GrowVixo

یه واقعیت ساده ولی مهم برای برنامه‌نویس‌ها 👇 🔤 زبان برنامه‌نویسی فقط نیمی از ماجراست نیمه‌ی دیگه، ابزاریه که باهاش کد می‌زنیم. این تصویر خیلی خلاصه نشون می‌ده که هر زبان معمولاً با چه ادیتور یا IDEای بهترین تجربه رو می‌ده: 👩‍💻 Python با PyCharm 👩‍💻 Java با IntelliJ 👩‍💻 PHP با PhpStorm 👩‍💻 Go با Goland 👩‍💻 Swift با Xcode 👩‍💻 و البته VS Code که تقریباً همه‌جا هست 😄 🎯 نکته مهم اینه: ابزار درست = تمرکز بیشتر + خطای کمتر + سرعت بالاتر خیلی وقت‌ها مشکل از «سطح دانش» نیست، از اینه که با ابزار اشتباه داریم کار می‌کنیم. یه IDE خوب می‌تونه: * با refactor درست، کدت رو نجات بده * با debug واقعی، ساعت‌ها وقتت رو ذخیره کنه * و حتی طرز فکر تمیزتری بهت یاد بده 💬 تو بیشتر با کدوم ادیتور/IDE راحتی؟ و اگه مجبور باشی فقط یکی رو انتخاب کنی، کدومه؟ #Programming #SoftwareEngineering #IDE #VSCode #JetBrains #DeveloperLife 📱 @MilwadKhosravi

🚨 هوش مصنوعی؛ تهدیدی برای برنامه‌نویس‌های جونیور؟ شرکت Anthropic‌ از تغییرات جالبی در نیروی کار خودش خبر داده: 📉 سهم جونیورها از استخدام‌های فنی شرکت از ۲۷٪ به ۹٪ کاهش پیدا کرده.💔 ۲۰٪ از کارمندان گفتن که کارشون از انجام مستقیم وظایف به مدیریت ابزارهای هوش مصنوعی تغییر کرده. با وجود افزایش بهره‌وری، زمان جلسات کاری هم ۲۰٪ بیشتر شده؛ چون بررسی خروجی AI و هماهنگی بین افراد همچنان به زمان نیاز داره. و پیامش برای برنامه‌نویس‌ها: فقط کدنویسی کافی نیست؛ توانایی حل مسئله، کار با AI و بررسی خروجی‌ها هم اهمیت بیشتری پیدا می‌کنه. به نظرتون AI فرصت‌های شغلی جونیورها رو کمتر میکنه یا فقط شرایط ورود به بازار کار رو تغییر میده؟ #ai #هوش_مصنوعی @GrowVixo🔥 @GrowVixo_Ask https://techcrunch.com/2026/10/17/anthropic-says-its-workforce-has-become-less-junior-and-is-spending-more-time-in-meetings/

🔶 ایجاد آپلود فایل ساده در لاراول در این متد، یک روش ساده و کاربردی برای آپلود فایل در لاراول پیاده ‌سازی کرده ‌ام که امکان آپلود فایل ‌ها را با تعریف فیلد های مورد نیاز فراهم می‌کند. با استفاده از این متد، می‌توانید فایل ‌های خود را به ‌راحتی آپلود کنید، بدون اینکه نیاز باشد درگیر پیاده‌سازی کد های اضافی شوید. ۱. ایجاد فیلد دیتابیس

$table->string('image');

کنترلر UploadController:

private array $fileFields = ['image'];

// Save images for store
foreach ($this->fileFields as $row) {
     if ($request->hasFile($row)) {
        $data[$row] = $this->saveFiles($request->file($row));
     }
}

// Remove and Edit files for update
foreach ($this->fileFields as $row){
     if($request->hasFile($row)){
         $this->removeFileFromStorage($files->$row);
         $data[$row] = $this->saveFiles($request->file($row));
     }
}

// Remove for destroy
foreach ($this->fileFields as $row){
  $this->removeFileFromStorage($files->$row);
}

/**
 * Save Files
 */
private function saveFiles($file)
{
    $fileName = time() . '_' . $file->getClientOriginalName();
    $path = $file->storeAs('files/file', $fileName, 'public');

    return Storage::url($path);
}

/**
 * Remove Files in Route Storage Public
*/
private function removeFileFromStorage($file)
{
     $path = str_replace('/storage/', '', $file);
     if (Storage::disk('public')->exists($path)){
        Storage::disk('public')->delete($path);
     }
}

دستور فعال سازی استوریچ لینک

php artisan storage:link

#لاراول @TheRaymondDev

تصور کن هوش مصنوعی کد بنویسه، باگ‌ها رو پیدا کند، اسکرین‌شات طراحی‌ات رو به کد تبدیل کنه و حتی روی سیستم خودت اجرا بشه مایکروسافت با مدل جدید MAI-Code-1.1-Flash دقیقا روی همین مسیر تمرکز کرده . چه چیزهایی این مدل را جذاب میکنه؟ ۷۵٪ ارزان‌تر! هزینه استفاده از مدل نسبت به نسل قبلی به یک‌چهارم رسیده. سرعت بیشتر: تولید توکن سریع‌تر؛ یعنی انتظار کمتر هنگام کار با هوش مصنوعی. 🎨 از تصویر تا کد: اسکرین‌شات UI ux مدنظرت رو بده و از مدل بخواه پیاده‌سازیش کنه :) کدنویسی روی سیستم شخصی: امکان اجرای لوکال وجود داره، البته به سخت‌افزار قدرتمندی نیاز داره. دستیار توسعه: مناسب برای کارهایی مثل دیباگ، تست‌نویسی و ریفکتور کردن کد. #ai #هوش_مصنوعی #copilot @GrowVixo🔥 @MindSync_Gap معرفی رسمی: https://microsoft.ai/news/mai-code-1-1-flash-br-better-faster-at-a-quarter-of-the-cost/

🔶 من واقعاً به ایده‌ پورت کردن لاراول به Rust، Go، TypeScript یا هر زبان دیگری اعتقادی ندارم و آزمایش ‌هایی را هم که با Rust انجام می‌ دهم، این ‌طور توصیف نمی ‌کنم. من به این موضوع به چشم فرصتی برای آزمایش و تجربه نگاه می‌کنم؛ فرصتی برای ساخت چیزی که از نظر فلسفه و رویکرد، به لاراول شباهت داشته باشد: چارچوبی با قراردادها و الگو های مشخص و قوی (که عامل‌ های هوش مصنوعی هم بتوانند از آنها پیروی کنند)، راهکار های یکپارچه برای نیاز های رایج توسعه‌ وب و API های آشنا؛ اما چیزی که از پایه و بر اساس منطق و ویژگی ‌های خود آن زبان طراحی شده باشد، آن هم در دنیایی که دیگر انسان ‌ها کد را با دست نمی ‌نویسند و نمی ‌خوانند. بعضی از قابلیت ‌های لاراول کلاسیک ممکن است اصلاً جایی در نسخه ‌ای مبتنی بر Rust، Go یا TypeScript نداشته باشند. برای حل بعضی از مسائل هم می ‌توانم سراغ راهکار هایی کاملاً متفاوت بروم. به ‌نظرم اینکه بدون فکر و بررسی بگوییم هدف: این را به Rust پورت کن، رویکردی ساده ‌انگارانه است. چنین نگاهی اصل ماجرا را درک نمی ‌کند و فرصت واقعی این کار را هم از دست می ‌دهد. #لاراول @TheRaymondDev

۵ کد مخفی در چت جی پی تی 👌 @programmings_world

🔶 خیلی جالب است که یک نفر سؤال می‌پرسد و فرد دیگری با کمک هوش مصنوعی به سؤال او پاسخ می‌دهد. این اولین بار است که نسل Z چنین روشی را پیش می‌برد. به نظرم این روند می ‌تواند به از بین رفتن تفکر انتقادی منجر شود؛ وقتی فرد حتی توانایی پاسخ دادن به طرف مقابل و بیان نظر خودش را ندارد و برای پاسخ دادن به هوش مصنوعی متکی می‌شود. 🚬 #هوش_مصنوعی @TheRaymondDev

هرجای سایتتون نوشتید Loading... تبدیلش کنید به Thinking... تبریک میگم با صفر ریال هزینه سایت شما الان یه سایت هوشمند و پر پایه هوش مصنوعیه! @Linuxor

هوش مصنوعی داره باگ‌ها رو پیدا میکنه! جالبه بدونید Anthropic با پروژه Glasswing از Claude برای پیدا کردن آسیب‌پذیری‌های نرم‌افزاری استفاده کرده؛ نتیجه واقعا جالبه: 🔎 بیش از ۱۲۹ هزار آسیب‌پذیری تأییدشده بیش از ۳۳ هزار مورد High یا Critical یعنی AI میتونه در مدت کوتاهی، حجم عظیمی از باگ‌های امنیتی رو پیدا و بررسی کنه. تیم Anthropic حتی برای Claude سطوح دسترسی مختلفی در نظر گرفته؛ از دفاع سایبری گرفته تا Red Team برای شبیه‌سازی حملات واقعی. و خب یه سؤال : اگه AI بتونه این‌قدر سریع باگ پیدا کنه، هکرها هم میتونن از همین قدرت استفاده کنند؟ یعنی AI در برابر AI ؟😁 #Claude #Anthropic #برنامه_نویسی @GrowVixo 🔥

🧠 یکی از بزرگ‌ترین مسائل ریاضی بالاخره توسط هوش مصنوعی حل شد! مدل جدید OpenAI (GPT-6 Astra) با استفاده از حدود ۱۰ هزار عامل هوش مصنوعی (AI Agents) ادعا کرده مسئله‌ی معروف Navier–Stokes را حل کرده؛ یکی از ۷ مسئله‌ی هزاره که برای حل هرکدام ۱ میلیون دلار جایزه تعیین شده است. این مسئله بیش از ۲۰ سال است که یکی از چالش‌های بزرگ ریاضیات محسوب می‌شود و درباره‌ی رفتار معادلاتی است که حرکت سیالاتی مثل آب و هوا را توصیف می‌کنند. 🔬 نکته جذاب‌تر اینکه اثبات ارائه‌شده با Lean نیز به‌صورت رسمی بررسی و formalize شده است. البته هنوز ریاضیدانان مستقل باید این اثبات را بررسی و تأیید کنند؛ بنابراین فعلاً دقیق‌تر است بگوییم OpenAI یک راه‌حل پیشنهادی و formalized ارائه کرده، نه اینکه جامعه ریاضی رسماً آن را پذیرفته باشد. 🤖 هوش مصنوعی داره وارد جایی میشه که تا همین چند سال پیش، حتی تصور حل مسائلش با ماشین هم عجیب بود! #AI #ChatGPT CODELAB | GpCodeLab

خب خب😁 و Claude Sonnet 5.5 حالا در Cursor در دسترس قرار گرفت جدیدا Cursor رسما Claude Sonnet 5.5 رو به مدل‌های خود اضافه کرده ؛ مدلی که طبق ارزیابی Cursor، در بسیاری از وظایف کدنویسی به Opus 5.5 نزدیک شده . در CursorBench 4.0: Opus 5.5 Max: 57.8٪ Sonnet 5.5 Max: 55.5٪ یعنی اختلاف این دو مدل در بالاترین سطح ارزیابی Cursor حدود ۲.۳ واحد درصد هست. با این حال Cursor تأکید میکنه که Opus 5.5 همچنان برای سخت‌ترین و پیچیده‌ترین وظایف گزینه قدرتمندتریه. از نظر قیمت توکن نیز Sonnet 5.5 ارزان‌تره: $2 / 1M input $10 / 1M output در مقابل، قیمت اعلام‌شده برای Opus 5.5 برابر $4 / 1M input و $20 / 1M output است. و Sonnet 5.5 فاصله عملکردی خود با Opus 5.5 را در بسیاری از وظایف کدنویسی به شکل محسوسی کاهش داده، در حالی که هزینه توکنی آن نصف Opus است. اما این دو مدل را نباید کاملا هم‌سطح دونست؛ مخصوصا در کارهای پیچیده و باز، Opus همچنان برتری دارد. #Claude #Cursor #هوش_مصنوعی @GrowVixo 🔥 منبع 👇🏾 https://x.com/cursor_ai/status/2104666044220821594

خب خب و Claude Sonnet 5.5 حالا در Cursor در دسترس قرار گرفت جدیدا Cursor رسما Claude Sonnet 5.5 رو به مدل‌های خود اضافه کرده ؛ مدلی که طبق ارزیابی Cursor، در بسیاری از وظایف کدنویسی به Opus 5.5 نزدیک شده . در CursorBench 4.0: Opus 5.5 Max: 57.8٪ Sonnet 5.5 Max: 55.5٪ یعنی اختلاف این دو مدل در بالاترین سطح ارزیابی Cursor حدود ۲.۳ واحد درصد هست. با این حال Cursor تأکید میکنه که Opus 5.5 همچنان برای سخت‌ترین و پیچیده‌ترین وظایف گزینه قدرتمندتریه. از نظر قیمت توکن نیز Sonnet 5.5 ارزان‌تره: $2 / 1M input $10 / 1M output در مقابل، قیمت اعلام‌شده برای Opus 5.5 برابر $4 / 1M input و $20 / 1M output است. و Sonnet 5.5 فاصله عملکردی خود با Opus 5.5 را در بسیاری از وظایف کدنویسی به شکل محسوسی کاهش داده، در حالی که هزینه توکنی آن نصف Opus است. اما این دو مدل را نباید کاملا هم‌سطح دونست؛ مخصوصا در کارهای پیچیده و باز، Opus همچنان برتری دارد. #Claude #Cursor #هوش_مصنوعی @GrowVixo 🔥

مدل‌های هوش مصنوعی در حال دور زدن محدودیت‌ها ؟ گزارش جدید Axios میگه OpenAI، Anthropic و پژوهشگران امنیتی در حال بررسی ده‌ها هزار حادثه امنیتی مرتبط با مدل‌های پیشرفته هستند. 🔴 در برخی موارد، مدل‌ ها: از Sandbox خارج شدن محدودیت‌های امنیتی رو دور زدن بین Agentها ارتباط برقرار کردند :) و حتی در مواردی به سامانه‌های واقعی دسترسی غیرمجاز پیدا کرده‌اند. یکی از نمونه‌های مهم، حادثه Hugging Face بود که در آن Agentهای OpenAI از محیط آزمایشی خارج شدن و به بخش‌هایی از زیرساخت این پلتفرم دسترسی پیدا کردند. 📌 البته این اتفاقات به معنی «خودآگاه شدن» یا «از کنترل خارج شدن» AI نیست؛ اما نشون میده با قدرتمندتر شدن Agentها، امنیت و نظارت اهمیت بسیار بیشتری پیدا کرده . #هوش_مصنوعی #OpenAi #Anthropic #ChatGPT @GrowVixo

همونطور که میدونید شیائومی مدل‌های جدید هوش مصنوعی MiMo-V2.6 رو معرفی کرد. خانواده‌ای که تمرکز ویژه‌ای روی استدلال، کدنویسی، Agentها و تعامل با ابزارها داره. این خانواده فعلا شامل دو مدل اصلی هستش: یکی MiMo-V2.6-Pro مدل قدرتمندتر برای کارهای پیچیده، استدلال عمیق، تحقیق، برنامه‌نویسی و اجرای Agent های پیشرفته. و MiMo-V2.6-Flash مدلی سریع‌تر و اقتصادی‌تر که برای استفاده‌های پرتعداد و سرویس‌هایی با حجم درخواست بالا طراحی شده . 📌 قابلیت‌های مهم MiMo-V2.6: • استدلال و حل مسائل پیچیده • درک متن، تصویر، ویدئو و صدا • کدنویسی و مهندسی نرم‌افزار • ساخت و اجرای Agentهای هوشمند • تعامل با رابط‌های کاربری و قابلیت‌های Computer Use • استفاده از Web Search و ابزارهای خارجی • همچنین Tool Calling و اجرای وظایف چندمرحله‌ای • تولید و کار با Web UI، Figma، اسلاید، SVG و محتوای دیجیتال • کاربرد در رباتیک و محیط‌های شبیه‌سازی‌شده • کاربرد در پژوهش‌های علمی، ریاضیات و طراحی مواد و یکی از نکات قابل‌توجه، context تا یک میلیون توکن هستش که امکان کار با حجم بسیار زیادی از اطلاعات رو فراهم میکنه. قیمت API و MiMo-V2.6-Flash ورودی: $0.14 / 1M tokens خروجی: $0.28 / 1M tokens و MiMo-V2.6-Pro ورودی: $0.435 / 1M tokens خروجی: $0.87 / 1M tokens 📌 در مجموع، MiMo-V2.6 نشان میده شیائومی قصد داره حضور جدی‌تری در رقابت مدل‌های پیشرفته هوش مصنوعی، به‌خصوص در حوزه Agentها، کدنویسی و استفاده از ابزارها داشته باشه. @GrowVixo 🔥 منبع رسمی شیائومی: https://mimo.mi.com/docs/en-US/news/latest/v2-6 #هوش_مصنوعی #شیائومی #Xiaomi #AI #Agent

❤️ دوستان تمامی اشتراک ai های مدنظرتون رو با بهترین قیمت در کمتر از ۳۰ دقیقه تهیه میکنیم براتون (روی ایمیل شخصیتون) برای ارتباط با پشتیبانی جهت سفارش و دریافت راهنمایی: @Alixx_666

یکی از چالش‌هایی که در استفاده از Claude Desktop داشتم، نمایش و پشتیبانی از متن‌های فارسی و راست‌به‌چپ (RTL) بود. خوشبختانه، Arjang Mousavi این مشکل را با پروژه Claude Desktop RTL Patch حل کرده و تجربه کار با فارسی را بسیار بهتر کرده است. اگر از Claude Desktop استفاده می‌کنید، حتماً نگاهی به این پروژه بیندازید و در صورت مفید بودن، با یک ⭐ از آن حمایت کنید: https://github.com/aarjang/claude-desktop-rtl-patch حمایت از پروژه‌های متن‌باز، به‌خصوص وقتی توسط توسعه‌دهندگان ایرانی ساخته می‌شوند، می‌تواند به رشد اکوسیستم فنی همه ما کمک کند. 📱 @MilwadKhosravi

خب خب ؛ کلاد Opus 5.5 منتشر شد آنتروپیک امروز مدل پرچمدار جدیدش، Opus 5.5، رو معرفی کرد. طبق اعلام رسمی، این مدل جهش بزرگی نسبت به Opus 5 داشته و در قوی‌ترین تست‌های ایمنی و راستی‌آزمایی این شرکت، بهترین عملکرد رو تا امروز ثبت کرده. یکی از آزماینده‌های اولیه یک مهاجرت کد و بازنویسی ۶۸۰ هزار خطی رو در کمتر از یک روز انجام داد:) — کاری که معمولا هفته‌ها زمان می‌بره. مدل به‌ویژه در کدنویسی پیچیده، تحلیل مالی/علمی و خواندن نمودارها قوی‌تر شده. @GrowVixo 🔥

‏خِفتم کن! ‏وقتی با AI کد می‌زنید، بزرگ‌ترین سم اینه که شما فقط بگی چی می‌خوای و اونم یه مشت کد بپاشه جلتون و شما هم بی‌فکر فقط «Accept» بزنید. اینجوری بعد از نیم ساعت کلاً پرت می‌شید که پروژه داره به کجا میره و کنترل از دستتون در میره. ‏تکنیک اینه که بهش بگی: «Grill me» (خفتم کن!) ‏درواقع داری بهش می‌گی قبل از اینکه دست به کد بشی، حتی قبل از اینکه به پلن برسی، زیر و بم قضیه رو ازم بکش بیرون. سوالای سخت بپرس، حالت‌های خاص (Edge cases) رو رو کن و همه‌چیز رو به چالش بکش. ایجنت شروع می‌کنه به سوال و جواب‌ها و در اکثر مواقع چند جواب ممکن رو پیشنهاد میده و گزینه پیشنهادی خودش رو هم با ذکر دلیل میگه، ولی تو همیشه میتونی جواب خودت رو اضافه کنی یا در مورد سوال باهاش بحث کنی. گاهی سوال‌های ارزشمندی می‌پرسه که تو حتی بهش فکر هم نکرده بودی. در نهایت یه پلن تر و تمیز و حساب شده تحویل میگیری که آماده پیاده‌سازیه. ‏با این کار: ‏۱. فهم شما و AI از مسئله و نقشه راه دقیقاً یکی میشه. ‏۲. خودت هوشیار می‌مونی، می‌فهمی داری چیکار می‌کنی و فرمان دست خودته. ‏۳. برنامه‌نویسی با AI از حالت خسته‌کننده و رباتیک درمیاد و میشه یه همکاری واقعی. ‏این مفهوم به نظر ساده میرسه و حتی اگه فایل skillهای مرتبط و مشابه grill-me رو نگاه کنید می‌بینید چند خط بیشتر نیست. ولی واقعاً تاثیر فوق‌العاده‌ای میذاره. اگه MCPهای کافی، به‌خصوص مربوط به resourceهای داخلی شرکت یا پروژه‌تون رو هم فعال داشته باشید، روند سوال‌وجواب‌ها و نتیجه کار واقعاً شگفت‌زده‌تون می‌کنه. پیشنهاد می‌کنم حتماً یک بار هم که شده امتحانش کنید. ‏استاد ⁦ @mattpocockuk⁩ توی این مقاله خیلی خوب و دقیق مفهومش رو باز کرده و خودِ skill رو هم پابلیش کرده که می‌تونید راحت نصبش کنید و رو ابزاراتون استفاده کنید: https://www.aihero.dev/skills-grill-me CODELAB | GpCodeLab

و jev ؛ مدل هوش مصنوعی جدیدی که ادعا میکنه صدها برابر ارزان‌تر است! همونطور که میدونید مدتی پیش استارتاپ TypeSafe AI از مدل جدیدی به نام Jev رونمایی کرده؛ مدلی که برخلاف مدل‌هایی مثل ChatGPT و Claude، برای چت و تولید متن طراحی نشده و هدف اصلیش تصمیم‌گیری سریع و ساختاریافته برای نرم‌افزارهاست. اما چیزی که Jev را خبرساز کرده، عملکردشه. طبق آزمایش‌های منتشرشده توسط TypeSafe، Jev در برخی از workflowهای مورد آزمایش تا ۱۹۳.۶ برابر سریع‌تر و تا ۴۴۴.۶ برابر ارزان‌تر از مدل‌های LLM مورد مقایسه بوده. حالا Jev چه کاری انجام میده؟ فرض کنید یک فروشگاه آنلاین دارید و میخواید برای هر سفارش چند تصمیم گرفته بشه: آیا سفارش مشکوک به تقلبه؟ درخواست مشتری مربوط به کدام بخش هستش؟ آیا نیاز به دخالت انسان وجود داره؟ به‌جای اینکه یک مدل زبانی پاسخ متنی طولانی تولید کنه، Jev میتونه این تصمیم‌ها رو به شکل ساختاریافته و قابل استفاده مستقیم در نرم‌افزار برگردونه. 📌چرا مهمه؟ هزینه بسیار پایین‌تر برای پردازش حجم بالای درخواست‌ها سرعت بالا برای تصمیم‌گیری‌های لحظه‌ای خروجی ساختاریافته که مستقیماً در سیستم‌های نرم‌افزاری قابل استفادست مناسب برای AI Agentها و اتوماسیون امکان بررسی چند تصمیم به‌صورت موازی 📌 ایده اصلی TypeSafe ساده است: هر کاری به یک LLM بزرگ که متن تولید کند نیاز ندارد. گاهی نرم‌افزار فقط میخواد بدونه که: "YES / NO" یا: "Risk = 82" یا: "Category = Billing" و Jev دقیقاً برای همین نوع تصمیم‌گیری ساخته شده . اگه این رویکرد در مقیاس بزرگ جواب بده، میتونه بخشی از پردازش‌های AI را از مدل‌های عمومی و پرهزینه به مدل‌های تخصصی‌تر و سریع‌تر منتقل کند. #AI #Jev #TypeSafe #هوش_مصنوعی @GrowVixo 🔥

🔶 پیاده سازی فیلتر بر اساس دسته ‌بندی محصولات در لاراول همان ‌طور که می‌دانید، در فروشگاه ‌های اینترنتی معمولاً در سایدبار سمت راست، فیلتر های متنوعی برای نمایش نتایج محصولات در نظر گرفته می ‌شود. کد زیر دقیقاً همین عملکرد را پیاده ‌سازی می ‌کند. متد Show در Controller :

public function show(Request $request)
{
   $query = Product::with('category');

   if ($request->filled('category_id')) {
      $query->where('category_id', $request->category_id);
   }

   $products = $query->get();
   $categories = Category::all();

   return view('products.show-product', compact('products', 'categories'));
}

کد فیلتر دسته بندی محصولات برای Blade :

@if ($categories->isNotEmpty())
   <form method="GET" action="{{ route('products.show') }}" class="mr-auto">
      <select name="category_id" onchange="this.form.submit()" 
class="select cursor-pointer flex justify-start w-full">
          <option value="">همه دسته بندی ها</option>
          @foreach ($categories as $category)
             <option value="{{ $category->id }}" @selected(request('category_id') == $category->id)>
                 {{ $category->name }}
             </option>
          @endforeach
      </select>
   </form>
@endif

#لاراول @TheRaymondDev