یک مقاله جدید اومده که یک فریمورکی برای deep research معرفی کرده (یک جور AI Agent) به اسم WebThinker که به مدل‌های LLM و مدلهای reasoning این امکان را می‌دهد که به‌صورت مستقل در وب جستجو کنند، صفحات وب را به‌طور عمیق بررسی نمایند و گزارش‌های پژوهشی تهیه کنند. و یک سری مدل هم برای اینکار آموزش دادند که همه را میتونید دانلود و استفاده کنید.
Github: https://github.com/RUC-NLPIR/WebThinker
Article: https://arxiv.org/pdf/2504.21776

@DevTwitter | <Mehdi Allahyari/>

توصیه می‌کنم که قبل و بعد این بخش رو هم خوب بخونید:
https://learn.microsoft.com/en-us/azure/architecture/microservices/model/domain-analysis

تحریم chatgpt برداشته شد
اتفاق جالبیه😁

یکی از روش های جلوگیری از Race conditions در لاراول با استفاده از درایور redis استفاده از Cache::lock است این متد برای محیط های با Concurrency بالا بدون استفاده از ترنسکشن های اتومیک دیتابیس کاربرد داره ، برای مثال در اینجا مدل درخواستی توسط کلاینت به مدت زمان ۱۰ ثانیه وارد یک لاک ردیس شده و صرف نظر از موفقیط آمیز بودن یا نبودن پروسه ،لاک ذخیره شده پاک و مقدار منبع استفاده شده آزاد میشه ، در واقع هر پردازش بصورت unique و مجزا اجرا خواهد شد.
https://laravel.com/docs/12.x/cache#atomic-locks


@DevTwitter | <Zanko Khaledi/>

خب خب خب، ‏Middleware های FastAPI🚀
خب middleware یه کد واسط بین دریافت درخواست و پاسخ دادن توی یه اپلیکیشن وبه. یعنی هر ریکوئستی که به سرور میرسه، قبل از رسیدن به route اصلی، از middleware رد میشه و همچنین هر درخواستی هم قبل از رسیدن به کلاینت از middleware عبور میکنه تا تغییر داده بشه، لاگ بشه و ...

چطور توی FastAPI ازشون استفاده کنیم؟🤔
‌‏Middleware ها توی FastAPI با دکوریتور app.middleware تعریف میشن و معمولا ساختارشون این شکلیه:

from fastapi import FastAPI, Request

app = FastAPI()

@app.middleware("http")
async def my_middleware(request: Request, call_next):
    # Before reaching route
    print("Before route")
    
    # Executing View
    response = await call_next(request)

    # After view did its thing
    print("After route")

    return response

همونطور که توی مثال بالا دیدید، هر کدی که قبل از اجرای call_next باشه مربوط به درخواست، و هر کدی که بعد از اجرای call_next نوشته بشه مربوط به پاسخ میشه.

توی این مثال قبل از رسیدن درخواست به route اصلی، عبارت 'Before route' چاپ میشه و بعد اینکه route پردازشش با درخواست تموم شد و پاسخ آماده ی برگشت به کلاینت بود، عبارت 'After route' چاپ میشه و بعد از اون پاسخ به کلاینت میرسه.

چندتا مثال ساده برای درک کاربرداش🛠️
از چندتا مثال ساده میتونیم استفاده کنیم
لاگ گیری ساده درخواست ها:

@app.middleware("http")
async def log_requests(request: Request, call_next):
    print(f"New request: {request.iss.onethod} {request.url}")
    response = await call_next(request)
    return response

اضافه کردن Header به پاسخ:

@app.middleware("http")
async def add_custom_header(request: Request, call_next):
    response = await call_next(request)
    response.headers["X-App-Version"] = "1.0.0"
    return response

سنجش مدت زمان اجرای درخواست:

import time

@app.middleware("http")
async def measure_time(request: Request, call_next):
    start = time.time()
    response = await call_next(request)
    duration = time.time() - start
    response.headers["X-Process-Time"] = str(duration)
    return response

چندتا نکته📎
1️⃣کلاس Middleware که از FastAPI ایمپورت شده درواقع همون کلاس Middleware توی Starlette هست و برای راحتی میتونیم از FastAPI ایمپورتش کنیم.

2️⃣اگه dependency ای داشته باشیم که با yield تعریف شدن، بخش خرجی اون ها بعد از اجرای middleware اجرا میشه.

3️⃣اگه BackgrounTask ای وجود داشته باشه، اون ها بعد از اجرای همه ی middleware ها اجرا میشن.

جمع بندی✍️
با استفاده از middleware ها میتونید درخواست و پاسخ هارو تمیز کنید، یا قبل از پردازش شدنشون توسط route کارایی که میخواین رو انجام بدین. درواقع با تعریف middleware یه تابع بین client و route اصلی قرار میدیم.

#️⃣ #fastapi #python #backend

➖➖➖➖➖➖➖➖➖➖

🥷🏻 CHANNEL | GROUP

🔓 بازگشت Redis به دنیای متن‌باز با مجوز AGPLv3 در Redis 8

پایگاه داده Redis (مخفف Remote Dictionary Server) یک پایگاه داده کلید-مقدار (Key-Value) سریعه که در حافظه RAM کار می‌کند، نه روی دیسک مثل پایگاه‌های داده سنتی.
ردیس برای حل مشکل سرعت و عملکرد در برنامه‌هایی که نیاز به دسترسی بسیار سریع به داده‌ها دارن به وجود آمد

در گذشته، Redis از مجوز BSD استفاده می‌کرد، در سال ۲۰۲۴ به مجوزهای SSPL و RSAL تغییر داد 🤬

✅ در نتیجه، شرکت‌های بزرگ مثل AWS و Google نسخه‌های جداگانه‌ای از Redis ایجاد کردند (حتی اینجا شرکت canonical هم رفت سمت Valkey)

🎉 برای بازسازی اعتماد جامعه، Redis (مدیونید اگر فکر کنید فهمید بازار از دستش رفته 😎) اعلام کرد که از نسخه ۸ به بعد، مجوز AGPLv3 را به‌عنوان گزینه‌ای جدید اضافه میکنه😏.

🤝خالق اصلی Redis آقای Salvatore Sanfilippo (antirez) هم به پروژه برگشت.
در نسخه جدید عملکرد بهتر بیش از ۳۰ بهبود، افزایش سرعت دستورات تا ۸۷٪ و دو برابر شدن توان عملیاتی.
ساختارهای داده جدید (Vector Set ،JSON،Time Series، ... ) ادغام تمام ماژول‌های Redis Stack در Redis Open Source🥳

@MehrdadLinuxchannel

یک اپ محشر پیدا کردم برای تبدیل صوت به متن فارسی.
من واقعا تمام اپ‌های بازار رو تست کردم و Aqua توش بینظیره. سرچ کردم دیدم واسه انگلیسی زبان‌ها و برنامه‌نویس‌ها هم گویا بهترینه.
شما در فارسی کوچه خیابونی‌ترین لحن رو هم که داشته باشید همرو درست میفهمه و میزان اشتباهاتش اصلا قابل قیاس با بقیه نیست. سرعت و فهم خیلی بالایی داره و همه چیز رو متن میکنه با حفظ تمام نکات نگارشی؛ نیم فاصله، ویرگول و نقطه گذاری! حتی عبارات انگلیسی که بکار میبرید رو میفهمه و اگه بخواین لغت انگلیسی ترکیب میکنه. استفاده ازش به طور عجیبی سرعتتون رو بالا میبره.
ویدیو رو ببینید و اکر دوست داشتید خودتون تست و استفاده کنید.


https://x.com/AminAnvary/status/1918220874106245216

@TheRaymondDev

و همچنان چینی‌ها مهارت عجیبی در «کپی» کردن و «تکثیر» دارن.
مثلا توی نگاه اول سخته که بگی این اسکرین‌شات از اوبونتو لینوکس و میزکار گنوم خودمونه و نه ویندوز!
https://anduinos.com

@DevTwitter | <Yaser Shahi/>

🔵 عنوان مقاله
Firebase Brings Its Genkit AI Framework to Go

🟢 خلاصه مقاله:

ا Genkit یک چارچوب نوآورانه توسعه‌یافته توسط تیم Firebase گوگل است که برای کمک به توسعه‌دهندگان در ایجاد برنامه‌های کاربردی مبتنی بر هوش مصنوعی طراحی شده است. این چارچوب که ابتدا برای Node.js توسعه داده شده بود، اکنون وارد فاز بتا برای زبان برنامه‌نویسی Go شده است. Genkit به‌طور مستقل از API‌های گوگل کار می‌کند و انعطاف‌پذیری بالایی دارد، امکان استفاده از آن در محیط‌های توسعه مختلف را فراهم می‌کند.

🟣لینک مقاله:
https://golangweekly.com/link/168666/web

➖➖➖➖➖➖➖➖
👑 @gopher_academy

🔶 لینوکس چینی AnduinOS مبتنی بر اوبونتو و دبیان

میزکار گنوم به طرز عجیبی شیبه دسکتاپ ویندوز ۱۱ تمیز در آورده است.

https://www.anduinos.com/

#لینوکس

@TheRaymondDev

وقتی سایت هارو باز می‌کنید این Accept Cookies چیه که قبلنا نبود؟ و چطوریه که وبسایت ها بهمون چیزایی که دوست داریم رو نشون می‌دن؟



@Linuxor

تایوان “سپر سیلیکونی” را تقویت می‌کند. صادرات فناوری‌های پیشرفته TSMC محدود می‌شود.
#TSMC #Law #2nm

به گزارش اکونومیک دیلی، تایوان قصد دارد بر صادرات فناوری‌های پیشرفته پردازش و سرمایه‌گذاری‌های خارجی در زمینه نیمه‌رساناها کنترل بیشتری اعمال نماید. اقدامات قانونی جدید محدودیت فناوری N-1 را اجبار می‌کنند، درنتیجه TSMC از صادرات جدیدترین فناوری‌های خود منع می‌شود. سیاست N-1 بر تولید برنامه‌ریزی شده TSMC در آمریکا اعمال خواهد شد. این قانون بر اساس ماده 22 قانون اصلاح شده نوآوری صنعتی است و انتظار می رود تا پایان سال 2025 اجرایی شود.

شرکت TSMC فناوری پیشروی N3P را دارد اما تا پایان سال شروع به تولید فناوری ۲نانومتری خواهد کرد که به پرچمدار TSMC تبدیل خواهد شد. البته TSMC انتظار دارد از اواخر سال ۲۰۲۶ فناوری N2P را نیز برای مشتریان کم مصرف و A16 دارای BPD (Backside Power Delivery) برای برنامه‌های HPC داشته باشد که انرژی زیادی مصرف می‌کنند.

باید دید کدام فناوری از سوی مقامات تایوان به عنوان “پرچمدار TSMC” در نظر گرفته و صادرات کدام‌یک محدود می‌شود. اگر TSMC جانشین‌هایی برای N2P و A16 (یعنی A14 و A16P) معرفی کند، صادرات هردو فناوری برای یک سال محدود خواهد شد.

علاوه بر این، قانون اصلاح شده به مقامات تایوان این اجازه را می‌دهد که درصورت به خطر انداختن امنیت ملی، آسیب به توسعه اقتصادی کشور یا نقض تعهدات قرارداد، سرمایه‌گذاری‌های خارجی را لغو کنند.

منبع خبر
به ما بپیوندید :
@LinAcademy

واقعاً درود بر تکنولوژی:)
تو فکر بودم که یه نقشه برای دنیای داستانی که دارم می‌نویسم طراحی کنم که این سایت رو پیدا کردم. بصورت رندوم براتون نقشه، کشورها و شهرها و.... می‌سازه:)
https://github.com/Azgaar/Fantasy-Map-Generator

@DevTwitter | <سیلمائث/>

Deepseek prover v2
بنظر جالب میادا

Redis 8 is now available under the AGPL license again.

https://redis.io/blog/agplv3/

#redis #news #oss

Eruda — devtools for mobile browsers

مولانا | دیوان شمس | رباعیات | رباعی شمارهٔ ۱۱۱۵

آن وقت آمد که ما به تو پردازیم
مرجان ترا خانه آتش سازیم
تو کان زری میان خاکی پنهان
تا صاف شوی در آتشت اندازیم

#مولانا | گنجور
📍@iipoem

حالا که بحث MCP ها داغه، بد نیست به MCP QGIS هم اشاره کنم که vibe mapping رو وارد دنیای جدیدی میکنه!

https://github.com/jjsantos01/qgis_mcp

@DevTwitter | <MJ/>