این کتاب از دانشکده مهندسی برق و کامپیوتر دانشگاه تگزاس آستین یاد می‌ده چطور از یک میکروکنترلر ARM Cortex-M یک سیستم واقعی بسازیم.
مثلاً:
روشن و خاموش کردن LED
خواندن دکمه‌ها
ارتباط با سنسورها
ساخت دستگاه‌های اندازه‌گیری
تولید صدا
ارتباط سریال با کامپیوتر
ساخت کنترلرهای ساده
طراحی سیستم‌های بلادرنگ


ویدیو هم داره :
users.ece.utexas.edu/~valvano/Volume1/E-Book

@Linuxor

یه متقاضی ردشده از یه برنامه امنیت سایبری توی IIT هند، بعد از اینکه پذیرشش انجام نشد تونست به بعضی سیستم‌های IIT Madras و IIT Kanpur نفوذ کنه و پیامی با مضمون «فقط یه فرصت عادلانه می‌خوام» به جا گذاشته. این اتفاق دوباره یه بحث قدیمی رو مطرح کرد؛ اینکه توی حوزه‌هایی مثل امنیت سایبری فقط مدرک و رزومه مهم نیست و مهارت عملی هم نقش بزرگی داره، ولی مسیر اثبات این مهارت هم به اندازه خود مهارت مهمه.

برای کسایی که دنبال ورود به دنیای امنیت هستن، این ماجرا یه نکته مهم داره: بلد بودن نفوذ به یه سیستم، تنها بخشی از کاره؛ یه متخصص واقعی باید بدونه کجا، چطور و با چه مجوزی این کار رو انجام بده. فرق یه هکر حرفه‌ای با کسی که فقط دنبال شکستن سیستمه، بیشتر از ابزارها به نوع فکر و مسئولیت‌پذیریش برمی‌گرده.


@Linuxor

بخاطر نوشتن این اسکیل یه عده عاشقم میشن یه عده ازم متنفر میشن

ساخت اپ برای مک/ویندوز/لینوکس با ری اکت /پایتون و راست و ایچ تی ام ال این فرانت و… به صورت همزمان و کامپایل با گیتهاب (گیتهاب اکشنز یه قابلیتیه که باهاش می‌تونید بدون داشتن سخت افزار قوی از طریق سخت افزار های گیتهاب کدتون رو کامپایل کنید)

خلاقیتتون رو زنده کنید :

github.com/peditx/tauri-skills

@Linuxor ~ PeDram PeDitX

برنامه نویسا و مهندسای اسنپ فکر نکنم ماهی 110 بگیرن

@Linuxor

گوگل هفته پیش یه دوره یک ساعته درباره مهندسی ایجنت‌های هوش مصنوعی و نحوه ساخت و مدیریتشون منتشر کرد

که توش مفاهیم پایه ایجنت‌ها و معماری‌های مختلفشون (مثل ترتیبی، واکنشی و برنامه‌ریز) بررسی شده و نحوه کدنویسی ایجنت‌ها، استفاده از ابزارها و ایجاد ایجنت‌های چندگانه آموزش داده می‌شه. همچنین موضوعاتی مثل مدیریت حافظه (کوتاه‌مدت، دیتابیسی و long-term memory با Vertex AI Memory Bank) ایجنت‌های طولانی‌مدت که ایده‌آل برای فرآیندهای چندروزه یا چندهفته‌ای هستن و پروتکل MCP برای اتصال ایمن و استاندارد ایجنت‌ها به ابزارهای خارجی (مانند Google Trends) توی این دوره ارائه شده

www.youtube.com/watch?v=vE31B0D3n08


@Linuxor

یه توضیحی راجع به صحبت شخص کدلوژیست من اضافه کنم

حرف کدلوژیست درسته و این روش واقعا توی وایب کدینگ استفاده می‌شه اما زیاد آنچنان خیلی خفن بهتون کمک نمیکنه چون قضیه برمیگرده به اوایل هوش مصنوعی که این ایده ایجاد شد ولی بعدش دیدن زیاد آنچنان مدل رو باهوش و خفن نمی‌کنه چون خطر بهینه‌سازی روی معیار اشتباه (Goodhart's Law) وجود داره
بزرگ‌ترین مشکل اینه که مدل ممکنه یاد بگیره چیزی رو بهتر کنه که اندازه‌گیری می‌شه، نه چیزی که واقعاً مهمه.
مثلاً:
معیار ارزیابی: تست‌ها پاس بشن
نتیجه: مدل کدی می‌نویسه که تست‌ها رو دور می‌زنه ولی معماری بدی داره.
یا مثلا
معیار: کاربر سریع جواب بگیره
نتیجه: مدل پاسخ‌های کوتاه و سطحی تولید می‌کنه.

یعنی حلقه‌ی ارزیابی ممکنه مدل رو به سمت بازی کردن با معیار سوق بده به قولی اگه مدلی خوب نباشه خودتونم بکشید نمی‌تونید بهترش کنید. ولی تجربیات میگن این نوع حلقه کمک می‌کنه درکل ولی اونقدر که فکر می‌کنید کمکش زیاد نیست.

@Linuxor

فهمیدیم که با فایل های Skill می‌تونیم به ایجنت ها و عامل های هوش مصنوعی بفهمونیم که وقتی به موضوع خاصی رسید چی‌کار کنه، ولی این کافی نیست نمی‌تونیم برای هر چیزی بیایم دستی Skill درست کنیم، این ابزار بهتون کمک می‌کنه یه کتاب یا مستندات پروژه رو تبدیل به Skill کنید:

github.com/virgiliojr94/book-to-skill

@Linuxor

یه زمانی مایکروسافت با Internet Explorer تونسته بود بخش زیادی از دنیای وب رو به خودش وابسته کنه، ولی استانداردهای باز و پروژه‌های متن‌باز کمک کردن این انحصار کم‌کم از بین بره. حالا یه چالش بزرگ‌تر وجود داره؛ وابستگی شدید دنیا به فایل‌های Word و Excel. خیلی از شرکت‌ها و سازمان‌ها سال‌ها اطلاعاتشون رو توی این فرمت‌ها ذخیره کردن و تغییر دادن نرم‌افزار اصلی براشون سخته، چون ممکنه ظاهر یا محتوای فایل‌ها به‌هم بریزه

مشکل فقط ساختن یه نرم‌افزار جایگزین نیست؛ مسئله اینه که داده‌ها باید آزاد باشن و هر ابزاری بتونه بدون دردسر باهاشون کار کنه. آینده‌ی نرم‌افزارهای اداری شاید به این سمت بره که هیچ شرکتی نتونه با فرمت‌های اختصاصی، کاربران رو برای همیشه به خودش وابسته نگه داره و استانداردهای باز نقش اصلی رو بازی کنن

این موضوع نشون می‌ده توی دنیای تکنولوژی، برنده همیشه کسی نیست که فقط بهترین محصول رو بسازه؛ گاهی کسی برنده‌ست که کنترل مسیر ذخیره و انتقال اطلاعات رو دستش بگیره. شکستن این نوع وابستگی از شکستن یه نرم‌افزار خاص خیلی سخت‌تره، چون با عادت‌ها، آرشیو چندین ساله و فرآیندهای کاری میلیون‌ها نفر گره خورده

@Linuxor

یه نفر فقط از Opus 5 خواسته یک شهر بی‌نهایت بسازد خروجی را ببینید 30 میلیون توکن هم به فنا داده (حدودا 500 تا 1000 دلار هزینه برداشته)


@Linuxor ~ 0xdavinchi

گیت‌هاب بزرگ‌ترین مشکل وایب کدینگ رو حل کرده به‌تازگی Spec Kit رو راه‌اندازی کردن و فقط در چند روز، این پروژه بیش از 100 هزار تا ستاره گرفته.

ایده چیه؟
به‌جای اینکه پرامپت‌های مبهم بدید و دعا کنید که عامل هوش مصنوعی پروژه‌تون رو خراب نکنه... Spec Kit هوش مصنوعی رو مجبور می‌کنه قبل از دست زدن به کد، یک مشخصات (Specification) ساختاریافته ایجاد کنه.

هوش مصنوعی ابتدا می فهمه شما دقیقاً چه چیزی می‌خواید بسازید، چیزهای ناقص یا نامشخص رو می‌پرسه پروژه رو سازمان‌دهی می کنه و بعد شروع به برنامه‌نویسی می کنه.

دستورات :
/constitution → قوانین و استانداردها
/specify → چیزی که می‌خواید بسازید
/clarify → برطرف کردن ابهام‌ها قبل از شروع
/plan → معماری و تکنولوژی‌های مورد استفاده
/tasks → وظایف مرتب‌شده و مرحله‌بندی‌شده
/implement → اجرا

نصب :
github.github.com/spec-kit

@Linuxor

بازی ساختن از چیزی که فکر میکنید خیلی راحت‌تر شده، مثلا اینو فقط تو یک ساعت ساختم :)

جالب اینه که من تا حالا تو زندگیم با blender کار نکردم ولی با mcp وصلش کردم به claude و اینو با three.js ازش خروجی گرفتم! (وان شات)

fox-floe.vercel.app

@Linuxor ~ AmirAnonn

می‌دونستین گوشی که دستتونه صفحش خازنیه و می‌شه ازش به عنوان یک تستر فیوز استفاده کرد؟

@Linuxor

من اگه راننده تاکسی بشم :

می‌دونییییی! این کمبود رم همش کار خودشونه هدفشون اینه سرور های خودشون رو تا جای ممکن قوی کنن و لپ تاپ های مارو تا جای ممکن ضعیف؛ آینده داره به یه سمتی می‌ره بهش می‌گن کلاد کامپیوتینگ یعنی ما هیچی رو روی سیستم خودمون اجرا نکنیم و روی سرور همچی اجرا بشه و پولش رو باید همیشه به صورت اشتراک بدیم. بخداااا.

@Linuxor

سم آلتمن، مدیرعامل OpenAI، گفته به‌نظرش هوش مصنوعی وارد دوران تکینگی (Singularity) شده؛ یعنی جایی که AI می‌تونه خودش خودشو با سرعتی باورنکردنی پیشرفت بده و دنیا رو از اقتصاد و بازار کار گرفته تا علم و زندگی روزمره زیرورو کنه.

البته خیلی از کارشناسا باهاش موافق نیستن و می‌گن هنوز هوش مصنوعی به اون مرحله نرسیده که خودش بدون دخالت انسان خودش رو ارتقا بده. اما تقریباً همه روی یه چیز اتفاق نظر دارن: سرعت پیشرفت AI اون‌قدر بالاست که از الان باید برای مدیریت و قانون‌گذاریش آماده بود.


@Linuxor

توییتر بالاخره ویژگی تایم لاین سفارشی رو اضافه کرد

انتظار داشتیم قابلیتی اضافه بشه که مثلا چند خط درباره خودمون توضیح می‌دیم و بر اساس اون تایم لاین برامون ساخته می‌شه و توییت های مرتبط بهمون نشون داده می‌شه مثلا : من برنامه نویس وب هستم و با Next.js کار می‌کنم و به ورزش به خصوص بدنسازی هم علاقه دارم!

ولی اصلا اینطوری نشده و فقط یه دسته بندی یا کلسیفیکیشن سادس و فقط می‌رید و روی دسته های از پیش تعریف شده مثلا Technology یا Sports رو انتخاب می‌کنید و بهتون اون توییت هارو نشون می‌ده که واقعا زحمت زیادی کشیدن چون اکثر شبکه های اجتماعی دیگه همچین ویژگی رو از سال ها پیش داشتن.


@Linuxor

خیلیا سایت می‌سازن و نمی‌آد بالا توی گوگل و می‌رن کلی هزینه می‌کنن دوره SEO می‌خرن و یا آدم استخدام می‌کنن :)

ولی سوال اصلی اینجاست آیا از خودتون پرسیدید اصلا گوگل از شما چی می‌خواد دقیقا که انقدر اذییتون می‌کنه؟ گوگل اینجا دقیقا گفته چی مي‌خواد از شما، یه سری قوانین بسیار سادس رعایتش کنید گوگل هم بهتون حال می‌ده و می‌آرتتون بالا ولی اگر برخلافش عمل کنید ممکنه نتیجه خوبی نگیرید


پیشنهاد می‌کنم این داکیومنت گوگل رو کامل بخونید کلا یکی دو ساعت وقتتون رو می‌گیره ولی ارزش داره:

developers.google.com/search/docs


@Linuxor

چند روز پیش QWEN یه مدل اوپن کرده به اسم Fable-Fusion 27B که به گفته خودش سانسور نشدس البته کاربرا تستش کردن و گفتن هنوز کمی سانسور داره دقت کنید لایه های امتناع کامل حذف نشدن چون بعضی چیزا ضررویه اما این مدل بخش زیادی از درخواست هارو جواب می‌ده (مثلا ساخت داستان با شخصیت منفی یا کمتر فاز مشاور اخلاقی می‌گیره)

روی کارت گرافیک 3060 به بالا اجرا میشه حجم دانلودیش هم بستگی به اینکه کدوم کوانتایز (~کیفیت) رو دانلود می‌کنید متفاوته و از 11 گیگ کمترینش شروع میشه:

huggingface.co/...

برید توی قسمت Use This Model و Ollama رو بزنید

@Linuxor