نوشته‌های ترمینالی

یه مطلب آموزشی خیلی خوب برای CORS من این سبک توضیح دادن رو خیلی دوست دارم. به نظرم هم قابل فهم بود هم عمق خوبی داشت. https://sanyamserver.online/posts/cors/

آیا خروجی AI خروجی ماست؟ یا ما نظارتی روش داریم؟ Cognitive offloading is delegating to the AI and still owning the answer. Cognitive surrender is when the AI’s output quietly becomes your output and there is nothing you feel is left to check. For software engineers the line between the two moves under your feet most days, and most of us are crossing it without noticing. https://addyosmani.com/blog/cognitive-surrender/ و https://newsletter.manager.dev/p/the-i-don-t-know-claude-wrote-this-pandemic

این مطلب خوب از بلاگ byte Byte go میاد و تفاوت های معماری LLMهای معروف (Gemini, ChatGPT و Claude) رو در حدی که توضیحات رسمیشون موجود هست توضیح میده. مثلا این که multi modal چیه، mixture of experts چیه و model routing چطوریه و چرا انجام می‌شه. https://blog.bytebytego.com/p/chatgpt-vs-gemini-vs-claude-how-they

در ادامه قوانینی که اسم دارن مثل قانون مورفی، یک سری قوانین نانوشته هم داریم که خوبه در نظر بگیریم و رعایت کنیم. مثلا این که تا وقتی بکاپی رو واقعا برنگردوندیم بودم و نبودنش هیچ فرقی نمی‌کنه. :)) https://zaidesanton.substack.com/p/the-unwritten-laws-of-software-engineering

امروز روز بزرگداشت خوارزمی و به همون مناسبت روز فناوری اطلاعاته. مبارکتون باشه. :))

چطور در openai یک (در واقع دوم باگ سیستمی که باعث segmentation fault می‌شده رو پیدا کردن؟ درس مهم؟ دیتای زیاد از باگ پیدا کنید. دیتایی که از رخدادهای متفاوت باگ باشه تا بشه وجه مشترک رخداد ها رو پیدا کرد. https://openai.com/index/core-dump-epidemiology-data-infrastructure-bug/

چه پترن‌هایی برای گذار از مونولیت به میکروسرویس وجود داره؟ https://newsletter.systemdesigncodex.com/p/monolith-to-service-architecture

چه زمانی خوبه که از قاعده DRY فاصله بگیریم و تکرار اشکالی نداره؟ مثل خیلی از تصمیم های دیگه مهندسی، این که یه کد تکراری رو تبدیل به abstraction کنیم یا نه یه tradeoff ئه. این مطلب این tradeoff رو باز می‌کنه و سعی می‌کنه مزایا معایب هر کدومش رو بررسی کنه. مثال هایی در لایه های مختلف از inheritance و composition تا تبدیل کد مشترک به میکروسرویس مجزا. https://newsletter.francofernando.com/p/when-to-repeat-yourself?triedRedirect=true

آیا مشغول بودن مساوی مفید بودنه؟ نه. حالا AIدر محل کار چه تأثیری روی این گذاشته و ما چیکار میتونیم بکنیم که هم مفید بمونیم هم خودمون رو خوب present کنیم. اگر یه کارمند معمولی هستید که فکر میکنید دیگه در عصر AI مفید نیستید، حتما توصیه میکنم بخونید. https://www.charafeddine.co/letters/heroically-busy

دوست دارید بدونید ستاپ برنامه نویسی و AI دیگران چطوریه؟ یه بلاگ پست خوب در این مورد. https://blog.bytebytego.com/p/an-ex-meta-l8s-agentic-engineering

در ساده ترین حالت خودش، CQRS چی به ما می‌ده؟ چطور میشه پیاده سازیش کرد؟ کجا ایده خوبیه؟ آیا حتما نیاز به دیتابیس مجزا و event bus داره؟ https://thetshaped.dev/p/cqrs-without-the-astronaut-architecture-split-read-write-paths-typescript-nodejs-backend-service

برنامه note taking مورد علاقه‌م یعنی Obsidian یه cli بامزه اضافه کرده. https://obsidian.md/cli با توجه به این که کلا local first هست و فایل ها در فایل‌سیستم قابل دسترسی هستن، برای من کاربرد آنچنانی نداره، ولی شما هم دوست دارید نگاهش کنید.

یه نفر به اسم هنری می‌شینه ریاضیات و هوش مصنوعی رو به صورت شخصی نوت برداری می‌کنه و بعد دوستاش از روش می‌خونن و توی مصاحبه های OpenAi و Nvidia قبول می‌شن؛ حالا اون شخص اومده نوت هارو پابلیک کرده: github.com/HenryNdubuaku/maths-cs-ai-compendium @Linuxor

چطور مهندس‌های Airbnb یک پتابایت (هزار ترابایت) داده رو از دیتابیس قدیمی به دیتابیس جدید بدون داون‌تایم منتقل کردن؟ https://scaleengineer.com/blog/how-airbnb-migrated-a-petabyte-without-users-noticing یه مقدار زیاده گویی کرده ولی نکات جالبی داره.

چرا داریم با AI باعث جلوگیری از تبدیل جونیورها به سنیور می‌شیم و در موردش چیکار کنیم؟ این مقاله می‌گه استخدام جونیورها هیچ‌وقت در مورد این که بهترین خروجی رو تولید می‌کنن نیست، بلکه برای اینه که تجربه‌ای کسب کنن که در آینده سنیورهامون رو تشکیل بدن ولی ما این روند رو متوقف کردیم چون سنیور با AI پرفورمنس بهتری داره. در کوتاه مدت بله ولی در بلند مدت نه. یک سری از جمله های جالب مقاله رو می‌گذارم: If you manage juniors: protect the friction. If you are a junior: AI is your teacher first, your assistant second, your amplifier never. Not yet. If you hire: bring the apprentice back, and give the job its real name. AI is only as good as the human operating it. Right now, we're quietly choosing not to make the humans.

ابزارهای ترمینالی خوبی که می‌تونه کیفیت زندگیتون رو بالا ببره (یک سریش مال llmها و یکسریش مال macOsئه که تست نکردم ولی باقی رو تست کردم و خوبن https://blog.starmorph.com/blog/10-cli-tools-for-ai-coding

مطلب جالبی بود که دیدگاه جالبی رو می‌گفت. ما اومدیم برای خودمون کامپیوتر شخصی خریدیم ولی برنامه هامون شخصی نیست. همون هاست که بقیه هم استفاده میکنن، اگر یه فیچری که می‌خوایم رو نداره یا دوره، تسلیم می‌شیم. اما حالا که ai اومده میتونیم خودمون دست به کار بشیم و برنامه هایی با یک کاربرد بنویسیم که مشکل خودمون و فقط خودمون رو حل کنن‌. حتی شاید مشابهش بیرون باشه با تبلیغ و خرید اشتراک ولی ما میتونیم نسخه ساده و رایگانشو داشته باشیم. تازه اینطوری قدر نرم‌افزار‌های خفن بیرون (معادل غذای رستوران) رو هم بیشتر می‌دونیم. https://leerob.com/personal-software

خلاصه همه اطلاعات تئوری لازم در مورد operating systemها در یک ویدیو ۱۱ دقیقه‌ای به همه توصیه می‌کنم ببینید. https://youtu.be/MtxP2pyCvYA

خلاصه ۱۰ مقاله از ۱۰۰ سال اخیر که منجر به رسیدن به تکنولوژی در حد LLM ها شدن ویدیوی خیلی جالب و خوبی بود که در عین کوتاه بودن منظور رو به خوبی رسوند. https://www.youtube.com/watch?v=ML3q7Ok4hJg