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
یک ابزار متنباز پیدا کردم که کار نصب و مدیریت افزونههای Claude Code رو خیلی سادهتر میکنه!
اسم این پروژه Claude Code Templates هست و مجموعهای از ابزارها و تنظیمات آماده رو در یک مخزن جمعآوری کرده:
- ابزار Agents: برای ساخت Agentهای تخصصی با وظایف مشخص
- ابزار Skills: برای اضافه کردن تواناییها و گردشکارهای جدید
- ابزار Hooks: برای اجرای خودکار دستورها در زمان رویدادهای مختلف
- ابزار MCP: برای اتصال Claude به ابزارها و سرویسهای خارجی
- ابزار Commands: برای تعریف دستورهای آماده و قابل استفاده مجدد
مثلاً میخوای Claude بهصورت خودکار کدها رو بررسی کنه، پروژه رو تست کنه یا مستندات بنویسه؟
کافیه کامپوننت مناسب رو از مجموعه پیدا کنی و نصبش کنی؛ لازم نیست همهچیز رو از صفر بسازی.
اما امکانات پروژه به همینجا ختم نمیشه!
باهاش میتونی Sessionهای Claude Code رو هم مدیریت و با دیگران به اشتراک بذاری.
در واقع، این ابزار یک مرکز جامع برای پیدا کردن، نصب و مدیریت قابلیتهای مختلف Claude Code محسوب میشه.
لینک پروژه در GitHub:
https://github.com/davila7/claude-code-templates
@DevTwitter | <Yarad/>
اسم این پروژه Claude Code Templates هست و مجموعهای از ابزارها و تنظیمات آماده رو در یک مخزن جمعآوری کرده:
- ابزار Agents: برای ساخت Agentهای تخصصی با وظایف مشخص
- ابزار Skills: برای اضافه کردن تواناییها و گردشکارهای جدید
- ابزار Hooks: برای اجرای خودکار دستورها در زمان رویدادهای مختلف
- ابزار MCP: برای اتصال Claude به ابزارها و سرویسهای خارجی
- ابزار Commands: برای تعریف دستورهای آماده و قابل استفاده مجدد
مثلاً میخوای Claude بهصورت خودکار کدها رو بررسی کنه، پروژه رو تست کنه یا مستندات بنویسه؟
کافیه کامپوننت مناسب رو از مجموعه پیدا کنی و نصبش کنی؛ لازم نیست همهچیز رو از صفر بسازی.
اما امکانات پروژه به همینجا ختم نمیشه!
باهاش میتونی Sessionهای Claude Code رو هم مدیریت و با دیگران به اشتراک بذاری.
در واقع، این ابزار یک مرکز جامع برای پیدا کردن، نصب و مدیریت قابلیتهای مختلف Claude Code محسوب میشه.
لینک پروژه در GitHub:
https://github.com/davila7/claude-code-templates
@DevTwitter | <Yarad/>
❤20🍌9👎1
#کدبوک
یک راهنمای عمیق برای شناخت معماری امنیتی اندروید و سازوکارهای محافظتی آن:
- بررسی معماری امنیتی اندروید، از کرنل لینوکس تا لایه اپلیکیشن
- آشنایی با مفاهیمی مثل Sandbox، Permission، SELinux و مدیریت دسترسیها
- تحلیل مکانیزمهای رمزنگاری، احراز هویت و حفاظت از دادهها
- مناسب برای متخصصان امنیت، توسعهدهندگان اندروید و علاقهمندان به مهندسی معکوس
* فایل PDF این کتاب رو میتونید از کانال DevBooks که لینکش این زیر هست دانلود کنید.
DevBooks: https://t.me/+kUnIvAQ3HWgwYjk8
@DevTwitter
یک راهنمای عمیق برای شناخت معماری امنیتی اندروید و سازوکارهای محافظتی آن:
- بررسی معماری امنیتی اندروید، از کرنل لینوکس تا لایه اپلیکیشن
- آشنایی با مفاهیمی مثل Sandbox، Permission، SELinux و مدیریت دسترسیها
- تحلیل مکانیزمهای رمزنگاری، احراز هویت و حفاظت از دادهها
- مناسب برای متخصصان امنیت، توسعهدهندگان اندروید و علاقهمندان به مهندسی معکوس
* فایل PDF این کتاب رو میتونید از کانال DevBooks که لینکش این زیر هست دانلود کنید.
DevBooks: https://t.me/+kUnIvAQ3HWgwYjk8
@DevTwitter
❤13🔥1🍌1
مدل Qwen4-Max رسما معرفی شد
علیبابا از مدل هوش مصنوعی Qwen4-Max رونمایی کرد، مدلی با معماری MoE، که برای انجام وظایف حرفهای، تولید محتوای خلاقانه و پژوهشهای علمی توسعه یافته است.
به گفته علیبابا، مدل Qwen4-Max در ارزیابیهای داخلی این شرکت، در مقایسه با Qwen3.8-Max با مصرف حدود ۵۰ درصد توکن کمتر عملکرد بهتری دارد. همچنین میانگین هزینه انجام وظایف با این مدل بیش از ۶۰ درصد کاهش یافته است.
این مدل در انجام وظایف طولانیمدت، کار با ابزارهای حرفهای و تولید خروجیهای باکیفیتتر پیشرفت کرده و میتواند در حوزههایی مانند مدلسازی سه بعدی، توسعه بازی، تولید صنعتی، امور مالی، حقوق، سلامت و پژوهشهای علمی پیشرفته به کار گرفته شود.
قیمت API مدل Qwen4-Max (بهازای هر یک میلیون توکن):
توکن ورودی: ۱ دلار و ۵۰ سنت
توکن خروجی: ۴ دلار و ۵۰ سنت
@DevTwitter | <MohammadMSFT/>
علیبابا از مدل هوش مصنوعی Qwen4-Max رونمایی کرد، مدلی با معماری MoE، که برای انجام وظایف حرفهای، تولید محتوای خلاقانه و پژوهشهای علمی توسعه یافته است.
به گفته علیبابا، مدل Qwen4-Max در ارزیابیهای داخلی این شرکت، در مقایسه با Qwen3.8-Max با مصرف حدود ۵۰ درصد توکن کمتر عملکرد بهتری دارد. همچنین میانگین هزینه انجام وظایف با این مدل بیش از ۶۰ درصد کاهش یافته است.
این مدل در انجام وظایف طولانیمدت، کار با ابزارهای حرفهای و تولید خروجیهای باکیفیتتر پیشرفت کرده و میتواند در حوزههایی مانند مدلسازی سه بعدی، توسعه بازی، تولید صنعتی، امور مالی، حقوق، سلامت و پژوهشهای علمی پیشرفته به کار گرفته شود.
قیمت API مدل Qwen4-Max (بهازای هر یک میلیون توکن):
توکن ورودی: ۱ دلار و ۵۰ سنت
توکن خروجی: ۴ دلار و ۵۰ سنت
@DevTwitter | <MohammadMSFT/>
❤15🔥4👎3
Forwarded from Unlim
مسیر بـکانـد با جــنـگـو🚀
میخوای برنـامهنـویس بـکانـد بـشی؟
با دوره جــنـگـو از صـفر تا انتشـار پـروژه واقـعی، مسـیرت رو شـروع کن!
👨💻 خودآمـوز و پـروژهمـحور
💻ساخت وبسـایت و API با پایتـون
🖥 انتشـار پروژه روی سـرور
💳 پـرداخت در ۴ قـسط با اسـنپپی
🔗مشاهده جزئیات و تهیه دوره
🔗مشاهده جزئیات و تهیه دوره
از طـریق لینـک بالا وارد سایـت آنـلیم شو و دوره رو تهـیه کن🤩
میخوای برنـامهنـویس بـکانـد بـشی؟
با دوره جــنـگـو از صـفر تا انتشـار پـروژه واقـعی، مسـیرت رو شـروع کن!
👨💻 خودآمـوز و پـروژهمـحور
💻ساخت وبسـایت و API با پایتـون
🖥 انتشـار پروژه روی سـرور
💳 پـرداخت در ۴ قـسط با اسـنپپی
🔗مشاهده جزئیات و تهیه دوره
🔗مشاهده جزئیات و تهیه دوره
از طـریق لینـک بالا وارد سایـت آنـلیم شو و دوره رو تهـیه کن🤩
🍌22❤3👎2
اجرای محلی ایجنتهای کدنویسی روی لپتاپ فقط برای دموهای کوتاه جواب میدهد. در کارهای واقعی مهندسی که اجرای تستها تا یک ساعت طول میکشد، بستن لپتاپ یا قطع وایفای کل روند را از بین میبرد، سیستم درگیر کمبود رم میشود و دسترسی کامل shell به کلیدهای SSH روی سیستم شخصی ریسک امنیتی بالایی دارد.
در پست جدید newsletter، تجربه مهندسی PostHog در انتقال ایجنتها به رانتایم ابری را بررسی کردهام. محور اصلی این معماری تفکیک لایه کنترل پایدار (با ابزارهایی مثل Temporal) از محیط اجرای موقت (میکرو ویامهای Modal) است تا اگر سرور در جریان دیپلوی ریاستارت شد، وضعیت تسک بدون از دست رفتن داده روی ورکر جدید ادامه پیدا کند.
چند تصمیم فنی مهم در این سیستم:
• استفاده از MicroVM به جای gVisor برای پشتیبانی کامل از داکر و اجرای تستهای یکپارچهسازی با دیتابیس
• بالا آوردن آنی sandbox با استفاده از اسنپشاتهای فایلسیستم و آمادهسازی محیط به محض تایپ کاربر
• محدودسازی ترافیک خروجی در سطح کرنل و مسدودسازی آدرسهای متادیتا برای مهار ریسکهای امنیتی
• پاکسازی خودکار پروسههای یتیم پسزمینه با مدیریت pgid و تمدید خودکار توکنهای گیتهاب وسط تسکهای طولانی
جزئیات فنی، دیاگرام معماری و نمونه کد پایتون پیادهسازی را در ساباستک بخوانید:
https://mlnotes.substack.com/p/stop-killing-your-agents-how-to-move
@DevTwitter | <Mehdi Allahyari/>
در پست جدید newsletter، تجربه مهندسی PostHog در انتقال ایجنتها به رانتایم ابری را بررسی کردهام. محور اصلی این معماری تفکیک لایه کنترل پایدار (با ابزارهایی مثل Temporal) از محیط اجرای موقت (میکرو ویامهای Modal) است تا اگر سرور در جریان دیپلوی ریاستارت شد، وضعیت تسک بدون از دست رفتن داده روی ورکر جدید ادامه پیدا کند.
چند تصمیم فنی مهم در این سیستم:
• استفاده از MicroVM به جای gVisor برای پشتیبانی کامل از داکر و اجرای تستهای یکپارچهسازی با دیتابیس
• بالا آوردن آنی sandbox با استفاده از اسنپشاتهای فایلسیستم و آمادهسازی محیط به محض تایپ کاربر
• محدودسازی ترافیک خروجی در سطح کرنل و مسدودسازی آدرسهای متادیتا برای مهار ریسکهای امنیتی
• پاکسازی خودکار پروسههای یتیم پسزمینه با مدیریت pgid و تمدید خودکار توکنهای گیتهاب وسط تسکهای طولانی
جزئیات فنی، دیاگرام معماری و نمونه کد پایتون پیادهسازی را در ساباستک بخوانید:
https://mlnotes.substack.com/p/stop-killing-your-agents-how-to-move
@DevTwitter | <Mehdi Allahyari/>
🍌11❤5👍4
یکی از بزرگترین نگرانیها هنگام ساخت وبسایت با Claude Code اینه که در نهایت با مجموعهای از کامپوننتهای تکراری و کاملاً معمولی روبهرو بشی!
تیم Magic UI برای حل این مشکل یک MCP Server رسمی ساخته که به Claude امکان میده مستقیماً در کتابخانه کامپوننتهای این مجموعه جستوجو کنه.
بعد از نصب، Claude میتونه کامپوننتهای آماده و انیمیشنی رو پیدا کنه و از کد واقعی اونها در پروژه استفاده کنه.
مثلاً کافیه ازش بخوای:
- یک Logo Marquee برای نمایش لوگوی مشتریها بسازه.
- یک انیمیشن Text Fade به تیتر صفحه اضافه کنه.
- برای پسزمینه یک بخش از سایت، Grid Background قرار بده.
این MCP سه ابزار اصلی در اختیار Claude قرار میده:
- listRegistryItems: نمایش و مرور کامپوننتهای موجود
- searchRegistryItems: جستوجو بین کامپوننتها بر اساس کلمات کلیدی
- getRegistryItem: دریافت اطلاعات، کد و دستور نصب کامپوننت انتخابشده
روش نصب برای Claude Code:
کافیه دستور زیر رو در ترمینال اجرا کنی:
بعد از نصب، Claude Code رو Restart کن تا MCP در دسترس قرار بگیره.
اگر نصب خودکار جواب نداد، میتونی تنظیمات رو بهصورت دستی به فایل MCP اضافه کنی:
نکته مهم اینه که این ابزار فقط یک مجموعه کد آماده نیست؛ به Claude امکان میده در Registry کامپوننتها جستوجو کنه و بر اساس نیاز پروژه، گزینه مناسب رو پیدا کنه.
لینک پروژه در GitHub:
https://github.com/magicuidesign/mcp
مستندات رسمی نصب و راهاندازی:
https://magicui.design/docs/mcp
@DevTwitter | <Yarad/>
تیم Magic UI برای حل این مشکل یک MCP Server رسمی ساخته که به Claude امکان میده مستقیماً در کتابخانه کامپوننتهای این مجموعه جستوجو کنه.
بعد از نصب، Claude میتونه کامپوننتهای آماده و انیمیشنی رو پیدا کنه و از کد واقعی اونها در پروژه استفاده کنه.
مثلاً کافیه ازش بخوای:
- یک Logo Marquee برای نمایش لوگوی مشتریها بسازه.
- یک انیمیشن Text Fade به تیتر صفحه اضافه کنه.
- برای پسزمینه یک بخش از سایت، Grid Background قرار بده.
این MCP سه ابزار اصلی در اختیار Claude قرار میده:
- listRegistryItems: نمایش و مرور کامپوننتهای موجود
- searchRegistryItems: جستوجو بین کامپوننتها بر اساس کلمات کلیدی
- getRegistryItem: دریافت اطلاعات، کد و دستور نصب کامپوننت انتخابشده
روش نصب برای Claude Code:
کافیه دستور زیر رو در ترمینال اجرا کنی:
npx @magicuidesign/cli@latest install claudeبعد از نصب، Claude Code رو Restart کن تا MCP در دسترس قرار بگیره.
اگر نصب خودکار جواب نداد، میتونی تنظیمات رو بهصورت دستی به فایل MCP اضافه کنی:
{
"mcpServers": {
"magicuidesign-mcp": {
"command": "npx",
"args": ["-y", "@magicuidesign/mcp@latest"]
}
}
}نکته مهم اینه که این ابزار فقط یک مجموعه کد آماده نیست؛ به Claude امکان میده در Registry کامپوننتها جستوجو کنه و بر اساس نیاز پروژه، گزینه مناسب رو پیدا کنه.
لینک پروژه در GitHub:
https://github.com/magicuidesign/mcp
مستندات رسمی نصب و راهاندازی:
https://magicui.design/docs/mcp
@DevTwitter | <Yarad/>
👎9❤6🍌4
Forwarded from DevTwitter Ads.
✈️ شاید مشکل رزومهات نیست؛ شاید فقط داری مسیر اشتباهی رو انتخاب میکنی!
برای تحصیل در کانادا یا اروپا چقدر پول لازمه؟ اصلاً با شرایط فعلی تو کدوم کشور شانس بیشتری داری؟
قرار نیست این بار فقط چندتا توصیه کلی بشنوی؛ قراره پای تجربه آدمهایی بشینی که خودشون این مسیر رو رفتن و از پشتصحنه مهاجرت تحصیلی برات بگن.
با حضور:
نیلوفر | دانشجوی دکتری فولفاند دانشگاه
لاوال🇨🇦
اتابک | فارغالتحصیل دانشگاه برلین🇩🇪
عرفان رحیمیزاده | مدیر ابرادین🇨🇦
🔍 بررسی هزینهها، شانس پذیرش، مسیر اپلای و حتی رزومه واقعی شرکتکنندهها!
📅 ۲۶ و ۲۹ آبان | ساعت ۲۰
💻 دو جلسه ۹۰ دقیقهای | کاملاً رایگان
ظرفیت بررسی رزومه محدوده؛ این فرصت رو از دست نده!
👇 ثبتنام و جزئیات:
https://abroadinfa.ir/webinars/best-or-cheapest/
برای تحصیل در کانادا یا اروپا چقدر پول لازمه؟ اصلاً با شرایط فعلی تو کدوم کشور شانس بیشتری داری؟
قرار نیست این بار فقط چندتا توصیه کلی بشنوی؛ قراره پای تجربه آدمهایی بشینی که خودشون این مسیر رو رفتن و از پشتصحنه مهاجرت تحصیلی برات بگن.
با حضور:
نیلوفر | دانشجوی دکتری فولفاند دانشگاه
لاوال🇨🇦
اتابک | فارغالتحصیل دانشگاه برلین🇩🇪
عرفان رحیمیزاده | مدیر ابرادین🇨🇦
🔍 بررسی هزینهها، شانس پذیرش، مسیر اپلای و حتی رزومه واقعی شرکتکنندهها!
📅 ۲۶ و ۲۹ آبان | ساعت ۲۰
💻 دو جلسه ۹۰ دقیقهای | کاملاً رایگان
ظرفیت بررسی رزومه محدوده؛ این فرصت رو از دست نده!
👇 ثبتنام و جزئیات:
https://abroadinfa.ir/webinars/best-or-cheapest/
🍌13❤4👎3
ترجمه فارسی کتاب Clean Code
این کتاب یکی از منابع پایه و اصلی مهندسی نرمافزار برای یادگیری اصول کدنویسی تمیز، ساخت توابع و کلاسهای استاندارد و نوشتن کدهای خوانا و قابل نگهداری است. ترجمه فارسی این کتاب رو روی گیتهاب گذاشتم:
https://github.com/hheydarian/clean-code-persian
@DevTwitter | <Hamed Heydarian/>
این کتاب یکی از منابع پایه و اصلی مهندسی نرمافزار برای یادگیری اصول کدنویسی تمیز، ساخت توابع و کلاسهای استاندارد و نوشتن کدهای خوانا و قابل نگهداری است. ترجمه فارسی این کتاب رو روی گیتهاب گذاشتم:
https://github.com/hheydarian/clean-code-persian
@DevTwitter | <Hamed Heydarian/>
❤34🍌14🔥7
سالهاست با PostgreSQL کار میکنم و هنوز هم بهترین دیتابیسی است که میشناسم. ولی هر وقت پروژهای آنقدر بزرگ میشد که یک سرور جوابش را نمیداد، باید از اول سراغ همان دردسرهای همیشگی میرفتم: داده را چطور بین چند سرور پخش کنم؟ چطور ثابت کنم کسی به دادهها دست نزده؟ و اینهمه سرور را از کجا مدیریت کنم؟
در KingresDB جواب من به همین سه سؤال است. همان PostgreSQL است، با سه قابلیت که داخل خودش آمده:
- داده بین چند سرور پخش میشود، بیآنکه لازم باشد برنامهتان را از نو بنویسید
- هر تغییری ثبت و زنجیره میشود، طوری که اگر کسی تاریخچه را دستکاری کند معلوم میشود
- کل کلاستر از یک پنل تحت وب مدیریت میشود
این پروژه متنباز است و آن را در سطح بینالمللی، برای همهٔ کسانی که با PostgreSQL کار میکنند، توسعه میدهم. فعلاً روی نسخههای ۱۸ و ۱۹ کار میکنم تا به نسخهٔ بتا برسد.
در این مقاله نوشتهام که چرا سراغ ساختنش رفتم و چطور کار میکند. اگر نظری، نقدی یا پیشنهادی دارید، خوشحال میشوم بشنوم.
https://github.com/KingresDB/Kingres
https://www.linkedin.com/pulse/why-i-built-kingresdb-mohammad-rasoul-kazemi-c0fee/
@DevTwitter | <Mohammad Rasoul Kazemi/>
در KingresDB جواب من به همین سه سؤال است. همان PostgreSQL است، با سه قابلیت که داخل خودش آمده:
- داده بین چند سرور پخش میشود، بیآنکه لازم باشد برنامهتان را از نو بنویسید
- هر تغییری ثبت و زنجیره میشود، طوری که اگر کسی تاریخچه را دستکاری کند معلوم میشود
- کل کلاستر از یک پنل تحت وب مدیریت میشود
این پروژه متنباز است و آن را در سطح بینالمللی، برای همهٔ کسانی که با PostgreSQL کار میکنند، توسعه میدهم. فعلاً روی نسخههای ۱۸ و ۱۹ کار میکنم تا به نسخهٔ بتا برسد.
در این مقاله نوشتهام که چرا سراغ ساختنش رفتم و چطور کار میکند. اگر نظری، نقدی یا پیشنهادی دارید، خوشحال میشوم بشنوم.
https://github.com/KingresDB/Kingres
https://www.linkedin.com/pulse/why-i-built-kingresdb-mohammad-rasoul-kazemi-c0fee/
@DevTwitter | <Mohammad Rasoul Kazemi/>
❤38🍌14👍4
Please open Telegram to view this post
VIEW IN TELEGRAM
👍26👎3🍌2
چطور با چند خط کد پایتون، یک MCP بسازیم؟!
ابزار FastMCP یک فریمورک متن باز و مبتنی بر پایتون هست که فرآیند ساخت MCP Server و MCP Client رو خیلی ساده تر کرده. یعنی فقط با چند خط کد پایتونی میتونید MCP اختصاصی خودتون رو بسازید و در اختیار ایجنت های هوش مصنوعی قرار بدید.
مثلا میتونید برای CRM, Jira, Figma و ... چندین MCP و اونم فقط با زبان پایتون بسازید که فرایند توسعه و ساخت ایجنت های هوش مصنوعی رو خیلی راحت تر کرده.
لینک دسترسی:
https://github.com/PrefectHQ/fastmcp
@DevTwitter | <Ali Nazarizadeh/>
ابزار FastMCP یک فریمورک متن باز و مبتنی بر پایتون هست که فرآیند ساخت MCP Server و MCP Client رو خیلی ساده تر کرده. یعنی فقط با چند خط کد پایتونی میتونید MCP اختصاصی خودتون رو بسازید و در اختیار ایجنت های هوش مصنوعی قرار بدید.
مثلا میتونید برای CRM, Jira, Figma و ... چندین MCP و اونم فقط با زبان پایتون بسازید که فرایند توسعه و ساخت ایجنت های هوش مصنوعی رو خیلی راحت تر کرده.
لینک دسترسی:
https://github.com/PrefectHQ/fastmcp
@DevTwitter | <Ali Nazarizadeh/>
🍌15👍8👎2
#کدبوک
راهنمایی کاربردی برای یادگیری برنامهنویسی همزمان و غیرمسدودکننده در Python با استفاده از asyncio:
- آشنایی با مفاهیم Async/Await و Event Loop
- آموزش اجرای همزمان وظایف و مدیریت عملیات I/O
- کار با Coroutine، Task و مدیریت خطا در برنامههای Async
- مناسب برای توسعهدهندههایی که میخوان اپلیکیشنهای شبکهای و سرویسهای پرترافیک با Python بسازن
* فایل PDF این کتاب رو میتونید از کانال DevBooks که لینکش این زیر هست دانلود کنید.
DevBooks: https://t.me/+kUnIvAQ3HWgwYjk8
@DevTwitter
راهنمایی کاربردی برای یادگیری برنامهنویسی همزمان و غیرمسدودکننده در Python با استفاده از asyncio:
- آشنایی با مفاهیم Async/Await و Event Loop
- آموزش اجرای همزمان وظایف و مدیریت عملیات I/O
- کار با Coroutine، Task و مدیریت خطا در برنامههای Async
- مناسب برای توسعهدهندههایی که میخوان اپلیکیشنهای شبکهای و سرویسهای پرترافیک با Python بسازن
* فایل PDF این کتاب رو میتونید از کانال DevBooks که لینکش این زیر هست دانلود کنید.
DevBooks: https://t.me/+kUnIvAQ3HWgwYjk8
@DevTwitter
❤13👎1🍌1
یه ابزار رایگان تو گیتهاب اومده که فقط ایدهی ویدیو رو بهش میگی و هوش مصنوعی Claude خودش سناریو مینویسه، صحنهها رو میسازه، صدا میذاره و ویدیوی آماده تحویلت میده. تو دو هفته ۲۵۰۰ نفر بهش ستاره (لایک) دادن.
https://github.com/sarpstar/cinecode
اسمش cinecode (سینهکد) ـه و تو گیتهاب، سایتی که برنامهنویسها برنامههاشون رو مجانی میذارن، منتشر شده. از یه کلیپ ۱۵ ثانیهای تا ویدیوی ۱۰ دقیقهای و بیشتر میسازه: ریلز، تبلیغ محصول، ویدیوی آموزشی، موزیکویدیو و ویدیوی بلند یوتیوب.
ویدیوهای تا حدود ۳ دقیقه رو یکباره میسازه؛ بلندترها رو مرحلهبهمرحله و هر مرحله با تأیید خودت.
گوینده هم اختیاریه: اگه بخوای، با حساب خودت تو Gemini (هوش مصنوعی گوگل که یه مقدار استفادهی رایگان داره) یا ElevenLabs (سایت ساخت صدا) صدای گوینده میذاره.
قدم اول: برنامهی Claude رو از https://claude.ai/download روی کامپیوترت نصب کن و توش برو به قسمت Code.
قدم دوم: این جمله رو اونجا بنویس تا Claude خودش سینهکد رو نصب کنه:
قدم سوم: یه چت تازه باز کن و ایدهت رو بنویس، مثلاً «یه ویدیوی ۳۰ ثانیهای برای معرفی کافهی من بساز». هر جا چیزی رو ندونه، خودش ازت میپرسه و آخرش فایل ویدیو (MP4) تحویلت میده.
هزینهش: خود ابزار رایگانه، ولی بخش Code برنامهی Claude با اشتراک پولی Claude کار میکنه. هر چی ویدیو بلندتر باشه، وقت بیشتری میبره و سهمیهی بیشتری از اشتراکت مصرف میکنه.
@DevTwitter | <Arash/>
https://github.com/sarpstar/cinecode
اسمش cinecode (سینهکد) ـه و تو گیتهاب، سایتی که برنامهنویسها برنامههاشون رو مجانی میذارن، منتشر شده. از یه کلیپ ۱۵ ثانیهای تا ویدیوی ۱۰ دقیقهای و بیشتر میسازه: ریلز، تبلیغ محصول، ویدیوی آموزشی، موزیکویدیو و ویدیوی بلند یوتیوب.
ویدیوهای تا حدود ۳ دقیقه رو یکباره میسازه؛ بلندترها رو مرحلهبهمرحله و هر مرحله با تأیید خودت.
گوینده هم اختیاریه: اگه بخوای، با حساب خودت تو Gemini (هوش مصنوعی گوگل که یه مقدار استفادهی رایگان داره) یا ElevenLabs (سایت ساخت صدا) صدای گوینده میذاره.
قدم اول: برنامهی Claude رو از https://claude.ai/download روی کامپیوترت نصب کن و توش برو به قسمت Code.
قدم دوم: این جمله رو اونجا بنویس تا Claude خودش سینهکد رو نصب کنه:
Install the cinecode skill from https://github.com/sarpstar/cinecodeقدم سوم: یه چت تازه باز کن و ایدهت رو بنویس، مثلاً «یه ویدیوی ۳۰ ثانیهای برای معرفی کافهی من بساز». هر جا چیزی رو ندونه، خودش ازت میپرسه و آخرش فایل ویدیو (MP4) تحویلت میده.
هزینهش: خود ابزار رایگانه، ولی بخش Code برنامهی Claude با اشتراک پولی Claude کار میکنه. هر چی ویدیو بلندتر باشه، وقت بیشتری میبره و سهمیهی بیشتری از اشتراکت مصرف میکنه.
@DevTwitter | <Arash/>
🍌19👍8🔥2
یه پروژه جالب از تیم shadcn که به نظرم ارزش بررسی داره!
پروژه UI SDK با هدف سادهتر و استانداردتر کردن ساخت رابط کاربری با کمک AI Agentها توسعه داده شده.
وقتی از یک Agent میخوایم کامپوننتی مثل Dropdown، Dialog یا Combobox بسازه، موضوع فقط ظاهر کامپوننت نیست. هرکدوم از این عناصر رفتارهای مشخصی دارن؛ مثلاً نحوه حرکت بین گزینهها با کیبورد، مدیریت Focus، باز و بسته شدن و رعایت استانداردهای Accessibility.
معمولاً Agent باید بخش زیادی از این منطق رو خودش پیادهسازی کنه و همین موضوع میتونه باعث ایجاد رفتارهای ناقص یا غیراستاندارد بشه.در UI SDK این رفتارها بهصورت آماده در اختیار توسعهدهنده و Agent قرار گرفتهاند.
این پروژه بیش از ۵۰ رفتار مستقل و بیش از ۵۰ کامپوننت آماده داره. نکته جالبش هم اینه که فقط به React محدود نیست و از فریمورکهایی مثل Vue، Svelte و Solid هم پشتیبانی میکنه.
از طرف دیگه، قابلیتهایی هم برای تعامل مستقیم Agent با رابط کاربری در نظر گرفته شده؛ یعنی Agent میتونه ساختار UI رو بخونه و با اجزای اون تعامل داشته باشه.
به نظرم یکی از بخشهای جالب در مسیر توسعه ابزارهای هوش مصنوعی، همین تغییره؛ اینکه بهجای تمرکز صرف بر تولید کد، زیرساختهایی ساخته بشن که خروجی Agentها از نظر رفتار، تعامل و استانداردهای فرانتاند قابلاعتمادتر باشه.
مستندات و مشاهده کامپوننتها:
https://ui-sdk.dev/docs/react/components
@DevTwitter | <Zeinab Anvari/>
پروژه UI SDK با هدف سادهتر و استانداردتر کردن ساخت رابط کاربری با کمک AI Agentها توسعه داده شده.
وقتی از یک Agent میخوایم کامپوننتی مثل Dropdown، Dialog یا Combobox بسازه، موضوع فقط ظاهر کامپوننت نیست. هرکدوم از این عناصر رفتارهای مشخصی دارن؛ مثلاً نحوه حرکت بین گزینهها با کیبورد، مدیریت Focus، باز و بسته شدن و رعایت استانداردهای Accessibility.
معمولاً Agent باید بخش زیادی از این منطق رو خودش پیادهسازی کنه و همین موضوع میتونه باعث ایجاد رفتارهای ناقص یا غیراستاندارد بشه.در UI SDK این رفتارها بهصورت آماده در اختیار توسعهدهنده و Agent قرار گرفتهاند.
این پروژه بیش از ۵۰ رفتار مستقل و بیش از ۵۰ کامپوننت آماده داره. نکته جالبش هم اینه که فقط به React محدود نیست و از فریمورکهایی مثل Vue، Svelte و Solid هم پشتیبانی میکنه.
از طرف دیگه، قابلیتهایی هم برای تعامل مستقیم Agent با رابط کاربری در نظر گرفته شده؛ یعنی Agent میتونه ساختار UI رو بخونه و با اجزای اون تعامل داشته باشه.
به نظرم یکی از بخشهای جالب در مسیر توسعه ابزارهای هوش مصنوعی، همین تغییره؛ اینکه بهجای تمرکز صرف بر تولید کد، زیرساختهایی ساخته بشن که خروجی Agentها از نظر رفتار، تعامل و استانداردهای فرانتاند قابلاعتمادتر باشه.
مستندات و مشاهده کامپوننتها:
https://ui-sdk.dev/docs/react/components
@DevTwitter | <Zeinab Anvari/>
👍14🍌6👎2
کش یک محصول پرفروش منقضی میشه؛ صد درخواست همزمان میرسه.
قرار بود کش فشار دیتابیس رو کم کنه، ولی حالا همه دارن همون داده رو میخونن
این همون Cache Stampede است: چند درخواست یک داده رو توی کش پیدا نمیکنن و همزمان سراغ منبع اصلی میرن.
یک راهکار: درخواستهای همزمانِ همان کلید رو ادغام کنیم؛ Request Coalescing یا Singleflight.
اولی داده رو میگیره، بقیه بهجای اجرای دوباره همان کار، منتظر نتیجه مشترک میمونن. بعد هم کش پر میشه.
نکته مهم: محدوده هماهنگی رو فراموش نکنیم. اگر این سازوکار فقط داخل هر پردازش باشه، ده پردازش میتونن هنوز ده واکشی همزمان داشته باشن؛ نه لزوماً یکی در کل سیستم.
تمرین ساده: کش یک کلید رو خالی کن، همزمان صد درخواست بفرست و تعداد مراجعه به دیتابیس رو بشمار. فقط سریع بودن جوابها رو نسنج؛ ببین چند بار کار تکراری انجام شده.
کش خوب فقط پاسخ آماده نداره؛ برای لحظهای که پاسخ آماده نیست هم برنامه داره.
منبع: Amazon Builders’ Library، Caching challenges and strategies
https://builder.aws.com/content/3K9TeXp6strMiJ4vhakpRD7BQWO/caching-challenges-and-strategies
@DevTwitter | <Seyed Amirreza Ardebili/>
قرار بود کش فشار دیتابیس رو کم کنه، ولی حالا همه دارن همون داده رو میخونن
این همون Cache Stampede است: چند درخواست یک داده رو توی کش پیدا نمیکنن و همزمان سراغ منبع اصلی میرن.
یک راهکار: درخواستهای همزمانِ همان کلید رو ادغام کنیم؛ Request Coalescing یا Singleflight.
اولی داده رو میگیره، بقیه بهجای اجرای دوباره همان کار، منتظر نتیجه مشترک میمونن. بعد هم کش پر میشه.
نکته مهم: محدوده هماهنگی رو فراموش نکنیم. اگر این سازوکار فقط داخل هر پردازش باشه، ده پردازش میتونن هنوز ده واکشی همزمان داشته باشن؛ نه لزوماً یکی در کل سیستم.
تمرین ساده: کش یک کلید رو خالی کن، همزمان صد درخواست بفرست و تعداد مراجعه به دیتابیس رو بشمار. فقط سریع بودن جوابها رو نسنج؛ ببین چند بار کار تکراری انجام شده.
کش خوب فقط پاسخ آماده نداره؛ برای لحظهای که پاسخ آماده نیست هم برنامه داره.
منبع: Amazon Builders’ Library، Caching challenges and strategies
https://builder.aws.com/content/3K9TeXp6strMiJ4vhakpRD7BQWO/caching-challenges-and-strategies
@DevTwitter | <Seyed Amirreza Ardebili/>
❤14🍌3👎2