Dev Perfects
40 subscribers
9.23K photos
1.26K videos
468 files
13K links
بخوام خیلی خلاصه بگم
این کانال میاد مطالب کانالای خفن تو حوزه تکنولوژی و برنامه نویسی رو جمع میکنه

پست پین رو بخونید
https://t.iss.one/dev_perfects/455


ارتباط:
https://t.iss.one/HidenChat_Bot?start=936082426
Download Telegram
یه نوار قلب از وردپرستون بگیرین
اگر A نگرفتین بهتره تو فکر محکم‌کاری باشین اما اگر گرفتین هم کاملا از امنیت سایتتون مطمئن نباشین
https://labs.cloudbric.com/wafer

@DevTwitter | <Mohsen Ghiasi/>
بعد از ۶ سال کار کردن تو برنامه نویسی
یه تجربه شخصی در برنامه‌نویسی که همیشه جواب داده...


در مسیر توسعه نرم‌افزار، کم نیستند لحظاتی که بعد از ساعت‌ها تمرکز و تلاش، با باگی مواجه می‌شیم که نه‌تنها بی‌منطق به نظر می‌رسه، بلکه هر چی بیشتر تحلیلش می‌کنیم، کمتر می‌فهمیمش.
در چنین شرایطی، ذهن ما وارد حالت "تحلیل بیش‌از‌حد" می‌شه. شروع می‌کنیم به گشتن لایه‌لایه‌ی کد، فرضیه‌سازی‌های عجیب، و شک کردن به همه‌چیز

— جز یک چیز: اینکه شاید خودمون خسته‌ایم.

من بارها به این نقطه رسیدم. و هر بار که این اتفاق افتاده، یک راه‌حل ساده اما موثر جواب داده:

مکث. فاصله گرفتن. قطع ارتباط موقت با کد.

یه پیاده‌روی ساده، یه چرت کوتاه یا حتی عوض کردن محیط می‌تونه اثر عجیبی داشته باشه. مغز وقتی استراحت کنه، دوباره مسئله رو می‌بینه — این بار شفاف‌تر، با دید بازتر.

و خیلی وقت‌ها، باگی که ساعت‌ها دنبالش بودم، ظرف ۵ دقیقه حل شده.

این تجربه رو نوشتم چون باور دارم:

1- عمیق‌تر شدن همیشه به معنی نزدیک‌تر شدن به جواب نیست.
2- گاهی باید عقب رفت تا درست دید.

@DevTwitter | <Mohammadreza Momeni/>
Forwarded from Linuxor ?
اپل به بزرگای هوش مصنوعی گفته کم شر و ور درباره هوش مصنوعی بگید هوش مصنوعی خیلی فاصله داره تا AGI یا هوش عمومی!

چند تا از این مدلای معروف مثل deepseek و o1 و claude رو برده زیر تست مسئله های جدیدی که تابحال کسی ندیدتشون و هر چقدر هم بهشون منابع قوی اضافه کرده بازم اوسگولانه فکر کردن و مثل بز تسلیم شدن. در واقع این مدلا برای چیزای جدید استدلال نتونستن کنن فقط برای مسائل از قبل حل شده خوب عمل می‌کردن.

در نهایت اپل از شرکت هایی که توانایی استدلال و فکر کردن مدلشون رو می‌آن توی شبکه های اجتماعی جشن می‌گیرن گله کرده و گفته دفه آخرتون باشه



@Linuxor
Linuxor ?
اپل به بزرگای هوش مصنوعی گفته کم شر و ور درباره هوش مصنوعی بگید هوش مصنوعی خیلی فاصله داره تا AGI یا هوش عمومی! چند تا از این مدلای معروف مثل deepseek و o1 و claude رو برده زیر تست مسئله های جدیدی که تابحال کسی ندیدتشون و هر چقدر هم بهشون منابع قوی اضافه…
وقتی میگم که مدل های هوش مصنوعی توانایی create ندارن و creative نیستن در واقع دارم دقیقا در مورد همچین چیزی صحبت می‌کنم.
البته که اگر همین هوش مصنوعی generative می‌تونه شغلتون رو از شما بگیره به نظرم باید دنبال راهی باشید که شما creative باشید.
Forwarded from Linuxor ?
حمید فتاحی معاون وزیر ارتباطات گفته "رفع فیلترینگ گوگل پلی و واتساپ تاثیر اندکی توی کاهش استفاده از فیلتر شکن ها داشته"

اون تاثیر اندک هم واسه این بوده که مردم فیلترشکن هاشون رو چند دقیقه خاموش کردن ببین از فیلتر در اومده یا نه !

@Linuxor
Forwarded from Gopher Academy
🔵 عنوان مقاله
Bob 0.35: SQL Query Builder and ORM/Factory Generator

🟢 خلاصه مقاله:
**
— با وجود اینکه نسخه‌های v0.36 و v0.37 به تازگی منتشر شده‌اند، نباید اهمیت نسخه v0.35 را نادیده گرفت که یک نقطه عطف بزرگ برای باب بود. این نسخه قابلیت‌های جدیدی برای ایجاد کد برای پرس‌وجوهای SELECT، INSERT، UPDATE و DELETE در پایگاه داده‌های Postgres، MySQL و SQLite را فراهم آورده است. علاوه بر این، بهبود‌های متعدد دیگری نیز در این نسخه اعمال شده که باعث شده تا ارزش دوباره نگاه کردن به آن بیشتر شود.

🟣لینک مقاله:
https://golangweekly.com/link/170028/web


👑 @gopher_academy
معماری مقیاس‌پذیر برای دیپلوی Laravel با Load Balancer
در این مدل معماری ما از چند سرور برای اجرای اپلیکیشن استفاده می‌کنیم تا هم پرفورمنس افزایش پیدا کنه، هم در برابر خطاها مقاوم‌تر باشیم.

معماری کلی:

- Load Balancer (مثل Nginx / HAProxy / AWS ELB)
- چندین Instance از Laravel روی پورت یا سرور مختلف
- دیتابیس مرکزی (مثلاً MySQL یا PostgreSQL)
- کش مرکزی با Redis یا Memcached
- اشتراک‌گذاری فایل‌ها و session‌ها با NFS یا S3

مراحل پیاده‌سازی:

نصب PHP، Nginx و سایر روی هر سرور
دیپلوی Laravel روی چند سرور یا پورت
تنظیم nginx برای هر سرور تا درخواست‌ها به درستی به اپلیکیشن برسن
راه‌اندازی دیتابیس و کش روی سرور جدا برای دسترسی همه Instanceها
کانفیگ Load Balancer برای پخش درخواست‌ها بین سرورها

فرانت‌اند چطور به API وصل می‌شه؟
فقط کافیه به IP یا دامنه Load Balancer درخواست بزنه.با این روش طبق الگوریتم هایی که برای کانفیگ nginx سرور لودبالانسر تنظیم میکنیم میتونیم درخواست ها رو طبق الگوریتم به سرور مربوطه ارسال کنیم.
میتونین دیاگرام رو هم ببینین تا ارتباطشون رو بهتر درک کنین.

@DevTwitter | <Saber Qadimi/>
اتحادیه اروپا DNS خودش رو راه انداخته.
برای استفاده از سرویس عمومی #DNS4EU، می‌تونید یکی از پنج سرور ارائه‌شده (با ویژگی‌های حفاظتی مختلف) رو متناسب با نیاز خودتون انتخاب کنین.

لیست DNSهای اتحادیه اروپا:
👉 joindns4.eu/for-public

راهنمای استفاده:
💡 joindns4.eu/dns-guidelines

پی‌نوشت: توی #oblivionDesktop هم می‌تونین وارد بخش تنظیمات شبکه شده و اطلاعات DNS موردنظرتون رو ست کنین


© AminSabeti

🔍 ircf.space
@ircfspace
تا حالا پیش اومده تیم بک‌اند یا فرانت‌اند هی بهتون بگن: «یه دسترسی به پادهای استیج بدید، می‌خوایم یه کامند بزنیم یا لاگ ببینیم»؟ ولی بعدش وقت و حوصله نداشته باشید بشینید براشون kubectl و کوبرنیتس رو توضیح بدید؟

اینجاست که Lens میاد وسط و کار رو حسابی راحت می‌کنه!
این ابزار گرافیکی مثل یه دستیار باحاله که به همه، حتی کسایی که زیاد با کوبرنیتس آشنا نیستن، اجازه می‌ده به سادگی:
- به کلاستر وصل بشن و پادها رو ببینن
- لاگ‌ها رو چک کنن
- کامند اجرا کنن، بدون نیاز به یه عالمه دستور پیچیده!

من خودم از وقتی Lens رو تو پروژه‌هامون استفاده کردم، دیگه لازم نیست هر سری برم برای تیم توضیح بدم چی به چیه. فقط کافیه بهشون دسترسی بدم و خودشون می‌تونن گشت‌وگذار کنن تو کلاستر!

یه نکته مهم: حتماً با RBAC دسترسی‌ها رو درست تنظیم کنید که یه وقت تیم نره یه چیزی رو تو پروداکشن خراب کنه!

@DevTwitter | <Farid Arjmand/>
Forwarded from Linuxor ?
در راستای 30 سالگی php جانی سینز خالق لاراول قراره بیاد برامون توی جت برینز صحبت کنه. پیشنهاد می‌کنم حضوری نرید از همین پشت مانیتور نصیحت هاشو گوش بدید

lp.jetbrains.com/phpverse-2025


@Linuxor
Forwarded from Geek Alerts
شرکت OpenAI گفته تعدادی حساب کاربری ChatGPT که متعلق به گروه‌های هکری روسی، چین و ایران بودن رو مسدود کرده، این گروه‌ها از مدل‌های OpenAI برای توسعه تروجان ویندوزی و چیزهای دیگه استفاده میکردن مثلا یه گروهشون تروجان‌هایی‌رو با زبان Go نوشتن و خروجیش در قالب یک ابزار معروف به اسم Crosshair X داخل بازی‌های ویندوزی مخفی میکردن. (بازی‌هایی که غیر قانونی تهیه میشه و توی سایت‌ها به صورت دانلودی هست)

وقتی کاربری نسخه آلوده رو دانلود میکنه، یک لودر روی سیستمش نصب میشه و فایل‌های مخرب بیشتری رو از یک سرور خارجی دانلود و اجرا میکنه، بعد به صورت مخفیانه روی سیستم ماندگار میشه جوری که کاربر متوجه نشه و بتونه برای زمان زیادی اطلاعات رو سرقت کنه.

عملیات Storm-2035 (مرتبط با ایران): این گروه از مدل‌های OpenAI برای تولید کامنت‌های کوتاه به زبان‌های انگلیسی و اسپانیایی استفاده می‌کرد. این کامنت‌ها در حمایت از حقوق لاتین‌تبارها، استقلال اسکاتلند، اتحاد مجدد ایرلند و حقوق فلسطینیان و همچنین در ستایش قدرت نظامی و دیپلماتیک ایران بودند و توسط حساب‌های کاربری جعلی که خود را ساکن آمریکا، بریتانیا، ایرلند و ونزوئلا جا می‌زدند، در پلتفرم ایکس منتشر می‌شدند. [L]

🤓 @geekalerts
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Md Daily (Mahan)
هوش مصنوعی تو کدنویسی: تجربه بی‌تعارف!

مدت‌ها بود دلم می‌خواست در مورد تجربه‌هام و ابزارهایی که تو زمینه هوش مصنوعی برای کدنویسی استفاده می‌کنم، بنویسم. ولی خب، تو یه منطقه امن بودم و نیاز داشتم کلی چیزهای مختلف رو تو بازه‌های زمانی متفاوت تست کنم تا بتونم یه قضاوت درست و حسابی داشته باشم.

این روزها که بازار هوش مصنوعی داغه، شرکت‌های مختلف با انتشار بنچمارک‌های جورواجور، حسابی تو بوق و کرنا هستن و می‌خوان بهت ثابت کنن که با محصول اونا، بهره‌وری تو کدنویسی می‌ره بالا و دیگه نیازی نیست خودت کد بزنی. بذارین همین الان، بی‌مقدمه، ته قضیه رو براتون رو کنم: تو کوتاه‌مدت آره، بهره‌وری می‌ره بالا، ولی تو بلندمدت نه، و حتی ممکنه بهره‌وریت بیاد پایین. حالا چطوری؟

"بیخیال، بذار خودم فکر کنم!"

جز اون وقتا که یه کار واقعاً روتین دارم – کارهایی که سر و تهشون رو دقیق می‌دونم، می‌دونم چی باید چطوری نوشته بشه، و انقدر مطمئنم که اطلاعاتی که ابزار تکمیل خودکار هوش مصنوعی داره دقیقه که با زدن چندتا `Tab`، نیازی به نوشتن اون کدهای تکراری و تغییرات مشخص نیست – تو بقیه وقتا، بجز اون تکمیل خودکار پیش‌فرض و کلاسیک IDEام، بقیه ابزارهای هوش مصنوعی خاموش هستن. می‌پرسی چرا؟

خب، وقتی دارم یه مسئله‌ای رو حل می‌کنم یا حجم کدی که قراره تغییر کنه زیاده، مغزت نمی‌تونه همزمان هم روی این تمرکز کنه که الان باید چیکار کنه و هم تحلیل کنه چیزی که هوش مصنوعی داره پیشنهاد می‌ده درسته یا نه. بارها ممکنه پیش بیاد یه کدی هوش مصنوعی بهت پیشنهاد بده، تو دکمه `Tab` رو بزنی و کد هم به ظاهر درست باشه، ولی پسر! همونجایی که باید کار کنه، کار نمی‌کنه و باید تازه بری دیباگ کنی ببینی هوش مصنوعی چی زده. این کار چندین برابر ازت وقت و انرژی می‌گیره تا اینکه از اول با درک کامل خودت، درستش رو می‌زدی. پس اینجا به جای افزایش بهره‌وری، ممکنه با کاهشش روبرو بشی.

"ساختار رو به هم نریز!"

خیلی باحاله که یه چت‌بات کنار دستت باشه و فایل‌هات رو بهش بدی و براش با چند خط متن نوشتن به زبون خودمونی، خودش بره تغییرات رو انجام بده و تنها کاری که تو باید بکنی اینه که بزنی رو دکمه تایید؟ آره، باحاله و کمک‌کننده‌ست، ولی فقط وقتی کمک‌کننده‌ست که دقیقاً خودت از ساختار خبر داشته باشی، بدونی چی رو به چه روشی باید حل کرد و قدم به قدم بتونی برای مدل‌های زبانی توضیح بدی تا لازم نباشه با فرضیات خودش و تغییر ساختار، مسئله‌ای رو حل کنه و ساختارت رو به هم بریزه. وگرنه مجبور می‌شی تمام تغییرات رو برگردونی و از اول انجام بدی.

چه تجربه‌ای که با ابزاری مثل Cursor داشتم و چه تجربه بقیه، اگه خودت ندونی دقیقاً چی می‌خوای و انتظار معجزه از هوش مصنوعی داشته باشی یا بخوای تغییرات زیادی تو پروژه‌ت ایجاد کنه، احتمال تولید کد اشتباه یا حتی تغییر ساختار فعلی به سلیقه خودش افزایش پیدا می‌کنه.

حرف آخر و یه دید کلی


به نظر من، هوش مصنوعی تو کدنویسی یه ابزار خیلی قویه، ولی مثل هر ابزار دیگه‌ای، اینکه چقدر ازش بهره‌وری ببری، به مهارت و درک خودت بستگی داره. برای کارهای روتین و تکراری، هوش مصنوعی می‌تونه یه موتور جت باشه! اما برای حل مسائل پیچیده، طراحی معماری یا ایجاد تغییرات ساختاری بزرگ، تکیه کردن به هوش مصنوعی بدون درک عمیق، می‌تونه منجر به تولید کدهای مشکل‌دار، نیاز به دیباگینگ طولانی‌تر و در نهایت کم شدن بهره‌وریت بشه.

نکته اصلی برای استفاده موثر از هوش مصنوعی تو کدنویسی این نیست که برنامه‌نویس رو کلاً بندازه کنار، بلکه اینه که توانایی‌هاش رو چند برابر کنه. یعنی برنامه‌نویس باید همچنان مرکز تصمیم‌گیری و درک عمیق از پروژه باشه و از هوش مصنوعی به عنوان یه دستیار باهوش برای سرعت بخشیدن به کارهای تکراری و پیشنهاد راه‌حل‌ها استفاده کنه. تهش، مسئولیت کیفیت و درستی کد، بازم پای خود برنامه‌نویسه.

—-

💡 مثل همیشه کنجکاو بمونید :)

🆔 @MdDaily
Please open Telegram to view this post
VIEW IN TELEGRAM
اگر دنبال یه ابزار هوشمند برای تولید توضیحات سئوشده و جذاب برای محصولات فروشگاه‌ت هستی، این پروژه مخصوص خودته!
با استفاده از مدل‌های هوش مصنوعی (رایگان و متن‌باز)، فقط با چند خط کد می‌تونی توضیحات حرفه‌ای و بهینه‌شده برای محصولاتت بسازی.
مناسب برای فروشگاه‌های اینترنتی، ربات‌های قیمت‌گذار، یا هر کسی که محتوای جذاب و آماده لازم داره!

https://github.com/mehdi-jahani/seo-product-description-generator

@DevTwitter | <Mehdi Jahani/>
Forwarded from Linuxor ?
آلن کی خالق کلمه شی گرایی می‌گه

The big idea is 'messaging', not objects.

ایده‌ی بزرگ پیام‌رسانی بود، نه اشیاء... یعنی توی OOP باید تمرکز روی ارتباط بین اشیاء از طریق پیام ها باشه نه صرفا ساختار کلاس ها و ارث بری !


@Linuxor
Forwarded from Gopher Academy
🔵 عنوان مقاله
The Guide to In-House Vs Managed Kubernetes-As-A-Service

🟢 خلاصه مقاله:

مقاله به بررسی تصمیم‌گیری سازمان‌ها برای انتخاب بین ساخت یا خرید مدیریت زیرساخت کوبرنتیز می‌پردازد. راهنمای ارائه‌شده در مقاله، مزایا و معایب هر گزینه را به همراه هزینه‌ها، ریسک‌ها و بازگشت سرمایه بررسی می‌کند تا سازمان‌ها بتوانند تصمیم‌گیری آگاهانه‌ای داشته باشند.

🟣لینک مقاله:
https://golangweekly.com/link/170017/web


👑 @gopher_academy
یکی از مهمترین ویژگی های AI Agent ها داشتن حافظه ست. دوتا لایبرری هست که عالی اند برای اینکار.

- فریمورک Graphiti: یه فریمورک گرافِ دانش زمان‌مند (temporally-aware knowledge graphs) از تیم Zep AI هست. بر خلاف سیستم‌های RAG سنتی، Graphiti داده‌های اپیزودیک رو می‌گیره و خودش به صورت خودکار entity ها و ارتباط‌ها رو با زمان‌بندی دقیق (مثل valid_at یا invalid_at) به‌روز می‌کنه.
یعنی چی؟ یعنی می‌تونی سؤال‌هایی بپرسی که بر اساس زمان باشن، بدون اینکه کل گراف رو دوباره بسازی!
- پشتیبانی از نوع‌های دلخواه entity ها
- جستجوهای ترکیبی (semantic ، BM25، گراف)
مناسب برای ایجنت‌هایی که با آدم‌ها یا داده‌های در حال تغییر سروکار دارن

- فریمورک Cognee: یه موتور حافظه سبکه که فقط با ۵ خط کدبه ایجنتت حافظه می‌ده. با یه ساختار ECL (Extract – Cognify – Load) کار می‌کنه و می‌تونه اطلاعاتی مثل چت، داکیومنت، عکس و ... رو به یه گراف + وکتور یکپارچه تبدیل کنه.
- پشتیبانی از RDF و Ontology های دلخواه
- حافظه معنایی با گراف‌های واقعی
- مناسب برای ایجنت‌هایی که باید واقعاً بفهمن چه خبره—not just retrieve. برای کساییه که می‌خوان حافظه‌ی هوشمند با گراف و آنتولوژی داشته باشن، اونم با کمترین پیچیدگی.
Graphiti github: https://github.com/getzep/graphiti
Cognee github: https://github.com/topoteretes/cognee

@DevTwitter | <Mehdi Allahyari/>
شاید بگید که منظورم از این چیزی که نوشتم دقیقا چی بوده؟
اینجاست که باید فرق کلمه ی خلق (create) و تولید (generate) رو بدونیم. خلق به معنی آفرینش چیزی نو و بدیعه؛ چیزی که از قبل وجود و ماهیت خارجی نداشته و شما اون رو به وجود آوردید. تولید از اون سمت به معنی ساختاری و سازمانیه که به یه سری جواب های مشخص قراره برسه. خلق بنز با تولید بنز تفاوت داره. ولی بنز خلق میشه یعنی یک ماشینی به وجود اومده که از قبل وجود نداشته؛ درسته اجزای سازندش می‌تونن از قبل وجود داشته باشند ولی نتیجه ی نهاییت چیزی نیست که ما رو به یاد چیزی به غیر از اون شی میندازه. اما تولید بنز به معنی ساخت ۱۰۰ ها نسخه از اون مدل خلق شدست.

تاکیدم روی خلق و تولید به این دلیله که خب تولید کاریه به مراتب ساده تر از خلق. کافیه دست باقی سازنده ها رو ببینی و ازشون تقلید کنی، کاری که هوش مصنوعی با قدرت خیلی زیاد و دقت بالاتری از انسان قادر به انجامشه. و در نهایت بخاطر قدرت پردازش و جست و جوی بالایی که داره انسان رو میتونه شکست بده.
اما هوش مصنوعی در این لحظه توانایی خلق نداره و با تمام امیدی که دارم که به این توانایی هم دست پیدا کنه، به نظرم تنها جایی که انسان توانایی برتری پیدا کردن به هوش مصنوع رو داره اینه که بتونه خلق کنه. که البته خلق کردن اصلا و ابدا کار ساده ای نیست و نخواهد بود ولی تنها نقطه ای که هنوز چند هفته ای وقت داریم که در امان باشیم از این ماشین.
Forwarded from Linuxor ?
اتحادیه اروپا DNS خودش رو راه انداخته و الان می‌تونید از این دی‌ان‌اس به صورت رایگان استفاده کنید.

joindns4.eu/for-public


@Linuxor ~ AminSabeti