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 33 540 名订阅者,在 技术与应用 类别中位列第 4 000,并在 伊朗 地区排名第 10 622 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 33 540 名订阅者。
根据 12 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 930,过去 24 小时变化为 19,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 17.88%。内容发布后 24 小时内通常能获得 13.84% 的反应,占订阅者总量。
- 帖子覆盖: 每篇帖子平均可获得 5 996 次浏览,首日通常累积 4 642 次浏览。
- 互动与反馈: 受众积极参与,单帖平均反应数为 47。
- 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 13 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。
33 540
订阅者
+1924 小时
+3977 天
+93030 天
帖子存档
امسال Black Hat 2025 اروپا در انگلستان برگزار میشود.
میدونیم که تب استفاده از AI الان زیاد است که این قاعدتا بد نیست و در این کنفرانس هم چندین AI در زمینه کمک به امنیت معرفی خواهند شدند که زودتر از کنفرانس میتوانید، آن ها را نصب و آزمایش کنید.
https://medium.com/@Ethansalan/black-hat-europe-2025-arsenal-8-ai-security-tools-transforming-cybersecurity-ccd08c472aaa
@DevTwitter | <VAHID NAMENI/>
نمی دونم این چقدر به کار بقیه میاد ولی اگر Vibe-Coding می کنید و ایجنت کلی روی پروژتون کامنت های بیخود نوشت می تونید با استفاده از این اسکریپت پایتونی که نوشتم کامنت هایی که نیاز ندارید رو پاک کنید
https://github.com/naseridev/vibecleaner
@DevTwitter | <Nima Naseri/>
این پروژه اپن سورس جالب strix رو یه نگاه بندازین. یه جورایی انگار یه تیم هکر هوش مصنوعی اپنسورس استخدام کردین که شبانهروزی حواسشون به اپلیکیشنهاتون هست.
این ایجنتهای AI دقیقاً مثل هکرهای واقعی رفتار میکنن. کد شما رو به صورت داینامیک اجرا میکنن، آسیبپذیریها رو پیدا میکنن و برای اینکه ثابت کنن الکی نمیگن، براتون PoC (اثبات مفهومی) واقعی میسازن.
بهترین بخشش اینه که دیگه از شر اون همه false positive (هشدارهای الکی) که ابزارهای اسکن استاتیک میدن خلاص میشید. Strix واقعاً باگ رو پیدا میکنه و بهتون نشون میده.
یه جعبه ابزار کامل هکری هم داره:
- پراکسی HTTP
- اتوماسیون مرورگر
- محیط ترمینال
- و حتی رانتایم پایتون
تازه، میتونه تو CI/CD شما هم ادغام بشه و جلوی کدهای آسیبپذیر رو قبل از اینکه اصلاً به پروداکشن برسن بگیره.
به جای اینکه هفتهها منتظر تست نفوذ دستی بمونید، با Strix میتونید تو چند ساعت یه تست کامل بگیرید.
Github: https://github.com/usestrix/strix
@DevTwitter | <Mehdi Allahyari/>
Repost from مشاوره و فروش تجهیزات شبکه hp سهند سرور
﷽
👍 فروش تخصصی سرورهای HP و تجهیزات شبکه HPE
اگر به دنبال کیفیت، اصالت و پشتیبانی واقعی هستید،
اینجا دقیقاً جای درستیه!❤️
🔹 سرورهای اورجینال HP
🔹 رم، CPU، مادربرد، هارد و کارت شبکه سرور
🔹 مشاوره تخصصی قبل از خرید
🔹 قیمتهای رقابتی و ارسال فوری سراسر کشور
شما میتوانید سرور های hpe را با توجه به نیازتون با گارانتی معتبر از سهند سرور تهیه کنید.📞 راههای ارتباطی: ❤️ موبایل و واتساپ: 09127236100 ❤️تلگرام: @Mahdizarifiyan 🌐وبسایت: www.sahandserver.com در دامنه سهند، به قلههای فناوری برسید #HP #HPE #Server #سهند_سرور #تجهیزات_شبکه https://t.me/sahandserver
به اون کاری که امروز کردی نگو "ریفکتور" (Refactor). اگه تست نداره، اون فقط یه "گندکاریِ تمیزه".
این فقط یه جملهی قشنگ نیست؛ این یه زخمه که من هنوز یادمه.
اوایل کارم، میخواستم قهرمان باشم. ️ تو یه پروژهی لگسی، یه "God Function" هزار خطی پیدا کردم و گفتم: "من اینو تمیز میکنم!"
نشستم و تیکهتیکهاش کردم. ۵۰ تا تابع کوچولوی تر و تمیز. اصل DRY رو پیاده کردم. ظاهر کد عالی شد. "تمیز" و "حرفهای". احساس غرور میکردم.
مشکل چی بود؟ اون کد اصلی لعنتی، یه دونه هم تست خودکار نداشت.
اونجا بود که فاجعه اتفاق افتاد. کاری که من انجام دادم، "ریفکتور" نبود؛ "تغییر دادنِ کورکورانه" بود.
اون کد "تمیز" من، چند تا باگ جدید و پنهان داشت. چرا؟ چون اون "کد اسپاگتی" زشت، پر از منطقهای تجاری پنهان و وابستگیهای زمانی بود که فقط تو همون حالت کار میکرد.
من "بدهی فنی" رو پرداخت نکردم؛ من یه بدهی کمبهره (مثل تکرار کد که فهمیدنش ساده بود) رو برداشتم و با یه بدهی پربهره (مثل یه "انتزاع اشتباه" که حالا دیباگ کردنش غیرممکنه) عوض کردم.
این "تلهی کد تمیز"ئه. مهمترین تعریفی که تو این صنعت باید بلد باشیم مال مایکل فدرز (Michael Feathers) ئه: "کد لگسی، کدیه که تست نداره." همین.
تو یه سیستم لگسی، قانون اول "تمیز کن" نیست. قانون اول اینه: "اول امنش کن." برو "تستهای مشخصهیابی" (Characterization Tests) بنویس تا رفتار فعلیِ سیستم (با همهی باگهاش) رو قفل کنی. وقتی اون تور ایمنی رو ساختی، اونوقت حق داری که شروع به تمیزکاری کنی.
@DevTwitter | <Hossein Moradi/>
منطق پشت کلاستر این CockroachDB چقدر قشنگه.
نوعی دیتابیس SQL که به صورت Master Master کلاستر میشه و از پروتکل RAFT استفاده میکنه.
اما چی!؟ ، مگه RAFT ساختارش به صورت Master Slave ایی تعریف نمیشد؟ پس چجوری توی دیتابیس Master Master داره استفاده میشه؟
شاید اونجوری که CockroachDB میگه اصلا Master Master ایی در کار نیست یا تعریف ما متفاوته .
خلاصه اگه علاقه مند هستین چجوری توی CockroachDB ما RAFT داریم، خوشحال میشم مقاله ایی رو که نوشتم مطالعه کنین، حدودا هم ۵ دقیقه وقتتون رو میگیره.
https://medium.com/@parsagheiratian/the-mentality-behind-cockroachdb-0ed524fcc7ec
@DevTwitter | <Parsa Gheiratian/>
️️
توی پروژههای Django معمولاً وقتی میخوای فیلترهای داینامیک بسازی (مثلاً برای API یا صفحه جستجو)، مدیریت query stringها یه دردسر تکراریه.
برای همین یه پکیج نوشتم به اسم django-query-string-parser که کارش اینه query string رو مستقیم تبدیل کنه به Q object، با یه سینتکس خوانا و امن.
چند تا قابلیت مهمش:
- پشتیبانی از عملگرهای مختلف مثل :, !=, >, <, >=, <=, ~=
- ترکیب منطقی با AND / OR و پرانتز
- تعریف فیلدهای مجاز (whitelist) برای امنیت بیشتر
- پشتیبانی از استرینگ، عدد، بولین و null
- خروجی نهایی: یه Q object تمیز برای .filter() یا .exclude()
به درد جاهایی میخوره که بخوای فیلترهای پیچیده ولی قابل خواندن بسازی — مثل APIها، داشبوردها یا پنل ادمین.
نصب:
pip install django-query-string-parser
گیتهاب:
https://github.com/sepehr-mohseni/django-query-string-parser
@DevTwitter | <Nima Naseri/>
Repost from N/a
سلام
✅ ما جمعی از دانشجویان دانشگاه شریفیم که هدفمون کمک به شما برای جزوات و کتاب رفرنس اساتید و فیلم های آموزشی دانشگاهی گذاشته میشه
کانالمون رو دنبال کنید:
👇👇
https://t.me/+f979BZi_I89mNTQx
https://t.me/+f979BZi_I89mNTQx
کتاب Apprenticeship Patterns راهنماییه برای برنامهنویسهایی که میخوان از یه تازهکار، تبدیل به یه حرفهای واقعی بشن.
این ترجمه فارسی، نسخهای روان و کاربردیه از کتاب اصلیه و بهت کمک میکنه مسیر رشد شخصی و فنیت رو آگاهانه طی کنی.
اگه دنبال اینی بدونی چطور باید یاد بگیری، چطور تجربه کسب کنی و چطور خودت رو بسازی، این کتاب دقیقاً همونه که باید بخونی.
github.com/hheydarian/apprenticeship-patterns-persian
@DevTwitter <Hamed Heydarian/>
سرویسی که گفت: “من دیگه نمیکشم…” و ما رفتیم سراغ Go!
چند ماه پیش متوجه شدم که بار روی یکی از سرویسهامون که مسئولیت محاسبه قیمت، تخفیف و موجودی کالا را برعهده داشت، عجیب بالا رفته.
هی باید بهش ریسورس اضافه میکردیم و هی فاکتور پشتفاکتور… هی سعی می کردیم کد های سمت node js رو باز نویسی کنیم اما باز مشکل وجود داشت
اما یک جایی ایستادم و به مانیتور زل زدم:
«واقعاً تا کی Scale out ؟ تا کی پول بریزیم برای پادهای بیشتر؟»
با بررسی لاگ های کمی که تو سیستم داشتیم و کمی تعمل بیشتر دیدم مشکل ما فقط زبان نیست بلکه دید طراحی ما برای همچین فشاری آماده نشده بود.
و دیدم که مشکل فقط «بار زیاد» نیست؛ مشکل این بود که مدلِ اجرا (single-threaded event loop + heavy allocations) با الگوی کاری سرویس (محاسبهٔ همزمان قیمت/تخفیف/موجودی) همخوانی نداشت.
هرچقدر پاد اضافه میکردیم، هزینه افزایش مییافت اما مشکل اصلی — CPU-bound hot path و فشار GC — همچنان پابرجا بود.
وقتی اینطوری باشه، مهاجرت به runtimeی که برای concurrency و low-overhead execution طراحی شده (مثل Go) یک انتخاب فنی معقول و قابل دفاعه.
پس تصمیم گرفتم همهچیز را با Go دوباره بسازم؛
اما نه صرفاً rewrite — بلکه یک refactor درست در مون
اول از همه، متریکها را جمع کردم.(این کار برای شروع کار حیاتیه)
p95، مصرف CPU، ترافیک همزمان، صف درخواستها…
میخواستم دقیقاً بفهمم کجا درد میکنیم.
بعد شروع کردم به بازطراحی معماری:
سرویس باید کاملاً Stateless میشد
هر درخواست باید موازی و بدون dependency محلی قابل پاسخ باشد
عملیات سنگین محاسبات تخفیف باید Pipeline بشود
با کمک goroutineها و channelها در خواست ها را موازی و سبک تقسیم کردم و شد یک پازل برای گرفتن جواب نهایی
درخواستها را تقسیم کردم، هرکدام موازی، هرکدام سبک، و در نهایت مثل قطعات پازل کنار هم جواب نهایی را ساختیم.
می خواستم برم سمت gRPC که محدودیت زمان اجازه نداد پس رفتم سمت DB و ایندکس گزاری های بهنر و جدا کردن read , write از هم
کش کویری هم اورد وسط و بعد هم از ردیس واسه کش کمک گرفتم
برای invalidate کردن قیمت و موجودی هم معماری event driven کمک گرفتم (حالا هی بگید چرا مهمه بدونیمش)
خوب گفتیم قبل از این که سرور بیاد پایین بفهیم چه خبره تو سیستم… پس یک logging , metrics هم توی سیستم گذاشتم حتی گوروتین ها رو همو پروفایل کردم که oberservity رو افزایش بدم
خلاصه بعد از این کارها . latency تا ۶۰ درصد در پیک ها پایین امد…مصرف cpu قابل حدس شد و هزینه ها به شدت کم شد و بچه های محصول خوشحال (البته بعدش یک عالمه فیچر امد سمتمون)
در کل باید به " performance از همان ابتدای طراحی معماری فکر کرد"
@DevTwitter | <Hessam Zaheri/>
Repost from N/a
💥 در ۵۰ هفته دانشمند داده شوید!
با دوره Data Scientist دایکه، از پایه و به کمک پروژههای واقعی یاد میگیرید دادهها را تحلیل، مدلسازی و به تصمیمهای هوشمند تبدیل کنید.
ویژگیهای دوره:
📊 ۳۴۷ ساعت آموزش تخصصی
🧩 ۲۶ پروژه واقعی
💻 ۱۵۶ جلسه آموزش هیبریدی (آنلاین + ویدئوهای آفلاین)
📜 گواهینامه معتبر و آمادگی برای ورود به مشاغل حوزه دیتا
🚀 دایکه، از اولین برندهای آموزشی ایران در حوزه Data & AI است که آموزشهایی پروژهمحور، کاملاً کاربردی و همراه با پشتیبانی دائمی ارائه میدهد.
📌 امکان پرداخت اقساطی و بازگشت وجه تا دو هفته پس از ثبتنام
🔗 دریافت مشاوره رایگان و ثبتنام👇
https://B2n.ir/yu5911
✨تمامی دورههای دایکه بهصورت مداوم بهروزرسانی میشوند و شما دسترسی مادامالعمر به محتوای جدید و کلاسها دارید.
@dayche
من یه ربات تلگرام ساختم برای دانلود فایلها از کانالها.
باهاش میتونید:
- همه فایلهای یه کانال رو دانلود کنید
- بر اساس نوع فایل فیلتر کنید (عکس، PDF، ویدیو و ...)
- تعداد فایلهایی که میخواین دانلود بشه رو مشخص کنید
یه اسکریپت ساده که با Python و Telethon نوشته شده
لینک گیت هاب:
https://github.com/erfanghorbanee/Telegram-File-Downloader
@DevTwitter | <Erfan/>
تاحالا با cli hashtag هوشمصنوعی qwen کار کردین؟
خب نصبش که خیلی راحته:
npm install -g @qwen-code/qwen-code
حالا تو ویندوز command prompt رو باز میکنید و به شاخه پروژه میرید
اونجا دستور qwen رو میزنید و عملیات لاگین رو با جیمیلتون انجام میدید
بعد از لاگین فقط کافیه بهش بگید که چیکار کنه
این cli هوشمصنوعی عالیه، حتی خیلی بهتر از gemini گوگل
من یک پروژه کامل رو با این cli نوشتم (laravel inertia)
بک و فرانت رو همزمان پشتیبانی میکنه
حتی کارهایی که من ازش نمیخواستم و به ذهن منم نمیرسید رو خودش انجام میداد
قبل از هر تغییری هم که بخواد ایجاد کنه، از شما سوال میکنه که آیا موافق هستید یا نه
@DevTwitter | <sina Khaghani/>Repost from N/a
الان دیگه همه با AI کار میکنن.
مزیت واقعی رو توی بازار کار، کسی داره که بتونه AI رو طوری شخصی سازی کنه، که به جای یک کارمند تمام وقت، کار کنه.
صفر تا صد این مهارت رو میتونی اینجا یاد بگیری👇
https://dnkr.ir/kNgWa
لیستی از پروژههای پیشنهادی GenAI که میتونه بهتون کمک کنه رزومه بهتری در این حوزه داشته باشید، از دستش ندید!
https://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/resources/60_ai_projects.md
@DevTwitter | <zhiwar/>
+1
https://w3schools.com
بچه ها این سایت برای یادگیری برنامه نویسی خیلی عالیه
نکته ای که متمایزش میکنه از بقیه 1-اکثر زبان های برنامه نویسی رو داره 2-ازت سوال میپرسه و عملی تمرینت میده
ترجیحا پایتون یا سی شارپ یادبگیرید (مرگ بر جاوااسکریپت)
@DevTwitter | <MaHdI/>
اگر دوست دارید سرویس ها مختلف مثل اور لیف و جوپیتر و ار استدیو و ... لوکال بیارید بالا و همشو باهم داشته باشید
این ریپو به دردتون میخوره
https://github.com/parvvareshInfrastructure/local-service
@DevTwitter | <Alireza Parvaresh/>
یه اکستنشن دارم برای لینکدین که متن پستها رو باهاش استخراج میکنم
این لینکدین هر روز DOM رو آپدیت میکنه و تغییر میده
زخم شدم یعنی، بس کن دیگه دو روز آروم بگیر
یکی از دوستام داشت یه فایل منیجر می ساخت. منم می خواستم یه ایده ای رو تست کنم. جفتمون به یه File Search Engine نیاز داشتیم. در نتیجه، یکی ساختم. می ذارمش اینجا شاید به کار بقیه هم بیاد
https://github.com/naseridev/omega
@DevTwitter | <Nima Naseri/>
