Laravel بتونن با ساختاری آشنا، در اکوسیستم Rust کار کنن.

یعنی می‌شه تجربه توسعه و سادگی Laravel رو با کارایی Rust ترکیب کرد؟

هنوز جزئیات هسته پروژه کاملاً عمومی نیست، اما همین سرنخ‌ها برای دنبال کردنش کافیه.
به نظرم Omega پروژه‌ایه که ارزش داره زیر نظرش داشته باشیم.
من که صدی به نود میرم یادش میگیرم.

@DevTwitter | <Seyed Hesam Mousavi/>

سرور‌های ابری رایگان برای کدینگ ایجنت‌هات!

بدون کارت اعتباری، مستقیم از لپ‌تاپت راه می‌افته.

برو withruntime.com، با گوگل یا ایمیل لاگین کن و Start a sandbox رو بزن. ۱۰۰ گیگابایت-ساعت مموری + ۲۵ ساعت vCPU می‌ده، تا ۴ تا sandbox همزمان، CLI و SDK و MCP هم داره.

https://withruntime.com/

@DevTwitter | <Reza/>

دیگه لازم نیست مدام به Claude بگی: «طراحی رو قشنگ‌تر کن!»

یکی از طراح‌هایی که سابقه کار در Vercel و Linear رو داره، تجربه و تخصص خودش رو به مجموعه‌ای از Skills رایگان برای ایجنت‌های هوش مصنوعی تبدیل کرده.

این مجموعه به ایجنت‌ها کمک می‌کنه به‌جای تصمیم‌گیری‌های تصادفی، انتخاب‌های درست‌تری در زمینه طراحی رابط کاربری و انیمیشن داشته باشن؛ از جزئیات بصری و ظرافت‌های طراحی گرفته تا زمان‌بندی و نحوه اجرای حرکت‌ها.

این ریپازیتوری بیشتر از ۵۱ هزار ستاره در GitHub گرفته!

اگه با Claude Code، Codex یا ابزارهای مشابه رابط کاربری می‌سازی، حتماً این مجموعه رو برای پروژه بعدیت ذخیره کن.

https://github.com/emilkowalski/skills

@DevTwitter | <Yarad/>

ساخت بازی دیگه به یه تیم ۵۰ نفره نیاز نداره!

یکی داخل Claude Code یه استودیوی کامل بازی‌سازی ساخته؛ با امکاناتی مثل:

۴۹ ایجنت هوش مصنوعی برای انجام وظایف مختلف
۷۲ مهارت تخصصی برای توسعه بازی
ساختار سازمانی کامل برای هماهنگی اعضای تیم

چطور شروع کنی؟ فقط توی ۳ مرحله:

دانلود: مخزن Claude Code Game Studios رو از گیت‌هاب دریافت کن.

اجرا: پروژه رو داخل Claude Code باز کن.

بازی بساز: ایده‌ات رو توضیح بده و اجازه بده ایجنت‌های تخصصی، بخش‌های مختلف توسعه رو انجام بدن.

دیگه لازم نیست یه تیم ۵۰ نفره داشته باشی تا بازی رؤیایی‌ات رو بسازی.

کافیه ایده داشته باشی؛ هوش مصنوعی می‌تونه بخش بزرگی از مسیر رو برات جلو ببره.

https://github.com/Donchitos/Claude-Code-Game-Studios

@DevTwitter | <Amirhossein seghatoleslami/>

حمله سایبری به بایننس از طریق لپ‌تاپ آلوده یکی از مهندسان، ۶٫۳ میلیارد دلار دارایی به سرقت رفت!

حمله سایبری به بایننس به سرقت حدود ۶٫۳ میلیارد دلار دارایی دیجیتال از کیف پول‌های مرتبط با این صرافی منجر شده است. طبق گزارش‌های اولیه، هکرها احتمالا از طریق لپ‌تاپ آلوده یکی از مهندسان به سیستم‌های بایننس نفوذ کرده‌اند!

بایننس اعلام کرده دارایی کاربران امن است و تمام خسارت‌ها را جبران می‌کند. تتر و Circle نیز بخشی از دارایی‌های مرتبط با این حمله را مسدود کرده‌اند.

@DevTwitter | <MohammadMSFT/>

طرف رزومه‌ی خودش رو مدلی ساخته که می‌تونی با صورتش ور بری :))))
https://rameerez.com/

@DevTwitter

معرفی Duet؛ پلتفرمی برای اجرای Cloud-based AI Agents
یکی از ابزارهای جالب در اکوسیستم AI Agentها، Duet هست که روی اجرای مداوم Agentها، مدیریت Context و اتوماسیون Workflowها در محیط Cloud تمرکز داره.
چند قابلیت فنی قابل‌توجه Duet:
قابلیت Persistent Memory: حفظ Context و اطلاعات بین Sessionهای مختلف
قابلیت Always-on Execution: اجرای Agentها روی زیرساخت Cloud، بدون وابستگی به فعال بودن سیستم کاربر
قابلیت Scheduled & Event-driven Workflows: اجرای تسک‌ها بر اساس زمان‌بندی یا رویدادها
قابلیت Integrations & MCP: اتصال Agentها به سرویس‌ها و ابزارهای خارجی
قابلیت Shared Workspace: امکان مدیریت Sessionها، فایل‌ها و خروجی‌های Agent در محیط مشترک تیمی
قابلیت Multi-model Support: پشتیبانی از مدل‌های مختلف برای اجرای تسک‌های متنوع

تفاوت اصلی Duet با ابزارهایی مثل Claude Code در اینه که Claude Code بیشتر روی توسعه نرم‌افزار و اجرای تعاملی تسک‌های کدنویسی تمرکز داره؛ درحالی‌که Duet زیرساختی برای اجرای Cloud-based و مداوم Agentها و مدیریت Workflowهای تیمی فراهم می‌کنه.
در واقع، تمرکز از اجرای یک Agent در یک Session به سمت ساخت سیستم‌هایی می‌ره که بتونن در پس‌زمینه کار کنن، به سرویس‌های مختلف متصل بشن و Context خودشون رو در طول زمان حفظ کنن.
معرفی و مقایسه فنی:
https://duet.so/guides/duet-vs-claude-code

@DevTwitter | <Hanieh Khalesi/>