هوش مصنوعی تو ۱۰ ثانیه برات کد میزنه، ولی بعدش ۱ ساعت باید وقت بذاری تا باگهای احمقانه، تایپهای ناقص و تستهایی که ننوشته رو جمع کنی!
مشکل از مدلها نیست؛ مشکل اینه که بهشون کانتکست و چارچوب مهندسی نمیدیم و مثل یه کارآموز بدون ناظر ولشون میکنیم توی پروژه.
برای حل این موضوع، ابزار ai-dev-starter رو ساختم و اوپنسورسش کردم:
- استک پروژه (React, Next.js, Laravel, Python...) رو اتوماتیک تشخیص میده.
- قابلیت Self-Review خودکار: بعد از هر کدی که میزنه، هوش مصنوعی اول خودش git diff تغییراتش رو بررسی میکنه و مشکلات P0 تا P3 رو گزارش و فیکس میکنه.
- بدون نیاز به API Key یا سرور، کاملاً Native داخل Antigravity و Cursor کار میکنه (فقط ۵۰ کیلوبایت).
تستش توی هر پروژهای فقط یه دستور میخواد:
پکیج npm:
https://www.npmjs.com/package/ai-dev-starter
ریپازیتوری گیتهاب:
https://github.com/Sizzlesina/ai-dev-starter
@DevTwitter | <Sizzlesina/>
مشکل از مدلها نیست؛ مشکل اینه که بهشون کانتکست و چارچوب مهندسی نمیدیم و مثل یه کارآموز بدون ناظر ولشون میکنیم توی پروژه.
برای حل این موضوع، ابزار ai-dev-starter رو ساختم و اوپنسورسش کردم:
- استک پروژه (React, Next.js, Laravel, Python...) رو اتوماتیک تشخیص میده.
- قابلیت Self-Review خودکار: بعد از هر کدی که میزنه، هوش مصنوعی اول خودش git diff تغییراتش رو بررسی میکنه و مشکلات P0 تا P3 رو گزارش و فیکس میکنه.
- بدون نیاز به API Key یا سرور، کاملاً Native داخل Antigravity و Cursor کار میکنه (فقط ۵۰ کیلوبایت).
تستش توی هر پروژهای فقط یه دستور میخواد:
bash
npx ai-dev-starter
پکیج npm:
https://www.npmjs.com/package/ai-dev-starter
ریپازیتوری گیتهاب:
https://github.com/Sizzlesina/ai-dev-starter
@DevTwitter | <Sizzlesina/>
🍌64👍10👎4
برنامه اندروید ترجمه و دوبلهٔ زندهٔ صدای گوشی، با هوش مصنوعی
امکانات:
دوبلهٔ زنده و با تاخیر بسیار کم
زیرنویس شناور:
متن اصلی و ترجمه روی صفحه، روی هر برنامهای
زبانهای بدون دوبله:
زبانهای دلخواه بدون دوبله و بدون زیرنویس میمانند. فارسی بهطور پیشفرض در این لیست است.
سه حالت خروجی:
دوبله و زیرنویس، فقط دوبله، یا فقط زیرنویس.
بخش متنها:
تمام جملهها در برنامه ذخیره میشوند
کلید API:
کلیدها به ترتیب استفاده میشوند و وقتی کلیدی به سقف خود برسد، خودکار از کلید بعدی استفاده میشود
لینک پروژه در گیتهاب که بصورت اوپن سورس هست
https://github.com/UCIRANX/UC-Dub
@DevTwitter | <Dark Heart/>
امکانات:
دوبلهٔ زنده و با تاخیر بسیار کم
زیرنویس شناور:
متن اصلی و ترجمه روی صفحه، روی هر برنامهای
زبانهای بدون دوبله:
زبانهای دلخواه بدون دوبله و بدون زیرنویس میمانند. فارسی بهطور پیشفرض در این لیست است.
سه حالت خروجی:
دوبله و زیرنویس، فقط دوبله، یا فقط زیرنویس.
بخش متنها:
تمام جملهها در برنامه ذخیره میشوند
کلید API:
کلیدها به ترتیب استفاده میشوند و وقتی کلیدی به سقف خود برسد، خودکار از کلید بعدی استفاده میشود
لینک پروژه در گیتهاب که بصورت اوپن سورس هست
https://github.com/UCIRANX/UC-Dub
@DevTwitter | <Dark Heart/>
❤27🍌10👎1
یه اپ ساده به اسم Huecut ساختم. هم برای خانمها و هم آقایون مدل مو و رنگ مو پیشنهاد میده، مدل ریش هم همینطور.
چطوری کار میکنه:
- یه عکس از خودت اضافه میکنی، یا بدون عکس ادامه میدی
- انتخاب میکنی چی میخوای: کوتاهی، رنگ، یا هر دو
- به چند تا سوال کوتاه جواب میدی، مثل جنس موهات، قدش و اینکه چقدر میخوای برای موهات وقت بذاری
- مدلهایی که بهت میاد رو پیشنهاد میده، و برای هر کدوم با زبون ساده دلیلش رو توضیح میده
- برای رنگها، صادقانه بهت میگه اون رنگ الان برای موهات واقعبینانه هست یا نه
- اگه بخوای یه مدل رو روی خودت ببینی، یه پرامپت آماده برای ChatGPT یا Gemini مینویسه تا بتونن عکسش رو بسازن
همینطور میتونی بین بیش از ۲۰۰ مدل کوتاهی، ۶۸ مدل رنگ و ۱۸ مدل ریش بگردی.
همهچیز توی مرورگر خودت اجرا میشه. عکسها هیچوقت جایی آپلود نمیشه.
گیتهاب:
https://github.com/SacitDev/huecut
نسخه آنلاین:
https://sacitdev.github.io/huecut/
@DevTwitter | <Michael/>
چطوری کار میکنه:
- یه عکس از خودت اضافه میکنی، یا بدون عکس ادامه میدی
- انتخاب میکنی چی میخوای: کوتاهی، رنگ، یا هر دو
- به چند تا سوال کوتاه جواب میدی، مثل جنس موهات، قدش و اینکه چقدر میخوای برای موهات وقت بذاری
- مدلهایی که بهت میاد رو پیشنهاد میده، و برای هر کدوم با زبون ساده دلیلش رو توضیح میده
- برای رنگها، صادقانه بهت میگه اون رنگ الان برای موهات واقعبینانه هست یا نه
- اگه بخوای یه مدل رو روی خودت ببینی، یه پرامپت آماده برای ChatGPT یا Gemini مینویسه تا بتونن عکسش رو بسازن
همینطور میتونی بین بیش از ۲۰۰ مدل کوتاهی، ۶۸ مدل رنگ و ۱۸ مدل ریش بگردی.
همهچیز توی مرورگر خودت اجرا میشه. عکسها هیچوقت جایی آپلود نمیشه.
گیتهاب:
https://github.com/SacitDev/huecut
نسخه آنلاین:
https://sacitdev.github.io/huecut/
@DevTwitter | <Michael/>
👍52🍌15👎6
Media is too big
VIEW IN TELEGRAM
اینم از MCP بورس ایران
کاملا رایگان و اوپن سورس
تا قبل از این اگه از ChatGPT یا Claude میپرسیدی صف خرید امروز بورس چیه یا میگفت دسترسی نداره یا با کلی توکن و زمان یه اطلاعات محدود میداد
حالا هوش مصنوعی مستقیم به داده بورس و فرابورس و کدال وصله و میتونی بپرسی
کدوم سهما صف خرید دارن
فولاد بین ۱۰ تا ۱۰ و یک دقیقه چه معامله هایی داشته
کدوم سهما حجمشون دو برابر میانگین شده و دیروز هم رشد داشتن
۴۰ تا ابزار از عمق بازار و ریز معاملات تا اختیار و صندوقها و کدال
بدون لاگین و هزینه
نصب روی Claude و Cursor و Codex با یه دستور
یه اسکرینر که خود AI فیلترش رو مینویسه
اسکرین کل بازار بدون MCP حدود ۷ میلیون توکن بود و با MCP فقط ۷۲۳ توکن
ویدیو و دانلود
msmahdinejad.github.io/iran-bourse-mcp
گیت هاب
github.com/msmahdinejad/iran-bourse-mcp
اگه به کارت اومد یه استار بده و برای کسی که لازمش داره بفرست
پ.ن. فقط با IP ایران کار میکنه
@DevTwitter | <Saleh/>
کاملا رایگان و اوپن سورس
تا قبل از این اگه از ChatGPT یا Claude میپرسیدی صف خرید امروز بورس چیه یا میگفت دسترسی نداره یا با کلی توکن و زمان یه اطلاعات محدود میداد
حالا هوش مصنوعی مستقیم به داده بورس و فرابورس و کدال وصله و میتونی بپرسی
کدوم سهما صف خرید دارن
فولاد بین ۱۰ تا ۱۰ و یک دقیقه چه معامله هایی داشته
کدوم سهما حجمشون دو برابر میانگین شده و دیروز هم رشد داشتن
۴۰ تا ابزار از عمق بازار و ریز معاملات تا اختیار و صندوقها و کدال
بدون لاگین و هزینه
نصب روی Claude و Cursor و Codex با یه دستور
یه اسکرینر که خود AI فیلترش رو مینویسه
اسکرین کل بازار بدون MCP حدود ۷ میلیون توکن بود و با MCP فقط ۷۲۳ توکن
ویدیو و دانلود
msmahdinejad.github.io/iran-bourse-mcp
گیت هاب
github.com/msmahdinejad/iran-bourse-mcp
اگه به کارت اومد یه استار بده و برای کسی که لازمش داره بفرست
پ.ن. فقط با IP ایران کار میکنه
@DevTwitter | <Saleh/>
🔥58🍌13👎4
️اسکرایب ۳ ایلونلبز (ElevenLabs Scribe v3) جلسههای شلوغ را دقیقتر به متن تبدیل میکند
ایلونلبز در ۱۰ نوامبر ۲۰۲۶ مدلهای اسکرایب ۳ و اسکرایب ۳ لایو (Scribe v3 Live) را معرفی کرد. به گفته شرکت، اسکرایب ۳ در ۱۰۲ زبان ۲۷ درصد خطای کمتری از نسخه قبل دارد و گویندههای جلسه را بهتر از هم جدا میکند. هر دو مدل حالا پیشفرض اپ ایلونلبز هستند و در API هم در دسترساند.
نکته کاربردی: فایل ضبطشده جلسه را به اپ ایلونلبز بدهید تا متن با جدا شدن گویندهها آماده شود؛ بعد نامها و عددها را بررسی کنید.
منبع و تصویر: ElevenLabs
https://elevenlabs.io/blog/scribe-v3
@DevTwitter | <Abbas Bahadori Pour/>
ایلونلبز در ۱۰ نوامبر ۲۰۲۶ مدلهای اسکرایب ۳ و اسکرایب ۳ لایو (Scribe v3 Live) را معرفی کرد. به گفته شرکت، اسکرایب ۳ در ۱۰۲ زبان ۲۷ درصد خطای کمتری از نسخه قبل دارد و گویندههای جلسه را بهتر از هم جدا میکند. هر دو مدل حالا پیشفرض اپ ایلونلبز هستند و در API هم در دسترساند.
نکته کاربردی: فایل ضبطشده جلسه را به اپ ایلونلبز بدهید تا متن با جدا شدن گویندهها آماده شود؛ بعد نامها و عددها را بررسی کنید.
منبع و تصویر: ElevenLabs
https://elevenlabs.io/blog/scribe-v3
@DevTwitter | <Abbas Bahadori Pour/>
🔥6👍2🍌1
اگه می خواید با مدل های بدون سانسور کار کنید :
بدون نیاز به کردیت کارت و کاملا رایگان
https://numes.ai
@DevTwitter | <Reza Shakeri/>
بدون نیاز به کردیت کارت و کاملا رایگان
https://numes.ai
@DevTwitter | <Reza Shakeri/>
👍27👎16🍌8
#کدبوک
یک راهنمای عملی و جذاب برای یادگیری Python از طریق خودکارسازی کارهای تکراری و روزمره:
- آموزش مبانی پایتون با مثالها و پروژههای واقعی
- خودکارسازی کارهایی مثل مدیریت فایلها، صفحات گسترده و پردازش متن
- آشنایی با وباسکرپینگ، کار با ایمیل و اتوماسیون مرورگر
- مناسب برای مبتدیهایی که میخوان برنامهنویسی رو با حل مسائل واقعی یاد بگیرن
* فایل PDF این کتاب رو میتونید از کانال DevBooks که لینکش این زیر هست دانلود کنید.
https://t.me/+kUnIvAQ3HWgwYjk8
@DevTwitter
یک راهنمای عملی و جذاب برای یادگیری Python از طریق خودکارسازی کارهای تکراری و روزمره:
- آموزش مبانی پایتون با مثالها و پروژههای واقعی
- خودکارسازی کارهایی مثل مدیریت فایلها، صفحات گسترده و پردازش متن
- آشنایی با وباسکرپینگ، کار با ایمیل و اتوماسیون مرورگر
- مناسب برای مبتدیهایی که میخوان برنامهنویسی رو با حل مسائل واقعی یاد بگیرن
* فایل PDF این کتاب رو میتونید از کانال DevBooks که لینکش این زیر هست دانلود کنید.
https://t.me/+kUnIvAQ3HWgwYjk8
@DevTwitter
❤10🍌8💔1
This media is not supported in your browser
VIEW IN TELEGRAM
Dynamic Island
این بار با دو انیمیشن: مورف بین حالتها و یه حباب مایع که از جزیره جدا میشه. فنر فیزیکی + فیلتر گوو، بدون هیچ کتابخونهای.
دمو:
https://dynamic-island-interaction.vercel.app
کد:
https://github.com/MrJs6781/dynamic-island-interaction
@DevTwitter | <Abolfazl/>
این بار با دو انیمیشن: مورف بین حالتها و یه حباب مایع که از جزیره جدا میشه. فنر فیزیکی + فیلتر گوو، بدون هیچ کتابخونهای.
دمو:
https://dynamic-island-interaction.vercel.app
کد:
https://github.com/MrJs6781/dynamic-island-interaction
@DevTwitter | <Abolfazl/>
🍌12👍10👎1
یک سیستم سفارش غذا رو با معماری میکروسرویس از صفر بالا آوردم
هدفم فقط «کار کردن» نبود؛ میخواستم یک نمونهٔ واقعی و تمیز از معماری cloud-native با اکوسیستم مدرن .NET بسازم.
چه چیز هایی تو این پروژه پیادهسازی شده:
- .NET 10 + Aspire برای Orchestration
- Split Services: Identity / Catalogs / Customers / Orders
- API Gateway با YARP
- CQRS با MediatR + FluentValidation
- Messaging رویدادمحور RabbitMQ + Wolverine
- Write Model روی PostgreSQL و Read Model روی MongoDB
- Auth با JWT
- Deploy روی IIS با GitHub Actions (Self-hosted Runner)
جریان واقعی سیستم هم اینه:
ثبتنام کاربر -> انتشار Event -> ساخت Customer -> مشاهده محصولات -> ثبت سفارش
این پروژه کمک میکنه الگوی میکروسرویس، Event-Driven و CQRS رو نه فقط تئوری، بلکه عملی ببینیم
لینک ریپو:
https://github.com/ahmadsaadatdev/food-delivery-microservices
@DevTwitter | <Ahmad Saadat/>
هدفم فقط «کار کردن» نبود؛ میخواستم یک نمونهٔ واقعی و تمیز از معماری cloud-native با اکوسیستم مدرن .NET بسازم.
چه چیز هایی تو این پروژه پیادهسازی شده:
- .NET 10 + Aspire برای Orchestration
- Split Services: Identity / Catalogs / Customers / Orders
- API Gateway با YARP
- CQRS با MediatR + FluentValidation
- Messaging رویدادمحور RabbitMQ + Wolverine
- Write Model روی PostgreSQL و Read Model روی MongoDB
- Auth با JWT
- Deploy روی IIS با GitHub Actions (Self-hosted Runner)
جریان واقعی سیستم هم اینه:
ثبتنام کاربر -> انتشار Event -> ساخت Customer -> مشاهده محصولات -> ثبت سفارش
این پروژه کمک میکنه الگوی میکروسرویس، Event-Driven و CQRS رو نه فقط تئوری، بلکه عملی ببینیم
لینک ریپو:
https://github.com/ahmadsaadatdev/food-delivery-microservices
@DevTwitter | <Ahmad Saadat/>
🔥43🍌34👍4
با انواع اسکوپ ها زمان تزریق کلاس ها توی بک اند آشنا بشید
1- singleton
کلا یکبار کلاس با این روش توی حافظه ساخته و نگهداری میشه و تا اخر زمانی که اپلیکیشنتون ران هستش
کلاس یکبار ساخته و کش میشه و بقیه جا ها در کد و در هر درخواست اون صدا زده میشه
همینطوری میمونه مراقب باشید دیتای کاربر رو توش ذخیره نکنید وگرنه stateleak پیش میاد
2- scoped / request
مدل پیش فرض پی اچ پی همین هست تا اخر درخواست هر کاربر یک نمونه ساخته میشه و از همون استفاده میشه یعنی مثلا اگر با یک کلاس صد بار کار کرده باشید برای هر ریکوست فقط یکبار برای هر کاربر اون کلاس تو حافظه ساخته میشه
3- transient / bind
همیشه بک نمونه جدید از کلاس میسازه بدون استثنا یعنی اگر صد بار یک کلاس رو صدا کرده باشید توی کد هر درخواست صد بار کلاسو صدا میکنه هر کاربر میتونه صد کلاس رو باعث ساخته شدنشون بشه
@DevTwitter | <Mohammad Reza Ahmadi/>
1- singleton
کلا یکبار کلاس با این روش توی حافظه ساخته و نگهداری میشه و تا اخر زمانی که اپلیکیشنتون ران هستش
کلاس یکبار ساخته و کش میشه و بقیه جا ها در کد و در هر درخواست اون صدا زده میشه
همینطوری میمونه مراقب باشید دیتای کاربر رو توش ذخیره نکنید وگرنه stateleak پیش میاد
2- scoped / request
مدل پیش فرض پی اچ پی همین هست تا اخر درخواست هر کاربر یک نمونه ساخته میشه و از همون استفاده میشه یعنی مثلا اگر با یک کلاس صد بار کار کرده باشید برای هر ریکوست فقط یکبار برای هر کاربر اون کلاس تو حافظه ساخته میشه
3- transient / bind
همیشه بک نمونه جدید از کلاس میسازه بدون استثنا یعنی اگر صد بار یک کلاس رو صدا کرده باشید توی کد هر درخواست صد بار کلاسو صدا میکنه هر کاربر میتونه صد کلاس رو باعث ساخته شدنشون بشه
@DevTwitter | <Mohammad Reza Ahmadi/>
❤18🍌6👎1
شرکت cloudflare مرورگر kitesurf که مخصوص ایجنتها طراحی کرده بود رو اُپن سورس کرده!
کایت سِرف در واقع یه headless browser هست که با rust و webAssembly نوشته شده که از موتور chromium استفاده نمیکنه و به راحتی روی workerها بالا میاد!
خوبیش اینه که تا ۷ برابر cpu و رم کمتری از کروم مصرف میکنه، ولی خُب حدود ۲ برابر کندتره و کپچا رو هم نمیتونه رد کنه :)
در کل واسه کارهای سبک عالیه و میتونه واسه ایجنتها در کنار chrome استفاده بشه مثلا گرفتن اسکرینشات، scrape سبک، web search و اینا :)
https://kitesurf.dev/
@DevTwitter | <Amir/>
کایت سِرف در واقع یه headless browser هست که با rust و webAssembly نوشته شده که از موتور chromium استفاده نمیکنه و به راحتی روی workerها بالا میاد!
خوبیش اینه که تا ۷ برابر cpu و رم کمتری از کروم مصرف میکنه، ولی خُب حدود ۲ برابر کندتره و کپچا رو هم نمیتونه رد کنه :)
در کل واسه کارهای سبک عالیه و میتونه واسه ایجنتها در کنار chrome استفاده بشه مثلا گرفتن اسکرینشات، scrape سبک، web search و اینا :)
https://kitesurf.dev/
@DevTwitter | <Amir/>
❤22🍌6👍4
https://github.com/Ebony-Vinyl/dsh-our-free-model
با استفاده از این deepseek رو روی هارنس خودش اوکی کردم و گذاشتم پروژه هامو پنتست بزنه و پسر پشمام حقیقتا
@DevTwitter | <Reza —/>
با استفاده از این deepseek رو روی هارنس خودش اوکی کردم و گذاشتم پروژه هامو پنتست بزنه و پسر پشمام حقیقتا
@DevTwitter | <Reza —/>
🍌29👍6👎1
بالاخره code mode به claude code هم رسید! اینجوریه که مدل به جای tool callهای تکتک، یه اسکریپت js مینویسه که همه رو با هم ران کنه!
برای جاهایی که tool callهای پشت سر هم دارید عالیه! مثلا بره فایلهای md پروژه رو بخونه و اونایی که لینکشون خرابه رو پاک کنه و این جور تسکها...
و اینکه experimental هست و باید فلگش رو دستی فعال کنید!
https://code.claude.com/docs/en/code-mode
@DevTwitter | <Amir/>
برای جاهایی که tool callهای پشت سر هم دارید عالیه! مثلا بره فایلهای md پروژه رو بخونه و اونایی که لینکشون خرابه رو پاک کنه و این جور تسکها...
و اینکه experimental هست و باید فلگش رو دستی فعال کنید!
https://code.claude.com/docs/en/code-mode
@DevTwitter | <Amir/>
🔥14👎2🍌2
#کدبوک
راهنمایی تخصصی برای شناخت آسیبپذیریها و روشهای تست امنیتی APIهای مبتنی بر GraphQL:
- آشنایی با ساختار GraphQL و نقاط ضعف امنیتی آن
- بررسی حملاتی مثل Injection، دسترسی غیرمجاز و افشای اطلاعات
- آموزش شناسایی و بهرهبرداری از آسیبپذیریهای رایج در APIها
- مناسب برای متخصصان امنیت، تست نفوذ و توسعهدهندههایی که میخوان APIهای امنتری طراحی کنن
* فایل PDF این کتاب رو میتونید از کانال DevBooks که لینکش توی بیو هست دانلود کنید.
@DevTwitter
راهنمایی تخصصی برای شناخت آسیبپذیریها و روشهای تست امنیتی APIهای مبتنی بر GraphQL:
- آشنایی با ساختار GraphQL و نقاط ضعف امنیتی آن
- بررسی حملاتی مثل Injection، دسترسی غیرمجاز و افشای اطلاعات
- آموزش شناسایی و بهرهبرداری از آسیبپذیریهای رایج در APIها
- مناسب برای متخصصان امنیت، تست نفوذ و توسعهدهندههایی که میخوان APIهای امنتری طراحی کنن
* فایل PDF این کتاب رو میتونید از کانال DevBooks که لینکش توی بیو هست دانلود کنید.
@DevTwitter
❤16👍6👎2
اگر داکر دسکتاپ منابع زیادی از سیستم شما را میگیره و اعصاب شما را بد میکنه، به جاش از kiri استفاده کنید. با rust نوشته شده و سبکه
https://github.com/libracoder/kiri
@DevTwitter | <MehrdadLinux/>
https://github.com/libracoder/kiri
@DevTwitter | <MehrdadLinux/>
🍌186❤13🔥3
وقتی کلمه Memory تو AI Agent ها مطرح میشه دقیقا منظور چیه؟
چون وقتی میگیم RAM یه تراشه فیزیکی و ملموس هست که می تونیم لمسش کنیم.
یا وقتی میگیم LLM خب یه مدلی هست که یه اسمی داره و یه API Call انجام میدیم و یه جوابی میده.
اما وقتی میگیم Memory دقیقا منظور چیه؟
ممکنه به آرایه Messages یا همون Context بگیم Memory
یا ممکنه به فایلی مثل Claude md که یه سری قوانین داخلش نوشته شده بگیم Memory
یا خود Session های قبلی کاربر رو جایی ذخیره کنیم و بهش بگیم Memory
یا به سیستم RAG که اسناد خود سازمان هستند و داخل اونها جستجوی معنایی می کنیم بگیم Memory
تو سایت Chatgpt یه بخشی هست که یه سری اطلاعات در مورد کاربر رو بین Session ها ذخیره می کنه بعضی افراد به اون میگن Memory
خلاصه خواستم بگم که افراد در شرایط فعلی کلمه Memory رو تو زمینه Agentic AI استفاده می کنند
اما Memory در واقع هنوز تعریف واحدی نداره
یه تعریف خوب اینه: دانشی که یک Agent از تجربه یعنی تعامل با کاربر و انجام تسک ها به دست میاره و بین session ها نگهداری می کنه و به صورت یک context ذخیره می کنه که بعدا بتونه ازش استفاده کنه.
روش هایی به اسم note-taking هستند که agent ها هر وقت چیزی رو یاد گرفتند در فضایی (معمولا یک پوشه داخل فایل سیستم) می نویسند و در session های بعدی به اون فضا دسترسی دارند که هم ازش استفاده کنند و هم به روز رسانیش کنند.
در واقع با in-context learning یعنی یادگیری درون یک session و یا training یعنی تغییر دادن وزن های خود مدل یا compaction به معنی خلاصه سازی آرایه messages فرق داره.
پس دفعه بعد که کسی این کلمه رو استفاده کرد ازش بپرسید منظورت چیه؟
@DevTwitter | <Pouria Jahandideh/>
چون وقتی میگیم RAM یه تراشه فیزیکی و ملموس هست که می تونیم لمسش کنیم.
یا وقتی میگیم LLM خب یه مدلی هست که یه اسمی داره و یه API Call انجام میدیم و یه جوابی میده.
اما وقتی میگیم Memory دقیقا منظور چیه؟
ممکنه به آرایه Messages یا همون Context بگیم Memory
یا ممکنه به فایلی مثل Claude md که یه سری قوانین داخلش نوشته شده بگیم Memory
یا خود Session های قبلی کاربر رو جایی ذخیره کنیم و بهش بگیم Memory
یا به سیستم RAG که اسناد خود سازمان هستند و داخل اونها جستجوی معنایی می کنیم بگیم Memory
تو سایت Chatgpt یه بخشی هست که یه سری اطلاعات در مورد کاربر رو بین Session ها ذخیره می کنه بعضی افراد به اون میگن Memory
خلاصه خواستم بگم که افراد در شرایط فعلی کلمه Memory رو تو زمینه Agentic AI استفاده می کنند
اما Memory در واقع هنوز تعریف واحدی نداره
یه تعریف خوب اینه: دانشی که یک Agent از تجربه یعنی تعامل با کاربر و انجام تسک ها به دست میاره و بین session ها نگهداری می کنه و به صورت یک context ذخیره می کنه که بعدا بتونه ازش استفاده کنه.
روش هایی به اسم note-taking هستند که agent ها هر وقت چیزی رو یاد گرفتند در فضایی (معمولا یک پوشه داخل فایل سیستم) می نویسند و در session های بعدی به اون فضا دسترسی دارند که هم ازش استفاده کنند و هم به روز رسانیش کنند.
در واقع با in-context learning یعنی یادگیری درون یک session و یا training یعنی تغییر دادن وزن های خود مدل یا compaction به معنی خلاصه سازی آرایه messages فرق داره.
پس دفعه بعد که کسی این کلمه رو استفاده کرد ازش بپرسید منظورت چیه؟
@DevTwitter | <Pouria Jahandideh/>
🔥11❤6🍌6
This media is not supported in your browser
VIEW IN TELEGRAM
وایب کدرها ببینید چی پیدا کردم براتون
یه کتابخونه مملو از ۶۰۰+ پرامپت و ۲۰۰+ کامپوننت، شیدر، سکشن و UI برای ساخت سایتهای سهبعدی و اسکرولمحور (cinematic / motion-rich)
https://www.scrolltide.co/
@DevTwitter | <O — B — S — I — D — A — N/>
یه کتابخونه مملو از ۶۰۰+ پرامپت و ۲۰۰+ کامپوننت، شیدر، سکشن و UI برای ساخت سایتهای سهبعدی و اسکرولمحور (cinematic / motion-rich)
https://www.scrolltide.co/
@DevTwitter | <O — B — S — I — D — A — N/>
❤42🍌13👎2
اگر محدودیت MCP فیگما اذیتتون میکنه از نسخه دسکتاپ فیگما + Figwright استفاده کنید، محدودیت رو دور میزنه، اگر حال نمیکنید با این فرایند و میخواید رو وب کار رسیده بشه برید سمت چیزایی که محدودیت ندارن یا محدودیت کمی دارن مثل Framer یا Paper یا Penpot.
https://github.com/awdr74100/figwright
@DevTwitter | <Hamzeh Ghoreyshi/>
https://github.com/awdr74100/figwright
@DevTwitter | <Hamzeh Ghoreyshi/>
❤13🍌3👎1
اگر میخواهید Java یاد بگیرید، پیشنهاد من بهعنوان یک مدرس این است:
زمانی که Java تدریس میکردم، بارها دیدم که بعضی از دانشجوها ساعتها ویدئو آموزشی میبینند، اما وقتی با یک مسئله واقعی روبهرو میشوند، نمیدانند از کجا شروع کنند.
به نظرم مسیر درست یادگیری Java این است:
۱. مبانی زبان: متغیرها، شرطها، حلقهها، متدها و آرایهها.
۲. شیءگرایی: مفاهیم OOP را عمیق یاد بگیرید. اینجا یکی از مهمترین پایههای برنامهنویسی شما شکل میگیرد.
۳. مباحث پیشرفته جاوا: Collections، Generics، Stream API، Exception Handling و Multithreading.
۴. مفاهیم زیرساختی: JVM، حافظه، Garbage Collection و Concurrency.
۵. ورود به Backend: ابتدا SQL، HTTP و REST را یاد بگیرید و بعد سراغ Spring و Spring Boot بروید.
۶. پروژه واقعی: چیزی بسازید که واقعاً کار کند؛ تست بنویسید، Debug کنید و کدتان را چند بار بازنویسی کنید.
و چند توصیه مهم:
- بیشتر از دیدن آموزش، کدنویسی کنید.
- از کپی کردن پروژههای آماده فاصله بگیرید.
- مستندات رسمی را بخوانید.
- از AI کمک بگیرید، اما حل مسئله را به آن واگذار نکنید.
یک نکته از تجربه تدریس:
دانشجویی که میتواند یک مفهوم را توضیح دهد، الزاماً آن را یاد نگرفته؛ دانشجویی که میتواند از آن در حل یک مسئله جدید استفاده کند، دارد به درک واقعی میرسد.
یادگیری برنامهنویسی مسابقه تمام کردن دورههای آموزشی نیست!
@DevTwitter | <Amir Rahimi Nejad/>
زمانی که Java تدریس میکردم، بارها دیدم که بعضی از دانشجوها ساعتها ویدئو آموزشی میبینند، اما وقتی با یک مسئله واقعی روبهرو میشوند، نمیدانند از کجا شروع کنند.
به نظرم مسیر درست یادگیری Java این است:
۱. مبانی زبان: متغیرها، شرطها، حلقهها، متدها و آرایهها.
۲. شیءگرایی: مفاهیم OOP را عمیق یاد بگیرید. اینجا یکی از مهمترین پایههای برنامهنویسی شما شکل میگیرد.
۳. مباحث پیشرفته جاوا: Collections، Generics، Stream API، Exception Handling و Multithreading.
۴. مفاهیم زیرساختی: JVM، حافظه، Garbage Collection و Concurrency.
۵. ورود به Backend: ابتدا SQL، HTTP و REST را یاد بگیرید و بعد سراغ Spring و Spring Boot بروید.
۶. پروژه واقعی: چیزی بسازید که واقعاً کار کند؛ تست بنویسید، Debug کنید و کدتان را چند بار بازنویسی کنید.
و چند توصیه مهم:
- بیشتر از دیدن آموزش، کدنویسی کنید.
- از کپی کردن پروژههای آماده فاصله بگیرید.
- مستندات رسمی را بخوانید.
- از AI کمک بگیرید، اما حل مسئله را به آن واگذار نکنید.
یک نکته از تجربه تدریس:
دانشجویی که میتواند یک مفهوم را توضیح دهد، الزاماً آن را یاد نگرفته؛ دانشجویی که میتواند از آن در حل یک مسئله جدید استفاده کند، دارد به درک واقعی میرسد.
یادگیری برنامهنویسی مسابقه تمام کردن دورههای آموزشی نیست!
@DevTwitter | <Amir Rahimi Nejad/>
👍42🍌30❤9
ابزارهای پِنتست ایجنتیک مثل ARTEX دارن به سرعت زیاد میشن، cloudflare میگه ترافیکشون از اول اکتبر ۳۰ برابر شده!
این ابزارها در واقع یه هارنس مثل claude code هستن که به جای کد زدن، پنتست میکنن. در واقع یه planner هدف رو به تسکهای کوچیک میشکونه و چند تا ایجنت رو موازی میفرسته سراغشون!
جالبش اینه که یکیشون به اسم cairn خودش فقط تسک پخش میکنه و کار اصلی رو میده دست هارنس خودتون مثل hermes و codex :)
https://blog.cloudflare.com/adapting-to-ai-penetration-testing-orchestrators/
@DevTwitter | <Amir/>
این ابزارها در واقع یه هارنس مثل claude code هستن که به جای کد زدن، پنتست میکنن. در واقع یه planner هدف رو به تسکهای کوچیک میشکونه و چند تا ایجنت رو موازی میفرسته سراغشون!
جالبش اینه که یکیشون به اسم cairn خودش فقط تسک پخش میکنه و کار اصلی رو میده دست هارنس خودتون مثل hermes و codex :)
https://blog.cloudflare.com/adapting-to-ai-penetration-testing-orchestrators/
@DevTwitter | <Amir/>
❤14🍌2👎1
میز کار پژوهش پارسی — Persian Science
مقالهها، دادهها، کد تحلیل و گفتوگوهای پژوهشی را در یک پروژه کنار هم قرار دهید.
محیط فارسی و راستبهچپ برای پژوهشگران فارسیزبان
از مدلهای محلی تا APIهای سفارشی
عاملهای تخصصی برای تقسیم کار، داوری و بازبینی نتایج
چطور استفاده کنیم؟
پرسش و فایلها را وارد کنید، مدل یا ایجنت را تنظیم کنید و خروجی بخواهید.
اتصال به Claude Code و Codex، منابع علمی، PDF و دفترچههای پژوهشی نیز بخشی از پروژه هستند.
کد و راهنما:
https://github.com/Ho3seinTork/Parsian_Science.git
@DevTwitter | <Diss Obedience/>
مقالهها، دادهها، کد تحلیل و گفتوگوهای پژوهشی را در یک پروژه کنار هم قرار دهید.
محیط فارسی و راستبهچپ برای پژوهشگران فارسیزبان
از مدلهای محلی تا APIهای سفارشی
عاملهای تخصصی برای تقسیم کار، داوری و بازبینی نتایج
چطور استفاده کنیم؟
پرسش و فایلها را وارد کنید، مدل یا ایجنت را تنظیم کنید و خروجی بخواهید.
اتصال به Claude Code و Codex، منابع علمی، PDF و دفترچههای پژوهشی نیز بخشی از پروژه هستند.
کد و راهنما:
https://github.com/Ho3seinTork/Parsian_Science.git
@DevTwitter | <Diss Obedience/>
🍌15👍7👎1