ch
Feedback
DevTwitter | توییت برنامه نویسی

DevTwitter | توییت برنامه نویسی

前往频道在 Telegram

توییت های برنامه نویسی و طراحی وب :) @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 29 459 名订阅者,在 技术与应用 类别中位列第 4 611,并在 伊朗 地区排名第 11 541

📊 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 29 459 名订阅者。

根据 27 六月, 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 1 093,过去 24 小时变化为 33,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 22.36%。内容发布后 24 小时内通常能获得 16.56% 的反应,占订阅者总量。
  • 帖子覆盖: 每篇帖子平均可获得 6 568 次浏览,首日通常累积 4 865 次浏览。
  • 互动与反馈: 受众积极参与,单帖平均反应数为 53
  • 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 :) @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 28 六月, 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。

29 459
订阅者
+3324 小时
+2877
+1 09330
帖子存档
فریم‌ورک Hypervel یه فریم‌ورک پورت شده از لاراول هست که coroutine هارو ساپورت میکنه با لاراول Octane میشه ریکوئست‌هایی که I/O
فریم‌ورک Hypervel یه فریم‌ورک پورت شده از لاراول هست که coroutine هارو ساپورت میکنه با لاراول Octane میشه ریکوئست‌هایی که I/O سنگین دارن رو هندل کرد اما خوب چون coroutineها استفاده نمیکنه بهینه نیست بنچ‌مارک زیر نسبت QPS هندل شده بین هایپرول و اکتان هست https://github.com/hypervel/hypervel @DevTwitter | <Saman/>

یه چرخ زدم تو گیتهاب ، ملت کلی api key پوش کردن تو گیتهاب :))) نتیجه وایب کدینگ با هوش مصنوعی البته بیشتراش از کار افتاده بخا
یه چرخ زدم تو گیتهاب ، ملت کلی api key پوش کردن تو گیتهاب :))) نتیجه وایب کدینگ با هوش مصنوعی البته بیشتراش از کار افتاده بخاطر سیستم گیتهاب... @DevTwitter | <Shojaei/>

طی دو روز گذشته با Cline کار می کردم: واقعا برای vibe coding لذت بخش بود. روی VS Code نصب میشه و به OpenRouter هم کار می کنه.
طی دو روز گذشته با Cline کار می کردم: واقعا برای vibe coding لذت بخش بود. روی VS Code نصب میشه و به OpenRouter هم کار می کنه. مراحل نصب خیلی ساده بود. دو امکان جدید داره: - Plan/Act - Memory Bank نتیجه، تقریبا بدون اینکه من چیزی بنویسم: https://github.com/pournasserian/FluentCMS @DevTwitter | <Amir Pournasserian/>

ساده ترین سیستم RAG رو توی حدود صد خط کد نوشتم که کاملا لوکال روی سیستم خودتون ران میشه. استار فراموش نشه https://github.com/
ساده ترین سیستم RAG رو توی حدود صد خط کد نوشتم که کاملا لوکال روی سیستم خودتون ران میشه. استار فراموش نشه https://github.com/mshojaei77/ollama_rag @DevTwitter | <Shojaei/>

با تکنیک «آنالیز احساس» یا همون Sentiment Analysis اومدن توهین‌های لینوس تروالدز (خالق لینوکس و گیت) رو طبقه‌بندی کردند :)))
با تکنیک «آنالیز احساس» یا همون Sentiment Analysis اومدن توهین‌های لینوس تروالدز (خالق لینوکس و گیت) رو طبقه‌بندی کردند :))) بالاخره یکی هم پیدا شد که یه حرکت فان با AI بزنه :)) https://github.com/corollari/linusrants @DevTwitter | <Mohammadreza Haghiri/>

Repost from N/a
#نت_افراز #سایبر_نوروز میزبان بهاریم با سایبر نوروز نت‌افراز! این نوروز فقط یه تخفیف ساده نیست! یه بازی هیجان‌انگیزه که می‌تو
#نت_افراز #سایبر_نوروز میزبان بهاریم با سایبر نوروز نت‌افراز! این نوروز فقط یه تخفیف ساده نیست! یه بازی هیجان‌انگیزه که می‌تونی کارت شخصیت وبمستریتو پیدا کنی. 🔥 چطوری؟ خیلی راحت! 🔹 وارد شو، به چند تا سوال جواب بده 🔹 کارت شخصیتت رو ببین 🔹 تخفیف‌ها که سر جاشه 🔖 کارتتو هم با دوستات به اشتراک بذار! ✨ منتظر یه تجربه‌ی متفاوت باش! 📅 از 25 اسفند تا 15 فروردین 🎯 بزن روی لینک و بازی کن و تخفیف بگیر! 🔗 سایبر نوروز نت افراز نوروزت مبارک! @netafraz

داشتم پروژه Cutie رو بررسی میکردم متوجه شدم همکاری دانشگاه ایلینویز با مرکز تحقیقات آدوبی بوده. جالب بود این Adobe research.
داشتم پروژه Cutie رو بررسی میکردم متوجه شدم همکاری دانشگاه ایلینویز با مرکز تحقیقات آدوبی بوده. جالب بود این Adobe research. دربارش سرچ کردم جای خفنیه. پروژه Cutie github.com/hkchengrex/Cutie مرکز تحقیقات Adobe: research.adobe.com@DevTwitter | <Amir/>

یک برنامه نوشتم که خیلی ساده هرکسی خواست یک ربات تگلرام درست کنه که در اعزای هر دستوری کار خاصی بکنه دیگه کد ننویسه کافیه توی
یک برنامه نوشتم که خیلی ساده هرکسی خواست یک ربات تگلرام درست کنه که در اعزای هر دستوری کار خاصی بکنه دیگه کد ننویسه کافیه توی فایل yaml دستور و بعد متن و یا فایل ها رو مشخص کنید. همین ربات شما آماده‌ست :) https://github.com/shabane/commodore @DevTwitter | <Arya Shabane/>

همین الان پروژه جدیدمو که تو ی روز درست کردم منتشر کردم، ی ابزاره برای برنامه نویس ها که داکر کامپوز هاشونو با کد بنویسن و سپ
همین الان پروژه جدیدمو که تو ی روز درست کردم منتشر کردم، ی ابزاره برای برنامه نویس ها که داکر کامپوز هاشونو با کد بنویسن و سپس تبدیلش کنن به یک فایل داکر کامپوز یا حالا DCaC https://github.com/amirparsadd/compocompo @DevTwitter | <AmirParsa Baghdadi/>

یکی از مهندسین گوگل یک RFC جالب برای کرنل لینوکس اارسال کرده با نام Live Update Orchestrator که برای live patching است. تمرکز
یکی از مهندسین گوگل یک RFC جالب برای کرنل لینوکس اارسال کرده با نام Live Update Orchestrator که برای live patching است. تمرکز این ویژگی روی زیرساخت‌های ابری است. الان دیگر زمانی نیست که به Uptime بالا افتخار کرد، بلکه یک خط قرمز محسوب می شود! ابزارهای دیگر مثل kpatch و غیره در دسته بندی in-place قرار دارند اما LUO گوگل اینگونه نیست ولی چرا ویژگی خفنی است؟ چون LUO دارای State Machine و Callback API است که به سایر subsystemهای مثل KVM اجازه مدیریت فرآیند به‌روزرسانی را می‌دهد. با بهره‌گیری از Kernel Hotplug Operations، وضعیت حافظه را از هسته قدیمی به هسته جدید منتقل می‌کند. این کار به هسته جدید امکان می‌دهد از جایی که هسته قبلی متوقف شده، ادامه دهد، در حالی که همچنان یک راه‌اندازی مجدد واقعی انجام شده است. رویکرد LUO به‌ویژه در محیط‌های پیچیده مانند زیرساخت‌های ابری، امکان توسعه (extensible) را فراهم می کند و هماهنگی را تا حد زیادی بالا می‌برد. https://lore.kernel.org/lkml/20250320024011.2995837-1-pasha.tatashin@soleen.com/ @DevTwitter | <Vahid Nameni/>

یک مدل زبان بزرگ سه‌بعدی (3D LLM) به اسم SpatialLM اومده که برای پردازش داده‌های 3D point cloud طراحی شده و خروجی‌های ساختار یافته از درک صحنه‌های 3D تولید می‌کند. این خروجی‌ها شامل عناصری معماری مانند دیوارها، درها، پنجره‌ها همراه با دسته‌بندی‌های معنایی‌شان هستند. این مدل توانایی‌های استدلال فضایی (spatial reasoning) را برای کاربردهایی در رباتیک، ناوبری خودران (autonomous navigation) و دیگر وظایف پیچیده تحلیل صحنه‌های سه‌بعدی بهبود می‌بخشد. Link: manycore-research.github.io/SpatialLM/@DevTwitter | <Mehdi Allahyari/>

کمپانی Nvidia یک دیتاست خیلی بزرگ (بیشتر از ۱۵ میلیون رکورد) که برای فاین تیون کردن مدلهای LLM از جمله برای فارسی میتونید استفاده کنید. خصوصا برای کارهای - math - code - general reasoning - and instruction following یک گنج! HF: https://huggingface.co/datasets/nvidia/Llama-Nemotron-Post-Training-Dataset-v1 @DevTwitter | <Mehdi Allahyari/>

این نوروز باستانی، تحول سال و نو شدن روزگار رو به شما قشنگا تبریک میگیم. امیدوارم این سال جدید براتون پر از موفقیت، حال خوب و البته پول زیاد باشه. @DevTwitter

ساخت یک پکیج Core برای میکرو فرانت اند چند وقته که دارم روی یک پکیج Shared Core کار می‌کنم تا مشکل اشتراک‌گذاری کامپوننت‌ها، هوک‌ها، آیکون‌ها و ابزارهای مشترک بین پروژه‌های میکرو فرانت‌اندی که داخل ریپو های مختلف هستن رو حل کنم. بعد از بررسی گزینه‌های مختلف، بهترین راهکار رو استفاده از GitHub Packages دیدم که باعث سریع‌تر شدن فرآیند توسعه و مدیریت ساده‌تر وابستگی‌ها می‌شه(البته استفاده از monorepo هم گزینه خوبیه ولی برای پروژه هایی که داخل یک ریپو قرار دارند البته مشکلات زیادی توی deployment براتون پیش میاد). ویژگی‌های این پکیج: * Rollup برای باندلینگ و بهینه‌سازی * Storybook برای مستندسازی و تست کامپوننت‌ها * SVGR برای مدیریت و استفاده از آیکون‌های SVG * CI/CD خودکار با GitHub Actions * قابلیت multi language support با استفاده از i18n , i18n-next * انتشار روی GitHub Packages برای استفاده راحت در پروژه‌های مختلف هر تغییری که با master مرج بشه عملیات ci/cd شروع میشه و مراحل build و release پروژه رو انجام میده به وسیله ی Github Actions چرا به جای مونو ریپو از GitHub Packages استفاده کردم؟ * استقلال کامل پروژه‌ها: هر پروژه نسخه مخصوص خودش رو داره و به تغییرات سایر پروژه‌ها وابسته نیست. * فرآیند توسعه سریع‌تر: نیازی به هماهنگ‌سازی کل مونو ریپو نیست، فقط پکیج آپدیت می‌شه. * پیچیدگی کمتر در CI/CD: فقط پکیج تغییر کرده منتشر می‌شه، نه کل ریپو. استفاده راحت در پروژه‌های مختلف: به‌سادگی از GitHub Packages نصب می‌شه، بدون تنظیمات اضافه. برای استفاده از این ریپو میتونید مراحل زیر رو انجام بدین 1- تنظیم env متغیرها در GitHub: داخل فایل publish.yml یکسری متغییر داریم که برای استفاده از github action ضروری هستن و برای ست کردنشون کافیه که متغییری به اسم GT_TOKEN (میتونید داخل فایل publish.yml تغییرش بدید) رو داخل github secrets تعریف کنید میتونید از این لینک کمک بگیرید: https://docs.github.com/en/actions/security-for-github-actions/security-guides/using-secrets-in-github-actions 2- کامپوننت ها، ایکون ها، helpers ها و هر انچه ماژول shared دارین رو انتقال بدید به core 3- کافیه تغییراتتون رو push کنید تا عملیات ci/cd استارت بشه و عملیات build و release انجام بشه (گیت هاب اکشن زمانی فعالیت رو اغاز میکنه که تغییراتی رو برنچ master اعمال بشه، میتونید داخل فایل publish.yml تغییرش بدین) 4- تنظیم npmrc برای نصب پکیج: برای نصب پکیج توی پروژه‌های دیگر، باید یک فایل npmrc. در ریشه پروژه قرار بدین. این فایل باید شامل توکن GitHub برای دسترسی به GitHub Packages باشه (میتونید از این لینک کمک بگیرید: https://stackoverflow.com/questions/72412063/personal-access-tokens-for-install-github-npm-packages) اینو مد نظر داشته باید که پکیج شما همواره به این صورت خواهد بود @PACKAGE_NAME/{GITHUB_USERNAME} مثلا برای این ریپو به این صورت هستش sadegh1379/es-core@ و در اخر کافیه پکیج رو نصب کنید npm install @sadegh1379/es-core با این روش، پکیج‌های shared core به راحتی بین پروژه‌ها به اشتراک گذاشته میشن و فرایندهای CI/CD به‌صورت خودکار و بدون نیاز به دخالت دستی انجام میشه. https://github.com/sadegh1379/es-core @DevTwitter | <Sadegh Akbari/> https://github.com/sadegh1379/es-core

امروز یه سولوشن خیلی تر تمیز واسه icon پیدا کردم که حیفم اومد به اشتراک نذارم. اگه سمت فرانت کار می‌کنید حتما با چالش مدیریت
امروز یه سولوشن خیلی تر تمیز واسه icon پیدا کردم که حیفم اومد به اشتراک نذارم. اگه سمت فرانت کار می‌کنید حتما با چالش مدیریت آیکن مواجه شدید و احتمالا با icomoon اشنا هستید. هرچند که icomoon مساله رو تا حدودی حل کرده ولی استفاده ازش چالش های خاص خودشو داره مخصوصا توی پروژه‌ای که تایپ‌اسکریپت باشه. راه کاری که میخوام معرفی کنم svgps هست. می‌تونید از توی لیستش آیکناتونو انتخاب کنید. اسمهاش رو تغییر بدید و پکیج خودتون رو دانلود کنید. در نهایت یه فایل selection.json و یه فایل icon.d.ts خروجی بگیرید و توی پروژتون ذخیره کنید. واسه استفاده کردن هم کافیه وکیج مناسب پروژتون رو نصب و کانفیگ کنید. لینک سایت: https://svgps.app/ لینک ریپو: https://github.com/aykutkardas/svgps.app @DevTwitter | <Ali Ghorbani/>

یک مدل جدید multimodal اومده به اسم SmolDocling که خیلی عالیه! خیلی کوچکه (ultra-compact vision-language model) و فقط با ۲۵۶ میلیون پارامتر دقتش در تبدیل داکیومنت به متن و استخراج اطلاعات واقعا بالاست. از OCR تا تشخیص کد و فرمولها و ... به کار میاد. راحت روی کامپیوتر نصب میشه و سرعتش هم خیلی بالاست. برای انواع کارها از جمله در workflow های agentic خیلی به درد میخوره. HF: https://huggingface.co/ds4sd/SmolDocling-256M-preview Paper: https://arxiv.org/pdf/2503.11576 @DevTwitter | <Mehdi Allahyari/>

یه مدته دارم در مورد MCP و اینا می‌خونم... مخصوصا فلسفه‌ای که با خودش میاره. این مقاله جالبی بود که با تاریخچه REST مقایسه کرده و دید جالبی داره. https://twitchard.github.io/posts/2025-03-09-mcp-hypermedia-reborn.html به نظرم برای کسایی که روی مدل‌های معماری AI دارن کار می‌کنن خوندن این مقاله ارزشش رو داره. @DevTwitter | <Mehran/>

در سیستم های RAG یا سوال-جواب chunking (تکه تکه کردن متن) یکی از حیاتی ترین مراحل هست. و نقش مهمی در دقت بازیابی اطلاعات داره. تعداد زیادی روش برای چانک کردن وجود داره و اینکه چه روشی را انتخاب کنیم سخته . یکی باز بهترین مقاله ها که روشهای مختلف chanking را مقایسه و ارزیابی کرده اینجا معرفی میکنم و کدش هم کامل گذاشتن. Link: https://research.trychroma.com/evaluating-chunking Github: https://github.com/brandonstarxel/chunking_evaluation @DevTwitter | <Mehdi Allahyari/>

با وجود رشد هوش مصنوعی، هنوز هیچ پلتفرمی به‌اندازه‌ی وردپرس برای راه‌اندازی سریع وبلاگ بهینه، با سئوی عالی و ابزارهای قدرتمند
با وجود رشد هوش مصنوعی، هنوز هیچ پلتفرمی به‌اندازه‌ی وردپرس برای راه‌اندازی سریع وبلاگ بهینه، با سئوی عالی و ابزارهای قدرتمند وجود نداره. یک راهنمای کامل نوشتم که کمکتون می‌کنه در کمترین زمان ممکن یه وبلاگ وردپرسی بهینه (100% core web vital) بسازید: https://wp-optimize.github.io/ @DevTwitter | <Masih Jahangirl/>

یه وقتایی بخشی از کامنت‌ها برای اینه که IDE بفهمه ما داریم چیکار می‌کنیم و بهمون چیزایی که می‌خوایم رو پیشنهاد بده. مثلا توی
+1
یه وقتایی بخشی از کامنت‌ها برای اینه که IDE بفهمه ما داریم چیکار می‌کنیم و بهمون چیزایی که می‌خوایم رو پیشنهاد بده. مثلا توی لاراول من یک مدل دارم به اسم Attachment که سه مقدار name, type و path داره همچنین با مدل محصولاتم در ارتباطه حالا اگر جایی بخوام از این اتریبیوت‌ها استفاده کنم، باید خودم بنویسیمش و IDE بهم پیشنهادشون نمیده، چون نمیدونه که این‌ها وجود دارن. راه حل چیه؟ اگر بیایم و اتریبیوت‌های اون کلاس رو داخل کامنت با پیشوند [at]property تعریف کنیم، اینطوری خود IDE میفهمه که این کلاس، این اتریبیوت‌ها رو داره. توی تصویر یک مثال ازش گذاشتم. @DevTwitter | <Milad Niroee/>