اگه توی پایتون تشخیص اشیاء کار می‌کنید، احتمالاً یه جایی به Tracking نیاز پیدا می‌کنید؛ جایی که فقط اینکه این آبجکت کجاست؟ کافی نیست و باید بدونید این همون آبجکت قبلیه یا نه؟

کتابخونه Roboflow Trackers یه کتابخونه پایتون برای Multi-Object Tracking هستش که می‌تونه خروجی مدل‌هایی مثل YOLO رو بگیره و بین فریم‌های مختلف برای هر آبجکت ID ثابت نگه داره؛ مثلاً ماشین #12 یا Person #7 رو در طول ویدیو دنبال کنه.

داخلش الگوریتم‌های معروفی مثل ByteTrack، BoT-SORT، OC-SORT و SORT وجود داره و برای کارهایی مثل شمارش افراد و خودروها، Line Crossing، تحلیل مسیر حرکت، تخمین سرعت و Video Analytics خیلی کاربردیه:


github.com/roboflow/trackers


@Linuxiz

می‌دونستید خود هاگینگ فیس هم اسکیل داره؟
به Agent یاد می‌ده برای انجام یک کار تخصصی، دقیقاً چه مراحلی رو انجام بده، از چه ابزارهایی استفاده کنه و چه نکاتی رو رعایت کنه.

فرض کن به یه Coding Agent مثل Codex، Claude Code، Cursor یا Gemini CLI می‌گی:

می‌خوام Qwen رو روی دیتاست خودم Fine-tune کنم.

بدون Skill، Agent باید خودش از دانش عمومیش بفهمه:

چه کتابخونه‌ای لازمه
چه Training Method ای مناسبه
چه GPU ای لازمه
چه پارامترهایی باید تنظیم بشن
دیتاست چطوری آماده بشه
جاب رو چطوری روی Hugging Face اجرا کنه
چک پوینت کجا ذخیره بشن
مدل چطوری ارزیابی بشه
و...

ولی Skill میاد یه سری دستورالعمل تخصصی و قابل‌اجرا در اختیار Agent می‌ذاره:

github.com/huggingface/skills

@Linuxiz

این سایتم تمام ابزار ها و چیزای مربوط به وایب کدینگ رو جمع کرده یکجا :

vibecodes.net


@Linuxiz

یه مدل تصمیم گیر اوپن سورس شبیه به Jev اومده چند وجهیه یعنی عکس و فیلم هم می‌فهمه، سرعت حل کردن روبیکش رو ببینید:

نکته جالبش اینجاست خودش می‌فهمه کی نباید سریع جواب بده
فرض کن 100 تا سؤال داری لازم نیست برای هر 100 تا سؤال مدل رو مجبور کنی reasoning سنگین انجام بده. می‌تونی مثلاً بگی:

اگر System 1 حداقل 70% اطمینان داشت، همون جواب رو بده؛ اگر نه، بفرستش برای System 2.

طبق تستی که خودشون گزارش کردن، با threshold برابر 0.70:

حدود 70% سؤال‌ها سریع جواب داده شدن
این جواب‌ها حدود 0.11 ثانیه طول کشیدن accuracy کلی به 0.892 رسیده
در حالی که اگر فقط System 1 استفاده بشه accuracy برابر 0.792 بوده
و اگر برای همه reasoning انجام بشه 0.917 شده

huggingface.co/autotrust/JEV-27B-VL

@Linuxiz

ترب MCP هم آماده شد به مدل‌های هوش مصنوعی اجازه میده مستقیماً از داده‌های عمومی ترب برای جستجو و مقایسه محصولات استفاده کنن.

این دفعه اوپن سورس با لایسنس MIT کاملا رایگان و 14 تا ابزار برای سرچ محصول، مقایسه قیمت و فروشنده‌ها، بررسی تاریخچه قیمت، پیدا کردن بهترین گزینه با توجه به بودجه، بررسی فروشگاه‌ها، جست‌وجوی محصول با عکس، ترندهای ترب و تخفیف‌های روز

github.com/mmdju/torob-mcp


@Linuxiz

اینم سرو صدای زیادی کرده بود گفتم شما عزیزای دل ازش بی بهره نمونید برای ساخت pdf هستش با رابط کاربری زیبای ری‌اکتی و shadcn خیلی غنیه 10 تا تم داره 40 تا کامپوننت مختلف داره

تست آنلاین راهنما و دانلود:
pdfcn.dev/docs
سورس کد‌:

github.com/shadcn-labs/pdfcn

@Linuxiz

می‌تونید به بیشتر از 3000000 skill از سایت زیر دسترسی داشته باشید:
https://skillsmp.com/

@Linuxiz

دیشب این مقاله رو می‌خوندم.
نکات خوبی در رابطه با امنیت پروژه های Next.js گفته:

https://www.authgear.com/post/nextjs-security-best-practices/

@Linuxiz

این Taiga-S1 هم که جدید اومده یه مدل خیلی کوچیک با فقط 1.2 میلیون پارامتره که برای کنترل FreeCAD ساخته شده. یعنی هدفش اینه که به یه Agent کمک کنه داخل FreeCAD، مرحله‌به‌مرحله یه قطعه CAD بسازه مدل چتی نیست پس خیلی سریع تره و چون اختصاصیه دقیق تر هم هستش

گفته شده روی دیتای تمیزی آموزش داده شده و سرعت تصمیمش در حد 1 میلی ثانیس اونم تازه روی CPU و کارت گرافیک :

huggingface.co/shhivv/taiga-s1


@Linuxiz

امروزه اکثر برنامه ها نیاز به API هوش مصنوعی داره و خریدش برای ایرانیا دردسر داره، یه چیزی پیدا کردم برای ایرانیا خیلی خوبه با یه هزینه خیلی کم می‌تونید از همه مدل های هوش مصنوعی استفاده کنید تستش کردم واقعا سرعتش خوب بود یه بار کافیه پروفایلتون رو شارژ کنید (با هزینه خیلی کم 1 دلار میشه و با ریال هم می‌شه پرداخت کرد) و API رو دریافت کنید.

خوبیش اینه دیگه بدون تحریمه و سازگار با OpenAI هستش یعنی برنامه ها اصلا متوجه نمیشن شما از واسط استفاده می‌کنید و همچنین اکثر مدل های قوی مثل Opus-5.5 و Fable-5.1 هم داره:

sinoxapi.com

@Linuxiz

کلادفلر هم یه مدل داده بیرون برای رقابت با Jev و گفته از Jev بهتر عمل می‌کنه و سرعتش هم حدودا 200 میلی ثانیس که البته روی NVIDIA H200 تست شده و ستون اصلی مدل Qwen3.8-27B هستش که خودش سرو صدای زیادی کرده بود:

huggingface.co/Cloudflare/clef


@Linuxiz

واتساپ عادی 1 گیگ رم مصرف می‌کنه یه عده اومدن با زبان راست یه نسخه بهینه واتساپ رو به صورت اوپن سورس ساختن که کاملا نیتیو هست و مروگر داخلی نداره، ذخیره کنید یه موقع بدردتون می‌خوره هرچند فکر نمی‌کنم دیگه کسی توی واتساپ فعالیت کنه.

دانلود برای مک، لینوکس و ویندوز :

zapfast.rocks

@Linuxiz

می‌دونیم ویندوز ایکس‌پی از کارت گرافیک های سری 10 پشتیبانی نمی‌کنه حالا یه بیکاری با هوش مصنوعی نشسته درایور رو از اول نوشته کاربرد خاصی هم نداره چون کسی از ویندوز ایکس‌پی استفاده نمی‌کنه (البته به جز بانک ها و ادارات ایران) فقط این جمله رو یاداور می‌کنه کار نشد نداره!

یعنی روی ویندوز ایکس‌پی GTX 1050، 1050 Ti، 1060، 1070، 1080، 1080 Ti تا TITAN X و TITAN Xp می‌تونی داشته باشی کرک پر های NVIDIA ریخته.

github.com/SupraGSX/Forceware-382.69


@Linuxiz

به گفته Cursor بهترین مدل اوپن برای کد زنی تا الان GLM 5.3 Max هستش

@Linuxiz

مدل Jev وارد دیتابیس ها شده، فیلترهای سنتی دیتابیس به شرط‌های دقیق و از قبل تعریف‌شده نیاز دارن. ولی خیلی از سوال‌ها معنایی (Semantic) هستن، مثلا فرض کنید کاربر این سوالارو داشته باشه:

آیا این مقاله بیشتر درباره‌ی مهندسی نرم‌افزار هستش؟
کدوم موضوع بهترین توصیف رو برای این مقاله داره؟
به نظر میاد این مقاله از نظر فنی چقدر عمیق باشه؟

این pg-jev یه افزونه‌ی متن‌باز برای Postgres هستش که Jev رو از طریق توابع SQL در اختیار می‌ذاره.

تابع jev() می‌تونه مستقیماً داخل WHERE استفاده بشه.
تابع jev_prob() یه احتمال برمی‌گردونه.
تابع jev_choice() یه برچسب رو انتخاب می‌کنه.
تابع jev_score() ردیف‌ها رو بر اساس سطوح مرتب‌شده رتبه‌بندی می‌کنه.

خیلی سادس این سیستم به ستون وکتور (Vector Column) یا Embedding Index هم نیاز نداره.

راهنما و دانلود:
pgjev.com

@Linuxiz

یه خبر تلخ برای برنامه‌نویس‌های C و ++C

گوگل اختصاصاً جمنای ورژن 4 آرگون رو جوری آموزش داده که بتونه کدهای C و ++C رو به Rust تبدیل کنه؛ اونم نه در حد کدهای ساده، بلکه در مقیاس‌های دیوانه‌وار سازمانی!

گوگل اعلام کرده ایجنت‌های Gemini 4 Argon در حال مهاجرت پروژه‌ها به راست هستن؛ از ده‌ها هزار خط کد کتابخونه‌هایی مثل re2 گرفته تا بازنویسی بیش از 800 هزار خط کد کرنل Zircon در سیستم‌عامل Fuchsia.

توی یکی از پروژه‌ها (دیکودر ویدیویی libgav1)، این مدل با بازنویسی 32 هزار خط کد SIMD به Safe Rust و بهینه‌سازی کامپایلر، خروجی داده که 2.7 برابر سریع‌تر شده، امنیت حافظه (Memory-safe) رو تضمین می‌کنه و پرفورمنسش کاملاً شانه به شانه ++C می‌زنه.

کوچ تاریخی از دنیای ناامن حافظه در C++/C به Rust، حالا با هوش مصنوعی چندصد برابر سریع‌تر شده...

@Linuxiz

توی سایتتون خواستید گِیج یا نمودار نشانگر بزارید مثلا برای مصرف منابع یا آب و هوا یا سرعت و قدرت چیزی یا تایمر و... از این کامپوننت ها استفاده کنید رابط کاربری زیبایی داره کاملا رایگان و تازه هم هستش همین هفته پیش معرفی شده :

www.gauge-ui.dev

@Linuxiz

آسیب‌پذیری جدید Docker | CVE-2026-17106

یه آسیب‌پذیری با نام CopyEscape در Docker پیدا شده که به قابلیت docker cp مربوط میشه.

داستان ساده‌ش اینه :
وقتی با docker cp فایلی رو بین Container و Host جابه‌جا می‌کنیم، توی نسخه‌های آسیب‌پذیر، یک Container مخرب می‌تونه با استفاده از Symlink مسیر فایل رو تغییر بده و باعث بشه فایل خارج از مسیر موردنظر روی Host نوشته یا Overwrite بشه.

یعنی چیزی که قرار بوده فقط داخل یه مسیر خاص کپی بشه، ممکنه به مسیر دیگه‌ای روی Host برسه. ️

CVE: CVE-2026-17106
Severity: High
CVSS: 7.1
نسخه‌های آسیب‌پذیر: Docker Engine قبل از 29.7.0
نسخه اصلاح‌شده: 29.7.0 و بالاتر

اگر Docker دارید، حتماً نسخه‌تون رو بررسی و در صورت امکان به نسخه اصلاح‌شده یا آخرین نسخه پایدار ارتقا بدید.

@Linuxiz

یه مشکلی که هوش مصنوعی داره و بعید میدونم تازه کارا باهاش بتونن موفق بشن اینه که قبلا ما ماه ها یا سال ها برای پروژه ای زحمت میکشیدیم و معمولا شکست میخوردیم؛ توی مسیر ساخت این پروژه صدها پازل رو حل میکردیم و اون رنجی که با شکست و اون همه تلاش تحمل میکردیم باعث میشد مغزمون به صورت ناخودآگاه اون صدها مسیر و پازل حل شده اشتباه رو ذخیره کنه که بعدا مبادا دوباره اون کارو انجام بدیم! وقتی چندین بار شکست میخوردیم مغز هزاران مسیر غیر ممکن رو نگه میداشت و در نتیجه بعد از یه مدت نرخ موفقیتمون بالا میرفت.

اما سوال اینجاست من پروژه ای که یک‌ساله ساختم تو اگه با کلاد یک ساعته بسازی اون صدا ها تجربه و پازلی که در طول مسیر تجربه کردم رو چطور می‌تونی بدست بیاری که اگر شکست خورد فورا سویچ کنی روی پروژه بعدی؟


@Linuxiz

یه ریپو پیدا کردم که کلی Api مختلف رو دسته‌بندی کرده و کامل و‌ با جزئیات قرار داده.

مثل Weather, Crypto, Finance, Map, Music, Movie و …

https://github.com/public-apis/public-apis

@Linuxiz

این داشبورد CRM زیبا رو یه نفر توی دو روز با Opus 5.5 ساخته

البته هدف این نیست که برید ازش استفاده کنید چون چکش کردم اصلا یه چیز بی کاربردی بود هدف اینه برید توی فولدر .agents و اسکیل ها و نحوه ساختش رو ببینید و برای پروژه های خودتون استفاده کنید :

github.com/kargulstudio/sales-crm


@Linuxiz