یکی از دردسرهای کار با Claude Code برای من این بود که پرامپت‌ها رو فارسی بنویسم یا انگلیسی؛ فارسی راحت‌تره، ولی برای نتیجه بهتر معمولاً ترجمه‌شون می‌کردم.

برای حل همین مشکل Translate Prompt for Claude Code رو ساختم؛ یک اکستنشن برای VS Code و Cursor.

پرامپتت رو به هر زبانی که راحتی بنویس، Cmd + Alt + T رو بزن و ترجمه مستقیماً داخل input Claude Code قرار می‌گیره. ارسال هم هیچ‌وقت خودکار انجام نمی‌شه.

* بدون API Key و سرویس ثالث
* بدون Telemetry
* استفاده از Claude CLI خودت
* انتخاب زبان مقصد
* ترجمه متن انتخاب‌شده از هر ادیتور
* کاملاً Open Source

فعلاً قابلیت یک‌کلیکی روی macOS در دسترسه، ولی بقیه قابلیت‌ها روی همه سیستم‌عامل‌ها کار می‌کنن.

GitHub:
https://github.com/AminModaresi/claude-prompt-translate

@DevTwitter | <Amin/>

یه سیستم پیشنهاد آهنگ ساختم و حین کار یه چیز جالب درباره‌ی cosine similarity فهمیدم که کاش زودتر می‌دونستم

کارم ساده بود بر اساس ویژگی‌های صوتی و متن آهنگ آهنگ‌های مشابه رو با cosine similarity پیشنهاد بدم اول نتایج خوب به نظر می‌رسیدن تا اینکه دیدم هر آهنگ با همه‌ی آهنگ‌های دیگه حدود ۹۸٪ شباهت داره! یعنی مدل عملا هیچی تشخیص نمی‌داد و تفاوتی بین آهنگا قائل نمی‌شد
اول فکر کردم مشکل از تعداد ویژگی‌هاست ۲۳ تا ویژگی پس رفتم سراغ PCA برای کم کردن ابعاد نتیجه؟ به‌جای بهتر شدن بدتر شد

بعد فهمیدم اصلا مشکل ابعاد نبود مشکل این بود که با MinMaxScaler همه‌ی ویژگی‌ها غیرمنفی شده بودن پس همه‌ی بردارها تو یه ربع مثبت از فضا گیر افتاده بودن زاویه‌ی بین بردارها همیشه مصنوعا کوچیک می‌موند PCA هم که اصلا نمی‌تونه این رو حل کنه، چون فقط رو واریانس کار می‌کنه نه علامت مقادیر

وقتی StandardScaler امتحان کردم مشکل حل شد چون دیگه دیتا ها در یک ربع گیر نبودن و شامل اعداد منفی و مثبت می‌شدن

https://Github.com/ali-reza-rn/content-based-music-recommender

@DevTwitter | <Alireza Rn/>

بیشتر پروژه‌های AI با سرمایه‌گذاری اشتباه روی زیرساخت شروع می‌شوند. ⚠️

بسیاری از سازمان‌ها در ابتدای مسیر، هزینه قابل‌توجهی برای خرید سخت‌افزار GPU پرداخت می‌کنند؛ در حالی که هنوز مشخص نیست پروژه با چه سرعتی رشد می‌کند، چه تعداد کاربر خواهد داشت یا در آینده به چه منابع پردازشی نیاز پیدا می‌کند. 🤔

نتیجه این تصمیم، زیرساختی است که با مسیر رشد پروژه و نیاز واقعی سازمان تناسب ندارد.📉💸

در ایران GPU، پیش از ارائه زیرساخت ابری، نیاز واقعی پروژه شما را بررسی می‌کنیم؛

 از سناریوی استفاده و حجم درخواست‌ها تا الزامات عملکردی. سپس زیرساخت GPU ابری را به نحوی طراحی می‌کنیم که هم برای نیاز امروز پروژه شما مناسب باشد و هم در مسیر رشد، به‌سادگی توسعه پیدا کند. ✅ 

اگر در حال برنامه‌ریزی برای راه‌اندازی یا توسعه زیرساخت هوش مصنوعی هستید، با مشاوران فنی ایران GPU در ارتباط باشید. 👨‍💻
.

https://b2n.ir/tb4195

اگه از هوش مصنوعی استفاده نمی‌کنی، خیلی عقبی. و اگه فقط بهش پرامپت می‌دی، تازه شدی مثل بقیه!
امروز همه این کار رو می‌کنن. پرامپت‌نویسی دیگه مزیت رقابتی نیست، شده حداقل لازم.

اینجاست که چیزی مثل MCP وارد بازی می‌شه. MCP یا Model Context Protocol، یه استاندارد برای وصل کردن AI به ابزارها، دیتابیس‌ها، فایل‌ها و سرویس‌های دیگه‌ست.

فرقش با پرامپت دادن خیلی زیاده. با پرامپت می‌گی "این کد رو بررسی کن."
با MCP می‌تونی به AI دسترسی مستقیم به ابزارهای مختلف بدی.

مثلا کرسر رو به فیگما وصل کنی، بهش بگی اون دیزاین رو برات به HTML تبدیل کنه! همین.

دیگه AI فقط چت‌بات نیست. داره تبدیل می‌شه به Agent. و به نظرم تفاوت بزرگ کاربران AI در آینده همین‌جاست.

یه عده هنوز دنبال بهترین پرامپت می‌گردن، یه عده دارن AI رو به سیستم‌ها وصل می‌کنن.
دسته دوم، خیلی سریع‌تر پیش می‌رن.

پرامپت‌نویسی هنوز مهمه. اما آینده مال Context + Tools + Agents ـه.

@DevTwitter | <Ehsan Rezaei/>

فرض کن یک AI Agent بسازی که هم‌زمان روی تلگرام، دیسکورد و Slack جواب بده، فایل‌های شرکتت رو بخونه و حتی ابزار اجرا کنه — بدون اینکه همه‌چیز رو از صفر بنویسی.

ابزار AstrBot دقیقاً برای همین ساخته شده.

مثلاً می‌تونی یک ربات پشتیبانی بسازی که:
به پیام مشتری جواب بده، اطلاعات رو از Knowledge Base پیدا کنه، از GPT/Claude/Gemini/DeepSeek استفاده کنه و داخل Telegram یا Discord فعال باشه.

قابلیت‌های مهم:

- پشتیبانی از چندین LLM
- Agent + MCP + Skills
- RAG و Knowledge Base
- اتصال به Telegram, Discord, Slack و…
- اجرای ایزوله Code/Shell با Agent Sandbox
- Web UI و Chat UI
- بیش از 1000 پلاگین
- پشتیبانی از مدل‌های Local مثل Ollama
- متن‌باز و قابل Self-host

پروژه:
https://github.com/AstrBotDevs/AstrBot

@DevTwitter | <Pedram/>

تیم لاراول یه کار عجیب کرده، اپلیکیشنت با AI هم‌صحبت می‌شه.
دو ابزار جدیدش رو ببین: Laravel Boost + Laravel MCP

تا همین چند وقت پیش، مشکل اصلی کدنویسی با ایجنت‌های AI این بود که ایجنت هیچی از اپ واقعی شما نمی‌دونست. اسم ستون‌ها رو حدس می‌زد، روت‌هایی پیشنهاد می‌داد که اصلا وجود نداشتن، پکیج‌هایی رو معرفی می‌کرد که با composer.json شما سازگار نبود و...
هر حدس اشتباه، یعنی چند دقیقه وقت تلف‌شده و کلی باگ ناشناخته که ممکن بود پروداکشن رو بترکونه.

بوست این سمت ماجرا رو حل کرد. یه پکیج که به ایجنت AI اجازه می‌ده مستقیم داخل اپ شما سرک بکشه، اسکیمای دیتابیس رو ببینه، روی دیتابیس کوئری بزنه (فقط خواندنی)، روت‌ها و کامندهای Artisan رو لیست کنه و لاگ‌ها رو بخونه.
علاوه بر این، بیش از هفده‌هزار مستندات نسخه‌به‌نسخه‌ی لاراول (از جمله Livewire، Inertia، Filament) رو به‌صورت وکتورایز‌شده در اختیارش می‌ذاره تا کمتر توهم بزنه.

خب، تا این‌جا لاراول به AI کمک کرده اپ شما رو بهتر بفهمه. اما نیمه‌ی دوم ماجرا جالب‌تره.

لاراول MCP دقیقا برعکس این کار رو می‌کنه. اپ شما رو تبدیل می‌کنه به یه سرور که خود ابزارهای AI بهش وصل می‌شن. با چند خط کد، می‌تونید تولزی تعریف کنید که کلود، کرسر یا هر کلاینت سازگار با MCP بتونه صداشون بزنه. لیست سفارش‌های اخیر رو بگیره، فاکتور بسازه، کاربر رو با ایمیل پیدا کنه.

یعنی اپلیکیشن لاراولی شما دیگه خودش شده یکی از بازیگرهای اصلی گفت‌وگو با AI.
فریم‌ورک داره می‌گه: AI بخشی از استک شماست، نه یه افزونه‌ی جانبی.

@DevTwitter | <Ehsan Rezaei/>

#کوته_نیوز

سیتنا/ مدیرعامل مخابرت: فیبرنوری قراره تا یک گیگابیت بر ثانیه بهتون سرعت بده، مشترکین عادی هم بین 500 تا 600 مگابیت سرعت میگیرن.


@DevTwitter

یه ریپو جالب برای مدیریت چند AI Coding Agent به‌صورت همزمان Agent Orchestrator
بهت اجازه می‌ده Agentهایی مثل Claude Code، Codex، Cursor و چندین ابزار دیگه رو کنار هم اجرا و مدیریت کنی
هر Agent روی Worktree جدا کار می‌کنه و سیستم می‌تونه اجرای تسک‌ها، تست، Review، CI و اصلاح خطاها رو مدیریت کنه
در واقع به‌جای اینکه خودت چندین Agent رو دستی مدیریت کنی یه لایه Orchestration بالای سرشون قرار می‌گیره

https://github.com/Untrivial-ai/agent-orchestrator

@DevTwitter | <Davinchi/>

اگه دنبال یه لایبرری برای portal و تلپورت کامپوننت توی svelte میخوایین
تانل رو یه چک بکنید, لایبرری جدیدی که برای این کار نوشتیم

از هرجایی داخل اپ به هرجایی که میخواییم کامپوننتون رو تلپورت کنید استفاده کنید
Powered by "bridge-kit"
https://github.com/bridge-kit/svelte-tunnel

@DevTwitter | <Mosi/>

با این ابزار می‌تونید دیزاین سیستمِ هر سایتی رو بگیرید.
https://dembrandt.com

@DevTwitter | <Ayub/>

#میم_شبانگاهی

System design: liskov Substitution Principal

@DevTwitter

اگه مشکل ریجن هنگام نصب کردن antigravity دارید، از دوتا ریپوی زیر استفاده کنید. بنده خداها مشکل یک ایران رو با پچرهاشون حل کرده‌اند:

https://github.com/kakajan/antigravity-patch

https://github.com/AvenCores/open-antigravity-patcher

@DevTwitter | <Amin/>

احتمالا کلیت اینکه وقتی یه ریکوئست زده میشه، از DNS و TCP تا رسیدن به سرور و گرفتن ریسپانس چه اتفاقی میفته رو میدونین. ولی اگه دوست داشتین این پروسه رو با دیتیل بیشتری بدونین به نظرم این رو حتما چک کنین:

https://200ms.thenodebook.com/

@DevTwitter | <Omid Nikrah/>

متا برگشته به انتشار مدل های اوپن سورس( open weight )

مدل جدید Muse Glimmer با 30 میلیارد پارامتر و معماری dense منتشر شده که برای کارای لوکال ایجنتیک خیلی خوبه.

با ۱۸ گیگ رم/vram میتونید توسط unsloth اجرا اش کنید.

لایسنس این مدل هم apache 2 هست، لینک gguf اش پایین

متا گفته فلسفه شرکت اش تو بخش هوش مصنوعی دسترسی همگانی به super intelligence هست و به زودی قراره قوی ترین مدل خودشون Muse spark 1.2 هم اوپن سورس کنن.

لینک دانلود gguf از هاگینگ فیس
https://huggingface.co/unsloth/Muse-Glimmer-30B-GGUF

@DevTwitter | <Mani/>

چرا هنوز خیلی از توسعه‌دهنده‌ها موقع شروع پروژه از TypeScript فرار می‌کنند و ترجیح می‌دن فقط با JavaScript خالص کد بزنن؟

توی اوایل کار، من هم فکر می‌کردم TS فقط سرعت کدنویسی رو کم می‌کنه، کلی ارور الکی به خاطر تایپ‌ها میده و وقت آدم رو تلف می‌کنه اما وقتی پروژه بزرگ‌تر شد و با باگ‌های عجیبِ undefined is not a function مواجه شدم، دیدم منطق پشتش چقدر حیاتیشه.

سوییچ کردن به TypeScript همه‌چیز رو تغییر داد:

۱. کشف باگ‌ها قبل از اجرا : دیگه لازم نیست حتماً پروژه رو اجرا کنی تا بفهمی فیلد یک API اشتباه اسم‌گذاری شده؛ ادیتور همون لحظه جلوی خطات رو می‌گیره.

۲. خود تایپ‌ها بهترین داکیومنت هستند: وقتی بعد از چند ماه برمی‌گردی سراغ یک کامپوننت، دقیقا می‌دونی چه Props یا دیتایی ورودی و خروجی می‌گیره و گیج نمی‌شی.

۳. ری‌فکتور کردن بدون ترس: می‌تونی اسم یک متغیر یا ساختار یک دیتای بزرگ رو تغییر بدی و مطمئن باشی اگر جایی از پروژه خراب بشه، خود TS تمام نقطه‌های شکست رو بهت نشون میده.

استفاده از TypeScript فقط اضافه کردن یک ابزار جدید نیست، یک بیمه‌نامه برای آینده و پایداری پروژه‌ست.

@DevTwitter | <Hossein Naseran/>

کلاودفلر از ابزار جدیدی به اسم Cloudflare Wallets رونمایی کرد؛ یک کیف‌پول برنامه‌پذیر که قرار است مشکل پرداخت و احراز هویت ایجنت‌های هوش مصنوعی را در وب حل کند.

تا الان ایجنت‌ها برای استفاده از یک API یا ابزار جدید، درگیر فرم‌های ثبت‌نام و کارت اعتباری سنتی می‌شدند. حالا با کیف‌پول‌های مجازی، پرداخت‌های خرد و پروتکل x402، ایجنت‌ها می‌توانند با بودجه‌ای محدود و مشخص، خدمات مختلف را به‌طور خودکار بررسی و خریداری کنند.

این اقدام گام مهمی به سمت عبور از اشتراک‌های ماهانه SaaS و شکل‌گیری اقتصاد مستقل ایجنت‌ها در وب است.
مقاله کامل وبلاگ کلاودفلر:
https://blog.cloudflare.com/wallets/

@DevTwitter | <Mehdi Allahyari/>

اگر favicon سایت شما هم در نتایج جستجو نمایش داده نمی‌شود، این یک مشکل عمومی بوده و سایت‌های زیادی هم اکنون با مشکل عدم نمایش favicon در سرپ مواجه هستند.

سند راهنمای نمایش favicon در نتایج جستجوی گوگل:
https://developers.google.com/search/docs/appearance/favicon-in-search

@DevTwitter | <Alireza Naji/>

✨ اکانت ChatGPT Plus پیش‌ساخته یک ماهه، کاملاً اختصاصی🔐
‌
✅ ۲ هفته گارانتی بی‌قید و شرط
‌✅مدل Codex 5.6 Sol
✅ قابلیت اجرا در VS Code و Cursor
✅ به همراه Codex Windows
❗️ موجودی بسیار محدود

💥 فقط ۱.۵۰۰.۰۰۰ تومان

⚡️ برای خرید کلیک کنید