خیلی دلم میخواد توی این پارسر پایتونی که نوشتم کل ast رو عوض کنم به جای اینکه درخت باشه یه آرایه درست کنم و با اندیس parent/child رو به هم وصل کنم ببینم چقدر سرعتش بهتر میشه ولی اصلا وقت نمیشه

@DevTwitter | <Shaygan/>

شروع پروژه متن‌باز Shop Center

دارم روی بک‌اند یه فروشگاه بزرگ با NestJS کار می‌کنم که قراره ویژگی‌های جذاب و مقیاس‌پذیر داشته باشه. پروژه کاملا متن‌بازه و منتظر پیشنهادها و مشارکت‌های شما هستم!

گیت‌هاب:
https://github.com/AliDeWeb/Shop-Center

@DevTwitter | <Ali Moradi/>

سیستم‌های هوش مصنوعی داده‌های تمیز و ساختارمند رو می‌خواد، اما آماده‌سازیش سخته.

ابزار FireCrawl این کار رو آسون می‌کنه! یه ابزار متن‌باز برای کراول و تبدیل وب‌سایت به فرمت‌های آماده مثل Markdown و HTML، با قابلیت مدیریت پروکسی، ضدربات و محتوای داینامیک.

https://github.com/mendableai/firecrawl

@DevTwitter | <Reza Jafari/>

وقتی سرور لینوکسی آلوده می‌شود رویه استاندارد امحا کامل و جایگزینی با یک سیستم تمیز جدید است، ولی خب نیاز است که شما حمله‌ها را شناسایی و یا نحوه Compromise شدن را شناسایی کنید تا خود را ایمن نگه دارید. یک منبع خوب مرتبط با این مباحث:

https://github.com/cr0nx/awesome-linux-attack-forensics-purplelabs

@DevTwitter | <Vahid Nameni/>

خبر خوب برای برنامه نویس‌ها: گیت‌هاب Copilot رایگان شد!

از حالا میتونین در VS Code از هوش مصنوعی گیتهاب کوپایلوت به صورت رایگان استفاده کنین و به صورت مستقیم از ChatGPT و Claude در IDE استفاده کنید.

نسخه پولی کوپایلوت هم میارزید، چه برسه به مجانی!

@DevTwitter | <Farokh/>

دیروز شرکت OpenAI از مدل O3 رونمایی کرد. نکته شگفت‌انگیز ماجرا این بود که این مدل تونسته بنج‌مارک ARC AGI رو با دقت 87% پاس کنه!
این در حالیه که سال‌ها طول کشید تا مدل‌ها سر این بنچ‌مارک به دقت 5% برسن و تا همین اواخر هم زیر 50% بودن!

@DevTwitter | <Shahriar Shariati/>

امروز یه کار خیلی باحال کردم

اومدم یه Agent درست کردم که Evaluationهای LLM-as-a-Judge رو انجام بده وقتی Agent اصلی کارش تموم شد.

برای اینکه inovkeاش کنم اومدم انداختمش روی Background Taskهای FastAPI

وقتی استریم جواب Agent اصلی تموم شد این ران میشه!

خودم خیلی خوشم اومد.

@DevTwitter | <Von Datawarehausen/>

واقعا برنامه نویس بودن تو ایران ،یه مسیر شغلی کاملا مسخره است.
یوتیوب فیلتره ، سایت های آموزشی تحریم هستیم. پرداخت ارزی به سختی اتفاق میوفته و غیره.

در هر صورت خواستم بگم Github Copilot
به صورت رایگان در دسترس هست. اما تحریم هستیم.
https://aka.ms/vscode-activatecopilotfree
https://code.visualstudio.com/docs/copilot/setup-simplified

@DevTwitter | <پوریای اصلی قدیمی/>

اگر بلد نیستید رزومه و کاور لتر و مقاله هاتون رو با لاتکس ترتمیز تر و باکلاس تر :) بنویسید، اینجا یک سری آموزش براش هست:
https://github.com/guanyingc/latex_paper_writing_tips

@DevTwitter | <Shana/>

اگه ردیس بدون پسورد دارید، احتمالا باید نگران باشید!

https://redrays.io/blog/redis-cve-2024-31449-how-to-reproduce-and-mitigate-the-vulnerability/

@DevTwitter | <Hosein Ghasemi/>

اگر نیاز دارید و یا دنبال طراحی و develop کردن AI Agent ها هستید حتما بلاگ جدید Anthropic با عنوان "ساخت ایجنت‌های مؤثر با مدل‌های زبانی بزرگ (LLM)" را بخونید.
اگه فقط بخوام تو یک جمله مقاله را خلاصه کنم تاکیدش روی سادگی طراحی و پیاده سازی هست.
نکته کلیدی؟ موفق‌ترین سیستم‌ها روی سادگی و الگوهای ترکیبی تمرکز دارند. یک کم بیشتر بازش کنم:

ایجنت‌ها چیستند؟
ایجنت‌ها سیستم‌هایی هستند که ابزارها و وظایف را به صورت پویا و انعطاف‌پذیر مدیریت می‌کنند.
آن‌ها با گردش‌کارهایی که از مسیرهای کد از پیش تعریف‌شده پیروی می‌کنند (predefined workflows)، متفاوت‌اند.
کی از ایجنت‌ها استفاده کنیم؟
- اول با روش‌های ساده شروع کنید! اکثر کاربردها با یک فراخوانی LLM و نمونه‌های داخل متنی(in-context examples) حل می‌شوند.
- برای وظایف قابل پیش‌بینی از workflow استفاده کنید.
- وقتی نیاز به تصمیم‌گیری در مقیاس بالا دارید، از ایجنت‌ها بهره ببرید (البته به هزینه و زمان توجه کنید).
فریمورک ها و اهمیت سادگی
فریمورک هایی مثل LangGraph، Amazon Bedrock، و Vellum توسعه را ساده می‌کنند، اما لایه‌های اضافی ممکن است باعث ابهام شوند.
از API مستقیم شروع کنید تا کنترل و شفافیت را حفظ کنید. فقط زمانی از فریمورک ها استفاده کنید که واقعاً ارزش افزوده داشته باشند.

سه اصل کلیدی برای موفقیت
1- طراحی ایجنت را ساده نگه دارید.
2- برنامه‌ریزی ایجنت را شفاف و قابل مشاهده کنید.
3- ابزارها را دقیق مستند و آزمایش کنید تا قابل اطمینان باشند.

نتیجه‌گیری؟
موفقیت در LLM به معنای پیچیدگی نیست، بلکه به معنای ایجاد سیستمی است که نیاز شما را برآورده کند.

لینک بلاگ:
https://anthropic.com/research/building-effective-agents

@DevTwitter | <Mehdi Allahyari/>

خب بلاخره فریم ورک Astro از nuxt توی استفاده پیشی گرفت در آینده ی نه چندان دور جای next رو هم میگیره!
2سال پیش این شرط رو بستم :)))))

@DevTwitter | <Soroush Moosapour/>

امسال شاید پر کاربردترین برنامه جدیدی که استفاده کردم github.com/atuinsh/atuin‎ بود که جایگزین تاریخچخ پیش فرض خط فرمانم شده، مخصوصا دستور atuin history list --cwd --human رو تو هر فولدری که یادم نیاد قبلا چه دستوراتی توش زدم میزنم و راحت دوباره ذهنم میاد روی خط اون پروژه :)

@DevTwitter | <Farid/>

برای یادگیری زبان Rust شاید این ریپو هم بدرد کسی خورد:
https://github.com/0ne-zero/easy_rust_fa

میتونه مقدمه‌ی خوبی باشه.

@DevTwitter | <Pouriya/>

تجربیاتی که از مسابقات برنامه‌نویسی با زبان php دارم:

۱. هیچوقت به ارور‌ها اعتماد نکن. خیلی جاها php به دلیل مهربونی زیاد بهت Error نمیده اما مشکل داری. (علی الخصوص نسخه‌های قبل از ۸)

۲. علامت $ رو روی کیبوردت ریمپ کن. تجربه خوبی از نرم‌افزار xremap دارم. اینطوری میتونی تنظیم کنی موقعی که برنامه‌نویسی می‌کنی هر جا روی کیبوردت 4 رو فشار بدی به جاش $ بنویسیه و هر وقت SHIFT + 4 رو فشار بدی 4 رو بنویسه. اینطوری سرعتت خیلی میره بالاتر. (لینکش رو در ادامه قرار خواهم داد)

۳. از پوینتر‌ها استفاده کن. پوینترها در زبان php بشدت پرسرعت هستند و خیلی از زبان‌های برنامه نویسی به گرد پای php هم نمی‌رسند.

۴. کمتر از آرایه‌ها استفاده کن. آرایه‌ها در زبان php یک ترکیبی از تمامی Data Structure های موجود در کره زمین هستند این باعث میشه سرعت توسعه‌ات بره بالا اما تو مسابقه سرعت الگوریتمت مهمه،‌ پس پیشنهاد‌ میکنم اگر تونستی ازش کمتر استفاده کن.

۵. حواست به function های built in زبان php باشه. این خیلی کمکت میکنه چون php بشدت function های بدرد بخور داره که تو مسابقه میتونن کمکت کنن. مثلا usort، array_shift، array_count_values و...

۶. زبان php رو دوست داشته باش. اگه دوستش داشته باشی خیلی‌جاها کمکت میکنه ولی اگه بخوای ساز مخالف بزنی و هی زبان‌های دیگه رو بزنی تو سرش، جیگرتو میسوزونه!

۷. اگر امکان انتخاب زبان‌های type safe رو داری، انتخابشون کن! مگه اینکه php یک ابزار خاصی بهت بده. (از دید یک مهندس و توسعه‌دهنده نرم‌افزار در شرایط برابر و خلع، همیشه حق با یک زبان type safe هستش - البته در دنیای حقیقی هیچوقت نه شرایط برابره و نه در خلع هستیم)


یکی از ویژگی‌های خوبی هم که داره اینه که میتونی تنظیم کنی این remap روی کدوم نرم افزار اجرا بشه. مثلا میتونی فقط روی vscode یا phpstorm پیاده اش کنی.
خلاصه اگر دکمه‌ای روی کیبوردت خراب بود،‌ چیزی از دم دستت دور بود، $ چیزی داشتی، ازش استفاده کن

اینم نرم افزار xremap:
https://github.com/xremap/xremap

@DevTwitter | <Ali Zeinodin/>

این لایبرری جالب هر ریپو گیتهاب را به یک تکست قابل فهم برای مدلهای LLM میکنه. با دو روش میتونید این کارو بکنید.
۱- حروف "hub" را با "ingest" توی آدرس گیتهاب عوض کنید.
۲- به این آدرس برید و لینک ریپو گیتهابتون را وارد کنید.
https://github.com/cyclotruc/giti

@DevTwitter | <Mehdi Allahyari/>

اگه میخواید توی لاراول یه نوتیفیکیشن توی یه بازه خاص فقط ارسال بشه میتونید از
withDelay
استفاده کنید.
برای مثال توی کد زیر ارسال پیامک فقط از ساعت 7 تا 21 انجام میشه.

@DevTwitter | <Bahram Sadin/>

#کوته_نیوز

رفع فیلتر واتساپ و گوگل پلی به دلیل سفیدی کون این دو پلتفرم.

اینستا و تلگرام هنوز وضعشون معلوم نیست.

@DevTwitter

پروژه Mini-Torch یه کتابخونه آموزشی باحاله که توسط دو فارغ‌التحصیل ریاضی از دانشگاه امیرکبیر و مک‌گیل ساخته شده. این کتابخونه که شبیه PyTorch طراحی شده، قراره فرآیندهای داخلی PyTorch رو به زبون ساده توضیح بده و کمک کنه متوجه بشیم پشت صحنه pytorch چی می‌گذره.

هدف اینه که اگه پروژه با استقبال خوبی مواجه بشه،  این کتابخونه توسعه پیدا کنه و برای هر بخش، ویدیوهای آموزشی درباره مباحث ریاضی و کدنویسیش تولید بشه تا تجربه یادگیری خوبی رو بتونه به شما بده. (زبانش هم گفته شده فارسی یا انگلیسی خواهد بود)

اگه دنبال چیزی باحال برای یادگیری عمیق‌تر هستید، پیشنهاد می‌کنیم حتماً یه سر بهش بزنین! فایل README کاملی دارن و برنامه اشون رو هم ذکر کردن.

https://github.com/omidiu/Mini-Torch

@DevTwitter | <Omid/>

دنبال یه برنامه سبک و تمیز بودم که کلیدهایی که روی کیبورد فشار میدم رو نمایش بده

رسیدم به KeyViz

https://github.com/mulaRahul/keyviz

قابلیت شخصی‌سازی زیادی داره. کراس پلتفرم هم هست.

@DevTwitter | <Ali Hashemian/>

ببینید اختلافِ سرعتِ GPU و CPU در یک مدلِ زبانیِ ۱.۵ میلیارد پارامتری چقدر زیاده. مدل‌هایِ بزرگتر این اختلاف بیشتره؛ طوری که حتی آفلود کردن چند لایه روی GPU تأثیرشو به وضوح در TPS و TTFT نشون می‌ده. TPS تعداد توکن‌های تولیدشده در ثانیه و TTFT مدت زمانِ تولیدِ اولین توکنه.

@DevTwitter | <Ayub Kokabi/>