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/>

معرفی DeepTutor؛ معلم خصوصی هوش مصنوعی

دانشگاه هنگ‌کنگ پروژه‌ای متن‌باز به اسم DeepTutor منتشر کرده که کتاب‌ها، جزوه‌ها و یادداشت‌هات رو می‌گیره و دقیقاً بر اساس منابع خودت بهت درس می‌ده.

قابلیت‌های کلیدی:

- آموزش روی منابع خودت: ساخت تمرین، پاسخ به سوالات و ارائه توضیحات بصری برای درک عمیق‌تر مفاهیم.

- حافظه یادگیری ماندگار: نقاط ضعف و اشتباهاتت رو به خاطر می‌سپاره و در جلسات بعدی بدون نیاز به توضیح دوباره، از همون‌جا ادامه می‌ده.

- پشتیبانی از ویدیوهای آموزشی: کافیه لینک یوتیوب رو بهش بدی تا دقیقاً درباره بخش‌هایی از ویدیو که متوجه نشدی ازش سوال بپرسی.

- حافظه قابل ویرایش: می‌تونی پروفایل آموزشی و نکاتی که از وضعیت یادگیریت ذخیره کرده رو ببینی و دستی تغییر بدی.

https://github.com/HKUDS/DeepTutor

@DevTwitter | <Hamed Heydarian/>

یک استودیوی کامل بازی‌سازی رو داخل Claude Code راه‌اندازی کن!

پروژه متن‌باز Claude Code Game Studios، محیط Claude Code رو به یک استودیوی بازی‌سازی تبدیل می‌کنه؛ با ۴۹ ایجنت هوش مصنوعی، بیش از ۷۰ Skill و ساختار سازمانی مشابه استودیوهای واقعی بازی‌سازی.

هر ایجنت وظیفه تخصصی خودش رو داره؛ از طراحی بازی و برنامه‌نویسی گرفته تا ساخت Asset، صدا، روایت داستان، تست و کنترل کیفیت.

شروع کار فقط ۳ مرحله داره:

دریافت پروژه: ریپازیتوری رو از GitHub دانلود یا Clone کن.

راه‌اندازی: پروژه رو در Claude Code باز کن و دستور "/start" رو اجرا کن.

ساخت بازی: ایده بازی‌ات رو توضیح بده تا ایجنت‌های تخصصی در مراحل مختلف توسعه همراهت بشن.

این پروژه از موتورهای Godot، Unity و Unreal Engine پشتیبانی می‌کنه و برای مدیریت فرایند ساخت بازی از ایده اولیه تا انتشار طراحی شده.

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

@DevTwitter | <Yarad/>

دارم روی پیپر اولم کار میکنم و متاسفانه کسی تو مقطع کارشناسی یاد نمیده چطور مقاله بخونی/بنویسی. یا اصلا باید از کجا شروع کنی. واسه همین یه ریپو ساختم و سعی کردم با کلاد یه سری دیتای بدرد بخور جمع کنم. گفتم شاید بدرد کسی بخوره:

https://github.com/aminghuf/academic-papers-guide

@DevTwitter | <Amin/>

بنظرم بهتره یه مدت بجای کتابای فنی کتاب "تفکر سیستمی" رو بخونید.

جالبه که خیلیا فکر میکنن سیستم‌سازی به دنیای کامپیوتر گره خورده در صورتی که یک مفهوم خیلی کلی‌تره و حتی توی مدیریت افراد و گروه‌ها خیلی کاربرد بیشتری داره.

@DevTwitter | </bin/taha/>

️گوگل قابلیت جذابی به NotebookLM اضافه کرده که مستقیماً دانشجوها رو هدف گرفته؛ حالا می‌تونید کاملاً رایگان و بدون پرداخت هیچ هزینه‌ای، به صدها کتاب درسی و مرجع معتبر مستقیماً داخل خود نوتبوک دسترسی داشته باشید.

کافیه عنوان درس رو پیدا کنید، بندازید داخل نوت‌بوک و ازش بخواید براتون نکته‌های کلیدی دربیاره، مباحث سنگین رو به زبان ساده بگه یا کوئیز تمرینی تحویلتون بده.

این کتاب‌ها از ناشران آموزشی بزرگی مثل OpenStax ،S Chand Publishing و Open Textbook Library تأمین شدن. سازوکارش هم خیلی سرراسته؛ نیازی به دانلود و آپلود دستی فایل‌های سنگین نیست، بلکه مستقیم از بخش Sources نوتبوک کتاب‌ها رو سرچ و انتخاب می‌کنید تا منبع پردازش هوش مصنوعی بشن.

این امکان بدون هزینه اضافی و به صورت عمومی فعال شده تا دسترسی به منابع اصلی مطالعه راحت‌تر از قبل بشه.

@DevTwitter | <Abbas Bahadori Pour/>

تفاوت بین RabbitMQ و gRPC ؟؟؟؟

یه سوالی که چند وقت پیش برای خودم پیش اومده بود این بود که RabbitMQ و gRPC دقیقا چه فرقی دارن؟ چون خیلی وقت‌ها می‌بینم این دوتا کنار هم یا حتی به‌ جای هم استفاده میشن.
ولی واقعیت اینه که اساساً برای دو مدل ارتباطی متفاوت طراحی شدن.

خب gRPC بیشتر برای ارتباط مستقیم بین سرویس‌هاست.
یعنی یه سرویس درخواست میفرسته و سرویس دیگه همون لحظه جواب میده. چیزی شبیه API call ولی سریع‌تر و بهینه‌تر چون از HTTP/2 و Protobuf استفاده می‌کنه.
پس وقتی latency کم و پاسخ فوری مهمه، gRPC گزینه خیلی خوبی میشه.

از اون طرف RabbitMQ یک message broker هست.
اینجا داستان synchronous request نیست. شما یه پیام داخل صف می‌ذاری و مصرف‌کننده هر وقت آماده بود اون رو برمی‌داره و پردازش می‌کنه. این مدل برای کارهای async، صف‌بندی کارها، یا وقتی که نمیخوای سرویس‌ها خیلی به هم وابسته باشن خیلی کاربردیه.

خلاصه اگر بخوام ساده بگم:
اگر پاسخ فوری میخوای، gRPC
اگر میخوای کارها async و از طریق صف انجام بشه، RabbitMQ
در عمل هم خیلی از معماری‌های microservice از هر دو کنار هم استفاده می‌کنن. مثلا:
برای communication سریع بین سرویس‌ها gRPC
و برای eventها یا jobها RabbitMQ
جالب اینجاست که وقتی تفاوت مدل ارتباطی این دوتا رو بفهمی، انتخابشون خیلی منطقی‌تر میشه.

@DevTwitter | <Ali Mozhdekanlou/>

اگه یه مهارت باشه که لازمه به خودمون اضافه کنیم تا ریسک شغلی مون کمتر بشه مهارت بررسی و investigate کردن proactive محصول برای بهبودشه. یعنی صبر نکنیم تا یکی بهمون بگه چی بسازیم و خودمون دنبال مشکل ها و فرصت های بهبود محصول بگردیم.

معمولا ما که سابقه کاری مون بیشتر مهندسی نرم افزار و برنامه نویسیه این یه زمین بازی کاملا جدیده و تجربه مون توش کمه.

برای اینکه یاد بگیریم چطور این کارو بکنیم خوندن این مطالب میتونه مفید باشه

1. The Product-Minded Software Engineer - Gergely Orosz
https://blog.pragmaticengineer.com/the-product-minded-engineer/

2. Product Discovery - Marty Cagan
https://www.svpg.com/product-discovery/

3. Continuous Discovery Habits - Teresa Torres
https://www.producttalk.org/continuous-discovery-habits/

@DevTwitter | <Hossein Nazari/>

یه ابزار برای مدیریت کلیپ‌بورد توی لینوکس؛ شبیه Copywren که برای مک ساخته شده.

با Clipfinch می‌تونی تاریخچه‌ی چیزهایی که کپی می‌کنی رو نگه داری، بینشون جست‌وجو کنی و راحت به موارد قبلی دسترسی داشته باشی؛ فقط با "Super + Shift + V"!

https://github.com/HesamIrandoost/clipfinch

@DevTwitter | <Hesam/>