DevTwitter | توییت برنامه نویسی
Открыть в 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
Больше📈 Аналитический обзор Telegram-канала DevTwitter | توییت برنامه نویسی
Канал DevTwitter | توییت برنامه نویسی (@devtwitter) языкового сегмента Фарси является активным участником. Сейчас сообщество объединяет 32 952 подписчиков, занимая 4 068 место в категории Технологии и приложения и 10 785 место в регионе Иран.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 32 952 подписчиков.
Согласно последним данным от 26 октября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило 716, а за последние 24 часа — 28, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 16.73%. В первые 24 часа после публикации контент обычно набирает 13.00% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 5 510 просмотров. В течение первых суток публикация набирает 4 281 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 37.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как پرو, #کوته_نیوز, ارتباط, ابزار, چیز.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“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”
Благодаря высокой частоте обновлений (последние данные получены 27 октября, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Технологии и приложения.
32 952
Подписчики
+2824 часа
+2197 дней
+71630 дней
Архив постов
Repost from N/a
یه استارتاپی تو ایران اومده یه نسخه مشابه openRouter توی ایران ساخته به اسم IranRouter
و برای مدت محدود
مدل های gpt6-luna و DeepSeekV4-flash رایگان کردن
نکته باحال اینجاس که قیمتاشون با قیمت های شرکت های ai دقیقا یکسانه بدون کارمزد
چرا ساختنش؟(طبق چیزی که تو سایتشون گفتن)
• شارژ پلتفرم های ai با ایرانی‌کارت دشوار طولانی و خسته کننده است
• پلتفرم های مشابه قیمت گذاری مشخصی ندارند
• در زمان نت ملی دسترسی به api ها سخت است
• نیازه تا توی چند جای مختلف اکانت هاتون رو شارژ و مدیریت کنید.
چه مزیتی داره؟
• قیمت های یکسان با ai های مادر
• مهاجرت سریع(فقط کافیه لینک endpoint رو بزارید روی ایران روتر تا از openai یا deepseek یا grok منتقل بشید به ایران روتر)
• پرداخت ریالی
• تیم پشتبانی قوی
😱لینکش: https://iranrouter.net
بعد از ورود به بخش ثبت نام برید و کلید api خودتون رو بگیرید.
ابزار Flowmpeg یک پروژه open-source برای ساده‌تر کردن کار با FFmpeg هست. FFmpeg یکی از ابزارهای قدرتمند و پرکاربرد command line برای پردازش، تبدیل و ویرایش فایل‌های ویدیویی و صوتی هست که commandهای اون در کارهای پیچیده می‌تونن خیلی طولانی و پیچیده باشن.
ابزار Flowmpeg این فرایند رو ساده‌تر میکنه و برای کارهایی مثل cut، resize، compress، تبدیل فرمت، subtitle، پردازش دسته‌ای، استخراج صدا و فریم و خیلی از کارهای رایج ویدیو و صوت commandهای ساده‌تر و قابل‌فهم‌تری ارائه می‌ده.
هم از طریق CLI و Python قابل استفاده‌ست و هم یک local web UI داره که میشه داخل مرورگر فایل رو انتخاب کرد، command دقیق FFmpeg رو قبل از اجرا دید و روند پردازش رو دنبال کرد.
همچنین در این ابزار command نهایی FFmpeg همیشه قابل مشاهده و بررسی هم هست.
GitHub:
https://github.com/Imanm02/flowmpeg
@DevTwitter | <Iman/>
می‌خوای هوش مصنوعی‌ات PDF، اسناد اسکن‌شده و فایل‌های پیچیده رو درست بخونه و درک کنه؟
این ۵ پروژه متن‌باز GitHub برای استخراج اطلاعات از اسناد، تبدیل فایل‌ها به داده‌های قابل پردازش و آماده‌سازی محتوا برای سیستم‌های هوش مصنوعی ساخته شدن.
۱. ابزار Docling؛ تبدیل اسناد به داده‌های ساختاریافته
https://github.com/docling-project/docling
متن، جدول‌ها، ساختار صفحات و اطلاعات اسناد رو استخراج میکنه و به قالب‌هایی تبدیل میکنه که برای پردازش با LLMها مناسب‌ترن.
۲. ابزار Marker؛ تبدیل PDF به Markdown
https://github.com/datalab-to/marker
برای تبدیل PDF به Markdown، JSON و قالب‌های دیگه کاربرد داره؛ با قابلیت تشخیص ساختار سند، جدول‌ها و فرمول‌ها.
۳. ابزار Unstructured؛ آماده‌سازی اسناد برای RAG
https://github.com/Unstructured-IO/unstructured
محتوای فایل‌هایی مثل PDF، Word و HTML رو استخراج و به بخش‌های قابل پردازش تقسیم میکنه؛ گزینه‌ای کاربردی برای ساخت سیستم‌های RAG و جست‌وجو در اسناد.
۴. ابزار MinerU؛ استخراج محتوا از اسناد پیچیده
https://github.com/opendatalab/MinerU
برای تبدیل اسناد به محتوای ساختاریافته طراحی شده و در استخراج متن، جدول‌ها، فرمول‌ها و محتوای صفحات پیچیده کاربرد داره.
۵. ابزار PaddleOCR؛ استخراج متن از تصویر و اسکن
https://github.com/PaddlePaddle/PaddleOCR
یک مجموعه ابزار OCR برای شناسایی متن داخل تصاویر و اسناد اسکن‌شده؛ مناسب برای دیجیتالی‌کردن اسناد و تبدیل تصاویر به متن قابل جست‌وجو.
---
کدوم رو انتخاب کنیم؟
- برای پردازش اسناد و حفظ ساختار صفحات: Docling
- برای تبدیل PDF به Markdown: Marker
- برای ساخت سیستم RAG با انواع فایل: Unstructured
- برای اسناد علمی و پیچیده: MinerU
- برای استخراج متن از تصاویر و اسکن‌ها: PaddleOCR
این ابزارها می‌تونن به‌عنوان بخشی از زیرساخت یک AI Agent استفاده بشن؛ مثلاً ایجنتی که صدها PDF رو بخونه، اطلاعات موردنیاز رو پیدا کنه و بر اساس محتوای واقعی اسناد پاسخ بده.
نکته: اگر اسناد فارسی داری، قبل از انتخاب نهایی، کیفیت تشخیص حروف فارسی و راست‌به‌چپ رو روی چند فایل واقعی آزمایش کن؛ پشتیبانی از OCR به‌تنهایی تضمین‌کننده استخراج دقیق فارسی نیست.
@DevTwitter | <Yarad/>
بنیاد PHP فقط با یه کارمند تمام‌وقت و بودجه زیر یک میلیون دلار اداره میشه...
بنیاد PHP گفته که کل این زبان برنامه‌نویسی مهم با بودجه سالیانه حدود ۹۷۴ هزار دلار، فقط یه کارمند تمام‌وقت و ۱۴ تا نیروی پاره‌وقت سرپا مونده.
این افشاگری درست بعد از جنجال باگ‌های ناجور همین چند روز اخیر مطرح شده، حفره‌های امنیتی با امتیاز خطر ۹.۲ که کلی حمله سایبری توی کل وب ایجاد کرد و حتی سایت‌های دولتی چند تا کشور اروپایی رو موقتا متوقف کرد.
مدیر این بنیاد اعلام کرده که با ورود هوش مصنوعی، حجم کدهایی که باید بررسی بشن دو برابر شده، اما نیروی انسانی و منابع مالی کافی برای چک کردن اونا وجود نداره و با وضعیت فعلی، بودجه بنیاد فقط تا ۴ ماه دیگه دووم میاره.
@DevTwitter | <Behrad Javed/>
این Skillعه خیلی عجیبه. بهش میگی یه مفهوم مثلا TCP handshake یا LRU cache رو توضیح بده به جای نمودار کشیدن با فلش و ... میاد لیترالی یه دستگاه مکانیکی که همون فرآیند رو شبیه سازی میکنه میسازه. interactiveهم هست و میشه با چیزی که میسازه کار کرد :))
skills.wheresryan.sh/anatomy
@DevTwitter | <Mahdi MirMohamadi/>
ابزار Flowmpeg یک پروژه open-source برای ساده‌تر کردن کار با FFmpeg هست. FFmpeg یکی از ابزارهای قدرتمند و پرکاربرد command line برای پردازش، تبدیل و ویرایش فایل‌های ویدیویی و صوتی هست که commandهای اون در کارهای پیچیده می‌تونن خیلی طولانی و پیچیده باشن.
ابزار Flowmpeg این فرایند رو ساده‌تر میکنه و برای کارهایی مثل cut، resize، compress، تبدیل فرمت، subtitle، پردازش دسته‌ای، استخراج صدا و فریم و خیلی از کارهای رایج ویدیو و صوت commandهای ساده‌تر و قابل‌فهم‌تری ارائه می‌ده.
هم از طریق CLI و Python قابل استفاده‌ست و هم یک local web UI داره که میشه داخل مرورگر فایل رو انتخاب کرد، command دقیق FFmpeg رو قبل از اجرا دید و روند پردازش رو دنبال کرد.
همچنین در این ابزار command نهایی FFmpeg همیشه قابل مشاهده و بررسی هم هست.
GitHub:
https://github.com/Imanm02/flowmpeg
@DevTwitter | <Iman/>
Repost from N/a
بچه های وردپرسی این کانال کلی افزونه و قالب می‌زاره و میتونید رایگان ازش استفاده کنید و اگر اخبار وردپرس هم دنبال میکنید این کانال عالیه. حتما عضو کانال شید و لذت ببرید.
https://t.me/wordpress_wpp
خداحافظی با حدس و خطا در شبیه‌سازی رباتیک!
خیلی از توسعه‌دهندگان رباتیک و خودروهای خودران با چالش بزرگ Sim-to-Real Gap درگیرند: الگوریتمی که در شبیه‌ساز (Gazebo/CARLA) بی‌نقص کار می‌کند، روی سخت‌افزار واقعی به دلیل خطاهای مدل فیزیکی دچار افت عملکرد می‌شود.
برای حل این مشکل، پکیج اوپن‌سورس جدیدم
ros2-auto-sysid را توسعه دادم که یک موتور کالیبراسیون خودکار بر پایه فیزیک مشتق‌پذیر در PyTorch و ROS 2 Jazzy است.
چگونه کار می‌کند؟ ۱. داده‌های عملکردی ربات (Telemetry/Odometry) را ثبت می‌کند. ۲. با استفاده از انتگرال‌گیر RK4 مشتق‌پذیر و بهینه‌سازی گرادیانی، پارامترهای پنهان فیزیکی (مثل ضرایب تایر، اینرسی و تاخیر عملگرها) را استخراج می‌کند. ۳. فایل‌های کانفیگ YAML و تگ‌های Inertial را در فایل‌های URDF/SDF به صورت خودکار آپدیت می‌کند.
https://github.com/amir-mch/ros2-auto-sysid
@DevTwitter | <Amir Moochani/>
نصب و راه‌اندازی استک LAMP (Apache, PHP-FPM, MySQL) برای لاراول در اوبونتو
در این مجموعه ویدیوی آموزشی به بررسی و پیاده‌سازی موارد زیر پرداخته شده است:
- نصب و تنظیم PHP-FPM و افزونه‌های مورد نیاز لاراول
- راه‌اندازی Composer و Laravel Installer بر روی سیستم‌عامل اوبونتو
- نصب و پیکربندی پایگاه داده MySQL Server
راه‌اندازی وب‌سرور Apache، تنظیم ماژول‌های اتصال به PHP-FPM و ساخت Virtual Host
- بررسی و مدیریت سطوح دسترسی و مجوزهای فایل‌ها در محیط توسعه (Development)
برای مشاهده کامل ویدیوها، از لینک زیر استفاده کنید:
https://www.youtube.com/playlist?list=PLPIQWyi2FB6IPF-Z_SoZ0y8jVamwxsv_o
@DevTwitter | <ابوالفضل/>
Repost from N/a
🤖 گپ‌جی‌پی‌تی دسکتاپ؛ همون Claude Code و Codex، بدون دردسر و به‌صرفه
یه دستیار هوش مصنوعی که کارهات رو روی کامپیوتر خودت انجام می‌ده. کافیه فایل یا پروژه رو بهش بدی تا کار آماده تحویلت بده.
✅ دسترسی به همه‌ی مدل‌های هوش مصنوعی با یک اکانت
✅ پرداخت ریالی، ساده و به‌صرفه، با شروع رایگان
✅ بدون نیاز به تحریم‌شکن
💻 کد پروژه‌ت رو بازبینی میکنه، باگ‌ها رو پیدا و درست میکنه و فیچر جدید می‌نویسه.
📑 از PDF یا عکس جدول، فایل اکسل مرتب درمیاره.
📊 از گزارش‌ها و اسنادت، ارائه‌ی پاورپوینت با خلاصه و نمودار میسازه.
📝 اسکن‌ها رو به فایل Word قابل‌ویرایش تبدیل میکنه.
🔎 چند مقاله رو می‌خونه و یه گزارش تحقیق با جدول مقایسه و منابع تحویل می‌ده.
برای ویندوز، مک و لینوکس
🎁 کد ۱۰٪ تخفیف خرید اول: GAP10_DEVTWITTER
⬇️ دانلود رایگان: https://gapgpt.app/desktop?utm_source=devtwitter&utm_medium=telegram&utm_campaign=desktop_launch
این اومده تعداد CVE ها رو برده رو نمودار! میبینید بعد AI چطور سیخ شده!
https://cve.0xosprey.com
@DevTwitter | <Nabi/>
دنیا داره با سرعت 2 CVE در هر ساعت حرکت میکنه
@DevTwitter | <Mahdi_Mef/>
من و دوستم یه ابزار اوپن‌سورس به اسم Fluentfolio برای تمرین اسپیکینگ آیلتس و به صورت کلی تقویت مکالمه طراحی کردیم که تحلیلش کامل روی کامپیوتر خودتون انجام میشه.
وقتی فایل صوتی آزمون رو مستقیم به یه چت هوش مصنوعی می‌دیم، همه‌چی به برداشت کلی‌اش از صدا بستگی داره. برای همین Fluentfolio اول خودش ضبط رو تحلیل میکنه و بعد شواهدی رو که خودتون هم میتونید چکشون کنید به هوش مصنوعی می‌ده:
- متن کامل آزمون، با جواب‌های شما جدا از سؤال‌ها و صدای پارتنرتون
- هر مکثِ یک‌چهارم ثانیه یا بیشتر، به‌علاوه‌ی تخمین سرعت گفتار، برای هر بخش آزمون
- کلمات ربط، واژگان، ساختارهای دستوری‌ای که به کار بردید و نکته‌هایی برای تلفظ
- یه متن آماده با پرامپت ارزیابی برای هر چت هوش مصنوعی؛ پرامپت از چت می‌خواد زمان هر نکته رو بگه تا بتونید همون لحظه رو توی برنامه گوش بدید
- رابط وب توی مرورگر، به‌علاوه‌ی دستور fluentfolio با خروجی JSON برای اسکریپت‌ها و ایجنت‌های هوش مصنوعی
روی ویندوز ۱۰ و ۱۱ و اوبونتو ۲۲٫۰۴ و ۲۴٫۰۴ کار میکنه، حساب کاربری نمی‌خواد و هیچ تله‌متری‌ای هم نداره. کارت گرافیک NVIDIA اختیاریه و لایسنسش هم MIT هست.
لینک گیت‌هاب:
https://github.com/SacitDev/Fluentfolio
@DevTwitter | <Michael/>
۵ ریپازیتوری GitHub برای پیدا کردن مشکلات اپلیکیشن‌های هوش مصنوعی
اگه اپلیکیشن AI تو مدام خطا می‌ده و نمی‌فهمی مشکل دقیقاً از کجاست، وقتشه همه‌چیز رو Trace کنی!
این ۵ ابزار کمک می‌کنن عملکرد مدل‌ها، درخواست‌ها، ایجنت‌ها و خطاهای سیستم رو بهتر بررسی کنی:
۱. Langfuse
ثبت و ردیابی درخواست‌های مدل، بررسی عملکرد و تحلیل هزینه‌ها
https://github.com/langfuse/langfuse
۲. Phoenix
ابزار متن‌باز برای مشاهده و ارزیابی عملکرد LLMها و سیستم‌های مبتنی بر ایجنت
https://github.com/Arize-ai/phoenix
۳. Helicone
مانیتورینگ درخواست‌های LLM، بررسی تأخیر، هزینه و خطاها
https://github.com/Helicone/helicone
۴. OpenLLMetry
ابزار مبتنی بر OpenTelemetry برای ردیابی و مانیتورینگ اپلیکیشن‌های LLM
https://github.com/traceloop/openllmetry
۵. AgentOps
ردیابی و بررسی اجرای ایجنت‌های هوش مصنوعی برای پیدا کردن خطاها و تحلیل رفتار آن‌ها
https://github.com/AgentOps-AI/agentops
نکته مهم: وقتی خروجی AI اشتباهه یا ایجنت درست کار نمی‌کنه، فقط دیدن پاسخ نهایی کافی نیست. باید بفهمی در طول اجرا چه اتفاقی افتاده؛ از ورودی و خروجی مدل گرفته تا ابزارهای فراخوانی‌شده، زمان اجرا و خطاها.
برای همین، به‌جای حدس‌زدن، اجرای سیستم رو Trace کن!
@DevTwitter | <Yarad/>
مدل هوش مصنوعی Kimi K3.1 Pro توسط شرکت Moonshot AI رسما معرفی شد، مدلی چندوجهی با ۲.۸ تریلیون پارامتر و پنجره زمینه یک میلیون توکنی.
مدل Kimi K3.1 Pro در بنچمارک مهندسی نرم‌افزار SWE Marathon امتیاز ۵۱.۷ درصد را گرفت و از مدل‌های پرچمدار Claude Opus 5.5 (با ۴۶.۳ درصد) و GPT-6 Astra (با ۴۲.۵ درصد) جلو زد.
این مدل در آزمون استدلال و دانش Humanity's Last Exam هم با کسب ۷۸ درصد امتیاز، بالاتر از Opus 5.5 (با ۶۷.۷ درصد) قرار گرفت.
در کنار قدرت بالای این مدل، هزینه کمتر برگ برنده این مدل است. مدل K3.1 Pro در بنچمارک Terminal-Bench 4.0 امتیاز ۶۵.۷ درصد را گرفته (تقریباً برابر با Opus 5.5 با ۶۶.۴ درصد)، اما هزینه اجرای هر تسک آن تنها ۵ تا ۶ دلار است. این در حالی است که Opus 5.5 برای همین عملکرد، حدود ۱۵ دلار به ازای هر تسک هزینه دارد!
مدل K3.1 Pro از امروز هم از طریق api و هم از طریق اشتراک کیمی در دسترس است.
@DevTwitter | <MohammadMSFT/>
یه مقاله خیلی خوب از Anthropic خوندم درباره یکی از چالش‌های مهم AI Agentها: چطور مطمئن بشیم Agent نه‌فقط به جواب درست می‌رسه، بلکه مسیر درستی رو هم طی میکنه.
مقاله با معرفی روش‌های ارزیابی Agentها، چارچوب خوبی برای حل این مسئله ارائه می‌ده.
https://www.anthropic.com/research/demystifying-evals-for-ai-agents
@DevTwitter | <Babak Heydari/>
تیم امنیتی PHP تنها دو روز پس از انتشار وصله‌های اضطراری برای دو آسیب‌پذیری بحرانی PHP2Shell، درباره یک آسیب‌پذیری جدید با شناسه CVE-2026-115560 هشدار داد. این مشکل زمانی تهدید محسوب می‌شود که برنامه شما در زمان اجرا به صورت پویا session.serialize_handler را تغییر دهد.
@DevTwitter | <Alireza Naji/>
عجیبه؛ ۱۴ سال روی یک نرم‌افزار کار کنی، نرم‌افزاری که به یکی از ابزارهای شاخص دنیای مهندسی معکوس تبدیل شده و تقریبا در تمام کتاب‌های Reverse Engineering و Malware Analysis نامی ازش به میون اومده، اما از خودت هیچ ردپایی در فضای مجازی باقی نذاشته باشی. هیچ!
https://ollydbg.de
@DevTwitter | <Ayub/>
Repost from N/a
🔹 فرصت‌های جدید بازارکار در عصر AI
👈 وبینار رایگان «متخصص علم داده در عصر هوش مصنوعی»
💡 در این وبینار:
🔹 نقش داده، آمار و یادگیری ماشین در AI 🔹 چرا هوش مصنوعی به علم داده نیاز دارد؟ 🔹 چالش‌های توسعه AI بدون علم داده 🔹 مهارت‌ها و وظایف متخصص علم داده 🔹 فرصت‌های شغلی جدید در ایران و جهان 🔹 مسیر یادگیری از علم داده تا هوش مصنوعی 🔹 بررسی یک مسئله واقعی با دو رویکرد 🔹 پرسش‌وپاسخ با مدرس🗓 دوشنبه ۴ آبان | ساعت ۱۹ 📌 ثبت‌نام رایگان در وبینار |ظرفیت محدود 👇 ➡️ https://httb.ir/k38YF ➖➖➖➖➖➖ ✨ مؤسسه آموزشی توسعه
این یکی واقعاً برای Vibe Coderها و توسعه‌دهنده‌ها یه معدن طلاست!
سایت "VibeUI" (https://vibeui.online) مجموعه‌ای از پرامپت‌های رایگان طراحی UI رو در اختیارت می‌ذاره؛ از Hero Section و صفحه قیمت‌گذاری گرفته تا صفحات ورود و ثبت‌نام، Bento Grid، داشبورد و کلی طرح دیگه.
ایده چیه؟
به‌جای اینکه هر بار از صفر برای AI توضیح بدی چه طراحی‌ای می‌خوای، کافیه پرامپت موردنظرت رو کپی کنی و به AI Coding Agent خودت بدی تا رابط کاربری جذاب‌تر و متفاوت‌تری بسازه.
دیگه لازم نیست تمام جزئیات بصری رو خودت از اول توصیف کنی. این پرامپت‌ها یه نقطه شروع آماده بهت می‌دن تا سریع‌تر به نتیجه برسی و کمتر درگیر طراحی‌های تکراری و کلیشه‌ای AI بشی.
اگه با AI سایت می‌سازی و می‌خوای خروجی‌هات حرفه‌ای‌تر و متمایزتر باشن، حتماً یه سر بهش بزن!
https://vibeui.online
@DevTwitter | <Yarad/>
