اگه خواستین یه برنامه اندروید بسازید و حوصله درگیری با اندروید نداشتین با این ابزار یه نسخه وب ازش بسازید و تبدیلش کنید به اندروید.


البته دقت کنید این کار اصلا بهینه نیست ولی برای موقاع ضروری خوبه :

github.com/shiaho777/web-to-app


@Linuxor

مغز انسان بیشتر چیزایی که در طول روز یاد می‌گیره، همون موقع تبدیل به دانش دائمی نمی‌شن. اول توی یه حافظه موقت ذخیره می‌شن؛ یه چیزی که تا حدی می‌شه شبیه RAG توی هوش مصنوعی در نظرش گرفت. بعد اگه شرایط مناسب باشه، مخصوصاً وقتی می‌خوابی، مغز بارها اون اطلاعات رو مرور می‌کنه، ارتباط بین نورون‌ها رو قوی‌تر می‌کنه و اطلاعات جدید رو به چیزایی که از قبل بلد بوده وصل می‌کنه. برای همین بعضی وقتا بعد از یه خواب، حس می‌کنی مطلبی که دیروز برات گنگ بود، امروز یهویی جا افتاده و انگار تازه واقعاً یادش گرفتی چون مغزت هنوز خوب train نشده بود.


@Linuxor

تماس های مخابرات رایگان شده ولی اگه به کسی زنگ نزنید میره توی پاچتون! تماس هارو رایگان کردن ولی هزینه آبونمان رو زیاد کردن این یعنی پول همه تماس هارو از قبل از همه گرفتن یعنی اون بنده خداهایی که زنگ نمیزنن پول اونایی که دارن زیاد زنگ میزنن رو پرداخت میکنن.


@Linuxor

بعد از 13 سال آپلودبوی به فعالیت خودش پایان داد.

عامل اصلی خداحافظی از زبان احسان دلیر: فیلتر شدن بی دلیل سایت، قطعی های اینترنت، بی ثباتی اقتصادی و کاهش ترافیک و مشکلات مربوط به شبکه کشور.


@Linuxor

هاگینگ فیس توسط اوپن ای ای هک شد😁

شرکت OpenAI یه گزارش منتشر کرده که واقعاً عجیبه، این شرکت برای اینکه توانایی مدل‌های جدیدش رو در حوزه امنیت سایبری بسنجه، همه محدودیت‌های امنیتی مدل رو داخل یه محیط آزمایشی برداشت. مدل هم اول یه آسیب‌پذیری ناشناخته (Zero-Day) توی همون محیط پیدا کرد، از Sandbox خارج شد و تونست به اینترنت دسترسی پیدا کنه.

بعد از اون، مدل به این نتیجه رسید که جواب‌های بنچمارک امنیتی ExploitGymاحتمالاً روی سرورهای Hugging Face ذخیره شده. برای اینکه امتیاز بالاتری توی این آزمون بگیره، خودش شروع کرد به طراحی مسیر حمله؛ از اطلاعات ورود لو رفته و چند آسیب‌پذیری دیگه استفاده کرد و سعی کرد وارد زیرساخت Hugging Face بشه تا جواب‌های آزمون رو پیدا کنه. البته تیم امنیتی Hugging Face خیلی سریع این فعالیت رو شناسایی و متوقف کرد و هیچ داده یا سرویس عمومی آسیب ندید.

نکته مهم اینجاست که هیچ‌کس به مدل نگفته بود برو Hugging Face رو هک کن. فقط بهش هدف داده بودن که در آزمون بهترین عملکرد رو داشته باشه و مدل خودش تصمیم گرفته بود برای رسیدن به اون هدف، حمله واقعی انجام بده.


@Linuxor

کسایی که سایت با دامنه com دارن دقت کنن از 10 آبان به بعد قراره قیمتش به طور جهانی افزایش پیدا کنه!

تخمین زده می‌شه که 7% افزایش پیدا می‌کنه اگه دامنه مهمی دارید می‌تونید بازه 10 ساله زود تر تمدیدیش کنید تا به نرخ جدید نخورید.


@Linuxor

ساخت یک LLM از صفر!

اگر می‌خواهید بدانید واقعاً در دل مدل‌های زبانی چه می‌گذرد، این ویدیو فوق‌العاده است. طرف، از مفاهیم پایه مثل شبکه‌های عصبی و توکنایزیشن شروع می‌کند و تا معماری ترنسفورمرها پیش می‌رود. نکته جذاب اینجاست که همه چیز با کد واقعی و از صفر پیاده‌سازی شده است.

در این ویدیو به این مباحث کلیدی پرداخته شده است:
• درک عمیق چت‌بات‌ها و نحوه کارکرد آن‌ها
• بررسی شبکه‌های عصبی (Neural Networks)
• نحوه عملکرد توکنایزیشن و Embeddingها
• تشریح معماری ترنسفورمرها (Transformers)
• ارائه کانتکست تاریخی و تکامل این تکنولوژی

این ویدیو برای کسانی که می‌خواهند از سطح تئوری فراتر بروند و پیاده‌سازی واقعی یک ایجنت یا مدل زبانی را ببینند، عالی است.

کد پروژه:
github.com/w3cj/how-llms-work
ویدیوی یوتیوب (انگلیسی):
youtube.com/watch?v=YmLp8qe87A0


@Linuxor ~ MehdiAllahyari

مایکروسافت یه پروژه متن‌باز و رایگان به اسم SkillOpt منتشر کرده که می‌تونه مهارت‌ها (Skills) و پرامپت‌های Agentهای هوش مصنوعی رو خودش بهتر و بهتر کنه؛ تقریبا شبیه همون کاری که موقع آموزش یه مدل هوش مصنوعی انجام میشه. یعنی Agent یه کار رو انجام میده، بعد یه بخش دیگه کیفیت خروجی رو بررسی می‌کنه، دستورالعمل‌ها رو بازنویسی می‌کنه و فقط نسخه‌ای رو نگه می‌داره که واقعا عملکرد بهتری داشته باشه.

اگه تا حالا برای بهتر شدن جواب‌های AI مدام پرامپت رو تغییر دادین و نمی‌دونستین واقعا بهتر شده یا نه، SkillOpt این فرآیند رو خودکار می‌کنه. حتی تغییرهایی که نتیجه بهتری ندن رو رد می‌کنه و طبق نتایج مایکروسافت از پرامپت‌های دست‌نویس و ابزارهایی مثل TextGrad هم عملکرد بهتری داشته. نکته جذاب‌تر اینکه به هیچ مدل خاصی وابسته نیست؛ یعنی امروز با GPT کار کنین و فردا برین سراغ Claude یا Gemini، می‌تونین همون Skillها رو دوباره استفاده کنین.

github.com/microsoft/SkillOpt


@Linuxor

جالبه بدونید هیچ مدل اوپن سورس واقعی تقریبا وجود نداره مثلا Deepseek و Llama و Qwen همشون اوپن weight هستن یعنی شما یه ماشین بهتون دادن و فقط میتونید سوارش شید و به صورت خیلی جزئی هم شخصی سازیش کنید مثلا رنگ چراغاشو عوض کنید، اما اوپن سورس یعنی واقعا کارخونه ساخت ماشین رو بهتون بدن و قدرت بینهایت بالایی توی شخصی سازی کردنش دارید البته بعضی مدل های ضعیف تری هستن که اوپن سورسن مثل Pythia و OLMo ولی زیاد اسمشون شنیده نشده.


@Linuxor

با این برنامه اندروید اوپن سورس می‌تونید با خود اندروید برای خود اندروید برنامه بسازین!

github.com/AndroidStudio-App/NeonIDE

نکته : تازه داره توسعه پیدا می‌کنه اگر مشکل داشتید می‌تونید از جایگزین هاش به اسم های AndroidIDE یا AIDE یا ACode استفاده کنید.


@Linuxor

همیشه یکی از تفریحاتم چرخ زدن تو ترند های جدید گیتهاب بود تا اینکه اخیرا یه ابزار خفن برای گیتهاب پیدا کردم که لیست ترندها رو خیلی تمیز و دسته بندی شده برام لیست میکنه

github.ranbot.online


@Linuxor ~ MamJeyDev

جالب ترین پیامک بانک هم مربوط به بلوبانکه میگه فلان تومن از حسابت پرید!

قشنگ معلومه ناراحت شده که از کلمه پرید استفاده میکنه انگار توی یه معامله شکست خوردی و اون چیزه از دستت پریده... بخدا پنیر خریدم شکست بزرگی نخوردم😁

@Linuxor

یه کتاب کاملاً متن‌باز و رایگان درباره‌ی طراحی AI Agent ها پیدا کردم

فرمول کل کتاب: Agent = LLM + Context + Tools
۱۰ فصل، از مبانی تا production
۸۸ پروژه‌ی عملی با کد واقعی
۵ زبان (انگلیسی، چینی، تامیل، ویتنامی و…)

کاملا رایگان :

github.com/bojieli/ai-agent-book/releases


@Linuxor ~Shayi78

با استفاده از این ابزار اوپن سورس هوش مصنوعی به اسم PriceGhost، ارزان‌ترین محصولات رو توی اینترنت پیدا کنید (می‌تونید باهاش یه چیزی شبیه ترب درست کنید روی سایت های خارجی مثل آمازون و... تست شده)

این ابزار، زمان تحویل، کیفیت، مشخصات، هزینه‌های پنهان و کارمزدها، وجود بیمه برای محموله و... رو حتی می‌تونه مقایسه کنه.

در نهایت، شما یک گزارش دقیق با نمودارها دریافت می‌کنید و اینکه هوش مصنوعی اگر محصول مورد نظر پیدا نشه یا موجود نباشه شروع میکنه به دادن توصیه‌هایی که کالای نزدیک به اون محصول جایگزین بشه.

github.com/clucraft/PriceGhost

@Linuxor ~ bahrameghorbani

یه نکته جالب برای فریلنسر ها و کسایی که روی پروژه های بدون آقا بالاسر کار می‌کنن

اگه پلن هفت روزه برای انجام پروژه بچینید شیش روز استراحت میکنید و روز آخر شروع به کار میکنید اگر بازه زمانی یک روزه بچینید 23 ساعت استراحت میکنید و ساعت اخر کارو شروع میکنید، فرمولش جالب نیستش؟ همیشه دارید انتهای بازه کار رو انجام میدید پس هرچقدر بازه رو کوچیک تر کنید بیشتر به نفعتونه چون میدونید در نهایت آخر اون بازه شروع به انجامش میکنید پس بهتره بازه رو تا حد امکان کوچیک کنید مثلا یک ساعته یا کمتر. ایلان ماسک از بازه های 5 دقیقه ای استفاده می‌کرد که البته برای کار شدیده.

@Linuxor

می‌خوای بفهمی کامپیوترها واقعاً چطور کار می‌کنن؟

ساختن وبسایت هارو فعلاً بی‌خیال شو یه کرنل سیستم‌عامل رو از صفر با Rust بساز :

1. راه‌اندازی Rust روی سخت‌افزار واقعی (Bare-metal)
2. ساخت حالت متنی اختصاصی برای VGA
3. مدیریت وقفه‌های CPU و Paging
4. مدیریت حافظه از پایه و اصول اولیه

این یکی از مهم‌ترین مسیرهای یادگیری برای مهندس‌های سیستمه؛ یه جور مرحله‌ی عبور از دنیای برنامه‌نویسی معمولی به دنیای عمیق سیستم‌ها.

زبان فارسی هم داره و هنوز ترجمش کامل نیست :

os.phil-opp.com


@Linuxor

محتوای بیش از 1800 سایت رو با یه نرم‌افزار دانلود کن؛ شاید این کامل‌ترین دانلودر متن‌باز باشه!

اگر همیشه برای دانلود از YouTube، Instagram، TikTok، Reddit، Udemy، Hotmart، Bilibili یا حتی فایل‌های Torrent مجبور بودی چند ابزار مختلف نصب کنی، وقتش رسیده با OmniGet آشنا بشی

انتخاب کیفیت و فرمت خروجی
دانلود گروهی و صف دانلود حرفه‌ای
دانلود بخشی از ویدیو یا استخراج فقط صدا
پخش‌کننده داخلی ویدیو و موسیقی
کتاب‌خوان داخلی برای PDF و EPUB
مبدل فایل با FFmpeg
میانبر سراسری؛ فقط لینک را کپی کن و با یک کلید دانلود را شروع کن

به نظرم یکی از کامل‌ترین پروژه‌های Open Source امسال برای مدیریت دانلود هستش و ارزش داره حداقل یه بار امتحانش کنین :


github.com/tonhowtf/omniget


@Linuxor ~ pedrambirack

مدل Qwen 3.5-9B-Aggressive-Uncensored حسابی سر و صدا کرده
بیشتر از 500 هزار بار دانلود شده و بدون هیچ محدودیت یا فیلتر محافظتی، حتی روی کارت گرافیک‌هایی مثل RTX 4060 به‌صورت لوکال اجرا می‌شه.

این یکی از اون مدل‌های اوپن‌سورسه که خیلی از دولوپرها برای خلاقیت آزاد، کدنویسی و کارهای بدون محدودیت سراغش رفتن؛ خوبیش اینه پشتیبانی چندزبانه قوی داره و قابلیت چندوجهی (متن + تصویر) داره و قابلیت Chain of Thought (استدلال مرحله‌به‌مرحله) داره و نسخه‌های GGUF داره که نصب و اجرای لوکال رو راحت‌تر می‌کنه
برای اجرا هم بسته به نسخه‌ای که انتخاب می‌کنی سخت‌افزار متفاوتی نیاز داری:

نسخه Q6_K (حدود 7 گیگابایت): بهتره حداقل 12 تا 16 گیگ رم داشته باشی.

نسخه Q8_0 (حدود 9 گیگابایت): برای اجرای روان‌تر حدود 16 تا 24 گیگ رم پیشنهاد می‌شه.

نسخه BF16 (حدود 17 گیگابایت): بهتره 24 تا 32 گیگ رم یا سخت‌افزار قوی‌تر داشته باشی؛ برای سیستم‌های معمولی خیلی بهینه نیست.

huggingface.co/HauhauCS/Qwen3.5-9B-Uncensored-HauhauCS-Aggressive

@Linuxor

یه پروژه خیلی جالب برای کسایی که می‌خوان بفهمن پشت صحنه‌ی LLMها چی می‌گذره ساخته شده. این ریپو قدم‌به‌قدم نشون می‌ده چطور یه مدل زبانی رو از صفر بسازید؛ از جمع‌آوری و آماده‌سازی داده‌ها گرفته تا ساخت کامل معماری Transformer با PyTorch و در نهایت اینکه مدل چطور شروع به تولید متن می‌کنه. حتی بخش‌هایی مثل Attention، Multi-Head Attention، بلاک‌های Transformer و کل ساختار مدل هم خودشون از صفر پیاده‌سازی شدن و با توضیحات و نمودارهای ساده توضیح داده شدن.


github.com/FareedKhan-dev/train-llm-from-scratch

@Linuxor