Forwarded from DevTwitter | توییت برنامه نویسی
مدلهای زبانی بزرگ (LLM) ابزارهای قدرتمندی هستند، اما خروجیهای آنها به شدت به نحوهی طراحی پرامپتها وابسته است. تنظیم دقیق پرامپتها میتواند تفاوت بین پاسخهای دقیق و خروجیهای نامناسب را رقم بزند. بهینهسازی پرامپت در حال تبدیل شدن به یکی از پایههای اصلی برای هر کسی است که قصد دارد AI Agent قابل اعتماد بسازد.
- چرا بهینهسازی پرامپت اهمیت دارد؟
دقت بیشتر: حتی تغییرات جزئی در پرامپت میتواند منجر به بهبود قابل توجهی در پاسخهای مدل شود.
-کاهش ابهام: پرامپتهای بهینهشده مدل را به سمت پاسخهای مرتبطتر و دقیقتر هدایت میکنند.
-سازگاری بالاتر: با بهینهسازی پرامپت، خروجیهای مدل در مواجهه با ورودیهای مختلف، پایدارتر و قابل اعتمادتر میشوند.
- تکنیکهای بهینهسازی پرامپت
-پرامپتدهی با چند مثال (Few-Shot Prompting): ارائهی چند نمونهی label خورده در پرامپت به مدل کمک میکند تا الگوهای مورد نظر را بهتر درک کند.
- متاپرامپتینگ (Meta Prompting): استفاده از یک مدل زبانی دیگر برای بهبود و اصلاح پرامپتهای اصلی به صورت خودکار.
- بهینهسازی گرادیانی (Gradient-Based Optimization): استفاده از تکنیکهای ریاضی برای تنظیم دقیق پرامپتها بر اساس معیارهای عملکردی.
- ابزارهای خودکارسازی مانند DSPy: استفاده از کتابخانههایی که فرآیند بهینهسازی پرامپت را سادهتر و مقیاسپذیرتر میکنند.
اگه میخواهید بیشتر بدونید این بلاگ عالی را بخونید:
https://arize.com/blog/prompt-optimization-few-shot-prompting/
@DevTwitter | <Mehdi Allahyari/>
- چرا بهینهسازی پرامپت اهمیت دارد؟
دقت بیشتر: حتی تغییرات جزئی در پرامپت میتواند منجر به بهبود قابل توجهی در پاسخهای مدل شود.
-کاهش ابهام: پرامپتهای بهینهشده مدل را به سمت پاسخهای مرتبطتر و دقیقتر هدایت میکنند.
-سازگاری بالاتر: با بهینهسازی پرامپت، خروجیهای مدل در مواجهه با ورودیهای مختلف، پایدارتر و قابل اعتمادتر میشوند.
- تکنیکهای بهینهسازی پرامپت
-پرامپتدهی با چند مثال (Few-Shot Prompting): ارائهی چند نمونهی label خورده در پرامپت به مدل کمک میکند تا الگوهای مورد نظر را بهتر درک کند.
- متاپرامپتینگ (Meta Prompting): استفاده از یک مدل زبانی دیگر برای بهبود و اصلاح پرامپتهای اصلی به صورت خودکار.
- بهینهسازی گرادیانی (Gradient-Based Optimization): استفاده از تکنیکهای ریاضی برای تنظیم دقیق پرامپتها بر اساس معیارهای عملکردی.
- ابزارهای خودکارسازی مانند DSPy: استفاده از کتابخانههایی که فرآیند بهینهسازی پرامپت را سادهتر و مقیاسپذیرتر میکنند.
اگه میخواهید بیشتر بدونید این بلاگ عالی را بخونید:
https://arize.com/blog/prompt-optimization-few-shot-prompting/
@DevTwitter | <Mehdi Allahyari/>
Forwarded from Geek Alerts
This media is not supported in your browser
VIEW IN TELEGRAM
مایکروسافت کوپایلوت هم ویژگی دستیارصوتی در اندروید رو اضافه کرده و حالا میتونید با انتخاب کردنش به عنوان دستیار صوتی پیشفرض در تنظیمات اندروید، از اون بخواید که براتون هشدار تنظیم کنه، به کسی پیامک بزنه. قبلتر هم Perplexity از همچین چیزی رونمایی کرده بود، پیشفرض هم Gemini هست.
https://play.google.com/store/apps/details?id=com.microsoft.copilot
hadi @geekalerts
https://play.google.com/store/apps/details?id=com.microsoft.copilot
hadi @geekalerts
Forwarded from payam
گزارشی از رویداد CS12: باید به آموزش فناوری در تمام شهرهای کشور تمرکز کرد!
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from CS12 Consortium
گزارشی از رویداد CS12: باید به آموزش فناوری در تمام شهرهای کشور تمرکز کرد!
رفقا این اولین خبر از انجمن هست و از همون اول پرقدرت شروع کردیم!
رسانه زومیت لطف داشتن و پوشش خبری رو بر عهده گرفتن، هر کسی از هر کجای ایران ی جوری داره به این قضیه کمک میکنه که بره جلو!🦁
و این یکی از دلایلیه که عاشق انجمن مون هستم، انجمنی که اسمش و فرهنگش از مردم، و برای پیشرفت مردمه!🫶
حالا نوبت شماست بعنوان ناظر بیرونی و یار دوازدهم از ما حمایت کنید تا این مسیر رو قویتر جلو ببریم...
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from DevTwitter | توییت برنامه نویسی
اگر خیلی Windsurf پرسن شدید و بدون دستیار هوش مصنوعیش (Cascade) نمیتونید به زندگی ادامه بدید و در عین حال دلتون یه IDE درست و حسابی برای کار کردن میخواد، میتونید قابلیتهاش رو مخصوصا از نسخه ۲.۰ به بعد توی IDE های جتبرینز داشته باشید.
https://plugins.jetbrains.com/plugin/20540-windsurf-plugin-formerly-codeium-for-python-js-java-go--
@DevTwitter | <Reza Moallemi/>
https://plugins.jetbrains.com/plugin/20540-windsurf-plugin-formerly-codeium-for-python-js-java-go--
@DevTwitter | <Reza Moallemi/>
Forwarded from Note (Mr.05)
Berkeley Humanoid Lite — یک ربات انساننمای متنباز
دانشگاه کالیفرنیا، از پروژه Humanoid Lite رونمایی کرده است که نتیجه سالها تحقیق و آزمایش در زمینه ساخت رباتهای انساننما با قابلیت تولید آسان است
- github.com/HybridRobotics/Berkeley-Humanoid-Lite
« ابزار و محتوا هوش مصنوعی بیشتر »
دانشگاه کالیفرنیا، از پروژه Humanoid Lite رونمایی کرده است که نتیجه سالها تحقیق و آزمایش در زمینه ساخت رباتهای انساننما با قابلیت تولید آسان است
- github.com/HybridRobotics/Berkeley-Humanoid-Lite
« ابزار و محتوا هوش مصنوعی بیشتر »
Forwarded from Geek Alerts
علیبابا یه ابزار به اسم Web Dev تو چتبات کوئن (Qwen) معرفی کرده که با یه دستور متنی، کد کامل فرانتاند (HTML، CSS، جاوااسکریپت) یه سایت یا اپ رو بهتون میده، مثلاً میگید «یه سایت شبیه توییتر بساز» و تحویل میگیرید. این ابزار روی مدلهای زبانی Qwen۳ کار میکنه.
https://chat.qwen.ai
@geekalerts
https://chat.qwen.ai
@geekalerts
Forwarded from DevTwitter | توییت برنامه نویسی
ـ دسترسی به GPT 4.1 و O4-Mini و چند مدل دیگه به صورتِ رایگان و نامحدود، بدونِ نیاز به ثبتنام.
https://freepass.ai
@DevTwitter | <Ayub Kokabi/>
https://freepass.ai
@DevTwitter | <Ayub Kokabi/>
Forwarded from Md Daily (Mahan)
قسمت اول
داشتم یه مقاله میخوندم عنوانش جالب بود XYZ% of Code is Now Written by AI... Who Care. میگه فکر کن XYZ درصد کُدها رو دیگه هوش مصنوعی مینویسه... خب که چی؟
ساتیا نادلا، مدیرعامل مایکروسافت، گفته که «تا ۳۰ درصد کدهای شرکت رو الان دیگه هوش مصنوعی مینویسه» (این رو تو آوریل ۲۰۲۵ گفته).
مدیرعامل شرکت Anthropic هم پیشبینی کرده که «تا ۱۲ ماه دیگه، ممکنه تو دنیایی باشیم که تقریباً همه کدها رو هوش مصنوعی بنویسه» (اینم مال مارس ۲۰۲۵ هست).
اینجور تیترها یه حسی میده که انگار این عددِ XYZ یه جوری به «نرخ جایگزینی مهندسهای نرمافزار» اشاره داره. یعنی کدی که هوش مصنوعی نوشته، کدیه که آدما ننوشتن، پس دیگه نیازی به اون ۳۰ درصد آدمی که بشینن پای کیبورد نداریم. با این همه سروصدایی که رسانهها برای جلب توجه مخاطب راه میندازن و دنبال هیجانانگیز کردن ماجرا هستن، بعید نمیدونم که بخوان قضیه رو دراماتیکتر هم بکنن...
راستش اینجور گمانهزنیها جالبه (مثلاً اینکه این مدیرعاملها چطوری این آمار رو درمیارن)، ولی خیلی معنی خاصی نداره، جز اینکه بخوایم ببینیم ابزارهای کدنویسی با هوش مصنوعی چقدر سریع دارن جا میفتن و استفاده میشن...
خب، حالا یه جور دیگه به قضیه نگاه کنیم: ۱۰۰٪ کدها رو هوش مصنوعی مینویسه، ولی ۷۰٪ همین کدها بعد از بازبینی پاک میشه!
نویسنده ی مقاله مثال جالبی میزنه میگه میخواسته با MCP و پایتون یه پروژه ی Code Interpreter بسازه و ایده اصلی این بود که یه مفسر پایتون سفارشی، ایزوله و داخلی رو که کتابخونه smolagents از HuggingFace ارائه میده، برداره و توی یه سرور MCP مستقرش کنه.
بعد از اینکه ریپو smolagents رو کلون کرده کدهاش رو یه نگاهی انداخته و یه مثال کوچیک از استفاده جداگونه از مفسرش ساخته، به ایجنتِ Cursor دستور داده که یه پروژه MCP Server جدید براش بسازه. اون مثال رو بهش نشون داده، کد خود مفسر رو هم داده بهش و یه لینک از مستندات MCP Server که شرکت Anthropic نوشته بود هم بهش داده. ایجنت هم یه کدبیس کامل و تر و تمیز، بدون هیچ اخطار لینتری بهش تحویلم داده.
ولی خب، تو چند ساعت بعدی، روی کدی که تولید کرده بود کلی کار کرده و تغییرش داده. بیشتر فایلها و خطوط کد رو حذف کرده. البته تو این مسیر هم خیلی فعال از هوش مصنوعی کمک گرفته، هم از قابلیت تکمیل خودکار کدش و هم از چت کردن باهاش. یعنی خودش خیلی کم پایتون تایپ کرده.
حالا سوال اینجاست: میتونیم بگم ۱۰۰٪ کدها رو هوش مصنوعی تولید کرده؟ احتمالاً آره. ولی آیا این به این معنیه که:
اصلاً تو فرآیند ساخت نرمافزار نیروی انسانی لازم نبود؟
یا اینکه بهرهوری ۳۰۰ برابر شده، چون یه آدم معمولی میتونه مثلاً ۳۰ کلمه در دقیقه تایپ کنه ولی مدلهای خفن هوش مصنوعی حدود ۳۰۰۰ کلمه در دقیقه کد تولید میکنن؟
اینم آمار پروژه:
نسخه اولیه که Claude 3.7/Cursor Agent داد: ۹ تا فایل، ۱۰۶۲ خط کد، ۴۵ تا کامنت (توضیحات)، ۱۵۸ خط خالی.
نسخه نهایی با تغییرات: ۴ تا فایل، ۳۱۸ خط کد، ۹ تا کامنت، ۷۹ خط خالی.
واقعیت اینه که وقتی داشته روی کدبیس کار میکرده، کلی از توان ذهنی صرف این شد که بفهمه هوش مصنوعی چی تولید کرده، و در عین حال درک بهتری هم پیدا کنه از چیزی که واقعاً باید ساخته میشد – و این کار هم زحمت داره و هم زمان میبره. بعضی وقتا نوشتن کد از خوندنش راحتتره! علاوه بر این، خودِ نوشتن کد یه کارکرد خیلی مهم داره و اونم اینه که به شما کمک میکنه کدبیس رو یاد بگیرید و بهتون زمان میده تا پروژه و منطقش قشنگ براتون جا بیفته.
خلاصه که حدود ۷۰٪ کدی که هوش مصنوعی تولید کرده بود رو دور ریخته شد. آیا این چیز خاصی رو نشون میده؟ یعنی کد هوش مصنوعی به درد نخوره چون مجبور شدیم این همه ازش رو پاک کنیم؟ یعنی تو چند دقیقه کد تولید میکنه ولی بازبینی و دیباگ کردنش ساعتها طول میکشه؟ نه لزوما ولی به همون اندازه که درصد کد تولید شده توسط هوش مصنوعی به تنهایی معیار گویایی نیست، درصد کدی هم که بازبینی و اصلاح میشه، به تنهایی چیز زیادی رو نشون نمیده.
شاید یکی بگه که این مثال خیلی خاصه. اینکه یه پروژه کوچیک رو از صفر شروع کنی، تو دنیای واقعی خیلی پیش نمیاد ولی نکته مهمی رو مطرح میکنه و یه سری عدد و رقم هم بهمون میده. همین تمایل به حذف یا بازبینی حجم زیادی از کد تولید شده، موقع نگهداری یه کدبیس بزرگ هم وجود داره. هرچی محدوده کار بزرگتر باشه، جریان کار بیشتر دست ایجنت باشه، و خطوط و فایلهای بیشتری درگیر بشن، شما هم مجبورید چیزای بیشتری رو اصلاح کنید. انگار بهترین ابزارهای هوش مصنوعی هم هنوز نمیتونن «حال و هوای» یه پروژه رو درست و حسابی درک کنن – یعنی تو ایجاد تغییرات یکپارچهای که با «روح» کلی اون کدبیس همخونی داشته باشه، مشکل دارن.
—-
⬅️ ادامه در قسمت بعدی
💡 تا قسمت بعدی مثل همیشه کنجکاو بمونید :)
🆔 @MdDaily
داشتم یه مقاله میخوندم عنوانش جالب بود XYZ% of Code is Now Written by AI... Who Care. میگه فکر کن XYZ درصد کُدها رو دیگه هوش مصنوعی مینویسه... خب که چی؟
ساتیا نادلا، مدیرعامل مایکروسافت، گفته که «تا ۳۰ درصد کدهای شرکت رو الان دیگه هوش مصنوعی مینویسه» (این رو تو آوریل ۲۰۲۵ گفته).
مدیرعامل شرکت Anthropic هم پیشبینی کرده که «تا ۱۲ ماه دیگه، ممکنه تو دنیایی باشیم که تقریباً همه کدها رو هوش مصنوعی بنویسه» (اینم مال مارس ۲۰۲۵ هست).
اینجور تیترها یه حسی میده که انگار این عددِ XYZ یه جوری به «نرخ جایگزینی مهندسهای نرمافزار» اشاره داره. یعنی کدی که هوش مصنوعی نوشته، کدیه که آدما ننوشتن، پس دیگه نیازی به اون ۳۰ درصد آدمی که بشینن پای کیبورد نداریم. با این همه سروصدایی که رسانهها برای جلب توجه مخاطب راه میندازن و دنبال هیجانانگیز کردن ماجرا هستن، بعید نمیدونم که بخوان قضیه رو دراماتیکتر هم بکنن...
راستش اینجور گمانهزنیها جالبه (مثلاً اینکه این مدیرعاملها چطوری این آمار رو درمیارن)، ولی خیلی معنی خاصی نداره، جز اینکه بخوایم ببینیم ابزارهای کدنویسی با هوش مصنوعی چقدر سریع دارن جا میفتن و استفاده میشن...
خب، حالا یه جور دیگه به قضیه نگاه کنیم: ۱۰۰٪ کدها رو هوش مصنوعی مینویسه، ولی ۷۰٪ همین کدها بعد از بازبینی پاک میشه!
نویسنده ی مقاله مثال جالبی میزنه میگه میخواسته با MCP و پایتون یه پروژه ی Code Interpreter بسازه و ایده اصلی این بود که یه مفسر پایتون سفارشی، ایزوله و داخلی رو که کتابخونه smolagents از HuggingFace ارائه میده، برداره و توی یه سرور MCP مستقرش کنه.
بعد از اینکه ریپو smolagents رو کلون کرده کدهاش رو یه نگاهی انداخته و یه مثال کوچیک از استفاده جداگونه از مفسرش ساخته، به ایجنتِ Cursor دستور داده که یه پروژه MCP Server جدید براش بسازه. اون مثال رو بهش نشون داده، کد خود مفسر رو هم داده بهش و یه لینک از مستندات MCP Server که شرکت Anthropic نوشته بود هم بهش داده. ایجنت هم یه کدبیس کامل و تر و تمیز، بدون هیچ اخطار لینتری بهش تحویلم داده.
ولی خب، تو چند ساعت بعدی، روی کدی که تولید کرده بود کلی کار کرده و تغییرش داده. بیشتر فایلها و خطوط کد رو حذف کرده. البته تو این مسیر هم خیلی فعال از هوش مصنوعی کمک گرفته، هم از قابلیت تکمیل خودکار کدش و هم از چت کردن باهاش. یعنی خودش خیلی کم پایتون تایپ کرده.
حالا سوال اینجاست: میتونیم بگم ۱۰۰٪ کدها رو هوش مصنوعی تولید کرده؟ احتمالاً آره. ولی آیا این به این معنیه که:
اصلاً تو فرآیند ساخت نرمافزار نیروی انسانی لازم نبود؟
یا اینکه بهرهوری ۳۰۰ برابر شده، چون یه آدم معمولی میتونه مثلاً ۳۰ کلمه در دقیقه تایپ کنه ولی مدلهای خفن هوش مصنوعی حدود ۳۰۰۰ کلمه در دقیقه کد تولید میکنن؟
اینم آمار پروژه:
نسخه اولیه که Claude 3.7/Cursor Agent داد: ۹ تا فایل، ۱۰۶۲ خط کد، ۴۵ تا کامنت (توضیحات)، ۱۵۸ خط خالی.
نسخه نهایی با تغییرات: ۴ تا فایل، ۳۱۸ خط کد، ۹ تا کامنت، ۷۹ خط خالی.
واقعیت اینه که وقتی داشته روی کدبیس کار میکرده، کلی از توان ذهنی صرف این شد که بفهمه هوش مصنوعی چی تولید کرده، و در عین حال درک بهتری هم پیدا کنه از چیزی که واقعاً باید ساخته میشد – و این کار هم زحمت داره و هم زمان میبره. بعضی وقتا نوشتن کد از خوندنش راحتتره! علاوه بر این، خودِ نوشتن کد یه کارکرد خیلی مهم داره و اونم اینه که به شما کمک میکنه کدبیس رو یاد بگیرید و بهتون زمان میده تا پروژه و منطقش قشنگ براتون جا بیفته.
خلاصه که حدود ۷۰٪ کدی که هوش مصنوعی تولید کرده بود رو دور ریخته شد. آیا این چیز خاصی رو نشون میده؟ یعنی کد هوش مصنوعی به درد نخوره چون مجبور شدیم این همه ازش رو پاک کنیم؟ یعنی تو چند دقیقه کد تولید میکنه ولی بازبینی و دیباگ کردنش ساعتها طول میکشه؟ نه لزوما ولی به همون اندازه که درصد کد تولید شده توسط هوش مصنوعی به تنهایی معیار گویایی نیست، درصد کدی هم که بازبینی و اصلاح میشه، به تنهایی چیز زیادی رو نشون نمیده.
شاید یکی بگه که این مثال خیلی خاصه. اینکه یه پروژه کوچیک رو از صفر شروع کنی، تو دنیای واقعی خیلی پیش نمیاد ولی نکته مهمی رو مطرح میکنه و یه سری عدد و رقم هم بهمون میده. همین تمایل به حذف یا بازبینی حجم زیادی از کد تولید شده، موقع نگهداری یه کدبیس بزرگ هم وجود داره. هرچی محدوده کار بزرگتر باشه، جریان کار بیشتر دست ایجنت باشه، و خطوط و فایلهای بیشتری درگیر بشن، شما هم مجبورید چیزای بیشتری رو اصلاح کنید. انگار بهترین ابزارهای هوش مصنوعی هم هنوز نمیتونن «حال و هوای» یه پروژه رو درست و حسابی درک کنن – یعنی تو ایجاد تغییرات یکپارچهای که با «روح» کلی اون کدبیس همخونی داشته باشه، مشکل دارن.
—-
🆔 @MdDaily
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Golden Code (علی 🇨🇴)
رفقایی ک لینکدین دارید، اگه تونستین مهندس فریدون(که خیلیاتون میشناسینش) رو چند ثانیه وقت بذارین جهت حمایت به این شکل 👑❤️👇🏾
https://www.linkedin.com/posts/fererydoon-salemi_%D8%AF%D9%88%D8%B3%D8%AA%D8%A7%D9%86-%D8%B9%D8%B2%DB%8C%D8%B2-%D8%A7%DA%AF%D8%B1-%D8%AA%D8%AC%D8%B1%D8%A8%D9%87-%D9%87%D9%85%DA%A9%D8%A7%D8%B1%DB%8C-%DB%8C%D8%A7-%D8%AA%D8%B9%D8%A7%D9%85%D9%84-%D9%81%D9%86%DB%8C-activity-7326670073534844929-xn2F?utm_source=social_share_send&utm_medium=android_app&rcm=ACoAACtoqKYB5Pk8cjIxolPHpdjShKtRL0tcolQ&utm_campaign=copy_link
Linkedin
دوستان عزیز
اگر تجربه همکاری یا تعامل فنی با من داشتید و مهارت من در… | fereydoon salemi
اگر تجربه همکاری یا تعامل فنی با من داشتید و مهارت من در… | fereydoon salemi
دوستان عزیز
اگر تجربه همکاری یا تعامل فنی با من داشتید و مهارت من در Laravel یا Node.js رو تأیید میکنید، خوشحال میشم این دو مورد رو در پروفایلم در لینکدین endorse کنید.
ممنون از حمایتتون!
Dear connections,
If we've worked together and you can confirm…
اگر تجربه همکاری یا تعامل فنی با من داشتید و مهارت من در Laravel یا Node.js رو تأیید میکنید، خوشحال میشم این دو مورد رو در پروفایلم در لینکدین endorse کنید.
ممنون از حمایتتون!
Dear connections,
If we've worked together and you can confirm…
Forwarded from 🎄 یک برنامه نویس تنبل (The Lazy 🌱)
🔶 تقویم شمسی در ترمینال لینوکس / ویندوز / مک
گیت هاب :
https://github.com/arsalanyavari/jcal-rs
#لینوکس
#ویندوز
#مک
@TheRaymondDev
گیت هاب :
https://github.com/arsalanyavari/jcal-rs
#لینوکس
#ویندوز
#مک
@TheRaymondDev
GitHub
GitHub - arsalanyavari/scal: Reimplementation of Unix jcal command in Rust with memory safety
Reimplementation of Unix jcal command in Rust with memory safety - arsalanyavari/scal
Forwarded from کانال مهرداد لینوکس
🔥curl فقط برای متخصص ها و درخواست API نیست،
میتونه ترمینال رو تبدیل کنه به دنیایی از، ابزار و هنر!
🤩 ۱۱ سایت خفن با curl و ترمینال لینوکس
✅ برای ip
✅ نمایش وضعیت آب و هوا در ترمینال.
✅ سایت تست HTTP برای نمایش درخواست شما.
✅ نمایش دستورات لینوکس با مثال.
✅ تولید کد QR از متن یا لینک.
✅ دیکشنری CLI!
⁉️شما چه استفاده ای میکنید ؟
@MehrdadLinuxchannel
#linux
میتونه ترمینال رو تبدیل کنه به دنیایی از، ابزار و هنر!
🤩 ۱۱ سایت خفن با curl و ترمینال لینوکس
✅ برای ip
curl myadd.ir
curl ifconfig.me
curl ipinfo.io
✅ نمایش وضعیت آب و هوا در ترمینال.
curl wttr.in/tehran
curl wttr.in/moon
✅ سایت تست HTTP برای نمایش درخواست شما.
curl httpbin.org/get
curl httpbin.org/headers
✅ نمایش دستورات لینوکس با مثال.
curl cheat.sh/rsync
curl cheat.sh/tar+exclude
✅ تولید کد QR از متن یا لینک.
curl qrenco.de/https://t.iss.one/MehrdadLinuxchannel
✅ دیکشنری CLI!
curl dict://dict.org/d:linux
ابزارcurl
یه ابزار خط فرمان (CLI) برای درخواست (request) فرستادن به URLها.
مثل مرورگره، ولی بدون رابط گرافیکی. فقط متن. سریع. خفن.
سایت منبع
⁉️شما چه استفاده ای میکنید ؟
@MehrdadLinuxchannel
#linux
Forwarded from یه شعر (Poem Bot)
حافظ | غزلیات | غزل شمارهٔ ۴۶۵
رفتم به باغ صبحدمی تا چنم گلی
آمد به گوش ناگهم آواز بلبلی
مسکین چو من به عشق گلی گشته مبتلا
و اندر چمن فکنده ز فریاد غلغلی
می گشتم اندر آن چمن و باغ دم به دم
می کردم اندر آن گل و بلبل تاملی
گل یار حسن گشته و بلبل قرین عشق
آن را تفضلی نه و این را تبدلی
چون کرد در دلم اثر آواز عندلیب
گشتم چنان که هیچ نماندم تحملی
بس گل شکفته می شود این باغ را ولی
کس بی بلای خار نچیده ست از او گلی
حافظ مدار امید فرج از مدار چرخ
دارد هزار عیب و ندارد تفضلی
#حافظ | گنجور
📍@iipoem
رفتم به باغ صبحدمی تا چنم گلی
آمد به گوش ناگهم آواز بلبلی
مسکین چو من به عشق گلی گشته مبتلا
و اندر چمن فکنده ز فریاد غلغلی
می گشتم اندر آن چمن و باغ دم به دم
می کردم اندر آن گل و بلبل تاملی
گل یار حسن گشته و بلبل قرین عشق
آن را تفضلی نه و این را تبدلی
چون کرد در دلم اثر آواز عندلیب
گشتم چنان که هیچ نماندم تحملی
بس گل شکفته می شود این باغ را ولی
کس بی بلای خار نچیده ست از او گلی
حافظ مدار امید فرج از مدار چرخ
دارد هزار عیب و ندارد تفضلی
#حافظ | گنجور
📍@iipoem
Forwarded from Gopher Academy
🔵 عنوان مقاله
Odin: A Pragmatic C Alternative with a Go Flavor
🟢 خلاصه مقاله:
یک زبان برنامهنویسی جدید و مبتنی بر دادهها که ویژگیهایی شبیه به زبان Go دارد، معرفی شده است. این زبان برای کارایی عالی در کار با دادهها و بهینهسازی عملکرد طراحی شده و منابع کمکی فراوانی برای آشنایی و استفاده از آن وجود دارد.
🟣لینک مقاله:
https://golangweekly.com/link/168993/web
➖➖➖➖➖➖➖➖
👑 @gopher_academy
Odin: A Pragmatic C Alternative with a Go Flavor
🟢 خلاصه مقاله:
یک زبان برنامهنویسی جدید و مبتنی بر دادهها که ویژگیهایی شبیه به زبان Go دارد، معرفی شده است. این زبان برای کارایی عالی در کار با دادهها و بهینهسازی عملکرد طراحی شده و منابع کمکی فراوانی برای آشنایی و استفاده از آن وجود دارد.
🟣لینک مقاله:
https://golangweekly.com/link/168993/web
➖➖➖➖➖➖➖➖
👑 @gopher_academy
Bitshifters
Odin, A Pragmatic C Alternative with a Go Flavour
(Previous post in the series was on Jai and can be found here)