اینکه می‌گن هوش مصنوعی قراره جای ما برنامه نویسا رو بگیره راست می‌گن، البته نه اینطوری که قوی بشه جامونو بگیره خودمون از ترس اینکه یکی جامونو بگیره یادگیری رو متوقف می‌کنیم و کنار می‌گشیم!

@Linuxor

🔵 عنوان مقاله
take control with Tuple

🟢 خلاصه مقاله:
این مطلب از Golang Weekly نشان می‌دهد چگونه به‌کارگیری سنجیده Tuple می‌تواند به توسعه‌دهندگان Go کمک کند روی جریان داده، مدیریت خطا و هم‌زمانی کنترل بیشتری داشته باشند. در این رویکرد، Tuple راهی فشرده برای بستن چند مقدار مرتبط در یک واحد نوع‌دار است که با تکیه بر جنریک‌ها، ضمن کاهش کد تکراری، نیت کد و امضای توابع را شفاف‌تر می‌کند. کاربردهای کلیدی شامل مدل‌سازی بار داده‌ی کانال‌ها، جمع‌آوری خروجی‌ها در الگوهای فن‌اوت/فن‌این و عبور جفت‌هایی مانند (value, error) در پایپلاین‌هاست؛ با این تأکید که هرجا یک مفهوم دامنه‌ای نام‌دار لازم است، یک struct کوچک همچنان گزینه‌ی بهتر است. جمع‌بندی: Tuple گلوله‌ی نقره‌ای نیست، اما اگر هدفمند استفاده شود، بدون لطمه به خوانایی یا ایمنی نوعی، کنترل و شفافیت بیشتری به کدهای Go می‌دهد و می‌توان آن را به‌صورت تدریجی در مرز پکیج‌ها و پایپلاین‌ها به کار گرفت.

#Golang #Go #Tuple #GolangWeekly #Generics #Concurrency #TypeSafety #SoftwareDesign

🟣لینک مقاله:
https://golangweekly.com/link/175071/web

➖➖➖➖➖➖➖➖
👑 @gopher_academy

کنفرانس امروز چت‌جی‌پی‌تی در حد اپل هیجان انگیز بود.
خفن‌ترین چیزی که معرفی شد App SDK بود. شما میتونید با استفاده ازش اپ بسازید و اپتون داخل chatgpt برای همه قابل استفاده باشه.
یوزرها از طریق chatgpt لاگین میکنن به اپ/سایتتون و هرکاری بخوان کنن رو با Ai انجام میدن. گویا میخواد بازار اپ‌ها رو دست بگیره.
محصول خفن دوم AgentKit بود. راهی بسیار راحت برای ساخت هر نوع آتومیشن با کمک Ai. دیگه لازم نیست حتی n8n یا zapier رو بشناسید.

@DevTwitter | <Amin Anvary/>

🔥 New GitHub Trending Repositories 🔥

Found 5 new trending repositories:

1. cua by trycua
📝 Open-source infrastructure for Computer-Use Agents. Sandboxes, SDKs, and benchmarks to train and eva...
💻 Python | ⭐ 9,905 | 🌟 Today: 34
🔗 Link

2. Flowise by FlowiseAI
📝 Build AI Agents, Visually
💻 TypeScript | ⭐ 44,367 | 🌟 Today: 167
🔗 Link

3. New-Grad-Positions by SimplifyJobs
📝 A collection of full time roles in SWE, Quant, and PM for new grads.
💻 Star | ⭐ 15,175 | 🌟 Today: 39
🔗 Link

4. openai-agents-python by openai
📝 A lightweight, powerful framework for multi-agent workflows
💻 Python | ⭐ 15,383 | 🌟 Today: 126
🔗 Link

5. paru by Morganamilo
📝 Feature packed AUR helper
💻 Rust | ⭐ 7,378 | 🌟 Today: 9
🔗 Link


🔘 @github_trending_daily

خب مثل اینکه جایزه‌ی نوبت فیزیک امسال رو به ML و LLM ندادند :)
یادش بخیر پارسال چقدر سر پست‌هام و نظرتام فحش خوردم و هیت شدم :)
ویدیو اعلام برنده‌ها

دقیقه ۲۲ یه خانمه میپرسه رابطه‌ی بین کشف شما و quantum computing چیه که جالب بود جوابش، گفت خیلی برای خودمم روشن نیست :)

⏪ فرصت‌های شغلی بیشتر و درآمدها بالاتر منتظرتن...


🔘 صفر تا صد زبان برنامه نویسی گولنگ رو:
ــ توی ۶۰ ساعت آموش ببین
ــ به کمک منتور، روی پروژه واقعی کار کن
ــ مدرک تخصصت رو بگیر
ــ و در معتبرترین شرکت‌های ایران استخدام شو

شروع یادگیری🔻

https://dnkr.ir/kxzGA
https://dnkr.ir/kxzGA

این یه کتابخونه پایتون هستش به اسم Gensim که برای پردازش زبان طبیعی (NLP) و مدل‌سازی موضوعات طراحی شده و به‌ویژه برای کار با مجموعه‌های دادهٔ بزرگ و انجام تحلیل‌های معنایی و آماری بر روی متن‌ها بهینه‌سازی شده و یادگیریش هم خیلی راحته

این کد در واقع "معنی‌" کلمات را به شکل ریاضی یاد می‌گیره، و وقتی می‌پرسی:

کلمه‌ شبیه کتاب چیه؟

مدل جواب می‌ده: مثلاً «خواندن»، «بخوانم» یا «مطالعه». (با یه عدد شباهتی)

مستنداتش و آموزشش برای افراد مبتدی :

radimrehurek.com/gensim/auto_examples/index.html#documentation

@Linuxor

تبادل

موقعیت‌های شغلی و پروژه‌های برنامه‌نویسی

https://t.iss.one/BAFO_channel

@TheRaymondDev

چت جی پی تی توی کنفرانس جدیدش گفته داره محیطی درست میکنه که بشه با اپ ها صحبت کرد مثلا بگی دیجی کالا من فلان گوشی زیر فلان قیمت میخوام دیجی کالام دستورو ازت بگیره و برات اعمالش کنه!

این یعنی تقریبا خداحافظ Ui و بازگشت به دوره کامند دادن (همون ترمینال قدیم ولی زبون فهم)


@Linuxor

شده که ایجنت Ai که میخوایم بسازیم کلی tool اضافه بشه بهش و نتونه خوب اونارو call کنه.

یه کار اینه که یه لایه از llm کمک بگیریم تا بر اساس پیام کاربر و استفاده از یه tool ،تولید جواب رو بسپاره به یک llm که کار مشخصی قراره انجام بده.

یعنی به جای اینکه کل toolها رو به مدل بدیم، بیایم دسته بندی کنیم و tool هارو بسپاریم به چندین LLM که اختصاصی برای انجام اون کار ها ساخته شدن.

لایه اول LLM ما میاد بر اساس پیام کاربر تشخیص میده که کدوم AGENT میتونه از پس سوال بربیاد و میده به اون

بر فرض ما یه دستیار فروشگاه داریم. به جای اینکه تمام tool های بررسی سفارش و پیگیری و tool های سوالات متداول و آدرس و .. بیایم بدیم به یک مدل، میایم تبدیل میکنیم به دوتا ایجنت که یکی قراره برای پشتیبانی خرید باشه و یکی سوالات

حالا لایه اول ما میتونه تشخیص بده و سوال رو بده به

ایجنتی که برای پاسخ به اون تسک ساخته شده.

یعنی اگر سوال مربوط به فروش بود یه ایجنت فروش و برای پاسخ سوالاتت هم همینطور.

این کار کمک میکنه تو ایجنت هایی که tool زیاد یا دیتا قراره فچ بشه ما هم هزینه هارو کمتر کنیم و هم دقت رو بالا ببریم

@DevTwitter | <Mani/>

این آموزش گولنگ هم کامیونیتی فارسی دارن درستش می‌کنن، خیلی خوبه قبلا خواستم معرفیش کنم کامل نبود الان خیلی کامل و خوب شده:

book.gofarsi.ir


@Linuxor

ترجمه CSS به فارسی می‌شه "شیوه‌نامه‌های آبشاری" حالا چه ربطی داره؟ شما یه سری شیوه‌نامه می‌نویسید که مرورگر اونارو آبشاری اجرا می‌کنه آبشاری یعنی از بالا به پایین بهش نگاه می‌کنه و هرچی جدید تر باشه جایگزین قبلی می‌شه مثلا توی فایل CSS گفتین این متن قرمز باشه ولی توی inline گفتین آبی باشه. اول قرمزش می‌کنه بعد فورا آبی (شما آبی می‌بینیدش)

@Linuxor

بچه‌ها از طریق لینک زیر می‌تونن یک ماه اشتراک بیسیک رایگان روی مانی داشته باشند:

kthkn.ir/knXvJdbf

این اشتراک شامل چه چیزهاییه؟
1. 100 واحد اعتباری برای ساخت تصویر (با مدل توربو 100 تصویر، مدل‌های پرو و دریمز 50 تصویر)

2. 20 تا مدل سه بعدی می‌تونن بسازن

📓 در مرحله تایید آدرس ایمیل خود به خود اسکیپ میشه و نیاز نیست ایمیل تایید شه

بعد ثبت نام می‌تونید از پلتفرم استفاده کنید.

چند هفته پیش در یک هکتون شرکت کردیم و یک ایجنت پیشنهاد غذای هوشمند ساختیم.

این ایجنت می‌تونه ورودی‌های مختلفی مثل عکس، صدا یا متن از کاربر بگیره و بر اساس حال و هوا، ترجیحات غذایی و رژیم خاص هر فرد، غذاهای مناسب رو پیشنهاد بده. ایجنت با استفاده از داده‌های موجود (دیتابیس بیزینس) جست‌وجو می‌کنه و نزدیک‌ترین گزینه‌ها به ورودی کاربر رو پیدا می‌کنه.

ما برای ساخت این پروژه از داده‌های پلتفرم Foodpanda در کشور مالزی استفاده کردیم و در توسعه‌اش از ابزارهای اکوسیستم گوگل مثل Vertex AI، ADK و Gemini کمک گرفتیم.

برای مثال در ویدیوی دمو می‌بینید که کاربر غذایی رو در اینستاگرام دیده و نمی‌دونه از کجا می‌تونه پیداش کنه و ایجنت اون غذا رو شناسایی می‌کنه و رستوران‌هایی که اون غذا رو ارائه می‌دن پیشنهاد می‌ده.

در مراحل بعدی، این ایجنت می‌تونه به اطلاعات هویتی کاربر متصل بشه و فرآیند سفارش غذا رو به‌صورت end-to-end انجام بده. مثلاً وقتی در راه خونه هستید و دارید رانندگی می‌کنید، فقط با صحبت کردن با ایجنتتون می‌تونید غذاتون ر‌و سفارش بدید.

@aminrbg

مولانا | دیوان شمس | رباعیات | رباعی شمارهٔ ۳۶۵

عشقی نه به اندازه ما در سر ماست
و این طرفه که بار ما فزون از خر ماست
آنجا که جمال و حسن آن دلبر ماست
ما در خور او نه ایم و او درخور ماست

#مولانا | گنجور
📍@iipoem