🔹 اکستنشن کجا چنده
💡 قیمت هارو مقایسه کنید تا خرید بهتری داشته باشید.

اولین بار که ایده طراحی این اکستنشن به ذهنم رسید این بود که داخل دیجی کالا دیدم که PS5 نزدیک ۵م از سایت های رقیب گرون تر هستش
با این میتونید قیمت محصول مورد نظرتون رو با بقیه فروشگاه ها مقایسه کنید و خرید بهتری داشته باشید.

🔸 فقط کافیه اسم محصول رو از هر سایتی سلکت کنید—کلیک راست کنید و روی گزینه کجا چنده کلیک کنید.
🔸 همینطور میتونید داخل دیجی کالا روی دکمه کجا چنده که براتون اضافه میشه کلیک کنید.

📥 لینک نصب از طریق کروم وب استور:
https://chromewebstore.google.com/detail/koja-chande/gaacdleodfajpcdoffbmnkijnabjocac

📂 این پروژه اوپن سورس هستش ممنون میشم ⭐️ بدید:
https://github.com/pouriasabaghi/kojachande_extension

@pouriageek

این ده تا تمرین برای Data Engineering حدود خوبی از دانش فنی یک مهندس داده جونیور و متوسط رو پوشش میده.
پیشنهادش میکنم.
https://github.com/danielbeach/data-engineering-practice

@DevTwitter | <Saman/>

تا فردا حق :)) 😂😂

#fun
@CodeModule

داشتم مقاله It’s Not A.I. — Junior Developers Have Always Struggled to Code از Walter G. رو میخوندم و دیدگاه خیلی جالبی داشت به هوش مصنوعی. توی مقاله میگه :

این هوش مصنوعی نیست — دولوپرهای تازه‌کار همیشه با کد زدن مشکل داشتن

اخیراً هوش مصنوعی رو مقصر کدنویسی بد تازه‌کارها می‌دونن، ولی این آدم با ۲۰ سال تجربه می‌گه تازه‌کارها همیشه مشکل داشتن.

دهه‌هاست جونیورها به استک اورفلو، آموزش آنلاین و سنیورها تکیه کردن. ابزارهای هوش مصنوعی مثل کوپایلوت، جای یادگیری عمیق رو نمی‌گیرن — فقط دارن چیزی رو که همیشه بخشی از فرآیند یادگیری بوده، ساده‌تر می‌کنن.

قبل از دوران هوش مصنوعی

قبل استک اورفلو، کتابای سنگین، یادداشتای ناقص و انجمنایی داشتیم که جواب گرفتن روزها طول می‌کشید. سال ۲۰۰۳، این روش کار بود. و بیشتر اوقات، کار راه میوفتاده. قرار نبود یه شبه بشیم برنامه‌نویس شماره یک دنیا، ولی قرار بود دربارهٔ الگوریتم‌ها، ساختمان‌های داده، سیستم‌های عامل و یه کم هم SQL یاد بگیریم.

بعد استک اورفلو اومد — و حدس بزنید چی شد؟ همون انتقادهایی که الان به ابزارهای هوش مصنوعی می‌شه، به اون هم شد. می‌گفتن دولوپرها تنبل می‌شن. دانشگاه‌ها ممنوعش کردن. مردم می‌گفتن مهندس‌ها بدتر می‌شن، چون مجبور نیستن برای پیدا کردن جواب‌ها اینقدر تقلا کنن.

آیا تقلا کردنِ اجباری دولوپرهای بهتری می‌سازه؟
شاید. سخته بگیم.

ولی نویسنده می‌گه — حتی با اون همه یادگیری "خالص"، من یه دولوپر افتضاح بودم و هیچ‌کس تعجب نکرد یا ناراحت نشد. چون یادگیری همین‌جوریه.در محیط کار، استک اورفلو بسیار مفید بوده و نیاز به جستجو در انجمن‌های قدیمی را از بین برده.

معمولاً شرکت‌ها پروژه‌های ۲۰ میلیونی رو به تازه‌کار نمیدن.

آیا خوندن روزانهٔ استک اورفلو دولوپر بهتریش یا بدتر کرد؟. شاید جواب هر دو باشه.

ولی واقعیت اینه که جوابا معمولاً تا وقتی کار کنن، کپی‌پیست می‌شن. اکثر دولوپرها هم همین کار رو می‌کردن.

هدف در نهایت تسلط به یه زبان برنامه‌نویسی نبود. هدف این بود که لیست کارهای هفتگی‌ رو تیک بزنن و امیدوار باشن که به اندازهٔ کافی خوب کار کردن.

نقش سنیور ها

نویسنده می‌گه پنج سال اول کارم، خیلی به سنیورها تکیه می‌کردم. نه فقط به خاطر اینکه بهتر از من کد می‌زدن — که قطعاً می‌زدن — بلکه چون این فقط یه بخش از قضیه بود.

اونا تجربه داشتن. با کد کارهایی کرده بودن که من نه توی دانشگاه ازم خواسته بودن و نه توی هیچ آموزشی. و وقتی نوبت کار واقعی می‌رسید، این چیزی بود که کم داشتم.

هنوز اولین باری رو یادمه که مجبور شدم از راه دور به یه سرور لینوکس لاگین کنم تا یه سری پارامترهای شبکهٔ مبهم رو برای مهاجرتِ یه وب‌سایت تنظیم کنم.

دو سال از شروع کارم می‌گذشت. من اصلاً تا حالا از راه دور به هیچی لاگین نکرده بودم. مخفف‌هایی که مدیرم به کار می‌برد، انگار یه زبان باستانی بودن. و تنها جواب من این بود: "اوکی، حله!".

خوشبختانه، یه سنیور کنارم بود. وقتی دید دو ساعته دارم توی صندلیم عرق می‌ریزم، قدم به قدم کل فرآیند رو بهم نشون داد.

و این الگو بارها توی سال‌های اول کارم تکرار شد.

در مواقع ضروری، سنیور با سرعت و توضیح کار رو انجام می‌داد.

خلاصه اینکه، چه از استک اورفلو استفاده کنید، چه از چت‌جی‌پی‌تی، کوپایلوت یا یه پست انجمن از سال ۲۰۰۱، همه‌شون یه چیزن. یه ابزارن برای کمک به شما که یه کاری رو انجام بدید.

یادگیری و تجربه واقعی از تکرار و راهنمایی کسی می‌آید که کار را انجام داده و راه رو بهتون نشون میده.

آیا هوش مصنوعی بیشتر ضرر می‌زنه یا کمک می‌کنه؟

جواب این سوال کاملاً بستگی به دولوپری داره که ازش استفاده می‌کنه و هدفش چیه.

همهٔ دولوپرها نمی‌خوان همهٔ الگوریتم‌های جستجو، ساختمان‌های داده یا رمزنگاری‌ها رو حفظ کنن. خیلی‌ها فقط می‌خوان چیزهای باحال بسازن، تا جایی که می‌تونن، و در عین حال حقوق بگیرن.

و این هم مشکلی نداره.

واقعیت اینه که هوش مصنوعی دولوپرهای بد رو بدتر نمی‌کنه — فقط شکاف‌هایی رو نشون می‌ده که همیشه وجود داشتن. یه دولوپر خوب از هوش مصنوعی به عنوان ابزاری برای تسریع یادگیری، خودکارسازی کارهای خسته‌کننده و بهبود کارایی استفاده می‌کنه. یه دولوپر بد، کورکورانه کپی و پیست می‌کنه، همون‌طور که همیشه می‌کرد، چه از هوش مصنوعی باشه چه از استک اورفلو.

فرق بین این دو تا چیه؟ تجربه. کنجکاوی. تمایل به یادگیری.

هوش مصنوعی جای تجربهٔ دنیای واقعی رو نمی‌گیره. به شما یاد نمی‌ده که چرا یه چیزی کار می‌کنه یا شما رو از یه کابوس دیباگ کردنِ ساعت ۲ صبح نجات نمی‌ده. و قطعاً جای مهندس ارشدِ کنار دستتون رو نمی‌گیره که بهتون نشون می‌ده کارها واقعاً چطوری انجام می‌شن.

پس آیا هوش مصنوعی ضرر می‌زنه یا کمک می‌کنه؟

این به ابزار بستگی نداره. این به دولوپر بستگی داره پس مثل همیشه کنجکاو بمونید :)


🆔 @MdDaily

امروز فهمیدم تو شرکتمون برای کارای web development از سایت bolt.new‎ استفاده میکنن. گفتن اینجوری فقط پول توکن AI رو میدیم و هزینه تموم شده کمتر از نصف هزینه یک دوولوپر تو هند برامون در میاد!

@DevTwitter | <Nima/>

معرفی ابزار امنیتی Lynis 

ا🔒 Lynis چیست؟ 
ا- Lynis یک ابزار امنیتی قدرتمند برای بررسی امنیت سیستم‌های مبتنی بر Linux، macOS یا Unix است. این ابزار با انجام یک اسکن گسترده، به تقویت امنیت سیستم و تست‌های تطابق با استانداردها کمک می‌کند. Lynis یک پروژه متن‌باز است.

🎯 اهداف Lynis: 
این ابزار به دلیل انعطاف‌پذیری بالا، برای اهداف مختلفی استفاده می‌شود، از جمله: 
- بررسی امنیتی (Security Auditing) 
- تست تطابق با استانداردها (مانند PCI، HIPAA، SOx) 
- تست نفوذ (Penetration Testing) 
- شناسایی آسیب‌پذیری‌ها 
- تقویت امنیت سیستم (System Hardening) 


👥 کاربران Lynis: 
- توسعه‌دهندگان: برای تست ایمیج های Docker یا بهبود امنیت اپلیکیشن‌های وب. 
- مدیران سیستم: اسکن برای شناسایی نقاط ضعف جدید.
- تسترهای نفوذ: شناسایی نقاط ضعف امنیتی در سیستم‌های مشتریان. 

📂 سیستم‌عامل‌های پشتیبانی‌شده: 
- Linux 
- macOS 
- FreeBSD 
- OpenBSD 
- Solaris 
- و حتی دستگاه‌هایی مثل IoT. 

⚙️ نحوه کار Lynis: 
ا- Lynis به‌صورت ماژولار و بر اساس اجزای موجود در سیستم شما عمل می‌کند. این یعنی: 
- هیچ نیازی به نصب ابزارهای دیگر نیست. 
- هرچه اجزای بیشتری شناسایی کند، اسکن دقیق‌تر خواهد بود. 
- اسکن به‌طور خاص برای هر سیستم سفارشی‌سازی می‌شود. 

📋 مراحل اسکن Lynis: 
1. آغاز اسکن 
2. بررسی مالکیت فایل‌ها 
3. شناسایی سیستم‌عامل و ابزارها 
4. جستجوی اجزای نرم‌افزاری موجود 
5. اجرای تست‌های امنیتی 
6. ارائه گزارش وضعیت امنیتی 

🔎 نتیجه: گزارش‌های فنی در فایل‌های گزارش (مانند lynis.log و lynis-report.dat) ذخیره می‌شوند. 

🎛 قابلیت سفارشی‌سازی: 
- امکان غیرفعال کردن تست‌های سخت‌گیرانه. 
- اجرای تست‌های اختصاصی کاربر با هر زبان اسکریپتی. 

📦 نصب Lynis: 
Lynis سبک و آسان برای استفاده است. روش نصب از طریق گیت‌هاب: 
- کلون از GitHub
git clone https://github.com/CISOfy/lynis

- استفاده از فایل tarball و اجرای دستور
lynis/lynis audit system -Q


🛡 امنیت سیستم شما با Lynis تضمین می‌شود!

#lynis

@syntax_fa

مولانا | دیوان شمس | رباعیات | رباعی شمارهٔ ۱۷۰۱

ای آنکه مرا دهر زبان میدانی
ور زانکه ببندند دهان میدانی
ور جان و دلم نهان شود زیر زمین
شاد است روانم که روان میدانی

#مولانا | گنجور
📍@iipoem

به طور متوسط، یک مهندس سنیور نرم‌افزار ۳ تا ۵ برابر بیشتر از یک جونیور درآمد داره. این فقط به خاطر تجربه بیشتر نیست، بلکه به دلیل ارزش بیشتری هست که به شرکت میاره.

حالا فرض کنید دو مهندس تو یه شرکت کار می‌کنند:

مهندس A (سخت‌کوش)
- روزی 10 ساعت کار میکنه، باگ‌هارو را درست می‌کنه و هزاران خط کد می‌نویسه.
- تمام وظایف محول شده رو بدون فکر کردن به تأثیرشون انجام می‌ده.
- و یه جورایی در چرخه‌ی "کار زیاد، پیشرفت کم" گیر کرده.

مهندس B (موثر)
- قبل از نوشتن حتی یک خط کد، وقت می‌گذاره تا مشکل اصلی رو بفهمه.
- می‌تونه یه مشکل بزرگ تو سیستم پیدا کنه و با یک اسکریپت 500 خطی، سالانه ۵۰ تا ۷۰ میلیون تو هزینه‌های شرکت صرفه‌جویی کنه.
- ورک‌فلو رو بهتر می‌کنه تا سیستم سریع‌تر، بهینه‌تر و مقیاس‌پذیر بشه.
حالا وقتی زمان ترفیع برسه به نظرت شرکت کدوم رو بیشتر میخواد؟

انصاف هست مهندس A که مشغول بوده صرفا و تسک‌هارو انجام میداده و ارزش و تاثیر کمتری تو شرکت میذاره بیشتر ترفیع بگیره؟ خوب نه (نه اینکه نگیره، اینه که بیشتر یا کمتر بگیره)

پس کار ما مساوی هست با تأثیری که می‌گذاریم

چند تا نکته در نهایت

- مشکلات را حل کن، نه اینکه فقط کارارو را انجام بده
- قبل از شروع کدنویسی، بپرس: این چرا مهمه؟
- روی مشکلات بزرگ، بهینه‌سازی و اتومیشن کار کن که ارزش واقعی می‌سازه.
-فراتر از کدنویسی فکر کن
- یک سنیور نصفش مشکل‌گشا و نصفش برنامه‌ریزه.

- یک سنیور سیستم‌ها را طراحی می‌کنه، پیچیدگی رو کم می‌کنه و تصمیم‌های بهتر می‌گیره، نه فقط کد بزنه.
- بفهم کارت چطور به شرکت کمک می‌کنه
- یادت باشه یک اسکریپت 200 خطی که پول صرفه‌جویی کنه، از یک ویژگی 10,000 خطی که کسی استفاده نکنه باارزش‌تره.

- بهترین مهندس‌ها فقط کد نمی‌نویسن، سیستم‌ها محصولات و کارایی رو بهتر می‌کنن.
- هدف این نیست که کد بیشتری بنویسی، هدف اینه که ارزش بیشتری بسازی.

پس (در یک شرکت یا تیم سالم) ارزش بیشتری بسازی، پاداش بیشتری می‌گیری.

@DevTwitter | <Saman/>

یه راهنمای خوب برای برنامه‌نویسی شبکه

این کتاب تمام جزئیات شبکه رو با زبان C پوشش می‌ده! با این کتاب می‌تونید چیزهای زیادی درباره زبان C و شبکه‌ها یاد بگیرید :

https://beej.us/guide/bgnet/html/split/


@Linuxor

💡 نوشته عمیق پویا مصدق در مورد مفهوم سنیور بودن

بخشی از رزومه و‌ تجارب پویا مصدق:

✅ دانش آموخته سمپاد اصفهان (اژه ای ۱)
✅ ورودی ۹۱ دانشکده کامپیوتر شریف
✅ هم بنیان گذار و مدیر عامل ایده کاوان

راه ارتباطی با ایشون:
https://www.linkedin.com/in/pooyamosaddegh

سلام.
عزیزانی که بعد از انتشار ویدئوکست پیام دادن و درخواست راه‌نمایی کردن، عذرخواهی می‌کنم بابت این که قراره یه مقدار منتظرتون بذارم.
ممکنه برخی از شما عزیزان رو متصل کنم به دوستان دیگه‌ای که اون‌ها هم الحمدلله صاحب‌نظر هستن.
امیدوارم جواب دادن به هیچ‌کسی بیش از یک هفته طول نکشه.

🔶 پکیچ ایجاد متاباکس سفارشی برای لاراول

بالاخره یه پکیچ پرکاربرد برای لاراول نوشتم.

متاباکس یک قابلیت پرکاربرد برای برای دریافت و یا نمایش اطلاعات وردپرس است. تصمیم گرفتیم این قابلیت متاباکس وردپرس را به لاراول بیاوریم. با استفاده از متاباکس لاراول شما می توانید قابلیت مثل فیلد سفارشی برای پست ها تعریف کنید و نیازی نیست جدول فیلد سفارشی در دیتابیس ایجاد کنید.

گیت هاب :

https://github.com/Rayiumir/laravel-metabox

#لاراول

@TheRaymondDev

من تو اخرین ویدیو کانال یوتوبم با چپترلید فرانت شیپور  صحبت کردم و حدود دو ساعت نیم درباره خیلی از مسایل از تاثیر هوش مصنوعی تا بازارکار و درامد فرانت با سینا صحبت کردم. اگر براتون جذابه لینکش رو اینجا میزارم.
اگر دوستی یا آشنایی دارید که به فرانت علاقه داره چنل یوتوب ما و مخصوصا این مصاحبه میتونه دید خوبی رو بهش بده.
https://www.youtube.com/watch?v=2LI_34sb7nY&t=2427s

@DevTwitter | <Andishe/>

اگه بخواید سرعت پروژه‌تون (مثل زمان اجرای یک query) رو بررسی کنید و بخش‌های کند رو پیدا کنید تا بتونید بهبودش بدید، میتونید از کلاس Benchmark در لاراول استفاده کنید. 🔥

این کلاس به شما کمک میکنه تا مدت زمانی که یه عملیات خاص انجام میده رو بدست بیارید و قسمت‌هایی که نیاز به بهبود دارن رو شناسایی کنید.

(نحوه استفادش هم در تصویر شرح داده شده)
@GoldenCodeir
#Laravel
(به منبع و مثالش توجه کنین 👇🏾)
https://x.com/laravelbackpack/status/1900162434356432927?t=eC4AGkAMOS2InxZQSXWKkw&s=35