.NET Internals

سلام به همگی با Rookery آشنا بشید: از Issue تا Pull Request! چند وقتیه دارم روی Rookery کار می‌کنم. یه GitHub Appه که یه Issue رو برمی‌داره و تا یه Draft PR آماده جلو می‌بره. قبل از اینکه حتی یه خط کد نوشته بشه، شما پلن رو تأیید می‌کنید. الان هم بالا اومده و می‌تونید امتحانش کنید https://rookery.run 🚀 شروع کار 1️⃣ GitHub App ِ Rookery رو روی ریپوهاتون نصب کنید. 2️⃣ با اکانت GitHub وارد پرتال بشید. 3️⃣ کلید API خودتون (Anthropic، DeepSeek یا GLM) رو توی صفحه‌ی Keys اضافه کنید. کلیدها رمزنگاری‌شده ذخیره می‌شن و دیگه هیچ‌جا نمایش داده نمی‌شن 🔒 🔄 از Issue تا PR 🏷️ لیبل rookery:trigger رو به Issue بزنید. 📝 Rookery یه پلن و لیست تسک می‌نویسه. اگه جایی ابهام داشته باشه، همون‌جا زیر Issue ازتون می‌پرسه. ✅ کامنت approve بذارید. فقط کسایی که دسترسی write دارن می‌تونن تأیید کنن، و پرتال هم دکمه‌ی approve نداره. ⚙️ تسک‌ها رو یکی‌یکی انجام می‌ده. برای هر تسک یه سشن تازه باز می‌کنه و بعد از هر کدوم commit می‌کنه. 🔍 آخر کار یه ایجنت ریویوئر نتیجه رو چک می‌کنه، و شما یه Draft PR تحویل می‌گیرید که پلن، تصمیم‌ها و ریویو همه توشه. 👀 ریویوی PR هر وقت خواستید روی هر PR که خواستید @rookery-agent رو منشن کنید، یا لیبل ریویو رو بزنید، یه جدول خلاصه با یافته‌ها و نتیجه‌ی نهایی تحویل می‌گیرید. 🛠️ پشت صحنه هارنس ما Claude Codeه. هر مرحله، CLI ِ claude رو توی یه git worktree جدا اجرا می‌کنه. با قوانین سفت‌وسخت deny، ایجنت نه می‌تونه push کنه و نه به GitHub دسترسی داره. همه‌ی commitها، pushها و PRها رو خود Rookery انجام می‌ده. 🎁 جایزه: به ۳ نفر که Rookery رو امتحان کنن و نظرشون رو همین‌جا کامنت کنن، اعتبار رایگان می‌دم تا بدون اضافه کردن کلید API خودشون ازش استفاده کنن 😉 لطفا به اشتراک بذارید و کمک کنید بهترش کنم.

AI ROI report! این شرکت اومده یه سری آمار داده که استفاده AI چقد تونسته کمک کنه برای سرعت کار و همینطور به اندازه چند نفر! به نظر بچه های پلتفرم خیلی اوضاع خوبی ندارن! نمیدونم گستردگی امارشو چقدره ولی بد نیست چک کنید: https://navigara.com/product/ai-roi

وقتی به مشکل خوردم و نمیدونم چطوری فیکسش کنم. همون موقع صحبت من با AI :))

من بک اند کارم و همیشه کار با فرانت برام سخت، گیج کننده و بعضی وقتا فک میکنم کار بیهوده ای هست! ولی AI این فرصت رو بهم داد که بتونیم انجامش بدم، مهم اینه که بدونی چی میخوای! برای وقتی هست که مثلا دوتا ریپو جدا برای بک و فرانت دارید e.g Backend .NET Frontend Reactjs یه ویدیو درست کردم و گفتم چطوری اینکارو میکنم: https://youtu.be/GwRSdnDEPPc?si=bEtiT0A-qXGghwX1

جالب بود ولی ازش استفاده نمیکنم: https://liao.gg/blog/agents-dont-need-memory

آندری کارپتی (Andrej Karpathy) یه توییت جالب زده در مورد اینکه با قوی‌تر شدن LLMها، کار اصلی ما دیگه تولید محتوا نیست، بلکه فهمیدن و نظارت روی خروجی‌هاشون می‌شه. یعنی مدل‌ها دارن بیشتر و بیشتر کار سنگین رو خودشون انجام می‌دن و ما باید بریم سمت لایه‌های بالاتر و بفهمیم واقعاً چی دارن می‌گن. چند تا ترفند باحال و عملی پیشنهاد داده که من هم کم‌کم دارم امتحانشون می‌کنم: نوشتن با ASD-STE100: بگید مدل مطلب رو با زبان کنترل‌شده ASD-STE100 بنویسه. این استاندارد اصلش برای مستندات نگهداری هواپیما و تجهیزات هوافضا طراحی شده و قوانین خیلی سختگیرانه‌ای داره (جمله‌های کوتاه، فعل‌های مشخص، دیکشنری محدود، بدون ابهام و استعاره‌های پیچیده). نتیجه‌ش اینه که متن خیلی تمیز، مستقیم و خوانا می‌شه. اگر خیلی خشک شد، می‌تونید بگید «۸۰ درصد نزدیک به ASD-STE100» تا یه کم نرم‌ترش کنه. برای توضیح‌های فنی و پیچیده عالیه، چون مغزتون کمتر خسته می‌شه. نمودار و دیاگرام به جای متن: به جاش مستقیم ازش بخواید دیاگرام، flowchart یا mermaid یا تصویر مفهومی بسازه. مغز ما اطلاعات بصری رو خیلی سریع‌تر پردازش می‌کنه و پارس کردنش راحت‌تره. مخصوصاً وقتی موضوع پیچیده باشه، یه دیاگرام خوب می‌تونه کل ایده رو در چند ثانیه منتقل کنه، در حالی که متن ممکنه چند پاراگراف طول بکشه. خروجی به صورت HTML: بگید خروجی رو به صورت HTML کامل بده. مدل‌های جدید واقعاً تو فرانت‌اند قوی شدن و می‌تونن صفحه‌های وب قشنگ، اینتراکتیو، با انیمیشن و استایل مدرن بسازن. به جای یه متن خشک، یه تجربه‌ی تعاملی می‌گیرید که می‌تونید روش کلیک کنید، اسکرول کنید یا حتی چیزایی رو تست کنید. برای فهمیدن مفاهیم پیچیده خیلی کمک‌کننده‌ست. ویدیوهای explainer سفارشی (بهترینش اینه!): کارپتی می‌گه بیشتر از همه به این فرمت امیدواره. از مدل بخواید یه ویدیوی کامل و اختصاصی به سبک 3Blue1Brown بسازه (همون انیمیشن‌های ریاضی و مفهومی تمیز و قشنگ). می‌تونید بگید از API کی ElevenLabs برای narration استفاده کنه یا جایگزین‌های رایگان/لوکال پیدا کنه. اینطوری برای هر موضوعی که بخواید، یه ویدیوی آموزشی شخصی‌سازی‌شده می‌سازید که قبلاً ساختنش زمان و هزینه‌ی دیوانه‌کننده‌ای داشت.خلاصه‌ش اینه که هوش مصنوعی داره انقدر زیاد و ارزون می‌شه که می‌تونیم ازش artifactهای بزرگ و دورریختنی بسازیم (وب‌اپ، ویدیو، دیاگرام‌های پیچیده و غیره) که قبلاً اصلاً به‌صرفه نبود. کار ما داره می‌ره به لایه‌های بالاتر abstraction و oversight، و جالب اینجاست که خود LLMها می‌تونن تو همین بخش هم کمک‌مون کنن. به نظرم خیلی نکته‌ی درستیه، مخصوصاً برای ما که هر روز با اینا کار می‌کنیم. حتماً امتحان کنید و نتیجه‌ش رو بگید 🔥 پ.ن: آندری کارپتی یکی از استادای واقعی و پیشگام‌های حوزه LLM و deep learning حساب می‌شه. قبلاً مدیر AI تسلا بوده، از بنیان‌گذاران اولیه OpenAI، و یکی از بهترین‌ها در توضیح شفاف و عمیق مفاهیم هوش مصنوعیه. وقتی حرف می‌زنه، معمولاً ارزش گوش دادن داره. لینک توییت: https://x.com/karpathy/status/2105819303471976479

به عنوان یک معلم، یادگیری برای من امیده، به عنوان یک پدر، یادگیری برای من مسیر نجات فرزندم از جهله، و به عنوان یک انسان، یادگیری برای من حق طبیعیه که نباید به خاطر جبر جغرافیایی از کسی گرفته بشه. در نهایت به عنوان یک دیجی کالایی،امروز دیجی کالا مهر برای من مسیر رسیدن به: امید یک معلم، مسیر نجات یک فرزند و احقاق حق اولیه یه انسانه. ازتون میخوام در صورتی که امکانش رو دارید در پویش "هر جا که تویی" شرکت کنید و برای آینده کودکان کشورمون سهمی داشته باشید : https://mehr.digikala.com/madrese-besaz/ @learning_with_m

چند وقتیه دارم با این Microsoft Agent Framework (MAF) ور میرم به نظرم خیلی داره قوی میشه و میتونید کارای مختلفی باهاش کنید. لطفا چک کنید و فیدبک بدید، ریپو: https://github.com/sa-es-ir/AgentCouncil اینجا هم دیپلوی شده: https://agents.codesimple.dev/

اگر کسی اینجا از کلاد استفاده میکنه حتما این دستور رو بزنید: /claude-api prompt-audit میره همه اسکیل ها و بقیه فایل کلاد رو چک میکنه و بهتون میگه با توجه به توانایی های opus5.5 خوب هستن یا نه. و اگر نیستن چیکار کنید مثلا بعضی هارو میگه کلا حذف کنید!

همینه! به نظرم AI میتونه همه چی بزنه و اینکه 'چی' بزنه نیاز به وقت و زمان داره. این نکته خیلی مهمه، الان متاسفانه یه جوی شده که آقا با AI بزن بره اینکه کاری نداره. برای من AI تونسته بین 50 تا 60 درصد سرعت توسعه بیشتر کرده و زمان تحویل رو کمتر. نکته: تولید کد شاید 99 درصد سریع تر شده ولی اینکه قبلش فک کنی پلن کنی و بعدش چک کنی تست کنی بفهمی هنوز زمان میگیره. برای شما چند درصد تونسته کمک کنه؟

عجب! طرف از مایکروسافت تعدیل شده بعد تعداد توکن های استفاده کردشو اورده به عنوان دستاورد؟! نکنه اینم میشه یه آپشن تو رزومه؟!

شرکت TypeSafe AI مدل جدیدی به نام Jev را معرفی کرده که اولین عضو از رده‌ی جدیدی به نام System One Models است. چند نکته اصلی درباره این فناوری: بدون تولید متن (Non-Autoregressive): برخلاف مدل‌های زبانی مانند ChatGPT، مدل Jev اصلاً متن یا متدهای متوالی نمی‌نویسد؛ بلکه فقط پاسخ‌های ساختاریافته و تایپ‌شده تولید می‌کند. تصمیم‌گیری فوری (سیستم ۱): این مدل بر اساس مفهوم «تفکر سریع و خودکار» (System 1) ساخته شده است. برنامه‌ها به آن داده می‌دهند و Jev مستقیماً تصمیمات ساختاریافته (مثل انتخاب از لیست، درصد احتمال یا امتیاز) تحویل می‌دهد. سرعت بسیار بالا و هزینه پایین: چون متن تولید نمی‌کند، بین ۴۰ تا ۲۰۰ برابر سریع‌تر (در حد ۷۰ تا ۵۰۰ میلی‌ثانیه) و بسیار ارزان‌تر از مدل‌های زبانی بزرگ (LLM) است. دقت و درصد اطمینان واقعی (Calibrated): خروجی‌های آن درصد اطمینان واقعی دارند (اگر بگوید ۹۰٪ مطمئن است، واقعاً ۹۰٪ شانس درستی دارد)، بنابراین برای نرم‌افزارها کاملاً قابل اعتماد است و دچار هذیان (Hallucination) نمی‌شود. در یک جمله: Jev برای چت کردن نیست، بلکه ابزاری سریع و ارزان برای تصمیم‌گیری‌های لحظه‌ای در برنامه‌هاست اینو بخونید چندتا مثال زده که چطوری کار میکنه: https://typesafe.ai/blog/introducing-system-one-models-and-jev

دیشب وقتی داشتم روی یک Query در SQL Server که زمان زیادی می‌برد کار می‌کردم، از Claude یه چیز جدید یاد گرفتم. تفاوت INNER JOIN و INNER LOOP JOIN این INNER JOIN یک عملیات منطقیه و SQL Server خودش تصمیم می‌گیره از چه الگوریتمی برای Join استفاده کنه؛ مثل Hash Join یا Nested Loops. اما INNER LOOP JOIN به SQL Server می‌گه از Nested Loops استفاده کنه:

SELECT * FROM 
Customers c 
INNER LOOP JOIN Orders o    ON c.Id = o.CustomerId;

یا با Query Hint:

SELECT * FROM 
Customers c
INNER JOIN Orders o   ON c.Id = o.CustomerId

OPTION (LOOP JOIN);

نکته جالب اینه که Nested Loops وقتی جدول بیرونی کوچک باشه و روی جدول داخلی Index مناسبی داشته باشیم، می‌تونه خیلی سریع‌تر عمل کنه. البته همیشه نباید Join Algorithm رو دستی تعیین کنیم. اول Execution Plan رو بررسی کنیم و فقط وقتی مطمئنیم Nested Loops برای Query ما بهتره، از این Hint استفاده کنیم. توی کد رویوها خیلی چیزا میشه یاد گرفت از AI.

ورک‌شاپ «AI Agents in C# (MAF)» در این ورک‌شاپ به بررسی امکانات جدید برنامه‌نویسی با کتابخانه‌ها و استانداردهای جدید AI در سی‌شارپ مخصوصا Microsoft Agent Framework می‌پردازیم. با هم کد می‌زنیم و کمی حرفه‌ای‌تر، با معماری‌های مدرن این هوش‌مصنوعی در دنیای دات‌نت آشنا می‌شویم. ارائه دهنده: مهران داودی زمان: ۳۰ شهریور، ساعت ۲۰:۰۰ (به تایم ایران) محل: LinkedIn Live لینک ثبت‌نام رایگان: https://www.linkedin.com/events/7504866466815582208

سلام بچه ها اینجا کسی از https://agentsroom.dev/ استفاده کرده؟ تجربه ای دارید؟ من یه مدتی هست که ازش میدونم ولی وقتی نگاش میکنم احساس میکنم اکثرا وایب کد هست و واقعا کار نمیکنه!

مدت‌ها بود روی پروژه‌ای کار می‌کردم که بالاخره به مرحله‌ای رسیده که می‌شه واقعاً ازش استفاده کرد. مشکل از اینجا شروع شد که ما در تیم‌ها و شرکت‌ها جلسات زیادی برگزار می‌کنیم؛ تیمی، بین‌تیمی، با مشتری‌ها و افراد خارج از سازمان. اما بخش بزرگی از دیتایی که در این جلسات تولید می‌شه، هیچ‌وقت ثبت و استفاده نمی‌شه؛ یا اگر استفاده بشه، کاملاً دستی انجام می‌شه. برای حل همین مشکل شروع کردم به ساختن Riter؛ ابزاری برای ثبت، تبدیل و استفاده هوشمند از اطلاعات جلسات. رایتر رو می‌تونید به دو شکل استفاده کنید ☁ کلاد — بدون نیاز به نصب و نگهداری زیرساخت 🏢 سلف هاست — نصب روی Docker یا سرورهای سازمان، به شکلی که داده‌ها خارج از سازمان نگهداری نشن. https://riter.cloud/ ❤️ ممنون میشم این پست رو برای بقیه دوستان ارسال کنید. برای بررسی مشکلات احتمالی در نصب و راه اندازی هم میتونید توی این گروه عضو بشید. البته بزودی ویدیوهای آموزشی میسازم از نحوه ی کارش. https://t.me/RiterCloudCommunity

بدترین موقع برای تموم شدن لیمیت! باید یک ساعت و نیم برگردم به تنظیمات کارخونه😁

اینو دیوید فاولر گفته اگر نمیشناسید کسی هست که SignalR و Nuget رو نوشته. نظرتون چیه؟ من باهاش موافقم حالا مثلا یک درصد شاید استثنا باشه ولی به اونجا هم خواهد رسید. کلا نوشتن کد خیلی لذت بخش بود واسم ولی خوب دیگه باید ازش دل کند!

اینجوری شد که Opus کوتاه نمیاد چیزی که میخوام رو پیاده کنه!😁