DevTwitter | توییت برنامه نویسی

تلگرام با قابلیت جدید Rich Formatting یک سری ابزار کامل برای نوشتن متن در اختیارتون میذاره، لیست، جدول، تیتر، ریاضیات و ... @DevTwitter

یکی از سوال‌هایی که خیلی از افرادی که وارد دنیای دیتا می‌شن می‌پرسن اینه که تفاوت بین Data Scientist، Data Analyst، Product Analyst، BI Engineer، Data Engineer و ده‌ها عنوان شغلی مشابه چیه؟ واقعیت اینه که جواب مشخص و یکسانی برای این سوال وجود نداره. شاید عجیب به نظر برسه، اما در صنعت داده، عنوان شغلی همیشه بیانگر کاری که واقعاً انجام می‌دی نیست. خیلی وقت‌ها دو نفر با یک عنوان شغلی مشابه، در دو شرکت مختلف، وظایف کاملاً متفاوتی دارن. مثلاً در یک شرکت، Data Engineer بیشتر زمانش رو صرف ساخت زیرساخت‌های داده، طراحی Data Pipelineها و مدیریت انبارهای داده می‌کنه. اما در یک شرکت دیگه، ممکنه بخش قابل توجهی از کارش ساخت داشبوردها و گزارش‌های مدیریتی باشه. یا یک Data Analyst در بعضی سازمان‌ها صرفاً روی تحلیل داده، تهیه گزارش و پاسخ به سوالات کسب‌وکار تمرکز داره؛ در حالی که در شرکت‌های دیگه ازش انتظار میره SQL پیشرفته بنویسه، Pipeline بسازه، آزمایش‌های A/B طراحی کنه و حتی در تصمیم‌گیری‌های محصول نقش کلیدی داشته باشه. به طور کلی می‌شه این نقش‌ها رو این‌طور توصیف کرد: موقعیت Data Analyst بیشتر روی استخراج بینش از داده‌ها، تحلیل روندها، تهیه گزارش و پاسخ به سوالات کسب‌وکار تمرکز داره. موقعیت Product Analyst روی رفتار کاربران، عملکرد محصول، رشد، نگهداشت کاربران و تصمیم‌گیری‌های مرتبط با محصول کار می‌کنه. موقعیت Data Scientist معمولاً علاوه بر تحلیل داده، از مدل‌های آماری و یادگیری ماشین برای پیش‌بینی، دسته‌بندی و حل مسائل پیچیده استفاده می‌کنه. موقعیت BI Engineer زیرساخت گزارش‌گیری، داشبوردها، لایه‌های تحلیلی و سیستم‌های Business Intelligence رو توسعه می‌ده. موقعیت Data Engineer مسئول ساخت و نگهداری زیرساخت انتقال، ذخیره‌سازی و پردازش داده‌هاست تا داده‌های قابل اعتماد در اختیار تیم‌های مختلف قرار بگیره. اما این تعریف‌ها فقط یک چارچوب کلی هستن. در عمل، مرز بین این نقش‌ها هر روز کم‌رنگ‌تر می‌شه. امروزه بسیاری از شرکت‌ها به دنبال افرادی هستن که ترکیبی از مهارت‌های تحلیل داده، مهندسی داده، آمار، برنامه‌نویسی و شناخت کسب‌وکار رو داشته باشن. به همین دلیل ممکنه یک نفر با عنوان Data Analyst کارهایی انجام بده که در شرکت دیگری وظیفه Data Scientist محسوب می‌شه، یا یک Data Scientist بخش زیادی از وقتش رو صرف مهندسی داده کنه. به همین خاطر هنگام بررسی فرصت‌های شغلی، مهم‌ترین نکته اینه که روی عنوان شغل تمرکز نکنید؛ بلکه شرح وظایف، انتظارات شرکت، ابزارهای مورد استفاده و مشکلاتی که قراره حل کنید رو با دقت بررسی کنید. در سال‌های آینده احتمالاً این روند حتی پررنگ‌تر هم خواهد شد. با رشد هوش مصنوعی، اتوماسیون و ابزارهای مبتنی بر مدل‌های زبانی بزرگ (LLM)، بسیاری از وظایف سنتی بین نقش‌های مختلف ادغام می‌شن و اهمیت عنوان‌های شغلی کمتر از قبل خواهد بود. شاید در ۲ تا ۳ سال آینده، به جای اینکه خودمون رو Data Analyst، Data Scientist یا Data Engineer معرفی کنیم، بیشتر به سمت نقش‌های عمومی‌تر و منعطف‌تری حرکت کنیم؛ عنوان‌هایی مثل «Member of Technical Staff» که روی توانایی حل مسئله، درک سیستم‌ها و ایجاد ارزش تمرکز دارن، نه روی مرزبندی‌های سنتی بین نقش‌های مختلف. در نهایت چیزی که آینده شغلی افراد رو تعیین می‌کنه، عنوان شغلی روی پروفایل لینکدین نیست؛ بلکه توانایی یادگیری، سازگاری با فناوری‌های جدید و حل مسائل واقعی کسب‌وکار با استفاده از داده‌هاست. @DevTwitter | <Reza Jafari/>

گاهی وقتها نیاز نیست دقیقا مثل بقیه عمل کنی شاید قدرت در نگاه متفاوت بر خلاف بقیه هست بیایید این دو خط رو با دو زبان برنامه نویسی مطرح این روزها برسی کنیم گولنگ یا همون Go راست یا Rust قطعا در دنیای نرم افزار به اهمیت حافظه پی بردید حافظه محدوده و برای نرم افزارها مثل نفس که اگر نباشه قطعا مرگ حتمی است حالا یک اتاق رو در نظر بگیرید که چندین نفر توش تشک انداختن و خوابیدن صبح که بلند میشن و میرن اگر تشکها رو جمع نکنیم جا برای نشستن نیست پس مجبوریم اگر خودشون جمع نکردن یک نفر این کار رو انجام بده در دنیای نرم افزار اگر اون اتاق رو حافظه در نظر بگیریم میگیم GC و کارش جمع کردن تشکها هست وقتی کسی توش نخوبیده تا جای نشستن باز بشه خیلی از زبانها این روش رو دارن و استفاده میکنن اما زبان برنامه نویسی Rust این مفهوم و قابلیت رو پیاده نکرد و از دو مفهوم دیگه استفاده میکنه به اسم Ownership و Borrowing یعنی هر مقدار یک مالک دارد که بعد از استفاده اون رو پاک میکنه به زبان ساده تر میگه بزرگواری که روی تشک خوابیدی اگر بلند شدی رفتی بیرون حتما باید جات رو جمع کنی وگرنه معرفت باید بیاد جمع کنه دیگه وظیفه یک شخص خاص نیست برای همین مدیریت حافظه در راست در زمان کامپایل انجام میشه با دادن و پس گرفتن و این تضمین تمیز ماندن و نبود سرباره علاوه بر اون گاهی اوقات GC کارش رو تموم نمیکنه و متوقف میشه در راست چینین چیزی وجود نداره پس به جای رفتن در مسیری که همه رفتن یک مسیر و تفکر جدید رو پیش گرفت دنیای فنی مدیون همین متفاوت فکر کردنهاست @DevTwitter | <Akbar Rezaeyan Ghane/>

#کوته_نیوز حمله سایبری به ۴ بانک تایید شد شورای هماهنگی بانک‌ها: اختلال ایجادشده در سامانه‌های بانک‌های ملی، تجارت، صادرات و توسعه صادرات ناشی از یک حمله سایبری محدود بوده است. ۴ بانک ملی، تجارت، صادرات و توسعه صادرات از صبح امروز از دسترس خارج شده‌اند @DevTwitter | <ITIRAN/>

احیای نسبی بازار کار پس از اتصال مجدد اینترنت 📊 در دوره اختلال اینترنت، بسیاری از کسب‌وکارها به دلیل افزایش نااطمینانی و آسیب به فرآیندهای عملیاتی، برنامه‌های جذب نیرو را متوقف یا محدود کرده بودند. اکنون با بازگشت اینترنت، بخشی از نیازهای استخدامی معوق دوباره فعال شده و نشانه‌هایی از احیای بازار کار دیده می‌شود. به طوری که:

تعداد آگهی‌های استخدامی به بالاترین میزان از دی‌ماه سال گذشته رسیده است.

📈 با این حال، این بهبود هنوز به معنای خروج کامل از رکود نیست. زیرا

تعداد آگهی‌های استخدامی همچنان حدود ۵۰ درصد کمتر از مدت مشابه سال گذشته است

و هم‌زمان

تعداد کارجویانی که رزومه ارسال می‌کنند نیز ۱۰ درصد کاهش یافته است؛

موضوعی که می‌تواند ناشی از ناامیدی در رقابت شدید بازار کار یا احتیاط بیشتر افراد برای تغییر شغل در شرایط اقتصادی نامطمئن باشد. 🔗 برای جزئیات بیشتر، می‌توانید لینک زیر را مشاهده کنید: www.e-estekhdam.com/u-kb9gx5

معماری YAGNI؛ اصلی که می‌تواند شما را به برنامه‌نویس بهتری تبدیل کند یکی از مهم‌ترین اصول توسعه نرم‌افزار، اصل YAGNI است: You Aren't Gonna Need It (به آن نیاز نخواهی داشت) بسیاری از برنامه‌نویسان زمان زیادی صرف ساخت قابلیت‌هایی می‌کنند که «شاید» در آینده لازم شوند؛ اما در عمل هرگز استفاده نمی‌شوند. نتیجه چیست؟ - کدهای پیچیده‌تر - زمان توسعه بیشتر - باگ‌های بیشتر - نگهداری سخت‌تر پروژه برنامه‌نویسان حرفه‌ای به جای پیش‌بینی همه نیازهای آینده، فقط چیزی را پیاده‌سازی می‌کنند که امروز به آن نیاز دارند. - کد کمتر - خوانایی بیشتر - توسعه سریع‌تر - هزینه نگهداری کمتر به یاد داشته باشید: «هر خط کدی که نمی‌نویسید، باگی است که هرگز ایجاد نخواهد شد.» مطالعه مقاله Martin Fowler درباره YAGNI: https://martinfowler.com/bliki/Yagni.html @DevTwitter | <Narjes Esmaeili/>

اگر با Bagisto کار می‌کنید یا قصد دارید یک فروشگاه آنلاین مبتنی بر Laravel راه‌اندازی کنید، امیدوارم این پروژه بتونه در زمان شما صرفه‌جویی کنه. در واقع Bagisto یک پلتفرم متن‌باز فروشگاه‌ساز مبتنی بر Laravel هست که برای ساخت فروشگاه‌های اینترنتی حرفه‌ای استفاده میشه. امکانات پروژه: PHP 8.3 FPM Nginx MySQL 8 Redis Elasticsearch Kibana Mailpit Supervisor Cron Worker Composer & Node.js Xdebug برای توسعه و دیباگ یکی از ویژگی‌های مهم پروژه، اسکریپت راه‌اندازی خودکار هست که تنها با اجرای: ./setup.sh مراحل زیرو انجام میده: - راه‌اندازی سرویس‌ها - ایجاد دیتابیس‌های موردنیاز - نصب وابستگی‌ها - تنظیم فایل‌های Environment - نصب Bagisto - و Seed کردن داده‌های اولیه علاوه بر این، برای فروشگاه‌های ایرانیم یه پکیج پرداخت توسعه دادم که امکان اتصال Bagisto به پرداخت‌یارهای ایرانی مثل زرین‌پال رو فراهم می‌کنه. Docker Environment: github.com/hamedslyn/Bagisto-docker Iranian Payment Package: github.com/hamedslyn/Bagisto-Iranian-Payment @DevTwitter | <Hamed Soleymani/>

دیتاست کامل کانال «دِوتوییتر» تا ابتدای سال 2026 کل تاریخچه پیام‌های کانال دِوتوییتر به صورت JSON منتشر شد! این دیتاست شامل تمام پیام‌ها از ابتدای شکل‌گیری کانال در سال ۱۳۹۹ تا دی 1404 هست. مناسب برای: - تمرین دیتاساینس و NLP روی محتوای فارسی برنامه‌نویسی - تحلیل روند تکنولوژی‌ها در جامعه توسعه‌دهندگان ایرانی - استخراج منابع آموزشی و لینک‌های مفید - تحلیل واکنش‌ها و محبوبیت محتوا لینک دسترسی: github.com/devtwitter/devtwitter-data یادتون نره ستاره بدین :)) @DevTwitter

مهندس نرم‌افزار هستید یا فقط یک تایپیستِ کد؟ ماه‌ها درگیر ترجمه و بررسی فصل‌به‌فصل کتاب The Clean Coder اثر رابرت سی. مارتین بودم. این کتاب نه درباره‌ی سینتکس است و نه فریم‌ورک؛ بلکه درباره‌ی شخصیت و صفت ما به عنوان یک متخصص است. امروز، خلاصه این مانیفست بزرگ را در ۱۰ اصل جمع‌بندی می‌کنم. این چک‌لیستی است که مرز میان یک برنامه‌نویس آماتور و یک Software Craftsman را مشخص می‌کند: مانیفست ۱۰ گانه‌ی عمو باب برای حرفه‌ای‌ها: 1- مسئولیت تام خرابکاری‌ها: اگر غیرحرفه‌ای اشتباه کند، کارفرما تاوان می‌دهد. اما وقتی حرفه‌ای اشتباه کند، خودش خسارت را جمع می‌کند و مسئولیت باگ‌هایش را می‌پذیرد. 2- قانون اول (آسیب نزن): فرستادن کدی که از تستش مطمئن نیستی به واحد QA، نهایت بی‌انضباطی است. QA برای اطمینان نهایی است، نه برای شکار اشتباهات بدیهی ما! 3- دفاع از کیفیت کد: سریع و کثیف یک دروغ بزرگ است. کثیف‌کاری همیشه سرعت تیم را در آینده نزدیک صفر می‌کند. شکستن اصول مهندسی زیر فشار ددلاین، خیانت به بیزینس است. 4- شجاعت در نه گفتن: حرفه‌ای‌ها حقیقت را به قدرت مدیران می‌گویند. وقتی کاری غیرممکن است، بگو غیرممکن است. چیزی به نام سعی می‌کنموجود ندارد؛ سعی می‌کنم یعنی آماده شدن برای شکست! 5- زبانِ تعهد: کلمات مبهم مثل امیدوارم، باید انجام بشه یا کاش را حذف کن. یک حرفه‌ای قطعی صحبت می‌کند: من این تسک را تا روز سه‌شنبه ساعت ۱۲ تحویل می‌دهم. 6- قانون ۴۰/۲۰ در اخلاق کاری: کارفرما وظیفه ندارد برای تیز کردن اره‌ی تو و آپدیت رزومه‌ات پول بدهد. ۴۰ ساعت در هفته برای کارفرما کار کن، ۲۰ ساعت در هفته در زمان شخصی‌ات مطالعه و تمرین Kata کن. 7- فرار از تله‌ی ناحیه جریان (Flow Zone): خلسه و تمرکز تونلی موقع کد زدن، دید کلان معماری را از تو می‌گیرد. برای فرار از این تله و حذف سیلوهای دانش، Pair Programming کن. 8- هرم اتوماسیون تست: تست کردن، نوشتن چند تست واحد پراکنده نیست. پایداری سیستم نیازمند لایه‌های هماهنگ از تست‌های واحد بالای ۹۰٪، تست مؤلفه، یکپارچه‌سازی و تست سیستم است. 9- بیزینس را بفهم: بدترین کار این است که خودت را در مقبره‌ای از تکنولوژی دفن کنی، در حالی که بیزینسی که به تو پول می‌دهد در حال سقوط است. وظیفه تو شناور نگه داشتن کشتی کسب‌وکار است. 10- مسئولیت بزرگان برای جوانان: دانشگاه تئوری علوم کامپیوتر را می‌گوید، اما مهندسی واقعی را نه! وظیفه اخلاقی مهندسان ارشد این است که جونیورها را زیر بال و پر خود بگیرند و منتور کنند. تغییر و پذیرش این اصول، بیشتر از آنکه یک تصمیم عقلانی باشد، یک بلوغ انسانی و شخصیتی است.  @DevTwitter | <Hamed Heydarian/>

‏🚀 اشتراک هوش مصنوعی Notion AI با قیمت استثنایی موجود شد! ✨ دسترسی به تمامی مدل‌های هوش مصنوعی تاپ دنیا، همه با یک اشتراک! 💯 مناسب برنامه نویسی، پژوهش، تحلیل فایل، خروجی PDF, Word و...

Sonnet 4.6 Opus 4.7 Opus 4.8 Gemini 3.1 Pro GPT-5.2 GPT-5.4 GPT-5.5 Grok 4.3 Grok Build 0.1 Kimi K2.6 DeepSeek V4 Pro

🤝 کاملا قانونی 📧 اختصاصی روی ایمیل شما ➕ امکان دعوت ۳ نفر دیگر 🔥 یکماهه ۲۹۹,۰۰۰ تومان ❗️ موجود به مدت محدود 🛍 مشاوره و خرید: 💬 t.me/PremiumAIs ⚡️ اشتراک‌های هوش مصنوعی با تخفیف ویژه در فروشگاه ما: 📣 t.me/BEST4PREMIUMS

پروژه Java Tutor یک open-source skill برای Codex است که برای کمک به کار با Java ساخته شده از یاد گرفتن مفاهیم پایه و فهمیدن خطاها گرفته تا code review، و migration بین نسخه‌های Java و وصل کردن جواب‌ها به official documentation ایده‌ی اصلی اینه که وقتی کسی با Java درگیر می‌شه، لازم نباشه بین جواب‌های پراکنده، حدسی یا زیادی پیچیده گم بشه. Java Tutor سعی می‌کنه توضیح‌ها رو ساده‌تر، مرحله‌به‌مرحله‌تر و نزدیک‌تر به منابع اصلی Java ارائه بده. این پروژه فقط برای senior developerها نیست. می‌تونه برای beginnerها، developerهای باتجربه، تیم‌های فنی، دانشجوها و حتی آدم‌هایی که خیلی technical نیستند ولی می‌خوان بفهمن یک error، concept یا تغییر در پروژه‌ی Java یعنی چی، مفید باشه. در نهایت، هدفش اینه که یادگیری و کار با Java کمی شفاف‌تر، دقیق‌تر و قابل‌پیگیری‌تر بشه. link to repository: https://github.com/yappologistic/Java-Tutor @DevTwitter | <E Gurl/>

این وب سایت برای اونای که وسواس دارن تا بهینه ترین LLM ممکن رو برای تسک خودشون انتخاب کنند. مثلا عکس پایین کیفیت عملکرد LLM ها برای Text Generation هست. ولی خوب میتونید توی زمینه های مختلف برای هر تسکی مثل Vision, Image, Video و... را ببینید. https://arena.ai/leaderboard/ @DevTwitter | <^mad/>

یه چیزی که همیشه اعصابم رو خورد می‌کرد: وقتی فارسی تایپ می‌کردم توی ChatGPT یا DeepSeek، متن‌ها درهم برهم نشون داده می‌شدن. جهت متن اشتباه، کلمات برعکس، کلا یه فاجعه‌ای خصوصا وقتی ریاضیات قاطی میشد که کلا همه چیز بهم می‌ریخت. برای همین نشستم یه اکستنشن ساختم - AI RTL Resolver چی کار می‌کنه؟ - متن‌های فارسی، عربی، اردو و عبری رو به درستی RTL نمایش می‌ده - فرمول‌های ریاضی و کدها رو LTR نگه می‌داره (بدون خراب شدن) - هیچ تنظیماتی نیاز نداره، نصب کن و استفاده کن - سبک، سریع، و open source الان روی Chrome و Firefox در دسترسه Chrome: https://chromewebstore.google.com/detail/ai-rtl-resolver/fajdcnieohikiogbngkfedbpfoniobcc Firefox: https://addons.mozilla.org/en-US/firefox/addon/ai-rtl-resolver/ Github: https://github.com/miladniroee/ai-rtl-resolver @DevTwitter | <Ladoya/>

مروز یک پلاگین ساده و کاربردی برای وردپرس توسعه دادم: Scroll To Top Plugin این پلاگین یک دکمه شناور "بازگشت به بالای صفحه" به سایت اضافه می‌کند که پس از اسکرول کاربر نمایش داده شده و با کلیک روی آن، صفحه به‌صورت روان به ابتدای محتوا بازمی‌گردد. ویژگی‌های پلاگین: سبک و بهینه پیاده‌سازی با PHP، JavaScript و CSS استفاده از Shortcode برای نمایش دکمه پشتیبانی از Font Awesome سازگار با اکثر قالب‌های وردپرس بدون نیاز به تنظیمات پیچیده در این پروژه با مفاهیمی مانند: توسعه پلاگین وردپرس بارگذاری فایل‌های CSS و JavaScript با wp_enqueue_* ایجاد Shortcode سفارشی کار با jQuery برای مدیریت رویدادهای اسکرول کار کردم. این پروژه را به عنوان بخشی از مسیر یادگیری و تقویت مهارت‌های توسعه افزونه‌های وردپرس در گیت‌هاب منتشر کرده‌ام. خوشحال می‌شوم نظرات و پیشنهادات شما را درباره بهبود این پروژه بدانم لینک گیت هاب پلاگین: https://github.com/ahmadesmailimajd1995/scroll-to-top-plugin @DevTwitter | <ahmad esmaili/>

شیائومی MiMo Code را معرفی کرد؛ دستیار کدنویسی هوش مصنوعی که فراموش نمی‌کند شیائومی ابزار کدنویسی هوش مصنوعی جدیدش را با نام MiMo Code V0.1.0 به‌صورت متن‌باز منتشر کرد. این ابزار ترمینال‌محور بر پایه مدل MiMo-7B ساخته شده که شیائومی آن را در سال ۱۴۰۳ معرفی کرده بود، اما برخلاف نسخه قبلی که تنها یک مدل زبانی بود، MiMoCode یک عامل کدنویسی کامل است که برای همراهی در پروژه‌های نرم‌افزاری بلندمدت طراحی شده است. این ابزار بر پایه پروژه متن‌باز OpenCode ساخته شده و با مجوز MIT منتشر شده است. به‌طور پیش‌فرض به مدل MiMo-V2.5 دسترسی رایگان دارد، اما کاربران می‌توانند آن را به سرویس‌های دیگری مانند DeepSeek، Kimi و GLM نیز متصل کنند. مشکلی که MiMo Code حل می‌کند یکی از آزاردهنده‌ترین محدودیت‌های دستیارهای کدنویسی هوش مصنوعی این است که در پروژه‌های طولانی، از تصمیمات و مکالمات پیشین «فراموش می‌کنند»؛ چون همه چیز به پنجره context محدود است و وقتی این پنجره پر شود، اطلاعات قبلی از دسترس خارج می‌شود. شیائومی برای حل این مشکل یک زیرعامل پس‌زمینه اضافه کرده که پیوسته در حال مدیریت و ذخیره‌سازی اطلاعات است. وقتی مکالمه فعال به محدودیت context نزدیک می‌شود، این زیرعامل همه چیز را به یک خلاصه ساختاریافته تبدیل می‌کند تا عامل اصلی بتواند بدون از دست دادن سیر کار ادامه دهد. علاوه بر این، قابلیتی به نام /dream هر هفت روز یک‌بار به‌صورت خودکار اجرا می‌شود؛ این فرایند فایل‌های تکراری را حذف می‌کند، مسیرهای فایل را تأیید می‌کند و حافظه بلندمدت را به‌روز می‌کند. حالت Compose و سیستم Harness ؛MiMo Code دو قابلیت متمایز دیگر هم دارد. سیستم Harness به‌جای استفاده از مدل به‌عنوان یک نقطه API عمومی، از قابلیت‌های زیرین مدل مستقیماً بهره می‌برد. حالت Compose که با فشردن کلید Tab فعال می‌شود، به کاربر امکان می‌دهد صرفاً یک هدف کلی تعریف کند؛ عامل خودش برنامه‌ریزی، طراحی، کدنویسی، تست و بازبینی را از ابتدا تا انتها مدیریت می‌کند. شیائومی ادعا می‌کند این رویکرد می‌تواند «محصول نهایی در سطح صنعتی» تولید کند و به نتایج بنچمارک استناد کرده است: امتیاز ۶۲ درصد در SWE-Bench Pro و ۷۳ درصد در Terminal Bench 2 که حدود پنج درصد بهتر از Claude Code با همان مدل پایه است. ورودی صوتی نیز با استفاده از مدل MiMo-V2.5-ASR در این ابزار تعبیه شده و کاربران می‌توانند دستورات را دیکته کنند یا عملیاتی مثل ارسال و اجرا را بدون لمس صفحه‌کلید فعال کنند. نصب و راه‌اندازی نصب MiMo Code در macOS و لینوکس با یک دستور ترمینال انجام می‌شود و کاربران ویندوز می‌توانند آن را از طریق npm نصب کنند. راه‌اندازی اولیه به‌صورت خودکار کاربر را در پیکربندی مدل راهنمایی می‌کند و استفاده از کانال رایگان MiMo-V2.5 بدون نیاز به ثبت‌نام امکان‌پذیر است. https://github.com/XiaomiMiMo/MiMo-Code @DevTwitter | <Sanaz Hosseinzadeh>

#کوته_نیوز دسترسی به مدل Fable 5 آنتروپیک به دستور دولت آمریکا مسدود شد به گزارش رویترز، دولت ایالات متحده با ابراز نگرانی شدید از آسیب‌پذیری‌های امنیتی، به شرکت آنتروپیک دستور داد تا در تاریخ ۱۲ ژوئن، دسترسی به مدل‌های جدید خود را فوراً قطع کند. مقامات دولتی نگران روشی برای جیلبریک یا دورزدن حصارهای امنیتی مدل فیبل ۵ هستند که می‌تواند محدودیت‌های مربوط به امنیت سایبری، شیمی و بیولوژی را بشکند و به کاربران اجازه دهد تا نقاط ضعف نرم‌افزارها را شناسایی کنند. /دیحیاتو @DevTwitter

اگه برای کار اپلای میکنید این به دردتون میخوره! یکی یه ابزار CLI درست کرده که براتون دنبال کار میگرده، بر اساس معیارهاتون بهش امتیاز میده، رزومه و CV براش optimize میکنه و تمامی مراحل رو track میکنه! جالبش اینه که هر چی بیشتر اپلای کنید، بهتر شما رو میشناسه و امتیازبندی دقیقتری انجام میده! پلتفرم‌های که ساپورت میکنه: Greenhouse, Lever, Workday, LinkedIn و... حواستون باشه که این یک بات auto-apply نیست ولی پروسه پیدا کردن کار رو خیلی براتون راحت میکنه :) https://github.com/santifer/career-ops @DevTwitter | <Amir/>

🇫🇷 وبینار رایگان | مهاجرت تحصیلی به اروپا، بدون نمره زبان تو این وبینار مسیر واقعی اقدام از طریق دوره زبان فرانسه رو کامل توضیح می‌دیم. در این جلسه درباره این موارد صحبت می‌کنیم: ✅ شرایط مهاجرت بدون نمره زبان ✅ هزینه‌های واقعی تحصیل و زندگی در فرانسه ✅ کار دانشجویی و ویزای همراه ✅ ادامه تحصیل در دانشگاه‌های فرانسه ✅ تبدیل اقامت تحصیلی به کاری ✅ مزیت برای دریافت اقامت دائم کانادا ✅ اشتباهات رایج اپلای و ویزا ✅ پرسش و پاسخ 🎙 همراه با ریباز، مشاور تخصصی ابرادین از فرانسه دانشجوی دکتری مدیریت بازرگانی و فارغ‌التحصیل دوره زبان فرانسه 📅 شنبه ۲۳ خرداد ⏰ ساعت:۲۱:۳۰ 💙 ثبت‌نام رایگان لینک ثبت‌نام: https://zaya.io/fast-eu2

یه ابزار باحال آنلاین پیدا کردم: یه عکس می‌دی بهش، بهت گرادینت میده با کلی تنظیمات. برای وقتایی که دنبال یه بک‌گراند یا پلت رنگی هماهنگ با یه تصویری، عالیه. تو مرورگر کار می‌کنه و رایگانه http://photogradient.com @DevTwitter | <REZA/>

برگی دیگر از صرفه جویی در توکن های Claude Code باورتون میشه یکی از راههاش این بوده که با Claude مثل انسان نخستین حرف بزنیم؟ یه پروژه به اسم Caveman اومده دقیقاً همین کارو کرده. ایده‌اش ساده‌ست: به جای اینکه Claude Code بگه: > “The issue likely originates from object reference recreation during render cycles…” میگه: > “new object each render. component panic. rerender happen.” و خب درست کار می‌کنه! طبق benchmarkهایی که داخل ریپو گذاشتن، تو بعضی تسک‌ها تا ۸۰٪ مصرف توکن کمتر شده و میانگین صرفه‌جویی حدود ۶۵٪ بوده. یعنی هم context دیرتر پر میشه، هم هزینه API کمتر میشه، هم وقتی Claude وسط پروژه existential crisis می‌گیره، پول کمتری از حساب کم میشه. حتی یه ابزار به اسم caveman-shrink هم دارن که فایل‌های instruction و memory رو فشرده می‌کنه تا ورودی‌ها هم توکن کمتری مصرف کنن. قشنگ‌ترین بخش داستان اینه که کل کامیونیتی AI الان داره با جدیت علمی بررسی می‌کنه آیا “ugga bugga architecture” آینده‌ی prompt engineering هست یا نه البته بعضیا هم benchmark گرفتن و گفتن “be brief” توی پرامپت تقریباً همون نتیجه رو میده! رسیدیم به نقطه‌ای از تکنولوژی که senior developerها دارن میلیون‌ها پارامتر transformer رو مجبور می‌کنن مثل آدم‌های عصر حجر صحبت کنن تا قبض Anthropic کمتر بشه https://github.com/juliusbrussee/caveman @DevTwitter | <Hamed Sharifi/>