ترد (Thread) تو فرانت یعنی چی؟

ترد (Thread) یعنی یه خط یا مسیر اجرای کد توی برنامه یا مرورگر.

تصور کن برنامه یا مرورگر مثل یه آشپزخونه بزرگه:
- هر ترد مثل یه سرآشپز یا کارمند توی آشپزخونه‌ست که یه کار مشخصو انجام می‌ده.
- وقتی یه ترد مشغول یه کار سنگین می‌شه، فقط همون مسیر (یا سرآشپز) تحت تأثیر قرار می‌گیره، نه همه چیز.

---

چندین نوع ترد داریم که خوبه باهاشون اشنا باشیم و بدونیم از هرکدوم باید برای چه کاری استفاده کنیم:

1- ترد اصلی (Main Thread)
- که مسئول همه چیزای اصلی صفحه است: DOM، CSS، رندر و eventها
- هر چیزی که با کاربر در تعامله، اینجا اجرا می‌شه

2- ترد وب وورکر (Web Worker)
- کارهای سنگین و طولانی مثل پردازش داده‌های بزرگ رو با این ترد انجام میدن
- مستقیم نمیتونه با DOM کار می‌کنه و فقط با پیام با main thread حرف می‌زنه

3- ترد سرویس وورکر (Service Worker)
- مخصوص PWA: کش، fetch، push notification
- مستقل از main thread و UI رو قفل نمی‌کنه


برای اینکه کار با main thread خوب و روان باشه، مهمه که کارای سنگین و طولانی رو مستقیم توش نذاریم. همه چیزای مربوط به DOM، رندر و تعامل با کاربر باید سریع اجرا بشه تا صفحه لگ نزنه. کارای پردازشی بزرگ رو بهتره به Web Worker بسپاریم و فقط نتیجه رو برگردونیم. همینطور از تکنیک‌هایی مثل debounce و throttle برای کنترل eventها استفاده کنیم تا main thread شلوغ نشه. وقتی این نکات رو رعایت کنیم، UIامون همیشه روون و بدون لگ می‌مونه

@DevTwitter | <Reihaneh SadatShokouhi/>

امروز گوگل یک مدل بسیار کوچک ولی خیلی قدرتمند برای امبدینگ به اسم EmbeddingGemma ارائه کرد. خلاصه اش:

- مدل جمع‌وجور با ۳۰۸ میلیون پارامتر (بر پایه Gemma 3)
- بهترین عملکرد بین مدل‌های زیر ۵۰۰ میلیون روی MTEB
- اجرای کاملاً روی دستگاه با کمتر از ۲۰۰ مگابایت رم (نسخه کوانتایز شده)
- تولید امبدینگ در کمتر از ۱۵ میلی‌ثانیه روی EdgeTPU
- پشتیبانی از بیشتر از ۱۰۰ زبان
- خروجی قابل تنظیم (از ۱۲۸ تا ۷۶۸ بُعد) با روش Matryoshka
- پشتیبانی از context window با ۲۰۰۰ توکن
- کاملاً آفلاین کار می‌کنه و حریم خصوصی رو حفظ می‌کنه
- مناسب برای RAG روی دستگاه، جستجوی معنایی و پرس‌وجوی داده‌های شخصی
- قابل فاین‌تیون کردن با نوت‌بوک‌های آماده
- در دسترس روی Hugging Face، Kaggle و Vertex AI؛ با مستندات و پشتیبانی توی ابزارهایی مثل transformers.js، MLX، llama.cpp، LiteRT، Ollama، LMStudio، Weaviate
لینک بلاگشون:
https://developers.googleblog.com/en/introducing-embeddinggemma/

@DevTwitter | <Mehdi Allahyari/>

این مخزن گیت هاب همهٔ سیستم‌پرامپت‌های واقعی ابزارهای AI رو جمع کرده و می‌تونه کمکتون کنه پرامپت نویسی و کار با ابزار مختلف رو یاد بگیرید

لینک مخزن
https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools

@DevTwitter | <پسر لوسیفر/>

کد ۴۸ ساله معروف بیل گیتس، اوپن‌سورس شد!
مایکروسافت کد ۴۸ ساله‌ی معروف بیل گیتس را متن‌باز کرد تا هر کسی بتواند آن را ببیند و استفاده کند.
https://github.com/microsoft/BASIC-M6502

@DevTwitter | <Saber V/>

زبان C یاد بگیرید.

و به عنوان تمرین، هر مفهومی که در برنامه‌نویسی و مهندسی نرم افزار به گوش‌تون خورده رو در C پیاده کنید. هر پترن، پارادایم، سناریو، و مشکلی که تابه حال اسمش رو شنیدید. نه حتما به صورت ساختاری و واو به واو، بلکه به صورت مفهومی.

درهای جدیدی در ذهن‌تون باز میشه.

@DevTwitter | <Amirreza Gh/>

بیش از ۱۰۰۰+ تمپلیت n8n آماده‌ — کاملاً رایگان
می‌تونید ازشون برای این کارها استفاده کنید:

– لید جنریشن (Lead Generation)
– استراتژی ورود به بازار (GTM)
– تولید محتوا

۱) اتوماسیون‌های ایمیل
– سامانه‌ی پاسخ‌دهی ایمیل
– پاسخ‌گوی خودکار ایمیل با هوش مصنوعی
– تحلیل محتوای مشکوک ایمیل
– دسته‌بندی خودکار ایمیل‌ها
– و خیلی موارد دیگر
لینک:
https://github.com/enescingoz/awesome-n8n-templates/tree/main/Gmail_and_Email_Automation


۲) پژوهش هوش مصنوعی، RAG و تحلیل داده
– کراولر خودکار هوش مصنوعی
– ساخت جست‌وجوی تصویر با تشخیص اشیا
– ساخت چت‌بات RAG (بازیابیِ تقویت‌شده)
لینک:
https://github.com/enescingoz/awesome-n8n-templates/tree/main/AI_Research_RAG_and_Data_Analysis

۳) ایرتیبل Airtable + n8n
– ایجنت هوش مصنوعی برای مدیریت پروژه و جلسه‌ها
– ایجنت گفت‌وگو با Airtable برای تحلیل داده
– رسیدگی به درخواست‌های شغلی با هوش مصنوعی و فرم‌های n8n
– دستیار چت HubSpot با OpenAI و Airtable
لینک:
https://github.com/enescingoz/awesome-n8n-templates/tree/main/Airtable

۴) پایگاه‌داده و ذخیره‌سازی
– گفت‌وگو با پایگاه‌داده PostgreSQL
– تولید کوئری‌های SQL فقط از روی اسکیما
– ایجنت هوش مصنوعی برای MongoDB
– گفت‌وگو با SQLite با ایجنت LangChain
لینک:
https://github.com/enescingoz/awesome-n8n-templates/tree/main/Database_and_Storage

۵) دیسکورد
– بات مجهز به هوش مصنوعی
– ارسال روزانه‌ی گفت‌وگوهای ترجمه‌شده
– اشتراک‌گذاری ویدئوهای یوتیوب و خلاصه‌های هوش مصنوعی در دیسکورد
لینک:
https://github.com/enescingoz/awesome-n8n-templates/tree/main/Discord

۶) فرم‌ها و نظرسنجی‌ها
– مصاحبه‌های مکالمه‌ای با ایجنت‌های هوش مصنوعی و فرم‌های n8n
– سرویس اشتراک ایمیل با فرم‌های n8n، Airtable و هوش مصنوعی
– ارزیابی و تأیید درخواست‌های وقت ملاقات با هوش مصنوعی و فرم‌های n8n
لینک:
https://github.com/enescingoz/awesome-n8n-templates/tree/main/Forms_and_Surveys

۷) گوگل Drive و گوگل Sheets
– نویسندگی و انتشار پست‌های وبلاگ از داخل Google Sheets
– خودکارسازی فاین‌تیون سرتاسری مدل‌های OpenAI با Sheets
– ساخت دستیار OpenAI با Google Drive
– چت با Google Sheets با استفاده از هوش مصنوعی
– استخراج اطلاعات از یک شیتِ لوگو
– چت با برنامه‌ی رویدادها از Sheets در تلگرام
لینک:
https://github.com/enescingoz/awesome-n8n-templates/tree/main/Google_Drive_and_Google_Sheets

۸) شبکه‌های اجتماعی
– ایجنت هوش مصنوعی برای دایرکت‌های اینستاگرام
– ساخت بنر پویا برای پروفایل X (توییتر)
– تولید محتوای اینستاگرام از موضوعات ترند با هوش مصنوعی
– تولیدکننده‌ی توییت با OpenAI
– ارسال خودکار ویدئوهای جدید یوتیوب به X
– دایجست هوش مصنوعی برای Reddit
– تحلیل شبکه‌های اجتماعی + تولید خودکار ایمیل
لینک:
https://github.com/enescingoz/awesome-n8n-templates/tree/main/Instagram_Twitter_Social_Media

@DevTwitter | <Mohsen Rad/>

آپدیت‌ترین و تازه‌ترین دوره Computer Vision در حال حاضر دوره Stanford CS231N Deep Learning for Computer Vision که همین دو روز پیش تمام ویدیوهاش در یوتیوب منتشر شد، اگر میخواین تو حوزه تصویر کار کنید از دستش ندید!

https://www.youtube.com/playlist?list=PLoROMvodv4rOmsNzYBMe0gJY2XS8AQg16

@DevTwitter | <Reza Jafari/>

آیا یک توسعه‌دهنده فرانت‌اند به Docker نیاز داره؟
داکر (Docker) یک پلتفرم متن‌باز برای ایجاد و اجرای نرم‌افزارها در قالب کانتینره، کانتینرها بسته‌های سبکی هستند که شامل کد برنامه، کتابخانه‌ها، ابزارهای سیستم‌عامل و تنظیمات لازم برای اجرای برنامه‌اند فکرکنید یه ظرف استاندارد برای حمل‌ کالا دارید... دقیقاً مثل کانتینرهای کشتی که همه اجزای یک بار را یکجا حمل می‌کنن، کانتینر داکر هم همه اجزای نرم‌افزار را یکجا بسته‌بندی می‌کنه تا در هر محیطی قابل اجرا باشه، داکر در سال ۲۰۱۳ توسط سالومون هایکس معرفی شد تا مشکل ناسازگاری محیط توسعه و استقرار را حل کنه
با داشتن بزار Node Package Manager که بیشتر با اسم npm میشناسیمش بازم به داکر نیاز داریم ؟
اینا در دو دسته کاملاً متفاوت هستن npm ابزار مدیریت بسته‌های کتابخانه‌هاست یعنی وظیفه‌ی نصب و به‌روزرسانی کتابخانه‌هاییه که توی پروژه‌ی تعریف شده
داکر مربوط به محیط اجرای نرم‌افزاره
برگردیم به سوال اصلی :آیا یک توسعه‌دهنده فرانت‌اند به Docker نیاز داره؟
یادگیری داکر برای یک توسعه‌دهنده فرانت‌اند در شروع مسیر ضروری نیست؛ اما با تجربه کاری و نیاز به همکاری با تیم بک‌اند، آشنایی حداقلی با آن خوبه
حتی خود مستندات Next.js هم اشاره کرده‌ برای استقرار در محیط‌های واقعی (مثلاً کانتینر یا Kubernetes) میشه از داکر استفاده کرد، اما در توسعه local روی Mac/Windows معمولاً از حالت معمولا (npm run dev) استفاده میشه تا کارایی بهتری داشته باشیم

@DevTwitter | <Mohsen Zarei/>

ماها به خاطر محتواهای سریع (اینستا، ریلز، تیک‌تاک) کم‌کم تمرکز روی کارهای جدی رو از دست می‌دیم. مغز دنبال پاداش فوری میره و این یعنی اعتیاد پنهان به سطحی‌گری.

راه‌حل؟ بازطراحی مغز با نوروساینس
پروژه‌ی Breakthrough دقیقا برای همینه:
- ترک عادت‌های بد (سیگار، شبکه‌های اجتماعی، …)
- ساخت عادت‌های مفید با پاداش‌های سالم
- همه‌چی اپن‌سورس + پرایوسی‌فرست

اپ رو همین الان تست کن:
breakthrough.nextproduction.dev

سورس پروژه تو گیت‌هاب هم هست، خوشحال می‌شیم استار بدید:
http://github.com/nextproduction/breakthrough

@DevTwitter | <Mahdi/>

یک اپ چت ساده با go و دپلویشم اوکیه
میخوام فیچر بهش اضافه کنم
دوست داشتید استار بزنید یا فورک
https://github.com/parvvaresh/chatApp

@DevTwitter | <Alireza Parvaresh/>

https://youtu.be/7xTGNNLPyMI?si=eecurZsy84kG6fS5

یه قسمت از این ویدئو نشون میده که اگه LLM اول جواب رو بده و بعد توضیحات، شاید جواب غلطی بده و تلاش کنه اونو توجیح کنه ولی اگه اول توضیحات رو بیاره، احتمال اینکه به جواب درست برسه بیشتره. یجورایی LLM خودش به توکن‌های تولید شده به عنوان توضیح، برای رسیدن به جواب نهایی نیاز داره. حداقل این برداشت من بود.
ولی این ایده تو دیباگ کردن با کمک AI Agent‌ها خیلی کمک‌کننده هست. اگه بهش توضیح بدید چیکار کردید، چه اروری گرفتید و چه حدس‌هایی برای رفع مشکل می‌زنید، یجورایی مسیر فهمیدن مشکل رو براش مشخص کنید، نتیجه خیلی بهتری می‌گیرید.


@DevTwitter | <Serajoddin Aliabadi/>

امروز تصمیم گرفتم یه دستی به سر و روی ollama بکشم و UI واسش بریزم که دیدم خوشگل ترینش Lobe-Chat، خیلی خوبه سادست تنظیمات خوبی داره خیلی راحت به اولاما وصل میشه.

https://github.com/lobehub/lobe-chat

@DevTwitter | <Mahan Bakhshi/>

ابزار DNSBruter، ابزاری برای کشف ساب‌دامین با روش brute-force، که از ابزارهای پرسرعتِ shuffledns و massdns استفاده می‌کند. این ابزار ضمن پشتیبانی از دو حالت Static و Dynamic (روی یک ساب‌دامین یا روی لیست ساب‌دامین‌ها)، قابلیت ذخیره خروجی در پایگاه‌داده MongoDB را نیز داراست، این ابزار مناسب پنتستر و باگ‌هانترها برای انجام Asset recon می‌باشد.

https://github.com/rjsoheil/DNSBruter/

@DevTwitter | <So/>

برای دیدن لاگ‌های داکر دنبال ابزاری بودم به این https://dozzle.dev رسیدم. موقع گرفتن image متوجه اسم توسعه‌دهنده شدم و رفتم به پروفایل گیت‌هاب‌شون: آقای امیر رامین‌فر،‌ مهندس ایرانی در نتفلیکس.

@DevTwitter | <Hamed/>

یه پروژه جدید روی گیت‌هاب منتشر کردم:
Telegram Bridge Server

اخیرا داشتم یک اپی رو توسعه میدادم که باید روی سرور‌های داخلی دیپلوی می‌شد و لازم بود بات تلگرامی هم داشته باشیم؛ تلگرام هم که تو ایران فیلتره و روی سرور ایرانی کار نمی‌کنه

پس چند تا راه داشتم:
1- جدا کردن اپ و بات و اتصال از طریق API
2- استفاده از یک سرور واسط
3- استفاده از پروکسی روی سرور
و احتمالا چند تا راه دیگه...


راه دوم رو انتخاب کردم چون پیچیدگی کمتری داشت و یه جورایی به سبک Plug and Play بود. با کمک Claude این Bridge Server رو نوشتم و روی هاست خارجی گذاشتم. حالا اپ و ربات روی سرور ایران به خوبی با کمک این واسط کار می‌کنن.

عملکردش ساده‌ست:
وقتی تلگرام وبهوک رو کال می‌کنه، دیتا رو می‌فرسته سمت سرور ایران و پاسخ هم دوباره برمی‌گرده سمت تلگرام.

از اونجایی که پایتون زیاد بلد نیستم، شاید خیلی بهینه نباشه؛ ولی سعی کردم ساده، انعطاف‌پذیر و قابل توسعه باشه.

خوشحال می‌شم ببینید، استفاده کنید و نظرتون رو بگید

پول‌ریکوئست هم که دیگه ممد حیات است

github.com/miladniroee/telegram-bridge-server

@DevTwitter | <Milad Niroee/>

اگر توی X پست برنامه‌نویسی میذارید می‌تونید به اکانت X ما بفرستید تا تو چنل هم منتشر بشه، (ریپست هم میشه همونجا)

x.com/devtwittir

اگر حساب X ندارید همینجا بفرستید برامون
@dvtwi

ابزار ‏LocalStack چیست و چرا برای توسعه‌دهندگان و مهندسان زیرساخت مفید است؟

ابزار ‏LocalStack یک پلتفرم متن‌باز برای شبیه‌سازی سرویس‌های AWS روی ماشین لوکال یا Docker است. این ابزار امکان توسعه و تست زیرساخت‌های ابری را بدون نیاز به اتصال به AWS واقعی و پرداخت هزینه فراهم می‌کند.

‏ویژگی‌های کلیدی:
‏- دارای APIهای استاندارد AWS: می‌توانید مستقیماً از AWS CLI، SDK یا Terraform استفاده کنید.
‏- شبیه‌سازی سرویس‌های مهم:
نسخه رایگان: S3، DynamoDB، Lambda، API Gateway، SNS/SQS، CloudFormation، IAM، Kinesis، CloudWatch Logs، Step Functions
نسخه Pro: سرویس‌های پیشرفته‌تر مانند Athena، Glue و EventBridge
‏- محیط تست واقعی: امکان تمرین با Terraform/CloudFormation، تست Lambda، S3، SQS و یکپارچه‌سازی با CI/CD pipeline بدون نیاز به اکانت AWS.
‏- صرفه‌جویی در هزینه: اجرای همه‌چیز به‌صورت لوکال، بدون هزینه تا زمان دیپلوی واقعی.

‏محدودیت‌ها:
‏- سرویس‌هایی مانند AWS WAF مستقیماً شبیه‌سازی نمی‌شوند، اما سرویس‌های مرتبط مثل S3، Lambda و EventBridge قابل تست هستند.

‏چرا LocalStack ارزشمند است؟
‏- تست سناریوهای پیچیده و Unit Testing برای Lambda، S3، SQS و غیره
‏- شبیه‌سازی محیط‌های Production در لوکال
‏- توسعه و دیباگ زیرساخت بدون وابستگی به اینترنت یا اکانت AWS
‏- یکپارچگی با CI/CD برای تست کدهای زیرساختی

در نهایت ‏LocalStack ابزاری قدرتمند برای توسعه و تست زیرساخت‌های AWS بدون هزینه‌های اضافی است.

@DevTwitter | <Mahdi Shahi/>

زبان برنامه‌نویسی هُرمُز

زیر‌مجموعه‌ای از C
سایز مترجم: 828.4KiB
سایز فایل: 1.2KiB
سایز باینری خروجی: 4.2KiB
قابلیت پردازش حرکه‌ها و نیم‌فاصله
نوشته شده با Rust
بک‌اند کامپایلر با TCC
همین کد کاملا کامپایل میشه و خروجیش رو گذاشتم. هنوز خیلی کار داره ولی. struct و enum هم ساپورت می‌کنه


ساپورت داده‌های صحیح۸...صحیح۶۴، حسابی۸...حسابی۶۴، حرف، بول، بایت، اندازه، متن، انواع اشاره‌گرها، رفرنس‌ها، عملیات ریاضی و شیفتینگ، تخصیص حافطه و آزاد‌سازی، ۵-۶ تا کتابخونه (ناقص)، struct, enum, typedef, حلقه for, foreach, while، if, انواع کامنت، function call, array

ساپورت نشده ها: preprocessor, header files, union, استراکت‌های پیچیده، کتابخونه‌های خارجی غیر C، و متاسفانه ادیتور عالی وجود نداره، اما زبان جوری طراحی شده که با کیبورد استاندار فارسی بدون مشکل میشه کد زد و لازم به سویچ به انگلیسی نیست. Lsp هم نداریم لطفن سوال نفرمایید =)))

وقتی مُردم شما ادامه‌ش بدید :)))

@DevTwitter | <Q/>