ch
Feedback
DevTwitter | توییت برنامه نویسی

DevTwitter | توییت برنامه نویسی

前往频道在 Telegram

توییت های برنامه نویسی و طراحی وب :) Admin: @dvtwi Hashtags: devtwitter.t.me/5 DevBooks Channel: https://t.me/+AYbOl75CLNYxY2U0 Github: https://github.com/DevTwitter X: https://x.com/devtwittir

显示更多

📈 Telegram 频道 DevTwitter | توییت برنامه نویسی 的分析概览

频道 DevTwitter | توییت برنامه نویسی (@devtwitter) 波斯语 语言赛道中的 是活跃参与者。目前社区聚集了 31 973 名订阅者,在 技术与应用 类别中位列第 4 064,并在 伊朗 地区排名第 10 786

📊 受众指标与增长动态

невідомо 创建以来,项目保持高速增长,吸引了 31 973 名订阅者。

根据 14 九月, 2026 的最新数据,频道保持稳定运转。过去 30 天订阅人数变化为 754,过去 24 小时变化为 7,整体触达仍然可观。

  • 认证状态: 未认证
  • 互动率 (ER): 平均受众互动率为 19.14%。内容发布后 24 小时内通常能获得 14.82% 的反应,占订阅者总量。
  • 帖子覆盖: 每篇帖子平均可获得 6 118 次浏览,首日通常累积 4 739 次浏览。
  • 互动与反馈: 受众积极参与,单帖平均反应数为 51
  • 主题关注点: 内容集中在 پرو, #کوته_نیوز, ارتباط, ابزار, چیز 等核心主题上。

📝 描述与内容策略

作者将该频道定位为表达主观观点的平台:
توییت های برنامه نویسی و طراحی وب :) Admin: @dvtwi Hashtags: devtwitter.t.me/5 DevBooks Channel: https://t.me/+AYbOl75CLNYxY2U0 Github: https://github.com/DevTwitter X: https://x.com/devtwittir

凭借高频更新(最新数据采集于 15 九月, 2026),频道始终保持新鲜度与高覆盖。分析显示受众积极互动,使其成为 技术与应用 类别中的关键影响点。

31 973
订阅者
+724 小时
+1687 天
+75430 天
吸引订阅者
九月 '26
九月 '26
+426
在18个频道中
八月 '26
+1 215
在28个频道中
Get PRO
七月 '26
+1 010
在24个频道中
Get PRO
六月 '26
+1 210
在26个频道中
Get PRO
五月 '26
+669
在36个频道中
Get PRO
四月 '26
+764
在49个频道中
Get PRO
三月 '26
+328
在12个频道中
Get PRO
二月 '26
+1 050
在41个频道中
Get PRO
一月 '26
+2 455
在38个频道中
Get PRO
十二月 '25
+438
在33个频道中
Get PRO
十一月 '25
+607
在26个频道中
Get PRO
十月 '25
+872
在43个频道中
Get PRO
九月 '25
+450
在24个频道中
Get PRO
八月 '25
+710
在27个频道中
Get PRO
七月 '25
+565
在23个频道中
Get PRO
六月 '25
+318
在12个频道中
Get PRO
五月 '25
+544
在22个频道中
Get PRO
四月 '25
+3 470
在28个频道中
Get PRO
三月 '25
+399
在20个频道中
Get PRO
二月 '25
+479
在19个频道中
Get PRO
一月 '25
+801
在28个频道中
Get PRO
十二月 '24
+837
在18个频道中
Get PRO
十一月 '24
+1 016
在14个频道中
Get PRO
十月 '24
+1 201
在15个频道中
Get PRO
九月 '24
+783
在19个频道中
Get PRO
八月 '24
+1 011
在18个频道中
Get PRO
七月 '24
+874
在10个频道中
Get PRO
六月 '24
+968
在16个频道中
Get PRO
五月 '24
+1 023
在16个频道中
Get PRO
四月 '24
+1 087
在16个频道中
Get PRO
三月 '24
+1 286
在21个频道中
Get PRO
二月 '24
+1 195
在21个频道中
Get PRO
一月 '24
+1 234
在20个频道中
Get PRO
十二月 '23
+1 585
在23个频道中
Get PRO
十一月 '23
+691
在17个频道中
Get PRO
十月 '23
+370
在11个频道中
Get PRO
九月 '23
+493
在0个频道中
Get PRO
八月 '23
+519
在0个频道中
Get PRO
七月 '23
+546
在0个频道中
Get PRO
六月 '23
+488
在0个频道中
Get PRO
五月 '23
+460
在0个频道中
Get PRO
四月 '23
+544
在0个频道中
Get PRO
三月 '23
+143
在0个频道中
Get PRO
二月 '23
+234
在0个频道中
Get PRO
一月 '23
+270
在0个频道中
Get PRO
十二月 '22
+360
在0个频道中
Get PRO
十一月 '22
+246
在0个频道中
Get PRO
十月 '22
+248
在0个频道中
Get PRO
九月 '22
+157
在0个频道中
Get PRO
八月 '22
+9
在0个频道中
Get PRO
七月 '22
+9
在0个频道中
Get PRO
六月 '22
+9
在0个频道中
Get PRO
五月 '22
+11
在0个频道中
Get PRO
四月 '22
+7
在0个频道中
Get PRO
三月 '22
+27
在0个频道中
Get PRO
二月 '22
+56
在0个频道中
Get PRO
一月 '22
+44
在0个频道中
Get PRO
十二月 '21
+76
在0个频道中
Get PRO
十一月 '21
+70
在0个频道中
Get PRO
十月 '21
+185
在0个频道中
Get PRO
九月 '21
+98
在0个频道中
Get PRO
八月 '21
+106
在0个频道中
Get PRO
七月 '21
+213
在0个频道中
Get PRO
六月 '21
+161
在0个频道中
Get PRO
五月 '21
+257
在0个频道中
Get PRO
四月 '21
+444
在0个频道中
日期
订阅者增长
提及
频道
15 九月+9
14 九月+15
13 九月+30
12 九月+23
11 九月+37
10 九月+29
09 九月+33
08 九月+23
07 九月+26
06 九月+28
05 九月+36
04 九月+45
03 九月+24
02 九月+30
01 九月+38
频道帖子
⚠️ کاربران همیشه خطاهای اپلیکیشن را گزارش نمی‌کنند؛ گاهی فقط صفحه را می‌بندند و می‌روند. 🔮 اینجاست که داشتن تصویر دقیق‌تری از خطاها، عملکرد اپلیکیشن و تجربه واقعی کاربر می‌تواند به تیم فنی کمک کند سریع‌تر به ریشه مشکل برسد. 🔘 با سنتری هم‌روش می‌توانید: • جزئیات و شرایط وقوع خطاها را بررسی کنید. • خطاها را بر اساس رخدادها و کاربران تحت‌تأثیر اولویت‌بندی کنید. • با Traceها و Spanها، عملیات کند را پیدا کنید. • با Session Replay، مسیر کاربر پیش از بروز مشکل را بازبینی کنید. 💎 در این ویدیو، نگاهی کوتاه به قابلیت‌های اصلی سرویس سنتری هم‌روش انداخته‌ایم. 🔗 شروع تست رایگان: 🔗 https://hmrv.sh/Shh46Z ☁️@hamravesh #سنتری #توسعه_نرم‌افزار #مانیتورینگ #عیب‌یابی

2
یه بازی دیگه با three.js https://whack-game.pages.dev/ @DevTwitter
یه بازی دیگه با three.js https://whack-game.pages.dev/ @DevTwitter
1 981
3
یه اپ مک تمیز پیدا کردم که با SwiftUI نوشته شده: Claude Usage Tracker. . مصرف Claude رو لحظه‌ای تو منوبار نشون می‌ده، مولتی‌پ
یه اپ مک تمیز پیدا کردم که با SwiftUI نوشته شده: Claude Usage Tracker. . مصرف Claude رو لحظه‌ای تو منوبار نشون می‌ده، مولتی‌پروفایل داره، آیکوناش کاستومایز می‌شن و statusline ترمینال هم داره. . ۳.۴k استار. اوپن‌سورس، credential ها تو Keychain. https://github.com/hamed-elfayome/Claude-Usage-Tracker @DevTwitter | <ʀ≡ᴢᴀ/>
2 682
4
وقتی یه قابلیت رو به یه AI Coding Agent میسپاریم، مسئله فقط تولید کد نیست؛ مسئله اینه که AI دقیقاً چه چیزی رو باید پیاده‌سازی کند؟ اینجاست که مفهوم Spec-Driven Development یا SDD مطرح می‌شود. خب SDD یک رویکرد توسعه نرم‌افزار است که در آن Specification یا همان Spec به مرجع اصلی برای پیاده‌سازی و ارزیابی قابلیت تبدیل می‌شود. به زبان ساده، یعنی بجای اینکه AI را مستقیماً از یک ایده یا Prompt به سمت کد بفرستیم، ابتدا مشخص می‌کنیم دقیقاً چه چیزی باید ساخته شود، چه رفتاری باید داشته باشد و چه محدودیت‌هایی دارد. برای مقایسه Vibe Coding: ۱. نوشتن Prompt ۲. تولید کد ۳. اصلاح Prompt ۴. اصلاح کد ۵. تکرار این چرخه Spec-Driven Development: ۱. تعریف دقیق نیازمندی ۲. تهیه و بررسی Spec ۳. طراحی و برنامه‌ریزی ۴. پیاده‌سازی توسط AI Agent ۵. بررسی و اعتبارسنجی خروجی برای اینکه موضوع ملموس‌تر شود، فرض کنیم می‌خواهیم یک سیستم ورود بدون رمز عبور با Magic Link بسازیم. به‌جای اینکه فقط به AI بگیم: «یک سیستم Magic Link برای ورود کاربران بساز.» ابتدا Spec را تعریف می‌کنیم: نیازمندی‌ها: کاربر ایمیل خود را وارد می‌کند. یک لینک ورود برای او ارسال می‌شود. لینک فقط ۱۵ دقیقه معتبر است. لینک فقط یک‌بار قابل استفاده است. درخواست‌های متعدد برای یک ایمیل محدود می‌شوند. بعد، معیار پذیرش را مشخص می‌کنیم: Acceptance Criteria: ایمیل باید حداکثر طی ۳۰ ثانیه ارسال شود. لینک منقضی‌شده باید خطای مشخصی نمایش دهد. لینک استفاده‌شده دیگر نباید قابل استفاده باشد. حداکثر ۵ درخواست برای هر ایمیل در یک ساعت مجاز باشد. حالا AI Agent بر اساس این Spec، طراحی، Taskها، کد و حتی تست‌ها را تولید می‌کند. در پایان هم به‌جای اینکه صرفاً بپرسیم «کد درست به نظر می‌رسد؟»، می‌توانیم بررسی کنیم: آیا تمام مواردی که در Spec تعریف کرده بودیم واقعاً پیاده‌سازی شده‌اند؟ نکته مهم این است که Spec لزوماً یک سند ثابت و کاملاً انسانی نیست. در Workflowهای جدید، AI می‌تواند در استخراج ابهامات، تکمیل Spec، طراحی و حتی تبدیل آن به Taskهای قابل اجرا کمک کند؛ اما انسان همچنان مرجع تصمیم‌گیری و تأیید نهایی است. به همین دلیل، با گسترش AI Coding Agentها، مفاهیمی مثل Spec-Driven Development و ابزارهایی مانند GitHub Spec Kit، OpenSpec و Kiro مورد توجه قرار گرفته‌اند. @DevTwitter | <Amir Salehi/>
2 860
5
✅ اگه برنامه نویس هستی این کانالو از دست نده! امید زاهدی یکی از بزرگ ترین برنامه نویس ها در ایرانه که پروژه هاش توسط خبرگزاری+1
✅ اگه برنامه نویس هستی این کانالو از دست نده! امید زاهدی یکی از بزرگ ترین برنامه نویس ها در ایرانه که پروژه هاش توسط خبرگزاری ها و کانالای معروفی منتشر شده, با عضویت داخل کانالشون میتونید مطالب جالبی درمورد برنامه نویسی یاد بگیرید و از فرصت های شغلی جدید بهرمند بشید. لینک کانالشون:👇 https://t.me/+PGc3d7D-yjA2NzBk https://t.me/Funny_Learn ✅ همچنین میتونید جهت مشاوره برای شروع یادگیری برنامه نویسی بهشون مراجعه کنید: @Anony_muos
3 052
6
وقتی با همکارت تو چت به نتیجه نمی‌رسی چی می‌گی؟ «بیا یه جلسه بذاریم.» یه ابزار کوچیک ساختم که با Claude Code هم جلسه می‌ری. M
وقتی با همکارت تو چت به نتیجه نمی‌رسی چی می‌گی؟ «بیا یه جلسه بذاریم.» یه ابزار کوچیک ساختم که با Claude Code هم جلسه می‌ری. MR رو بهش می‌دی، باگ رو بهش می‌دی، دیزاین‌داک رو بهش می‌دی، و صوتی راجع‌بهش حرف می‌زنین. https://github.com/mhrlife/nutshell @DevTwitter | <The Big Rad/>
3 330
7
میدلولها خیلی بدردتون میخوره چند روز بعد از اینکه درباره تجربه خوبم با Graphify نوشتم، از workflow اصلی همون پروژه حذفش کردم! نه چون Graphify بد بود. اتفاقاً چون استفاده ازش باعث شد دقیق‌تر بفهمم از این مدل ابزارها چی می‌خوام. مسئله‌ای که داشتم فقط Search داخل codebase نبود. مسئله اصلی Orientation بود. هر تسک جدید با چند سؤال تکراری شروع می‌شد: این component کجا استفاده شده؟ این composable رو چی مصرف می‌کنه؟ این feature بین چه فایل‌هایی پخش شده؟ اگه این قسمت رو تغییر بدم، چه چیزهای دیگه‌ای تحت تأثیر قرار می‌گیرن؟ و Graphify برای اولین بار این حس رو بهم داد که قبل از باز کردن فایل‌ها، می‌شه یه نقشه از پروژه داشت. بعد رفتم سراغ Codebase Memory MCP تا ببینم همین ایده وقتی مستقیم وارد workflow خود Coding Agent می‌شه چه فرقی می‌کنه. مهاجرت هم اصلاً بی‌دردسر نبود :))) بعد از نصب و Index کردن پروژه، MCP داخل Codex با خطای Transport closed شکست خورد. CLI کار می‌کرد، Index سالم بود، حتی MCP خام هم جواب می‌داد؛ ولی چیزی که واقعاً می‌خواستم یعنی workflow داخل Codex کار نمی‌کرد. بعد از بررسی و سه Clean Start مستقل، MCP بالاخره در هر سه Session پایدار کار کرد و migration رو نهایی کردم. اما بخش جالب‌تر برای من اولین تسک واقعی بعد از مهاجرت بود. می‌خواستم نسخه موبایل پورتفولیوم رو اصلاح کنم: Header، Language Selector، Bottom Navigation و Responsive behavior. قبل از اینکه شروع کنم فایل‌ها رو بگردم، از CBM خواستم محدوده کار رو پیدا کنه. یکی از چیزهایی که سریع مشخص کرد این بود که BottomNav.vue از قبل توی پروژه وجود داره، ولی اصلاً داخل Layout mount نشده. همین کشف ساده جلوی ساختن دوباره چیزی رو گرفت که از قبل داشتم. ولی در همون تسک محدودیتش هم مشخص شد. و CBM معماری اولیه رو خوب پیدا کرد، اما detect_changes نتونست impact واقعی یه تغییر UI رو کامل بفهمه. Responsive CSS، Safe Area، RTL، Overflow توی عرض 320px و چیزی که کاربر واقعاً توی Browser می‌بینه، لزوماً توی Call Graph مشخص نیست. و اینجا به نتیجه‌ای رسیدم که به نظرم از خود مهاجرت مهم‌تره: من دیگه Graphify و Codebase Memory رو دو رقیب مستقیم نمی‌بینم. برای پروژه‌های Code-heavy، جایی که بیشتر سؤال‌ها درباره implementation فعلی، dependencyها، refactor و impact تغییراته، CBM برای من انتخاب طبیعی‌تریه. ولی وقتی پروژه فقط Code نیست و PRD، ADR، Research، Architecture Docs، PDF، Diagram و Domain Knowledge بخش مهمی از پروژه‌ان، Graphify هنوز ارزش خیلی جدی‌ای داره. حتی برای یه محصول بزرگ احتمالاً از هر دو استفاده می‌کنم: کدبیس Memory برای اینکه بفهمم: «الان کد چطور کار می‌کنه؟» و Graphify برای اینکه بفهمم: «چرا اصلاً اینطوری طراحی شده؟» با یه شرط مهم: هیچ‌کدوم Source of Truth نهایی نیستن. و Graph کمک می‌کنه سریع‌تر برسم به جواب. ولی برای implementation هنوز سورس رو می‌خونم، برای requirement خود PRD رو چک می‌کنم و برای UI هنوز Browser حرف آخر رو می‌زنه. تجربه کامل migration، failure، تست MCP و اولین task واقعی بعد از مهاجرت رو اینجا نوشتم: http://aliarghyani.vercel.app/fa/blog/graphify-to-codebase-memory-mcp @DevTwitter | <Ali Arghyani/>
3 687
8
یه اصل ساده تو مدیریت زمان هست، از کتاب معروف Getting Things Done (دیوید آلن): «اگه کاری کمتر از ۲ دقیقه طول می‌کشه، همون لحظه انجامش بده» دلیلش هم مشخصه: نوشتنش تو لیست، بعداً دیدنش، به یادش آوردن، دوباره سراغش رفتن... کل این پروسه خودش بیشتر از خودِ کار طول می‌کشه. پس ارزون‌ترین راه همون لحظه تموم کردنشه. حالا حکایت ما با ai-agentها عملا اینطوری میشه که اگه این اصل رو جدی بگیریمش تقریباً همه‌چی می‌فته زیر این آستانه! https://gettingthingsdone.com/2020/05/the-two-minute-rule-2/ @DevTwitter | <Hossein Nazari/>
4 053
9
برای تمرین سرویس های کلاود مثل AWS یا گوگل کلاود و یا Azure به صورت لوکال و بدون نیاز به داشتن اکانت، قبلا از لوکال استک استف
برای تمرین سرویس های کلاود مثل AWS یا گوگل کلاود و یا Azure به صورت لوکال و بدون نیاز به داشتن اکانت، قبلا از لوکال استک استفاده میکردیم. جدیدا آلترناتیوی کاملا رایگان و اوپن سورس اومده، به نام floci . راحت رو سیستم خودتون با داکر ران کنید و تمام. https://floci.io/ @DevTwitter | <Mani/>
4 241
10
ایران‌سرور داره توی تلگرامش چنتا اکانت جی‌پی‌تی و جمنای مجانی میده. الان ادمینشون گفت قراره تا سه شنبه چنتا کد تخفیف ۱۰۰ درصدی جدید بزارن. تو این گرونی حتی یه اکانت جی‌پی‌تی میشه 7 تومن. دوس دارم سابسکرایبرای من این هدیه رو ببرن💙 @iranservercom
4 340
11
گوگل تونست مشکل کمبود رم و gpu رو حل کنه، برای اینکار ویروسی رو با کریسپر طراحی کرده که می‌تونه به مگس سرکه حمله کنه و مدل‌ها
گوگل تونست مشکل کمبود رم و gpu رو حل کنه، برای اینکار ویروسی رو با کریسپر طراحی کرده که می‌تونه به مگس سرکه حمله کنه و مدل‌های هوش مصنوعی رو مغز اونها اجرا کنه، برای اینترفیس هم از نور و سنسورهای خازنی استفاده میکنه اینطوری که توکن ورودی به صورت نور به کلاستر مگس‌های سرکه تابونده میشه مگس‌ها برای تولید و حدس توکن خروجی به روی سنسورهای خازنی میشینن و دیتا رو جنریت می‌کنن، از اونجا که عمر این مگس‌ها کمه کل سیستم شبیه سطل زباله میوه س و توش زباله میوه میریزین و مگس‌های جدید متولد میشن و ویروس رو از مگس‌های قبلی میگیرن و چرخه ادامه پیدا میکنه. @DevTwitter | <سج‌آد/>
4 715
12
اوبر مقاله فنی بسیار خواندنی و پرنکته‌ای درباره معماری «کارخانه نرم‌افزار» خود منتشر کرده است. در حال حاضر بیش از ۷۰ درصد PRها در اوبر توسط ایجنت‌ها ایجاد یا تغییر داده می‌شوند و با وجود رشد ۹ برابری درخواست‌ها، هزینه هر تسک تا ۵۲ درصد کاهش پیدا کرده است. نکات فنی کلیدی که برای بهینه‌سازی سیستم‌های ایجنتی مقیاس‌بالا پیاده کرده‌اند: ۱. حل مشکل اسکیماهای سنگین MCP: بارگذاری مستقیم ده‌ها سرور MCP باعث می‌شد مدل قبل از اولین پرامپت، ۵۰ تا ۷۰ هزار توکن اسکیما را در هر دور حمل کند. اوبر ابزارها را به صورت CLI و Tool Search درآورده تا فقط ابزارهای مورد نیاز وارد کانتکست شوند. ۲. رویکرد Code-Mode به‌جای ابزار چتی: به جای رفت‌وبرگشت‌های متوالی با مدل برای هر کوئری و بررسی وضعیت، کارها در قالب یک اسکریپت پایتون در ساب‌پراسس اجرا می‌شوند و فقط نتیجه برمی‌گردد که مصرف توکن را ۵۰ تا ۹۹ درصد کم کرده است. ۳. ساخت گراف کانتکست: ایجنت‌ها به‌جای جستجوی خطی در کدبیس، اطلاعات را از یک گراف با ۲۴ میلیون نود (سرویس‌ها، معماری و لاگ‌ها) می‌گیرند و زمان حل تسک از ۲۰ دقیقه به ۳۸ ثانیه رسیده است. ۴. تفکیک مدل برای ساب‌ایجنت‌ها: وظایف کوچک به مدل‌های ارزان‌تر سپرده می‌شوند و مدل‌های پیشرفته فقط برای برنامه‌ریزی اصلی استفاده می‌شوند. ۵. کش یک‌ساعته کانتکست: افزایش TTL به یک ساعت مانع از بازسازی پرهزینه کانتکست در زمان بیکاری مهندسان پشت سیستم می‌شود. این بلاگ خودش یه کلاس درسه! لینک مقاله اوبر: https://uber.com/us/en/blog/efficient-software-factory/?uclick_id=8c39ed77-46d9-4e1a-bd0a-20aaec118b9a @DevTwitter | <Mehdi Allahyari/>
4 405
13
آموزش Spec-Driven Development با GitHub Spec Kit توی این ویدیو باهم یک پروژه رو دو بار می‌سازیم؛ یک‌بار با یه پرامپت ساده و ک
آموزش Spec-Driven Development با GitHub Spec Kit توی این ویدیو باهم یک پروژه رو دو بار می‌سازیم؛ یک‌بار با یه پرامپت ساده و کلی جزئیات ناگفته، و یک‌بار با GitHub Spec Kit. بعد هم روند ساخت و خروجی هر دو رو کنار هم مقایسه می‌کنیم. https://www.youtube.com/watch?v=Rs4qTGEjIbk @DevTwitter | <پدی/>
4 398
14
من امروز می خوام یکی از بهترین پلت فورم های برای مدیریت سوشال رو می خوام معرفی کنم. این پلتفورم تیک تاک و اینستاگرام رو ساپور
من امروز می خوام یکی از بهترین پلت فورم های برای مدیریت سوشال رو می خوام معرفی کنم. این پلتفورم تیک تاک و اینستاگرام رو ساپورت می کنه و باهاش می تونید کاملا اکانتتون رو مونیتور کنی اسم این رپو هست کون بینی! خیلی کمک می کنه بهتون که ببینی چه خبره https://github.com/api-evangelist/konbiniapi @DevTwitter | <raa's/>
4 334
15
🚨 به‌جای اینکه فقط درباره استارت‌آپ‌های موفق بخونی بیا ببینیم استارت‌آپ‌های تازه‌ساخته‌شده دقیقاً چی می‌سازن. هر شب یک استار
🚨 به‌جای اینکه فقط درباره استارت‌آپ‌های موفق بخونی بیا ببینیم استارت‌آپ‌های تازه‌ساخته‌شده دقیقاً چی می‌سازن. هر شب یک استارت‌آپ تازه‌ساخته‌شده پیدا می‌کنیم و موشکافانه بررسیش می‌کنیم 💡 ایده‌اش از کجا اومده؟ ⚙️ چطور ساخته شده؟ 🎯 دقیقاً چه مشکلی رو حل می‌کنه؟ 💰 برای فروش گذاشته شده یا نه؟ 🚀 و مهم‌تر از همه از این ایده چی میشه ساخت؟ اخبار و ابزارهای AI رو از جاهای مختلف میشه پیدا کرد و ما هم داریم اما پیدا کردن ایده‌های واقعی برای ساختن داستان دیگه‌ایه اگر دوست داری قبل از اینکه یک ایده همه‌گیر بشه پیداش کنی همراه ما باش 🔥 📌 @AI_TechPulse
4 206
16
اینو ندیده بودم https://github.com/ChromeDevTools/chrome-devtools-mcp نسخه کروم دولوپر تول برای ایجنت‌هاست که بتونن وصل شن به
اینو ندیده بودم https://github.com/ChromeDevTools/chrome-devtools-mcp نسخه کروم دولوپر تول برای ایجنت‌هاست که بتونن وصل شن به سایت موقع کار و دیباگ کنن مستقیم،‌ پرفورمنس هم ترک میکنه. تست میکنم اینجا مینویسم چجوریاست @DevTwitter | <Siavash/>
3 955
17
آموزش و ارزیابی اصولی ایجنت‌ها در محیط‌های واقعی یکی از مهم‌ترین چالش‌ها در توسعه کاربردی مدل‌های زبانی است و صرفاً تکیه بر ب
آموزش و ارزیابی اصولی ایجنت‌ها در محیط‌های واقعی یکی از مهم‌ترین چالش‌ها در توسعه کاربردی مدل‌های زبانی است و صرفاً تکیه بر بنچمارک‌های رایج پاسخگوی نیازهای عملی نیست. هاگینگ‌فیس به‌تازگی یک مجموعه ویدیویی ۶ قسمتی تحت عنوان Training Agents منتشر کرده که این مباحث را با پیاده‌سازی گام‌به‌گام و کدهای متن‌باز بررسی می‌کند. مباحث اصلی این جلسات: ۱. ارزیابی ایجنت‌ها (Agentic Evaluations) و چرایی فاصله نمرات بنچمارک‌ها با عملکرد واقعی ۲. یادگیری تقویتی (RL) برای ایجنت‌ها، طراحی محیط و توابع پاداش و گلوگاه‌های استنتاج ۳. آموزش با نظارت (SFT) روی ردپای تعاملات ایجنت‌ها با TRL و LoRA ۴. تقطیر دانش (Distillation) برای انتقال توانایی به ایجنت‌های کدنویسی کوچک‌تر ۵. یادگیری تقویتی با GRPO، تحلیل منحنی‌های پاداش و رفتار مدل در دور زدن پاداش‌ها (Reward Hacking) ۶. اتصال ایجنت به محیط‌های تعاملی شبیه به Gym و آموزش عملی با AsyncGRPOTrainer در محیط‌های Sandbox لینک پلی‌لیست کامل در یوتیوب: https://youtube.com/playlist?list=PLo2EIpI_JMQvQZm-kVlz4wY1vWF0LBcf5 @DevTwitter | <Mehdi Allahyari/>
4 157
18
اگه با الون‌لبز کار میکنید یا با کلون کردن صدا سروکار دارید این نسخه‌ی اوپن‌سورس رو تست کنید. پشیمون نمیشید. دعا میکنید. http
اگه با الون‌لبز کار میکنید یا با کلون کردن صدا سروکار دارید این نسخه‌ی اوپن‌سورس رو تست کنید. پشیمون نمیشید. دعا میکنید. https://github.com/debpalash/VoiceStudio @DevTwitter | <Setareh/>
3 893
19
✅ وبینار رایگان: نقشه راه رتبه‌برتر شدن در کنکور ارشد کامپیوتر و IT 🔴 اگه قصد داری برای کنکور ارشد کامپیوتر یا IT آماده بشی
✅ وبینار رایگان: نقشه راه رتبه‌برتر شدن در کنکور ارشد کامپیوتر و IT 🔴 اگه قصد داری برای کنکور ارشد کامپیوتر یا IT آماده بشی و هنوز نمی‌دونی مسیر درست مطالعه، برنامه‌ریزی و انتخاب منابع چیه، این وبینار رو از دست نده. 🚀 مهمون ویژه هم داریم: 🥇 محمدحسین نامداری، رتبه یک امسال 🥇 کوثر پاک‌زاد، رتبه ۳۷ امسال 🎁 همراه با هدیه ویژه شرکت‌کننده‌های آنلاین: 🔴 اشتراک رایگان یک ماهه پلتفرم برنامه‌ریزی برای همه 🔴 قرعه‌کشی ۵ کد تخفیف ۱۰۰٪ دوره‌های آموزشی کافه‌تدریس 🗓 چهارشنبه، ۲۵ شهریور ساعت ۲۰ 🚨 همین حالا رایگان ثبت‌نام کن: 🔗 https://httb.ir/aaj0A 🔗 https://httb.ir/aaj0A @Cafetadris | کافه‌تدریس
3 922
20
گوگل اومده با همکاری موسسه Janelia، نقشه کامل مغز یک مگس میوه نر رو open source کرده که شامل ۱۶۶ هزار تا نورون و ۱۲۵ میلیون ا
گوگل اومده با همکاری موسسه Janelia، نقشه کامل مغز یک مگس میوه نر رو open source کرده که شامل ۱۶۶ هزار تا نورون و ۱۲۵ میلیون اتصال عصبیه. البته این نقشه فقط میگه کدوم نورون به کدوم وصله، نه اینکه دقیقا توی مغز مگس چه اتفاقی می‌افته. مردمم اومدن اینو گذاشتن Minecraft، Beat Saber و Doom بازی کنه یا حتی باهاش رمزارز ترید کنن. یه سری براش بهشت درست کردن :)) https://www.youtube.com/watch?v=KOwsVDogscY @DevTwitter | <مهراد/>
4 098