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 33 480 名订阅者,在 技术与应用 类别中位列第 3 998,并在 伊朗 地区排名第 10 619 位。
📊 受众指标与增长动态
自 невідомо 创建以来,项目保持高速增长,吸引了 33 480 名订阅者。
根据 09 十一月, 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 933,过去 24 小时变化为 40,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 17.64%。内容发布后 24 小时内通常能获得 13.88% 的反应,占订阅者总量。
- 帖子覆盖: 每篇帖子平均可获得 5 898 次浏览,首日通常累积 4 641 次浏览。
- 互动与反馈: 受众积极参与,单帖平均反应数为 45。
- 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 10 十一月, 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。
33 480
订阅者
+4024 小时
+4167 天
+93330 天
帖子存档
یک Repo فوقالعاده پیدا کردم از تحلیل نحوه طراحی و لایه های معماری بیش از ۳۰۰ محصول هوش مصنوعی از حدود ۸۰ شرکت برتر دنیا
اگر تو زمینههای یادگیری ماشین، علم داده یا رهبری مهندسی جدی هستید، تحلیلِ «علت طراحی» این سیستمها، یکی از مهمترین و بازدهدارترین مهارتهایی است که میتونید توسعه بدید.
لینک رپو:
https://github.com/Engineer1999/A-Curated-List-of-ML-System-Design-Case-Studies
@DevTwitter | <Hadi Davardoust/>
امروز توی گیتهاب به یه معدن طلا برخوردم ️
حیفه این منبع فوقالعاده کاربردی رو باهاتون به اشتراک نذارم.
این ریپازیتوری یه گنجینه کامل شامل بیش از ۵۰۰ پرامپت تستشده و معتبر (Nano Banana) هست که برای تولید انواع محتوای بصری دستچین شده.
توی این مجموعه تقریباً برای هر نیازی پرامپت پیدا میشه:
پرتره و طراحی کاراکتر (Character Design)
طراحی لوگو و نشان تجاری
طراحی محصول (Product Design)
والپیپر و کلی ایدههای خلاقانه دیگه
اگه دنبال ارتقای کیفیت خروجیهای تصویریتون هستید، این لیست میتونه خیلی به کارتون بیاد.
https://github.com/YouMind-OpenLab/awesome-nano-banana-pro-prompts
@DevTwitter | <Mohammad Hossein Hariri/>
یک آزمایشگاه آموزش برنامه نویسی برای یادگیری رشتهٔ ریاضیات کاربردی و محاسباتی و مدلسازی
https://labs.acme.byu.edu/Pages/GettingStarted.html
@DevTwitter | <MehrdadLinux/>
یک منبع خیلی خفن پیدا کردم برای یادگیری Design Pattern های Structural, Creational و Behavioral مثل Factory, Adapter و Observer که توی پروژه ها استفاده بشه، از هرکدوم با کلی توضیح و مفهوم کردن اون ها به رویداد های دنیای واقعی برای عمیق تر شدن در یادگیری.
https://refactoring.guru/design-patterns
@DevTwitter | <Max Shahdoost/>
این مدل جدید خیلی کوچک و سبک که گوگل معرفی کرد به اسم FunctionGemma را دست کم نگیرید. یه مدل فوقالعاده سبک (فقط ۲۷۰ میلیون پارامتر!) دارید که انقدر کوچیکه که روی گوشیهای معمولی هم راحت اجرا میشه، اما تخصصش فقط یک چیزه: تبدیل حرفهای ما به دستورات برنامهنویسی (Function Calling).
میتونید به صورت کاملا رایگان fine tune ش کنید برای کارهای مختلف.
اما این مدل به چه دردی میخوره؟ بیاین چندتا مورد جذاب رو بررسی کنیم:
۱. دستیار شخصی کاملاً آفلاین و امن:
تا حالا شده بخواین با فرمان صوتی چراغ خونه رو خاموش کنید یا یه تایمر بذارید، ولی چون اینترنت قطع بوده کار نکرده؟ با FunctionGemma، اپلیکیشنها میتونن بدون نیاز به سرور و کاملاً روی خود گوشی، حرف شما رو بفهمن و دقیقاً دکمه یا تابع مربوطه رو اجرا کنن. امنیتش هم عالیه چون هیچ دادهای از گوشی خارج نمیشه.
۲. بازیهای تعاملی نسل جدید:
تصور کنید توی یه بازی نقشآفرینی (RPG)، به جای اینکه فقط از بین گزینهها انتخاب کنید، به کاراکتر بگید: «برو از توی صندوقچه اون معجون قرمز رو بردار و بده به سرباز کناری.» این مدل میتونه این جمله رو به کدهای بازی ترجمه کنه و اکشنها رو بلافاصله انجام بده.
۳. اتوماسیون کارهای سیستم:
توسعهدهندهها میتونن ابزارهایی بسازن که کارهای تکراری سیستمعامل رو برامون انجام بده. مثلاً بگید: «فایلهای PDF توی پوشه دانلود رو که حجمشون بالای ۱۰ مگه زیپ کن و بفرست به ایمیل علی.» مدل دقیقاً توابع مربوط به مدیریت فایل و ایمیل رو فراخوانی میکنه.
۴. اینترنت اشیاء (IoT) هوشمندتر:
توی گجتهای هوشمند که رم و پردازنده خیلی محدودی دارن، FunctionGemma مثل یک جادوگر عمل میکنه. چون فقط به ۵۵۰ مگابایت رم نیاز داره، میتونه مستقیم روی سختافزار لوازم خانگی یا ابزارهای صنعتی نصب بشه تا دستورات پیچیده انسانی رو به زبان ماشین ترجمه کنه.
برای fine tune کردنش این بلاگ کامل توضیح میده به همراه کد.
Blog: https://lmstudio.ai/blog/functiongemma-unsloth
@DevTwitter | <Mehdi Allahyari/>
به نظرم اگه بخوای n8n رو درست و حسابی یاد بگیری، همین یه پلیلیست کافیه
1- مهندسی پرامپت برای تازهکارها
2- وصل کردن GitHub به Notion
3- اتوماتکردن ثبت Testimonial توی Strapi با n8n
4- مستندسازی تو n8n با کمک Google Sheets
5- کار با MySQL و Pipedrive
از اینجا میتونی ببینیش:
https://www.youtube.com/playlist?list=PLlET0GsrLUL5HKJk1rb7t32sAs_iAlpZe
@DevTwitter | <Mohsen Rad/>
Repost from N/a
🔹 بمب جشنواره هوش مصنوعی منفجر شد! ⚡️
(دو غول دنیای هوش مصنوعی در یک پکیج استثنایی)
دیگه لازم نیست بین قدرت گوگل و خلاقیت OpenAI یکی رو انتخاب کنی! تو این جشنواره، هر دوتاش مال توئه. 🥸
🛍 پیشنهاد رد نشدنی ما:
با خرید یک اکانت Gemini Pro یکساله (جدیدترین شاهکار گوگل) ➕یک اشتراک یک ماهه ChatGPT PLUS ➕ یک کانفیگ یکماهه رو از ما کاملاً رایگان هدیه 🎁 بگیرید!
با 1️⃣ تیر 3️⃣ نشان بزنید ‼️
🔔 به دلیل سختگیری های گوگل و استقبال گسترده ظرفیت وریفای محدود هست
⏳فقط تا جمعه ساعت 12 شب این تخفیف پابرجاست
🔹 ثبت سفارش و مشاوره رایگان 🔹
خواستم برای وبسایت شخصیم سرویس ایمیل برای فرم کانتکت وصل کنم. اولش گفتم بذار nodemailer رو استفاده کنم و بعد دیدم یکم ریسکیه چون ممکنه پسورد ایمیلم جایی لو بره (که باید اونو توی env ها ست میکردم)
با سرویسی به اسم Resend آشنا شدم که خیلی برام جالب بود. کارش اینه ایمیل هایی که از دامنه وریفای شده میاد رو میگیره و میفرسته به ایمیلتون
حالا دامنه وریفای شده چیه؟ مثلا یه سایتی دارید به اسم nafasebra.ir و ایمیلتون تقریبا یه همچین چیزیه:
contact[@]nafasebra.ir یا info[@]nafasebra.ir
میاین توی این سایت دامنه تون رو اضافه میکنین و خب بعد از اون یه دسترسی cloudflare بهش بدین که براتون dns ست کنه
و کار تمومه
حتی کلی فیچر دیگه هم داره که بهتره به بخش doc ش سر بزنین
https://resend.com/
@DevTwitter | <Nafas Ebrahimi/>
+1
وقتی شبکه در بوت کم آورد، Ventoy به میدان آمد!
گاهی فنیترین چالشها، سادهترین راهحلها رو دارند!
امروز با یه مشکل جالب تو یه پروژه پشتیبانی مواجه شدم: لپتاپ لگاسیم با قابلیت PXE Boot نامشخص!
چالش:
- نیاز به نصب ویندوز از طریق شبکه (PXE) روی لپتاپ
- تنظیمات بایوس کامل انجام شده، اما سیستم شبکه رو شناسایی نمیکرد
- تست سختافزار (کابل، پورت) سالم بود
- گزینه Network Boot در بایوس مخفی یا غیرفعال!
️ مراحل عیبیابی:
1. بررسی دقیق منوهای پیشرفته بایوس (حتی با کلیدهای ترکیبی)
2. تست Boot Menu (F12) برای گزینههای پنهان
3. احتمال عدم پشتیبانی سختافزار از PXE
راهحل نهایی:
«سوییچ هوشمند از PXE به USB Boot»
- استفاده از نرمافزار Ventoy برای ایجاد USB بوت چندکاره
- نصب سریع ویندوز از طریق USB
- نکته طلایی: بعد از نصب، درایور شبکه بهطور خودکار تشخیص داده شد و ارتباط برقرار شد!
گاهی دنبال کردن راهحلهای پیچیده وقتی سختافزار محدودیت دارد، تنها وقت تلف کردن است. سادهترین روش (USB Boot) میتواند در کمترین زمان مشکل را حل کند.
@DevTwitter | <Alireza Mojaveri/>
باز هم یه آسیب پذیری جدید و جذاب مثل
log4j , react2shell
آمده که اگر چیزی رو با n8n ساختید آب دستتوت هست بگذارید زمین و برید این آسیب پذیری رو حل کنید
این آسیب پذیری بسیار حساس و مهم با درجه حساسیت بحرانی آمده CVSS 9.9 روی n8n با شماره CVE-2025-68613 هست خیلی خیلی خیلی جدی بگیرید.
https://thehackernews.com/2025/12/critical-n8n-flaw-cvss-99-enables.html
@DevTwitter | <Mohammad Reza Mostamea/>
مروری بر مفاهیم Vector Database
در ارائه اخیرم برای شرکت آپ، یک مخزن GitHub طراحی کردم تا اصول و الگوریتمهای پایهای vector databases را به شکل عملی نشان دهد. هدف این پروژه، آشنایی با حوزههای semantic search، vector similarity metrics و سیستمهای بازیابی مبتنی بر بردار است و در عین حال فرصتی برای یادگیری عملی فراهم میکند.
ویژگیهای کلیدی این repository شامل:
Neural network ساده با TensorFlow برای درک نحوه تولید بردارهای embedding
پیادهسازی یک vector database from scratch با cosine similarity برای فهم الگوریتمهای جستجوی برداری
تحلیل داخلی Milvus internals برای بررسی معماری و بهینهسازیهای عملکردی
نمونه عملی semantic search روی جملات با Milvus، شامل نحوه indexing و query بردارها
سرور MNIST FastAPI با PyTorch که تصویر عدد کاربر را دریافت کرده و نزدیکترین بردارهای برچسبدار (nearest neighbor search) را پیشبینی میکند
این پروژه برای من علاوه بر یک تمرین عملی، فرصتی بود تا دانش خودم در زمینه vector-based retrieval systems را با دیگران به اشتراک بگذارم.
https://github.com/ap-incubator/vector-database
@DevTwitter | <Mohammad Nasr/>
یکی از کاربرد های خفن الگوریتم Binary Search میشه فیچر Bisect گیت در ورژن کنترل، در این ویدیو جادی خیلی خفن توضیح و آموزش میده:
https://www.youtube.com/watch?v=V89oD_HgSbE
@DevTwitter | <Max Shahdoost/>
Repost from هشتگ تبلیغ تخصصی
☯️ دوره جامع علم داده (Data Science)
🧠 از مفاهیم پایه تا پروژههای واقعی
🐍 به همراه آموزش Python و SQL Server
👥 دوره آنلاین #علم_داده مناسب برای:
✅ دانشجوها ✅تحلیلگران داده ✅کارکنان واحدهای تخصصی
و
⭐️ افرادی که دنبال تغییر مسیر شغلی به دنیای تحلیلگری داده و دیتاساینس هستن
📎 مشاوره رایگان + مشاهده جزئیات دوره:
🔗 httb.ir/1B8dJ
💯 گواهینامه معتبر مؤسسه توسعه
---
📈 جمعبندی سریع:
🟣 دوره آنلاین
🟣 شروع با مفاهیم پایه
🟣 یادگیری ماشین Python، (ML) و شبکههای عصبی
🟣 آموزش با Case Study ها و تحلیلها از صنایع و حوزههای متعدد
ارائه Critical Path Analysis: تکنیکی از پروژه منهتن برای دیباگ Latency در Go!
یکی از ارائه های جذاب GopherCon 2025 ارائه Felix Geisendörfer از Datadog بود درباره پروفایلینگ request latency با استفاده از Critical Path Analysis.
این تکنیک جالبه چون اصلاً برای نرمافزار طراحی نشده بود. از پروژه منهتن میاد! همون پروژهای که بمب اتمی ساخت. ایدهش سادهست: وقتی یه پروژه بزرگ داری با زیرپروژههای موازی، کدوم مسیر واقعاً تعیینکننده زمان کله؟
حالا Felix این رو آورده روی Go و goroutine ها.
مشکلی که حل میکنه اینه که پروفایلینگ سنتی بهت میگه mutex contention داری، ولی نمیگه این چقدر روی latency کاربر تأثیر گذاشته. مثلاً یه پروفایل نشون میده ۴۳۹ ثانیه contention تو ۶۰ ثانیه داشتی. خب این خیلی بده، ولی سوال اصلی اینه: کدوم بخشش واقعاً روی request های کاربر تأثیر گذاشته؟
اینجاست که execution tracer میاد وسط. برخلاف CPU profiling که فقط on-CPU رو نشون میده، execution tracer همه state transition ها رو ثبت میکنه: کی goroutine داشت run میشد، کی منتظر mutex بود، کی منتظر channel بود، کی scheduling latency داشت. یه تصویر کامل از زندگی goroutine هات.
راهحل اینه که از آخر request بری عقب و ببینی کدوم goroutine ها واقعاً سر راه بودن. اگه G1 منتظر G2 و G3 باشه و G3 دیرتر تموم بشه، سریعتر کردن G2 هیچ فایدهای نداره. این همون critical path هست.
یه کار خفن دیگه که تیم Datadog کرده اینه که overhead اجرای execution tracer رو از ۱۰-۲۰ درصد به ۱-۲ درصد رسوندن. یعنی الان میشه تو production ازش استفاده کرد.
این ارائه خیلی ارزشمنده چون نشون میده پروفایلینگ میتونه خیلی دقیقتر از چیزی باشه که عادت کردیم. به جای اینکه بگیم mutex contention داریم، بیاید همه جا رو optimize کنیم، میتونیم دقیقاً بفهمیم کجا واقعاً مهمه.
آقای Felix امیدواره این کار رو open source کنه.
اگه با Go کار میکنید و tail latency براتون مهمه، پیشنهاد میکنم این ارائه رو ببینید.
https://www.youtube.com/watch?v=BayZ3k-QkFw
@DevTwitter | <Hasan Nazari/>
دو تا سایت خیلی کاربردی برای JavaScript که همیشه موقع کدنویسی بهشون سر میزنم :
سایت DevHints – خلاصه، سریع و مناسب مرور مفاهیم JS
سایت OverAPI – چیتشیتهای تمیز و جمعوجور برای JavaScript
اگه فرانتاند کار میکنی، اینا واقعاً نجاتدهندهان
https://devhints.io/
https://overapi.com/javascript
@DevTwitter | <Sadaf Amininia/>
Repost from N/a
ما حسن و حسین هستیم.
چند ساله بکند کار میکنیم، چیزایی که یاد میگیریم رو اینجا میذاریم.
نه guru هستیم نه متخصص همهچیز—فقط دو نفر که سیستمهای بزرگ رو دوست دارن.
https://t.me/+zwjhcfPyLfhmOTc0
https://youtu.be/HfJwezWWu08?t=426
یعنی این تیکه از صحبت های The PrimeTime انقدر دارک بود که دارم ناامید میشم به گیتهاب
اینکه CEO کل سازمان گیتهاب داره با AI میره جلو
حتی پالمر نقش پایین تری داره و این موضوع خیلی عجیبه
یعنی کل گیتهاب داره با هدایت هوش مصنوعی میره جلو؟
شهر عجیبیه
@DevTwitter | <Shayan GeeDook/>
دیگه نیازی نیست کاربران رو مجبور کنیم مسیرِ طراحیشدهٔ ما رو طی کنن.
با Tambo، یک Generative UI SDK برای React، رابط کاربری واقعاً تطبیقپذیر میشه:
کاربر میگه چی میخواد و AI، با تکیه بر Zod schemas، دقیقاً همون کامپوننت رو رندر میکنه.
https://github.com/tambo-ai/tambo
@DevTwitter | <پروفشیونال/>
