DevTwitter | توییت برنامه نویسی

ریپازیتوری 500-AI-Agents-Projects مجموعه‌ای از ایده‌ها و پروژه‌های عملی در حوزه AI Agent هست؛ از نمونه‌های ساده تا سناریوهای پیشرفته و Multi Agent. دسته‌بندی متنوع بر اساس کاربرد مناسب برای الهام گرفتن و توسعه نمونه‌های واقعی مرجع خوب برای یادگیری معماری Agent-based https://github.com/ashishpatel26/500-AI-Agents-Projects @DevTwitter | <Amir Pournasserian/>

ابزار litellm ، به برنامه نویسان این قابلیت رو میده که کد را فقط یک بار با فرمت OpenAI بنویسند و هر زمان خواستند مدل و پرووایدر را عوض کنند! (مثلاً از GPT-4o به Claude 4.5 یا Groq Llama3.1 و 100+ LLMs دیگه ) فقط کافی است اسم مدل را تغییر بدهید. بدون تغییر کد یا دردسر فرمت پیام‌ها، بدون یادگیری API جدید هر شرکت. اگر بیشتر از یک مدل LLM (حتی محلی + cloud) استفاده می‌کنید، LiteLLM زمان، پول و دردسر رو خیلی کم می‌کنه. https://github.com/xPOURY4/litellm @DevTwitter | <POURYA/>

مجموعه‌ای از کامپوننت‌های اوپن‌سورس برای نمایش نقشه در React پیدا کردم: mapcn بدون نیاز به تنظیمات پیچیده بر پایه MapLibre GL و استایل با Tailwind سازگار با shadcn/ui برای طراحی‌های یکپارچه https://github.com/AnmolSaini16/mapcn @DevTwitter | <Amir Pournasserian/>

🔽30% تخفیف دوره ها تا 8 اسفند🔽 🔥دسته بندی دوره های دپارتمان برق و کامپیوتر🔥کلیک کنید👇 ✔️گروه آموزشی پارس پژوهان 💥برنامه نویسی و طراحی سایت 💥پایتون و هوش مصنوعی 💥تخصصی MATLAB 💥دوره های تخصصی 💥اتوماسیون صنعتی 💥میکروکنترلرها 💥شبکه و IT 💥 عمومی ✅فيلم دوره ها+آنلاین+حضوری ✅مدرك لاتين+فنی حرفه ای(تحت نظارت) ✅بيمه رايگان برای جلساتى كه حضور نداشتید 📌مشاوره و ثبت نام: 🙍‍♂️@Parspajouhaan_registration1 📞021-88322993 🌐 وبسایت 📱 کانال تلگرام 📱 اینستاگرام 🔽30% تخفیف دوره ها تا 8 اسفند🔽

.یه خبر خوب برای مظلومین دنیای توسعه :) اینقدر بکندی‌ها داکیومنت تولید نکردن که Postman خودش دست به کار شد و شرکت Fern را خرید. کاری که Fern می کرد تولید خودکار مستندات از روی کد بود. حالا Postman با این خرید میتونه از این قابلیت در نرم افزار خودش استفاده کنه تا بعد از اینکه شما لیست API را داخل Postman ایمپورت کردید داکیومنت مورد نیاز را تحویل بگیرید استفاده کنید. قدر بکندکاری که فقط کد نمی‌زنه، تحلیل، تست و داکیومنت می‌کنه را بدونید. و مهم‌تر از اون قدر مدیری که ازش می‌خواد و بعنوان الزام شناخته شده. @DevTwitter | <Hamed Jafari/>

سایت Anthropic نوشته DeepSeek، Moonshot و MiniMax با ۲۴ هزار اکانت فیک، ۱۶ میلیون بار با Claude حرف زدن تا قابلیت‌هاش رو بدزدن و مدل خودشون رو ارزون‌تر بسازن! http://anthropic.com/news/detecting-and-preventing-distillation-attacks مدل Distillation Attack یعنی به‌جای اینکه از صفر یه مدل هوش مصنوعی تربیت کنی (که گرونه و زمان‌بره)، میلیون‌ها سوال از یه مدل قوی‌تر می‌پرسی، جواب‌هاش رو جمع می‌کنی و با اون داده‌ها مدل ضعیف‌تر خودت رو Train می‌کنی. در واقع دزدی غیرمستقیم از زحمت و هزینه‌ی رقیبته! @DevTwitter | <Saman Faegh/>

اگه دانشجویی، اینو می‌فهمی: پول تو جیبی هیچ‌وقت کافی نیست 🙂 تدوین ویدئو با پریمیر یه مهارته که می‌تونی باهاش حتی از خوابگاه هم پروژه بگیری. شروع کن: https://t.me/+kRrH5NCSlvszNzY0 _رایان

اگه دانشجویی، اینو می‌فهمی: پول تو جیبی هیچ‌وقت کافی نیست 🙂 تدوین ویدئو با پریمیر یه مهارته که می‌تونی باهاش حتی از خوابگاه هم پروژه بگیری. شروع کن: https://t.me/+kRrH5NCSlvszNzY0 _رایان

آنچه امروز در دنیای هوش مصنوعی مایه نگرانی شده، پدیده‌ای به نام Model Distillation (تقطیر مدل) است. شرکت‌های بزرگ مثل Anthropic و OpenAI میلیاردها دلار هزینه می‌کنند تا مدل‌های پیشرو (Frontier) مثل Claude یا GPT را آموزش دهند. بخش بزرگی از این هزینه صرف Alignment (تراز کردن اخلاقی) می‌شود تا مدل یاد بگیرد به درخواست‌های خطرناک (ساخت بمب، حملات سایبری، بیوسلاح) پاسخ ندهد. اما ماجرا اینجاست که بازیگران دیگر (از شرکت‌های رقیب گرفته تا نهادهای نظامی و اطلاعاتی در کشورهایی مثل چین و به طور اخص در توییت Deepseek)، با استفاده از API این مدل‌ها، صدها هزار سوال پیچیده از آن‌ها می‌پرسند و پاسخ‌ها را ذخیره می‌کنند. سپس یک مدل بومی و کوچک‌تر را بر اساس این پاسخ‌ها آموزش می‌دهند. نتیجه؟ مدل جدید، «هوش» مدل اصلی را به ارث می‌برد، اما تمام گاردریل‌ها و فیلترهای اخلاقی آن را جا می‌گذارد. این یعنی دستیابی به قدرت یک مدل فوق‌پیشرفته، بدون هیچ قید و بند امنیتی. این یک دزدی معمولی نیست، این "توزیع بمب اتم دیجیتال" است. با Distill کردن مدل‌هایی مثل Claude، عملاً گاردریل‌ها حذف می‌شوند و قابلیت‌های خطرناک (بیوسلاح، سایبری، دیس‌اینفورمیشن) مستقیماً به دست نهادهای نظارتی و نظامی می‌افتد. این یعنی دور زدن کامل کنترل صادرات چیپ و ایجاد یک تهدید نامتقارن که می‌تواند به فاجعه در زیرساخت‌ها ختم شود. وقت آن رسیده که جامعه AI این Proliferation را جدی‌تر از یک رقابت تجاری ببیند. @DevTwitter | <Navid Taheri/>

#بدرد این مدل هوش مصنوعی بینهایت و بدون لاگین براتون هر تصویری بخواید تولید می‌کنه تاکید می‌کنم، هر تصویری... https://perchance.org/ai-text-to-image-generator @DevTwitter

#کوته_نیوز اپراتور‌ها دوباره 18 درصد بسته‌ها رو گرون کردن. ایرانسل: افزایش تعرفه‌ها ناگزیر بود. @DevTwitter

اسکریپت ساخت repo آفلاین برای OpenWRT رو بلاخره در گیت هاب منتشر کردم (همراه با exe برای اجرای راحت در ویندوز) این اسکریپت که با پایتون درست کردم به صورت خودکار و هوشمند کاملاً مشابه خود روتر پکیج ها + تمامی وابستگی هاشون رو دانلود و resolve میکنه https://github.com/alirexn/openwrt-packgrab @DevTwitter | <AlirezaNeo/>

انقلابی در Google AI Studio؛ اپلیکیشن بساز، نه فقط کد! گوگل با معرفی موتور جدید Antigravity، سطح بازی رو جابه‌جا کرد. حالا می‌تونی اپلیکیشن‌های Full-Stack کامل رو فقط از یک محیط واحد بسازی. واضح بود که ۲۰۲۶ سال ابزارهای توسعه هوشمند میشه و گوگل این رو ثابت کرد. اما Antigravity دقیقاً چه فرقی داره؟ - ساخت اپلیکیشن‌های متقابل با پشتیبانی از Multiplayer - رابط کاربری حرفه‌ای و آماده عرضه بدون پیچیدگی‌های معمول - استفاده از ابزارهای قدرتمندی مثل Lucide React برای آیکون‌ها و Framer Motion برای انیمیشن‌ها موضوع فقط ظاهر نیست؛ امنیت و اتصال هم حرف اول رو می‌زنه: - ذخیره‌سازی کاملاً امن کلیدهای API داخل خودِ برنامه - اتصال مستقیم به سرویس‌های محبوبی مثل Twilio ،Slack و انواع پایگاه‌های داده خلاصه اینکه دیگه بحث فقط «تولید کد» نیست؛ تو با یه محصول نهایی و حرفه‌ای میای بیرون که آماده انتشاره. گوگل می‌خواد فاصله بین «ایده» و «ساخت اپلیکیشن» رو برای همیشه از بین ببره. @DevTwitter | <MAHDI S. Homeyli/>

بازی شبیه‌ساز راه اندازی دیتاسنتر. کابل‌کشی، نصب رک‌، سرورها و سوئیچ‌ها، کسب درآمد و ارتقا زیرساخت و مشتریان بزودی عرضه میشه سرویس دهنده‌های درپیت ایرانی بازی کنند و کار را حداقل از بازی کردن یاد بگیرند https://store.steampowered.com/app/4170200/Data_Center/ @DevTwitter | <Teegra/>

#کوته_نیوز سایت دانشگاه شریف هک شد و لوگوی دانشگاه صنعتی آریامهر رو گذاشتن روش @DevTwitter

با این ابزار متن‌باز میتونید واترمارک های Gemini Nano Banana رو حذف کنید. سایت: https://banana.ovo.re پروژه: https://github.com/journey-ad/gemini-watermark-remover @DevTwitter | <Amir Motahari/>

💙 ۱ میلیون اعتبار هدیه کوئرایی فقط تا ۲۴ ساعت! 😇با این اعتبار می‌تونی هر دوره‌ آموزش برنامه‌نویسی یا هوش‌مصنوعی که بخوای رو تهیه کنی، همراه با تخفیف‌های ویژه: 🔹۳۰٪ تخفیف روی دوره‌های پیشرفته 🔹۳۵٪ تخفیف روی مسیرهای برنامه‌نویسی از صفر تا صد 🌱 حتی اگه عضو کوئرا نیستی، به محض ثبت‌نام ۱ میلیون اعتبار هدیه می‌گیری. 💳 پرداخت در ۴ قسط ✨مشاهده دوره‌ها و ثبت‌نام: 🔗https://quera.org/r/tea75

یه ابزار جذاب برای کسایی که با LLM و Agentها کار می‌کنن! یک افزونه VS Code که ورک‌فلوهای AI/LLM داخل کد رو به صورت گراف تعاملی نمایش می‌ده. به‌جای اینکه بین فایل‌ها دنبال جریان اجرای مدل بگردید، Codag: کال‌های LLM رو شناسایی می‌کنه ارتباط نودها رو رسم می‌کنه نودها رو https://github.com/michaelzixizhou/codag @DevTwitter | <Amir Pournasserian/>

این ابزار ai فوق العادست این توییت رو از دست ندید با این ai agent می‌تونی هر متنی رو با صدای خودت پخش کنی ابزاری به اسم Voicebox این امکان رو می‌ده که صدا رو خیلی واقعی شبیه‌سازی کنی چرا جذابه؟ - کلون‌کردن صدای خودت با کیفیت بالا - امکان انتخاب صدای دیگر - اجرا به‌صورت محلی روی سیستم (حریم خصوصی بالا) - متن‌باز و کاملاً رایگان - فعلاً فقط برای دسکتاپ (لینوکس هم کامینگ سونه!) voicebox.sh https://github.com/jamiepine/voicebox @DevTwitter | <MAHDI S. Homeyli/>

یه SQL agent ساختم که متن معمولی رو به کوئری‌های امن و دقیق دیتابیس تبدیل می‌کنه. این چیزیه که باعث میشه واقعاً توی پروداکشن کار کنه: روش ساده‌لوحانه: یه بار صدا زدن LLM، دادن اسکیما، گرفتن SQL — همون لحظه‌ای که کاربر واقعی میاد سراغش می‌شکنه. سوال‌های مبهم، جدول اشتباه، بدون ریکاوری از خطا. راه‌حل: تجزیه‌اش کردم به ۸ نود تخصصی داخل یه گراف LangGraph: Router Rewriter Table Selector SQL Generator Validator Executor Synthesizer Visualization هر کدوم فقط یه کار انجام میدن. edgeهای شرطی هم مسئول routing و retry خودکار هستن. نکتهٔ طلایی: حلقهٔ retry اگه SQL یا توی validation رد بشه یا موقع اجرا fail بده، گراف برمی‌گرده به generator و خطا رو داخل کانتکست مکالمه تزریق می‌کنه. LLM می‌بینه چی نوشته بوده و چرا fail شده، و خودش اصلاحش می‌کنه. ۷ تا چیزی که فرق بین دمو و محصول واقعی رو مشخص می‌کنه: - برای تصمیم‌های دسته‌بندی از function calling استفاده کن، نه parsing متن آزاد - همیشه خروجی LLM رو با ground truth چک کن — مدل‌ها اسم جدول hallucinate می‌کنن - روی retry دما رو ببر بالا که همون کوئری خراب رو دوباره نده - کانتکست خطا رو تزریق کن — «تو X نوشتی، با Y fail شد، درستش کن» - قبل از اجرا SQL رو validate کن — مثلاً regex برای DROP/DELETE با word boundary - همه‌چیز رو streaming کن — کاربر نباید ۵ ثانیه به صفحه خالی نگاه کنه - استفاده از Thread ID برای ایزوله بودن sessionها — چند کاربر، یه deployment، بدون تداخل state سیستم خودش Vega-Lite chart هم می‌سازه. هیچ chart type ای هاردکد نشده — LLM از روی شکل داده encoding درست رو انتخاب می‌کنه. کل کد (بک‌اند + فرانت React): http://github.com/mallahyari/langgraph-sql-agent توضیح معماری کامل هم داخل newsletter هست. https://mlnotes.substack.com/p/building-a-production-ready-sql-agent @DevTwitter | <Mehdi Allahyari/>