DevTwitter | توییت برنامه نویسی

ساخت سرویس‌های بدون سرور با Python «اگر هنوز پایتون را فقط برای اسکریپت نویسی می‌بینی، یا تازه‌کاری بهتره وارد بازی اصلی بشی تا تفاوت رو احساس کنی.» با Python و Cloud Functions می‌تونی سرویس‌هایی بسازی که بدون سرور اجرا می‌شن، سریع و مقیاس‌پذیر. خیلی پروژه‌ها هنوز خودشون رو درگیر سرورها و مدیریت زیرساخت می‌کنن، در حالی که با چند خط کد همه چیز خودکار و بهینه می‌شه. من تو چندتا پروژه سنگین، سرویس‌هایی که قبلاً یک سرور پرخرج لازم داشتن رو بردم تو مدل Function-based. نتیجه؟ سرعت بهتر، هزینه نصف، و کل جنگ‌های زیرساختی هم از دوش آدم برداشته میشه.تابع ها و بخصوص توابع سنگین فقط وقتی اجرا میشه که لازم داری. نه سرور ۲۴ ساعت روشن، نه دردسر نگهداری، نه استرس Scale. دلایل اصلی که من فکر میکنم این سبک میتونه بهتر نتیجه بده : - فانکشن‌های سبک و تست‌پذیر با پایتون - مدیریت State با Pub/Sub و Cloud Storage بدون پیچیدگی - معماری ماژولار واقعی، نه اون ادعای فیگور گرفتن تو رزومه‌ها - حذف کامل نیاز به Nginx، سرور دائمی، یا دیپلوی‌های اعصاب‌خردکن هرکی میگه Serverless برای پروژه جدی مناسب نیست، معمولاً حتی یک بار درست پیاده‌سازیش نکرده. منابع برای شروع و یادگیری عملی: - مستندات رسمی گوگل: Cloud Functions Python Docs - مثال عملی سرورلس پایتون: Serverless Python on GCP @DevTwitter | <amin diba/>

ببین، خیلی سؤال خوبیه و می‌دونم دغدغه‌ی خیلی‌هاست.

راستش نه، سخت‌تر نشده؛ شکلش عوض شده.

قبلاً یه نیروی تازه‌کار باید کلی کلنجار می‌رفت تا اولین پروژه رو بگیره، الان اونی که بلد باشه با AI کار کنه، می‌تونه خیلی سریع‌تر به یه خروجی قابل‌قبول برسه و همون رو تبدیل به اولین درآمدش کنه؛ می‌تونه با کمک AI پروژه بزنه و یه رزومه‌ی خوب بسازه و زودتر وارد بازار کار بشه. الان شرکت‌ها و کارفرماها دنبال کسی هستن که:

▪️هم منطق برنامه‌نویسی رو بفهمه ▪️هم بلد باشه از AI مثل یه دستیار قدرتمند استفاده کنه

توی تجربه‌‌ی کار کردنم با انواع روش‌های کدنویسی به این نتیجه رسیدم که حرفه‌ای‌ترین روش کار، تمرکز روی این مهارت‌هاست : 👌به‌جای این‌که صرفاً کدنویسی یاد بگیرید، باید یاد بگیرید چطور با ترکیب برنامه‌نویسی + AI به سطح یه نیروی کار باارزش برای استخدام شدن برسی؛ چه فریلنس، چه کارمندی. 👈اینجا یک دوره‌ی تعاملی کاربردی و عالی هست و برای  ۲۰ نفر اول که ثبت‌نامشون رو نهایی کنن، یه کد تخفیف ۱ میلیون تومنی داره که روی پرداخت اقساطی هم فعال می‌شه. همین الان برای مشاوره یا ثبت‌نام به این لینک سر بزن 👇🏼 https://zalc.ir/l/oq1kB4 https://zalc.ir/l/oq1kB4 https://zalc.ir/l/oq1kB4

چطور عملکرد پلاگین‌هامون رو در وردپرس بهینه کنیم؟ یکی از اشتباه‌های رایج در توسعه پلاگین‌های وردپرس اینه که همه فایل‌ها و کدها در تمام صفحات سایت لود می‌شن — حتی جایی که اصلاً لازم نیست نتیجه؟ - کاهش سرعت سایت - افزایش Memory Usage - افت رتبه در Core Web Vitals یه ترفند ساده برای بهینه‌سازی وجود داره با این روش فایل‌های پلاگین فقط در صفحاتی لود می‌شن که واقعاً نیاز دارن. این یعنی: - افزایش سرعت بارگذاری - کاهش بار سرور - تجربه بهتر برای کاربر نکته طلایی: به جای لود فایل‌ها در همه صفحات (wp_enqueue_scripts)، همیشه بررسی کن پلاگینت کجا استفاده میشه (is_page, is_admin, is_singular, …). @DevTwitter | <ahmad esmaili/>

خبر خوب برای برنامه‌نویس‌های دات‌نت نسخه جدید دات‌نت ۱۰ از Server-Sent Events (SSE) پشتیبانی می‌کند. این قابلیت یک روش ساده و تمیز برای ارسال داده‌های زنده از سرور به مرورگر است، بدون نیاز به WebSocket. اگر با رابط‌های کاربری زنده، داشبوردهای لحظه‌ای یا سیستم‌های نوتیفیکیشن سروکار داری، این قابلیت می‌تواند تجربه‌ت رو تغییر بده. چطور کار می‌کند؟ ارسال داده‌ها به‌صورت یک‌طرفه از سرور → مرورگر، بدون پیچیدگی‌های WebSocket. چرا این ویژگی مهمه؟ - ساده‌تر از WebSocket - مقیاس‌پذیرتر - مناسب برای رابط‌های لحظه‌ای و نوتیفیکیشن‌ها - بدون نیاز به کتابخانه‌های جانبی، در خود فریم‌ورک نتیجه برای ما برنامه‌نویس‌ها: ساخت رابط‌های پویا، داشبوردهای زنده و نوتیفیکیشن‌ها راحت‌تر و سریع‌تر می‌شود. خلاصه: با SSE در دات‌نت ۱۰، ساخت «رابط‌های زنده» دیگه راحت‌تر از همیشه شده. @DevTwitter | <Säber V/>

چرا برای تولید OTP نباید از Math.random() استفاده کنیم؟ بسیاری از سیستم‌ها برای تولید کدهای یک‌بارمصرف هنوز به Math.random() تکیه می‌کنن؛ درحالی‌که این تابع امنیت لازم برای تولید توکن های حساس رو نداره. مشکلمون چیه؟ تابع Math.random() یک Pseudo Random Number Generator غیرکریپتوگرافیک هست. یعنی خروجی آن با دونستن seed یا الگوی تولید، قابل پیش‌بینیه. همین پیش‌بینی‌پذیری باعث می‌شود یک مهاجم با brute-force یا تحلیل خروجی‌ها بتونه OTP بعدی رو حدس بزنه. در مقابل چی داریم؟ توابعی مثل crypto.randomInt() یا crypto.randomBytes() در Node.js از یک Cryptographically Secure PRNG استفاده میکنن. این یعنی: غیرقابل پیش‌بینی دارای entropy کافی مقاوم در برابر حملات آماری مناسب برای توکن‌های امنیتی مثل OTP، لینک بازیابی، session secret و موارد دیگه. @DevTwitter | <Amirali Allahverdi/>

دوره جامع پایتون: مقدماتی تا پیشرفته 🗓شروع دوره: 8 آذر 🎁 تخفیف ویژه برای دانشجویان، فرصتی بی‌نظیر برای شما! 🔥 آموزشی که شما را به برنامه‌نویس حرفه‌ای تبدیل می‌کند و در بازار کار به شما رقابت‌پذیری بیشتری می‌دهد. همچنین برای اپلای‌های شغلی و تحصیلی شما را برتر می‌کند و به راه‌اندازی استارت‌آپ‌های شگفت‌انگیز کمک می‌کند. ⏰ 140 ساعت آموزش مجازی، با بیش از 25 پروژه و مینی‌پروژه برای تسلط کامل! 🌟 سرفصل‌های دوره شامل: 💻 تسلط بر کدنویسی پایتون 💻 علوم داده با پایتون 💻 محاسبات علمی با پایتون 💻 یادگیری ماشین با پایتون 💻 طراحی بازی و اپلیکیشن با پایتون 💻 ساخت بلاک‌چین و ارز دیجیتال با پایتون 💻 هک و امنیت با پایتون 💻 طراحی سایت با پایتون 🎁 همراه با هدایای ویژه، از جمله پکیج کسب درآمد از پایتون! همین حالا شروع کنید و بهترین نسخه خود را با ما کشف کنید! 💥🚀🔥 🌟 به دوستان خود نیز اطلاع دهید تا این فرصت را از دست ندهند! 🌟 👨‍🏫برگزارکننده: شرکت آتی پژوهش امیرکبیر @kargah2018 👩‍🎓جهت ثبت نام و کسب اطلاعات بیشتر @apa_admin12

ایشون رو بالاخره بهتر کردم.. حالا..نمایشگر فریم بافر داره و حرکت ها نرم تر شدند(پر پر رو تا جایی که می تونستم کم کردم) حالا می تونید بیشترین امتیاز رو داشته باشید و اگر برد خاموش شد هم اون امتیاز از بین نمیره مقاومت های ده هزار اهمی هم حذف شدند لینک ریپو https://github.com/aydakikio/arduino_snake @DevTwitter | <Loanly/>

خبر داغ برنامه‌نویسا : گزارش Stack Overflow 2025 نشون می‌ده ۸۴% دولوپرها از AI مثل ChatGPT و GitHub Copilot استفاده می‌کنن، اما ۶۶% کلافه از کدهای 'تقریباً باگی' هستن! Cursor و Copilot دارن کدینگ رو متحول می‌کنن، ولی دیباگش وقت‌گیره. https://survey.stackoverflow.co/2025/ai/ @DevTwitter | <Arash/>

مدل Nano Banana Pro معرفی شد مدل Nano Banana Pro یا همان Gemini 3 Pro Image جدیدترین مدل تصویری Google/DeepMind است که روی تولید و ویرایش تصویر با کیفیت بالا و کنترل‌پذیری دقیق تمرکز دارد. این مدل در درک صحنه و رندر جزئیات یک جهش جدی داشته. یکی از نکات برجستهٔ آن، رندر متن داخل تصویر بدون distortion یا بهم‌ریختگی است. برای ساخت پوسترهای حرفه‌ای، نمودارها و صفحات محصول. همچنین امکان کنترل دقیق روی lighting، camera angle، scene setup و style را فراهم می‌کند. جزئیات بیشتر در DeepMind https://deepmind.google/models/gemini-image/pro/ @DevTwitter | <Hanieh Khalesi/>

چند وقتیه روی پروژه‌ای کار می‌کنم که اسمش رو Hyperion گذاشتم؛ یک سرویس سبک و قابل توسعه برای Health Monitoring که می‌تونه در کنار سرویس‌های مختلف قرار بگیره و به‌صورت مداوم وضعیت سلامت اون‌ها رو بررسی کنه. Hyperion دقیقا چیکار می‌کنه؟ Hyperion برای این طراحی شده که در کنار سرویس‌های حیاتی یک سیستم قرار بگیره و وضعیت سلامت اون‌ها رو real-time مانیتور کنه. فعلاً سرویس‌های زیر رو پشتیبانی می‌کنه: 1- PostgreSQL 2- Redis 3- MySQL 4- MongoDB 5- TCP Connections کافیه داخل داشبورد، آدرس سرویس رو وارد کنید؛ باقی کار بر عهده Hyperion هست. اتصال‌ها در فواصل زمانی مشخص با استفاده از Celery Beat انجام می‌شن و نتیجه‌ها در داشبورد نمایش داده می‌شن. * تکنولوژی‌های استفاده شده : Django – هسته اصلی سرویس Celery + Redis – اجرای تسک‌های دوره‌ای و اتصال به سرویس‌ها Dockerized – تنها با یک docker compose up --build بالا میاد بدون API اضافه — سعی کردم خیلی ساده و سبک باشه و با template پیاده سازی کردم تا راحت قابل دسترس باشه همچنین یک UI ساده برای مشاهده وضعیت سرویس‌ها درست کردم تا بدون پیچیدگی‌های اضافه بتوانید وضعیت health سرویس‌ها را با توجه به interval ای که بهش دادید ، ببینید . مثلا هر 10 دقیقه سرویس مورد نظرتون چک بشه یا هر 1 دقیقه . * قابلیت‌های آینده : در حال حاضر Hyperion در مرحله اولیه قرار داره و open source هم هست ، اما برنامه‌های توسعه زیادی براش دارم. مهم‌ترینش: Alerting System برای ارسال اعلان از طریق: ایمیل Webhook پیام‌رسان تلگرام و همچنین اضافه کردن سرویس های دیگری برای چک کردن Hyperion یک پروژه Open Source هست و خوشحال می‌شم اگر توسعه‌دهندگان Python / Django، برنامه‌نویس‌های Backend، یا دوستان DevOps علاقه‌مند به مانیتورینگ در توسعه اون شریک بشن. https://github.com/soheilsshh/HYPERION @DevTwitter | <soheil shorvarzy/>

سلام 😊 من دانشجوی ارشد هستم و از شما دعوت می‌کنم در پژوهشی درباره پردازش زبان 🧠📚 شرکت کنید. 🕒 مدت آزمایش: حدود ۶۰/۳۰ دقیقه 💻 به‌صورت آنلاین با لپ‌تاپ یا کامپیوتر 📖 شامل خواندن ۱۱۰ جمله (فارسی یا انگلیسی) و پاسخ به چند سؤال ساده 💸 هدیه: ۱۰۰ هزار تومان برای هر مرحله تقریبا ۳۰ دقیقه ای پس از انجام موفق آزمایش شرایط شرکت: 1️⃣ زبان مادری‌تان فارسی باشد (و تا ۶ سالگی زبان دیگری یاد نگرفته باشید) 2️⃣ بجز زبان مادری (فارسی) کلا زبان دیگری را خیلی خوب بلد نباشید یا 2️⃣در زبان انگلیسی سطح بالایی داشته باشید (C1 یا C2؛ توسط تعیین سطح آنلاین) 📩 برای اطلاعات بیشتر و دریافت لینک لطفاً پیام دهید به: @TahaShaban با سپاس 🌱🙏

همه دیزاین پترن‌ها به فارسی توی مصاحبه‌های شغلی یا کد نویسی تمیز، یادگیری Design Pattern‌ ها می‌تونه کمکت کنه. من مجموعه‌ کاملی از الگوهای طراحی رو به زبان فارسی آماده کردم که هر پترن رو می‌تونی در کمتر از ۵ دقیقه همراه با مثال های کاربردی در سی‌شارپ بخونی. شروع مطالعه: https://alireza-haeri.github.io/Persian-Design-Patterns/ اگر مفید بود، با یه Star ازش حمایت کن: https://github.com/alireza-haeri/Persian-Design-Patterns @DevTwitter | <AliReza Haeri/>

هوش مصنوعی بالاخره یاد گرفت "فکر کنه"! حتی اگه یه خط کدنویسی هم بلد نیستی، این پروژه رو ببین چون آینده‌ی تکنولوژی رو نشون میده. اینجا هوش مصنوعی دیگه فقط یه ماشین نیست که دستورات رو تکرار کنه؛ بلکه یاد گرفته مثل یه انسان باهوش، قبل از هر کاری مکث کنه، نقشه بکشه و استدلال کنه. اگه می‌خوای ببینی کامپیوترها چقدر دارن شبیه به مغز انسان می‌شن و چطوری مسائل سخت رو با "منطق" حل می‌کنن، حتماً یه نگاه بهش بنداز! https://github.com/amirhoseinnaderali-pixel/Reasoning-Is-All-You-Need @DevTwitter | <Am/>

کاهش هزینه سیستم‌های هوش مصنوعی با Semantic Caching با رشد مدل‌های زبانی بزرگ و پیشرفته، هزینه و زمان پاسخ‌دهی هم به شدت افزایش پیدا کرده. مدل‌هایی مثل GPT-5 یا Claude برای کارهای پیچیده فوق‌العاده‌اند، ولی استفاده از اون‌ها هم پرهزینه و هم کند محسوب می‌شه. از طرف دیگه، AI Agentها واقعاً «توکن‌خور» هستن؛ یعنی برای انجام یک کار معمولاً چندین مرحله طی می‌کنن: تحقیق، برنامه‌ریزی، عمل و بازتاب و تکرار. همین باعث می‌شه چندین بار با مدل تماس بگیرن و در نتیجه هزینه و تأخیر افزایش پیدا کنه و متن‌های طولانی‌تر تولید بشه. برای مثال، یه بنچمارک اخیر از TheAgentCompany در ۲۰۲۵ نشون داده اجرای کامل یک Agent گاهی تا ۶.۸ دلار هزینه داره. یکی از مشکلات اصلی در دنیای واقعی، تکراری بودن سوال‌هاست، مخصوصاً توی پشتیبانی مشتری. کاربران دائماً سوال‌های مشابهی می‌پرسن: مثل «چطور پولم رو پس بگیرم؟» یا «شرایط بازگشت وجه چیه؟» و Agent مجبور می‌شه هر بار پاسخ رو از صفر تولید کنه. نتیجه‌ش افزایش هزینه، طولانی شدن زمان پاسخ و فشار بیشتر روی سیستم‌های RAG و زیرساخت‌هاست. در نگاه اول، ممکنه فکر کنیم کش کلاسیک کفایت می‌کنه. ایده‌ی کش ساده اینه که اگر یک سوال قبلاً پاسخ داده شده، دوباره سراغ مدل نریم. ولی مشکل اینجاست که کش سنتی دنبال Exact Match یا تطابق دقیق متنه. سوال‌هایی که از نظر معنی یکی هستن ولی عبارت‌هاشون فرق می‌کنه، مثل: «می‌خوام پولم رو پس بگیرم»، «چطور می‌تونم درخواست بازگشت وجه بدم؟» و «سیاست بازگشت پولتون چیه؟»، همه Cache Miss می‌شن و کش عملاً استفاده نمی‌شه. اینجاست که Semantic Caching وارد می‌شه. به جای تطابق کلمه‌به‌کلمه، کش به معنی و مفهوم جمله نگاه می‌کنه. مزیت اصلی‌ش اینه که Recall و Hit Rate بالاتره و احتمال استفاده از کش و صرفه‌جویی خیلی بیشتر می‌شه. البته چالشش هم اینه که گاهی ممکنه جواب بی‌ربط بده یا همون «False Positive» رخ بده. روش کار Semantic Caching ساده است ولی هوشمندانه: ابتدا سوال کاربر به Embedding یا بردار عددی تبدیل می‌شه. بعد با بردارهای موجود در کش با Semantic Search مقایسه می‌شه. اگر فاصله معنایی کم باشه، پاسخ از کش برگردونده می‌شه؛ در غیر این صورت به RAG یا LLM می‌ریم. در نهایت سوال و پاسخ جدید هم ذخیره می‌شه تا دفعه بعدی قابل استفاده باشه. پیاده‌سازی Semantic Caching با چالش‌هایی همراهه؛ مثل دقت (Accuracy) که آیا کش جواب درست می‌ده، کارایی (Performance) و میزان Cache Hit، سرعت سرویس‌دهی، آپدیت‌پذیری کش و اینکه آیا می‌تونیم کش رو گرم، تازه‌سازی یا پاکسازی کنیم. همچنین مشاهده‌پذیری (Observability) مهمه تا بتونیم hit rate، latency، صرفه‌جویی هزینه و کیفیت کش رو بسنجیم. معیارهای اصلی سنجش کش شامل Cache Hit Rate هست که نشون می‌ده چند درصد درخواست‌ها از کش پاسخ داده می‌شن و Precision/Recall/F1 Score که کیفیت و دقت پاسخ‌ها رو مشخص می‌کنه. برای بهبود دقت و کارایی کش هم می‌تونیم Threshold فاصله رو تنظیم کنیم، Reranker اضافه کنیم مثل Cross-encoder یا LLM-as-a-judge، از Fuzzy Matching برای تایپوها استفاده کنیم و فیلترهای اضافی مثل تشخیص پرسش‌های زمان‌محور (Temporal) یا تشخیص کد (Python، Java و…) اعمال کنیم تا سوالات اشتباه وارد کش نشن. یه مثال واقعی از این تکنولوژی پروژه waLLMartCache در Walmart هست. اون‌ها با نوآوری‌هایی مثل Load Balancer برای توزیع کش روی چند Node و Dual-tiered Storage که L1 = Vector DB و L2 = In-memory Cache مثل Redis هست، هم سرعت و هم دقت رو بالا بردن. Multi-tenancy هم باعث شده چند تیم یا اپلیکیشن از یک زیرساخت مشترک استفاده کنن. Decision Engine هم شامل تشخیص کد و زمانه و اگر سوال مناسب کش نباشه مستقیماً به LLM یا RAG می‌ره. نتیجه‌ش رسیدن به دقت نزدیک ۹۰٪ بوده. @DevTwitter | <Reza Jafari/>

امتحانش مجانیست.... این تضمین را می‌دهیم که، طی ۵ جلسه رایگان شما را عاشق زبان انگلیسی می‌کنیم. ثبت‌نام نهمین دوره ۰ تا ۱۰۰ مکالمه و آیلتس دکتر مردانی شروع شد. جهت شرکت در ۵ جلسه رایگان برای تصمیم‌گیری، لطفا به آیدی پشتیبانی در تلگرام پیام دهید.👇 @Course_support7 دکتر نوید مردانی، استاد دانشگاه، از دانشگاه بریستول انگلستان. پیج اینستاگرام دکتر مردانی؛👇 www.instagram.com/zabanmardani

یک منبع داکر روی گیت‌هاب آماده کردم که همه چیزای مهم رو شامل میشه: cheat sheet – Docker | Docker Compose sample: Django، FastAPI، Node.js، Nginx، PostgreSQL، Redis advanced topic : security, monitoring, networking, Prometheus, private registry, Grafana این ریپو برای افرادی مناسبه که تازه می‌خوان داکر رو یاد بگیرن یا دولوپرهایی که می‌خوان سریع پروژه‌هاشون رو بیارن بالا. https://github.com/sajadnezamabadi/docker-cheat-sheet @DevTwitter | <Sajad NezamAbadi/>

یه چیز جالب/ترسناک که امروز دیدم - تشخیص حالت Incognito / Private - ردیابی حتی بعد از پاک کردن کش و کوکی‌ها - شناسایی چند پنجره همزمان - کار کردن حتی کنار Anti-Tracking ها یه پروژه هست به اسم supercookie که نشون می‌ده حتی اگه تو حالت Incognito باشید هم می‌تونن فقط از روی favicon شما رو ردیابی کنن مرورگر فاوآیکون رو یه‌جوری کش می‌کنه که می‌شه ازش به‌عنوان یک شناسه پایدار استفاده کرد لینک پروژه: https://github.com/jonasstrehle/supercookie/ @DevTwitter | <Mahdi AmirAbdollahi/>

PHP 8.5 Released! In this new release, we have: – URI Extension – Pipe Operator – Clone With – A new #[\NoDiscard] attribute – Closures and first-class callables in constant expressions – Persistent cURL share handles https://www.php.net/releases/8.5/en.php @DevTwitter

🚨 #افزایش_قیمت_رسمی 🚨 خسته شدی از بدقولی‌های خریدار گروه قدیمی؟ 😞 خریدار گروه‌های تلگرامی قدیمی با قیمت جدید 😎

🐆قیمت جدید :       👇 💦 ۲۰۱۶ + ۲۰۱۵ – 1200 میلیون 💦 ۲۰۱۸ + ۲۰۱۷ – 1 میلیون 💦 ۲۰۲۰ + ۲۰۱۹ – 950 تومن 💦 ۲۰۲۲ + ۲۰۲۱ – 950 تومن 💦 ۲۰۲۳ – 800 تومن 💦 ۲۰۲۴ – پیام بدین

✅اگه از گروهی لفت دادی و نمی‌دونی چطور پیداش کنی، راهنماییت می‌کنیم! تعداد بالاتر + قیمت بالاتر 🗣️همراه با واسطه و پرداخت تتر

🎁 پاداش همکاری: هر معرفی فروشنده = 100 تومن جایزه!

⭐️ برای فروش ضربه بزنید 📌 Pv: @Amo_rhakn

از Android به Flutter؛ پلی که همیشه جایش خالی بود سال‌ها روی Android کار کرده بودم و عادت داشتم هرچه لازم دارم را مستقیم از بخش Native بگیرم. وقتی وارد Flutter شدم، دوباره همان نیاز جلویم قرار گرفت؛ و این‌بار Platform Channel دقیقاً همان پلی بود که دنبالش می‌گشتم راهی ساده، امن و قابل‌اعتماد برای ارتباط بین Flutter و دنیای Native. برای اینکه این مسیر برای دیگران هم روشن‌تر باشد، یک نمونه‌ی جمع‌وجور آماده کردم که ارتباط Flutter - Android را خیلی شفاف و قدم‌به‌قدم نشان می‌دهد. https://github.com/arminmehraeen/Flutter-Channel @DevTwitter | <Armin Mehraein/>