🔺نسخه رسمی React Compiler منتشر شد

- برای خیلی از توسعه‌دهنده‌ها نحوه استفاده درست از توابع useMemo و useCallback و … گنگ بود. طوری که گاهی اوقات اثر معکوس روی عملکرد برنامه داشتن

- چند وقت پیش تیم ری‌اکت شروع کرد به توسعهٔ یک قابلیت خیلی خوب و کاربردی به اسم React Compiler که هدف اصلی اون کاهش قابل توجه نیاز به استفاده از useMemo و useCallback و React.iss.onemo و … بود. یعنی افزایش بهینگی و کاهش رندرهای اضافی، به صورت خودکار، بدون نیاز به استفاده از اون توابع!

- حالا نسخه رسمی این ابزار منتشر شده و می‌تونه توی هر برنامهٔ ری‌اکتی ورژن ۱۷ به بالا مورد استفاده قرار بگیره

- نصب و آشنایی بیشتر:
https://react.dev/learn/react-compiler/introduction

اگه یه موقع خواستین NLP یا پردازش زبان طبیعی یاد بگیرین باید از این 6 تا شروع کنید، خیلی مثال های ساده ای هستن و پیچیدگی خاصی ندارن و اون ترس همیشگی NLP رو براتون می‌شکنن

https://github.com/anujvyas/Natural-Language-Processing-Projects

@DevTwitter | <Nimo/>

می‌گم اینارو یه جایی قبلا دیدم، بوی تلگرام می‌دادن

@Linuxor

ساخت اکستنشن کروم از اون چیزی که فکر می کنید راحت تره، کار کردن باهاش حال می‌ده کلی دسترسی های اضافه دارید می‌تونید تب هارو بخونید ناتیفیکیشن ارسال کنید و اسکریپت توی هر صفحه اجرا کنید و ....

برای ابتدا از اینجا می‌تونید شروع کنید:

developer.chrome.com/docs/extensions/get-started

همچنین اگه اونو خوندید برای یکم پیشرفته تر شدن اینجا هم برید:

github.com/guocaoyi/create-chrome-ext

@Linuxor

وقتی فرانت کاری ولی در کنارش بک‌اندم ادامه دادی!


@Linuxor

چند تا باگ بحرانی توی ماشین مجازی VirtualBox پیدا شده که به مهاجم اجازه می‌ده از محیط ایزوله ماشین به سیستم بره.
نکته : ما از ماشین مجازی استفاده می‌کنیم که یه محیط ایزوله داشته باشیم این باگ باعث می‌شه از این ایزولگی خارج بشه. VirtualBox گفته نسخه های آسیب پذیر 7.1 و 7.2 هستن و فورا باید آپدیت بشن. [1]


@Linuxor

خب از اونجایی که واکنش به این خبر خیلی مهم کم بود نشون می‌ده خیلی از دوستان این بحث رو دنبال نمی‌کنن، فکر کنم خالی از لطف نیست یکم راجع بهش صحبت کنیم:

اولا چیزایی که زیاد می‌شنویم چیه؟ اینه که این اگر بیاد همه الگوریتم های رمزنگاری دیگ کاربردی نیستن و ...
اگر یکم بیشتر دنبال کرده باشین می‌دونین که مساله هایی که شاید ۱۰۰ سال طول می‌کشیده که با کامپیوتر عادی محاسبه بشه این مثلا توی چند ثانیه می‌تونه حل کنه و ...


ابهام اول- پس یعنی کامپیوتر سریع تره؟ خیر توی یکسری از مسائل بخصوص که پیچیدگی بالا و رشد فضایی دارن خیلی سریع تر حلشون می‌کنه،
که رمزنگاری یکیش هستش. ولی می‌تونه توی یکسری از مسائل ماشین لرنینگ هم تاثیر بزاره .
ما خیلی وقته که کوانتوم کامپیوتر داریم ولی نویز خیلی خیلی بالایی دارن.
حالا گوگل می‌گه که خروجی های واقعی برای مساله های واقعی ازش گرفته.
که یعنی:
Never bet against google
این open ai و گروک و اینها می‌آن و می رن
اون گوگل که تا آخر باهاته 😁

@BenDevelop

اگر به این بحث علاقه داشته باشین می‌تونم سر فرصت یه ویدئو درست کنم راجع مثلا رمزنگاری RSA و چرا کوانتوم کامپیوتینگ روش تاثیر می زاره و سوپر پوزیشن چیه و ...

یه نفر یه سایت portfolio به سبک ویندوز XP برای معرفی معرفی خودش ساخته :

روی گوشی هم کار می‌کنه
mitchivin.com

@Linuxor

#توضیح

توی خیلی از صحبت‌ها به اینجا میرسیم که؛ چرا دیگه روی @pytens فعالیت نداری ؟
انقدر این صحبت زیاد شده که تصمیم گرفتم یکبار توضیح بدم!

من اولین بار بیش از ۱۰ سال قبل با هوش مصنوعی آشنا شدم و وارد این فیلد شدم (پروژه کارشناسیم بخشی از موضوعی بود که قبل از اون ۱ سال روش کار کرده بودم توی یک همکاری دیگر)
دلیل اصلی اینکه وارد این فیلد کاری شدم جدابیت‌های حل مسئله‌اش بود؛ اینکه یک سری جالش‌های سخت رو با ترکیب چند راهکار یا پیشنهاد راهکاری جدید حل می‌کردند برام خیلی جذاب بود چالش‌هایی که بعضا با برنامه‌نویسی قابل حل نبود.
مثل همون image classification, segmentation, ... بهترین بخش این موضوع اما اینجا بود که با آدمهایی آشنا می‌شدم که هم علاقه بسیار به کاری که می‌کردند داشتند (پول کافی توش نبود واقعا) هم خیلی nerd بودند.
و اکثرا هم از فیلدهایی اومده بودند (شغل اصلیشون) که بقول خودشون دیگه چالش بزرگی براشون نداشت.

توی ۲-۳ سال اخیر و البته شاید ۱ سال گذشته (توی ایران) اما این فیلد دیگه مثل قبل نیست.
برای من این موضوع که با کسی صحبت می‌کنم و متوجه می‌شم ML Engineer, Deep learning, ... هست خیلی جذابیت داره واقعا با ذوق و شوق راجب کارم (برنامه‌نویسی بطورکلی‌تر) با آدم‌ها صحبت می‌کنم اما اینکه بعد متوجه می‌شم هیچ درک درستی از مفاهیم نداره بدتر خیلی انرژیم رو می‌گیره؛ اینکه نمی‌دونه python, embedding, transformer, ... چطور کار می‌کنه یا چه قابلیت‌هایی داره ولی به خودش تایتل میده و میگه با Agent, LLM, ... کار می‌کنه واقعا تاثیر منفی روی من داره.
اکثرا n8n, langchain, openai api یا کارهایی ازین دست انجام می‌دند و فکر می‌کنند دیگه تبدیل به متخصص هوش مصنوعی شدند درحالی که فقط یاد گرفت بین هزاران ابزار موجود برای برنامه‌نویس‌ها با ۲-۳ مورد از ساده‌ترین‌هاش کار کنه.

اگر یا عنوان تخصصی مثل ML Engineer, Data-scientist , ... بدون درک مفاهیم فقط یادگرفتی از این ابزارها استفاده کنی؛ هیج جذابتی برای من نداره کاری که می‌کنی اما اگر یک Software engineer هستی که برای آپدیت بودن سراغ این ابزارها رفتی برات بسیار احترام قائلم که وقت گذاشتی و ابزارهایی که فکر کردی به کارت میاد رو یاد گرفتی.

خلاصه که چون توی چندسال اخیر فیلد ما خیلی رفته سمت کار با ابزار ترجیح دادم وارد فیلدهای دیگه بشم و اکثر وقت و کارم رو توی اون‌ها بگذرونم تا چالش‌های واقعی رو خودم حل کنم؛ (دیدید ۹۸-۹۹٪ پروژه‌های AI رفته سمت اینکه ی api wrapper بنویسیم دور chatgpt, gemini یا ... اگرم جواب نداد بگیم شدنی نیست؛ نه کسی دیتا جمع می‌کنه نه کسی راهکار میده حتی دیتا کلین کردن هم دیگه خیلی جاها نمی‌دونن چیه همرو میده به chatgpt تا انجام بده.)

همه‌ی اینا باعث شده من جز یک پروژه اصلی که قرارداد دارم؛ بیشتر وقتم رو روی Rust, Python, Backend Development و یادگیری درمورد چالش‌هایی مسائلی مثل Distributed processing؛ System Architecture, ... بگذرونم و در زمینه AI فعلا سعی می‌کتم بیشتر مقالاتی که راهکارهای جذاب ارائه میدند رو بخونم فقط و تا اطلاع ثانوی فقط خودم رو Software Engineer معرفی کنم.

درنهایت برگردم به سوال اصلی؛

چرا فعالیت نمی‌کنم روی کانال ؟

هدف از این کانال هیچوقت دیده شدن و معرفی خودم نبوده. فقط خواستم کنار دوستانم رشد کنیم (هرچند دوستان بسیاری هم پیدا کردم) همین هدف باعث شده وقتی چیز جذابی برای گفتن ندارم و وقتی چیز جذابی نمی‌بینم چیزی هم ننویسم و سکوت کنم.

🎙️ عنوان پادکست:
Agentic workflows and AI firewalls, so pretty much cancelling ourselves out
خلاصه پادکست:
** این متن به پارادوکس میان «جریان‌های کاری عامل‌محور» و «فایروال‌های AI» می‌پردازد: هرچه محدودیت‌ها را سخت‌تر کنیم، مزیت خودمختاری عامل‌ها را کم‌رنگ‌تر می‌کنیم. راه‌حل، نه حذف یکی به نفع دیگری، بلکه طراحی متوازن است: سیاست‌های لایه‌ای، محدوده‌دهی توانمندی‌ها، اجرا در sandbox، دروازه‌گذاری روی ابزارها و ثبت شفاف رخدادها تا هم ایمنی سنجش‌پذیر باشد و هم کارایی حفظ شود....

با این ابزار می‌تونین Markdown رو توی ترمینالتون نمایش بدید. Markdown یه زبان بسیار ساده نشانه‌گذاری Style هستش که همه می‌شناسیمش و با استفاده از علائم ساده مثل # برای تیترها یا * برای بولد، متن رو قالب‌بندی می‌کنه:

github.com/charmbracelet/glow


@Linuxor

🔶 در نسخهٔ جدید Ubuntu 25.10 یک باگ جدی باعث از کار افتادن سیستم به ‌روز رسانی خودکار امنیتی شده است.

علت، جایگزینی ابزار های GNU Coreutils با نسخهٔ جدیدی به نام Rust Coreutils است؛ دستور date -r در این نسخه رفتار متفاوتی دارد و باعث می‌شود اسکریپت ‌های unattended-upgrades زمان فایل‌ها را اشتباه تشخیص دهند و به ‌روز رسانی انجام نشود.

کنونیکال این مشکل را «بحرانی» اعلام کرده و بسته اصلاحی در مخزن proposed قرار گرفته است و کاربران Ubuntu 25.10 باید فعلاً به ‌صورت دستی سیستم را آپدیت کنند تا زمانی که پچ رسمی منتشر شود.

#خبر
#لینوکس

@TheRaymondDev

درخت دودویی

@Linuxor

🔥 New GitHub Trending Repositories 🔥

Found 4 new trending repositories:

1. zephyr by zephyrproject-rtos
📝 Primary Git Repository for the Zephyr Project. Zephyr is a new generation, scalable, optimized, secu...
💻 C | ⭐ 13,364 | 🌟 Today: 8
🔗 Link

2. IsaacSim by isaac-sim
📝 NVIDIA Isaac Sim™ is an open-source application on NVIDIA Omniverse for developing, simulating, and ...
💻 Python | ⭐ 1,639 | 🌟 Today: 15
🔗 Link

3. seaweedfs by seaweedfs
📝 SeaweedFS is a fast distributed storage system for blobs, objects, files, and data lake, for billion...
💻 Go | ⭐ 26,280 | 🌟 Today: 83
🔗 Link

4. rustfs by rustfs
📝 🚀 High-performance distributed object storage for MinIO alternative.
💻 Rust | ⭐ 9,967 | 🌟 Today: 447
🔗 Link


🔘 @github_trending_daily

🔵 عنوان مقاله
Exposing Kubernetes Services Without Cloud LoadBalancers: A Practical Guide

🟢 خلاصه مقاله:
این راهنما برای محیط‌های bare‑metal و air‑gapped که به LoadBalancerهای ابری دسترسی ندارند، روشی عملی برای اکسپوز کردن سرویس‌های Kubernetes ارائه می‌دهد. با ترکیب MetalLB و NGINX Ingress، ابتدا MetalLB یک IP پایدار به Serviceهای نوع LoadBalancer اختصاص می‌دهد، سپس NGINX Ingress ترافیک را بر اساس host و path به سرویس‌های داخلی مسیردهی می‌کند. نتیجه، یک نقطه ورودی واحد با IP ثابت، مدیریت ساده‌تر DNS و عدم نیاز به باز کردن پورت‌های متعدد است. آموزش شامل نصب و پیکربندی MetalLB (L2 یا BGP)، استقرار NGINX Ingress، تعریف Ingressها، و نکاتی درباره TLS، پایداری، و عیب‌یابی است؛ و نشان می‌دهد چرا این الگو نسبت به NodePort یا hostNetwork تمیزتر و مقیاس‌پذیرتر بوده و تجربه‌ای مشابه فضای ابری را بدون وابستگی به آن فراهم می‌کند.

#Kubernetes #MetalLB #NGINXIngress #BareMetal #AirGapped #DevOps #Ingress #LoadBalancer

🟣لینک مقاله:
https://ku.bz/CDWB9HJg7

➖➖➖➖➖➖➖➖
👑 @DevOps_Labdon

برای حذف یه شئ توی یه عکس و یا جایگزینیش با چیز دیگه ای لازم نیست برید و مدل های سنگین ران کنید یه نفر اومده یه کتابخونه پایتون ساخته و با مدل های معمولی کلی کار جالب با تصاویر کرده

lama-cleaner-docs.vercel.app


@Linuxor

A Brief Introduction to Behavioral Reusability (Mostly Inheritance Model)

https://medium.com/p/a-brief-introduction-to-behavioral-reusability-mostly-inheritance-model-aaddbda1d943

#article

🔶 برای توسعه بهتر TaskPire صفحه سازمانی گیت هاب هم ایجاد شد.

https://github.com/TaskPire

@TheRaymondDev

اگر تازه کارید و می خواید یکم با fastapi بازی کنید. این ایشو مخصوص شماست:

https://github.com/pgmq/pgmq-py/issues/9

@DevTwitter | <Ali Tavallaie/>