یه افزونه مشتی برای TypeScript پیدا کردم که واقعاً کار رو راحتتر میکنه:
اگه مثل من اهل ساختار تمیز و feature-based تو پروژههات هستی، احتمالاً همیشه درگیر ساخت یا آپدیت دستی فایلهای index.ts برای export کردن ماژولها بودی
این افزونه دقیقاً همون چیزیه که دنبالش بودم!
با یه کلیک همهی exportها رو به صورت خودکار جمع میکنه، و دیگه لازم نیست خودت بری فایلهای مختلف رو دستی اضافه کنی.
پشتیبانی از alias
بهروزرسانی خودکار وقتی فایل جدید اضافه میکنی
تنظیمات قابل شخصیسازی برای مسیرها
من چند روزه دارم استفاده میکنم، و به جرأت میتونم بگم barrel management توی TypeScript هیچوقت به این راحتی نبوده (مخصوصا برای پروژه های اسکیل بالا)
اگه زیاد با ساختارهای feature-base یا monorepo کار میکنی، این اکستنشن قطعاً باید جزو ابزارهای ثابتت باشه
لینک افزونه [vscode]
https://github.com/estruyf/vscode-typenoscript-exportallmodules
@DevTwitter | <Soheil Ghanbary/>
اگه مثل من اهل ساختار تمیز و feature-based تو پروژههات هستی، احتمالاً همیشه درگیر ساخت یا آپدیت دستی فایلهای index.ts برای export کردن ماژولها بودی
این افزونه دقیقاً همون چیزیه که دنبالش بودم!
با یه کلیک همهی exportها رو به صورت خودکار جمع میکنه، و دیگه لازم نیست خودت بری فایلهای مختلف رو دستی اضافه کنی.
پشتیبانی از alias
بهروزرسانی خودکار وقتی فایل جدید اضافه میکنی
تنظیمات قابل شخصیسازی برای مسیرها
من چند روزه دارم استفاده میکنم، و به جرأت میتونم بگم barrel management توی TypeScript هیچوقت به این راحتی نبوده (مخصوصا برای پروژه های اسکیل بالا)
اگه زیاد با ساختارهای feature-base یا monorepo کار میکنی، این اکستنشن قطعاً باید جزو ابزارهای ثابتت باشه
لینک افزونه [vscode]
https://github.com/estruyf/vscode-typenoscript-exportallmodules
@DevTwitter | <Soheil Ghanbary/>
🔥15❤5👎2👍1
واتساپ نسخه بومی ویندوز را کنار گذاشته و نسخه جدیدش در واقع یک مرورگر را بصورت داخلی اجرا و نسخه وبی واتساپ را در آن اجرا میکند و این یعنی مصرف منابع بسیار بیشتر.
مثلا نسخه بومی برای صفحه لاگین ۱۰ مگابابت مصرف اما جدیده نزدیک ۳۰۰ مگ.
موقع استفاده جدی تا ۲ گیگ رم میخوره!
عملا استفاده از نسخه وب واتساپ روی مرورگرهای دیگر مانند کروم یا فایرفاکس یا اج بصرفهتر بوده و منابع کمتری از سیستم شما را اشغال میکند
@DevTwitter | <Alireza Shirazi/>
مثلا نسخه بومی برای صفحه لاگین ۱۰ مگابابت مصرف اما جدیده نزدیک ۳۰۰ مگ.
موقع استفاده جدی تا ۲ گیگ رم میخوره!
عملا استفاده از نسخه وب واتساپ روی مرورگرهای دیگر مانند کروم یا فایرفاکس یا اج بصرفهتر بوده و منابع کمتری از سیستم شما را اشغال میکند
@DevTwitter | <Alireza Shirazi/>
🍌84❤7👍3
با cursor کل وب سایت پورتفولیومو تو کمتر از نیم ساعت از اول با GoLang زدم،
نتیجه: سرعت بیلد شدن و اومدن بالا (از ۲۰ دقیقه - NextJS + PNPM)
اومد رسید به ۱ دقیقه و ۳۰ ثانیه از تایمی که پوش میکنم تا وقتی رو کلاستره کوبر دیپلوی میشه کامل
یکی دیگه از نتایج این بود که همه اینا شد ۱۰۰٪
و یکی دیگه از نتایج هم اینه که کل چیزی که میرسه دست کاربر بدون GZIP به ۱ مگ هم نمیرسه :))
@DevTwitter | <Mamad/>
نتیجه: سرعت بیلد شدن و اومدن بالا (از ۲۰ دقیقه - NextJS + PNPM)
اومد رسید به ۱ دقیقه و ۳۰ ثانیه از تایمی که پوش میکنم تا وقتی رو کلاستره کوبر دیپلوی میشه کامل
یکی دیگه از نتایج این بود که همه اینا شد ۱۰۰٪
و یکی دیگه از نتایج هم اینه که کل چیزی که میرسه دست کاربر بدون GZIP به ۱ مگ هم نمیرسه :))
@DevTwitter | <Mamad/>
👎94🍌25🔥22👍8
کسایی که کار امنیت و یا باگ بانتی انجام میدن شاید این ابزار براشون جالب باشه
میاد کل روند ری سرچ و انواع تست هارو خودش انجام میده
نیاز باشه ریکان نیاز باشه هر مدل تستی
فقط کافیه ادرس سایت بهش بدی و یه api key از openai !
https://github.com/usestrix/strix
@DevTwitter | <Navid/>
میاد کل روند ری سرچ و انواع تست هارو خودش انجام میده
نیاز باشه ریکان نیاز باشه هر مدل تستی
فقط کافیه ادرس سایت بهش بدی و یه api key از openai !
https://github.com/usestrix/strix
@DevTwitter | <Navid/>
❤13👍2🔥1
پروژه orderbook یک پیادهسازی پرسرعت از L2/L3 orderbook به زبان C برای پایتون است، مناسب برای ساخت سیستمهای معاملاتی و صرافی و...
https://github.com/bmoscon/orderbook
@DevTwitter | <Amir/>
https://github.com/bmoscon/orderbook
@DevTwitter | <Amir/>
👍8🔥3
️ همه فقط نوک کوه یخ رو میبینن...
چند خط کد، یه لپتاپ، یه لیوان قهوه و یه اپلیکیشن جذاب.
اما واقعیت خیلی عمیقتر از این حرفاست!
پایینتر که بری تازه میبینی خبری از اون تصویرای رویایی نیست...
جلسههای بیپایان، استرس ریلیز، باگهایی که نصف شب پیداشون میشه، جنگ با Dependencyها و معماریهای پیچیدهای که گاهی نفس آدمو میگیره.
جادوی واقعی همونجایی اتفاق میفته که هیچکس نمیبینه؛
زیر سطح آب... جایی که همه سختیها، یادگیریها و رشدهای واقعی شکل میگیره.
@DevTwitter | <Ali Rostami/>
چند خط کد، یه لپتاپ، یه لیوان قهوه و یه اپلیکیشن جذاب.
اما واقعیت خیلی عمیقتر از این حرفاست!
پایینتر که بری تازه میبینی خبری از اون تصویرای رویایی نیست...
جلسههای بیپایان، استرس ریلیز، باگهایی که نصف شب پیداشون میشه، جنگ با Dependencyها و معماریهای پیچیدهای که گاهی نفس آدمو میگیره.
جادوی واقعی همونجایی اتفاق میفته که هیچکس نمیبینه؛
زیر سطح آب... جایی که همه سختیها، یادگیریها و رشدهای واقعی شکل میگیره.
@DevTwitter | <Ali Rostami/>
👍102🍌11❤8👎2
بالاخره تونستم یکی از سنگین ترین ویدیو های مستندات laravel12 رو آماده کنم!
این بخش از مستندات، ۲۸ تا قسمت مختلف داره و واقعاً بعضی بخش هاش انقدر پیچیده و خسته کننده هست که فکر نکنم خیلی ها تا حالا کامل خونده باشنش
ولی توی این ویدیو سعی کردم اون نکات سخت و کسل کننده رو با توضیح های ساده تبدیل کنم به یه مسیر قابل درک و دوست داشتنی. چیزی که خودم دلم میخواست موقع شروع یادگیری لاراول وجود داشته باشه.
اگر داری مستندات laravel رو دنبال میکنی یا میخوای اصولی واردش بشی، این ویدیو رو از دست نده. قول میدم دیدت رو نسبت به این بخش کامل تر کنه.
لیست کامل دوره رایگان مستندات لاراول ۱۲ رو از طریق لینک زیر میتونی مشاهده کنی:
https://www.youtube.com/playlist?list=PL3HE8SdhbwWl7UnEdKes2OEmfapGDiF57
@DevTwitter | <Ehsan Mahmoodi/>
این بخش از مستندات، ۲۸ تا قسمت مختلف داره و واقعاً بعضی بخش هاش انقدر پیچیده و خسته کننده هست که فکر نکنم خیلی ها تا حالا کامل خونده باشنش
ولی توی این ویدیو سعی کردم اون نکات سخت و کسل کننده رو با توضیح های ساده تبدیل کنم به یه مسیر قابل درک و دوست داشتنی. چیزی که خودم دلم میخواست موقع شروع یادگیری لاراول وجود داشته باشه.
اگر داری مستندات laravel رو دنبال میکنی یا میخوای اصولی واردش بشی، این ویدیو رو از دست نده. قول میدم دیدت رو نسبت به این بخش کامل تر کنه.
لیست کامل دوره رایگان مستندات لاراول ۱۲ رو از طریق لینک زیر میتونی مشاهده کنی:
https://www.youtube.com/playlist?list=PL3HE8SdhbwWl7UnEdKes2OEmfapGDiF57
@DevTwitter | <Ehsan Mahmoodi/>
👍22❤9👎2🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
میتونید بدون یک خط کد، مرورگرتون رو به یک ربات هوشمند تبدیل کنید
با NanoBrowser، فقط با یک پرامپت ساده، میتونید هر کاری که با مرورگر انجام میدید رو اتوماتیک کنید! از پر کردن فرمها تا کامنت گذاشتن زیر توییتهای جدید ایلان ماسک!
http://github.com/nanobrowser/nanobrowser
@DevTwitter | <POURYA/>
با NanoBrowser، فقط با یک پرامپت ساده، میتونید هر کاری که با مرورگر انجام میدید رو اتوماتیک کنید! از پر کردن فرمها تا کامنت گذاشتن زیر توییتهای جدید ایلان ماسک!
http://github.com/nanobrowser/nanobrowser
@DevTwitter | <POURYA/>
❤12👍3🔥1
اگر سایت وردپرسی دارید یا حتی اگر میخواهید بخش وبلاگ برای سایتتون راه بندازید ، با این ورکفلو در پلتفرم n8n میتونید خیلی ساده فقط با چندتا تگ (کلمات کلیدی) ، مقاله کامل همراه با تصویر شاخص تولید کنید و بصورت پست منتشر کنید!
خفنی کار اینجاست که میشه مقالات طولانی هم براتون تولید میکنه Chat GPT و تصاویر رو خودش با Dall-E میسازه مربوط به پست تولید شده ، همچنین طول مقالات و تعداد کلمات و پست رو هم میتونید خودتون مشخص کنید!
https://n8n.io/workflows/2187-write-a-wordpress-post-with-ai-starting-from-a-few-keywords/
@DevTwitter | <POURYA/>
خفنی کار اینجاست که میشه مقالات طولانی هم براتون تولید میکنه Chat GPT و تصاویر رو خودش با Dall-E میسازه مربوط به پست تولید شده ، همچنین طول مقالات و تعداد کلمات و پست رو هم میتونید خودتون مشخص کنید!
https://n8n.io/workflows/2187-write-a-wordpress-post-with-ai-starting-from-a-few-keywords/
@DevTwitter | <POURYA/>
👎19👍10❤1🔥1
میخوام یه ابزار جدید و فوقالعاده خفن رو معرفی کنم مکانیزم استایل نویسی رو در فرانت اند تغییر میده!
ابزار StyleX محصول جدید Meta (فیسبوک، اینستاگرام، واتساپ و Threads) ـه، ساختهشده برای پروژههای بزرگ و تیمهای چندمنظورهای که با چالش مقیاسپذیری و پیچیدگی استایلها روبهرو هستن.
با StyleX، تعریف و استفاده از استایلها فقط به دانش محلی داخل کامپوننت نیاز داره یعنی دیگه نگران سلسلهمراتب و جنگ specificity نیستی، در حالی که هنوز میتونی از قابلیتهایی مثل Media Query استفاده کنی.
موقع build شدن، استایلهایی بهینه شده تولید میکنه که بر پایهی Atomic CSS ساخته شدن که این امر سبب خروجی تمیزتر، سبکتر میشه.
ترکیبی هوشمند از CSS-in-JS و خروجی استاتیک CSS
بدون runtime و بدون ترس از name clash
عملکردی واقعاً سریع
چرا StyleX؟
- ساخته شده برای مقیاسپذیری و پایداری رابط کاربری در اپلیکیشنهای پیچیده.
- ترکیبی هوشمند از CSS-in-JS و CSS استاتیک برای دستیابی به نظم، کارایی و عملکرد بینظیر.
- جلوگیری از رشد بیرویه و آشفتگی فایلهای CSS در کدبیسهای در حال توسعه.
- پشتیبانی قدرتمند از theming، ترکیب سبکها و بازاستفاده از مؤلفهها در سطح تیم یا سازمان.
بهنوعی StyleX مثل نقطهی تعادل بین دو دنیا عمل میکنه:
قدرت و سرعت Tailwind رو با انعطاف و خوانایی Styled Components ترکیب کرده،
اما با نظمی مهندسیشدهتر و بهینهسازی در سطح ساخت (build-time). ️
[لینک سایت]:
https://stylexjs.com
@DevTwitter | <Soheil Ghanbary/>
ابزار StyleX محصول جدید Meta (فیسبوک، اینستاگرام، واتساپ و Threads) ـه، ساختهشده برای پروژههای بزرگ و تیمهای چندمنظورهای که با چالش مقیاسپذیری و پیچیدگی استایلها روبهرو هستن.
با StyleX، تعریف و استفاده از استایلها فقط به دانش محلی داخل کامپوننت نیاز داره یعنی دیگه نگران سلسلهمراتب و جنگ specificity نیستی، در حالی که هنوز میتونی از قابلیتهایی مثل Media Query استفاده کنی.
موقع build شدن، استایلهایی بهینه شده تولید میکنه که بر پایهی Atomic CSS ساخته شدن که این امر سبب خروجی تمیزتر، سبکتر میشه.
ترکیبی هوشمند از CSS-in-JS و خروجی استاتیک CSS
بدون runtime و بدون ترس از name clash
عملکردی واقعاً سریع
چرا StyleX؟
- ساخته شده برای مقیاسپذیری و پایداری رابط کاربری در اپلیکیشنهای پیچیده.
- ترکیبی هوشمند از CSS-in-JS و CSS استاتیک برای دستیابی به نظم، کارایی و عملکرد بینظیر.
- جلوگیری از رشد بیرویه و آشفتگی فایلهای CSS در کدبیسهای در حال توسعه.
- پشتیبانی قدرتمند از theming، ترکیب سبکها و بازاستفاده از مؤلفهها در سطح تیم یا سازمان.
بهنوعی StyleX مثل نقطهی تعادل بین دو دنیا عمل میکنه:
قدرت و سرعت Tailwind رو با انعطاف و خوانایی Styled Components ترکیب کرده،
اما با نظمی مهندسیشدهتر و بهینهسازی در سطح ساخت (build-time). ️
[لینک سایت]:
https://stylexjs.com
@DevTwitter | <Soheil Ghanbary/>
👎19🔥4
روی موبایل یا لپ تاپ ، مدل های Ai سازگار با گوشی یا لپتاپت رو بصورت شخصی ، آفلاین و رایگان اجرا کن!
با ابزار فوقالعاده Anythingllm این کارو میتونید خیلی ساده انجام بدید.
https://anythingllm.com
برای موبایل فعلا نسخه اندروید داره
ولی این تنها قابلیت این نرم افزار نیست ، میتونید به Api های Ai های دیگه هم وصلش کنید و ازش استفاده کنید مثل یک چت بات سریع و سبک
@DevTwitter | <POURYA/>
با ابزار فوقالعاده Anythingllm این کارو میتونید خیلی ساده انجام بدید.
https://anythingllm.com
برای موبایل فعلا نسخه اندروید داره
ولی این تنها قابلیت این نرم افزار نیست ، میتونید به Api های Ai های دیگه هم وصلش کنید و ازش استفاده کنید مثل یک چت بات سریع و سبک
@DevTwitter | <POURYA/>
👍13❤2👎1🔥1
داکر فقط نصف ماجراست.
بخش سختتر اونجاست که باید صدها کانتینر رو بین چند سرور اجرا، هماهنگ و پایدار نگهداری.
اینجاست که کوبرنتیز وارد عمل میشه.
کوبِرنِتیز چیه؟
کوبِرنِتیز یه سیستم متنباز (Open Source) برای مدیریت و هماهنگسازی کانتینرهاست.
بهش میگن Container Orchestrator چون مثل یه مغز مرکزی عمل میکنه و تصمیم میگیره
کِی، کجا و چطور کانتینرها اجرا بشن.
️ ساختار کلی کوبرنتیز
کوبرنتیز روی یه ساختار به اسم کلاستر (Cluster) کار میکنه.
کلاستر از چند سرور تشکیل شده:
(Control Plane): مغز سیستم که شاملAPI Server، Scheduler، Controller Manager و etcd میشه.
(Worker Nodes): جایی که کانتینرها واقعاً اجرا میشن (با استفاده از ابزاری مثل kubelet و Container Runtime مثل containerd یا CRI-O).
مفاهیم کلیدی در کوبرنتیز
پاد (Pod):
واحد اجرایی اصلی در کوبرنتیزه.
هر Pod معمولاً یه کانتینر داره، ولی ممکنه چندتا هم داشته باشه که با هم کار میکنن.
Kubernetes تضمین میکنه همیشه همون تعداد Podی که تعریف کردی در حال اجرا باشه (مثلاً سه نسخه از وبسرویس).
خودترمیمی (Self-Healing):
اگه یکی از Podها از کار بیفته، Controller Manager تشخیص میده و خودش اون Pod رو روی یه Node دیگه بالا میاره (بدون اینکه نیاز باشه دستی کاری بکنی).
مقیاسپذیری خودکار (Autoscaling):
وقتی ترافیک زیاد میشه، قابلیت Horizontal Pod Autoscaler (HPA) بر اساس معیارهایی مثل CPU یا Memory Usage تصمیم میگیره چندتا Pod جدید بسازه.
و وقتی ترافیک کاهش پیدا کنه، اونا رو حذف میکنه تا منابع هدر نرن.
سه جزء مهم کوبرنتیز
دیپلویمنت (Deployment): مشخص میکنه چند تا Pod باید اجرا بشن و آپدیتها چطور انجام بشن.
سرویس (Service): ترافیک رو بین Podها پخش میکنه تا همیشه در دسترس باشن.
اینگرس (Ingress): مسیر دسترسی کاربران بیرونی (مثل درخواستهای HTTP/HTTPS) رو به سرویسهای داخلی مدیریت میکنه.
چرا کوبرنتیز مهمه؟
چون اجرای برنامهها رو خودکار، پایدار و مقیاسپذیر میکنه.
به همین دلیل، امروز Kubernetes قلب دنیای DevOps و Cloud Native به حساب میاد.
از سیستمهای مایکروسرویسی گرفته تا پلتفرمهای یادگیری ماشین (ML) و اپهای بزرگ،
همه دارن روی K8s اجرا میشن.
@DevTwitter | <Monireh Savaedi/>
بخش سختتر اونجاست که باید صدها کانتینر رو بین چند سرور اجرا، هماهنگ و پایدار نگهداری.
اینجاست که کوبرنتیز وارد عمل میشه.
کوبِرنِتیز چیه؟
کوبِرنِتیز یه سیستم متنباز (Open Source) برای مدیریت و هماهنگسازی کانتینرهاست.
بهش میگن Container Orchestrator چون مثل یه مغز مرکزی عمل میکنه و تصمیم میگیره
کِی، کجا و چطور کانتینرها اجرا بشن.
️ ساختار کلی کوبرنتیز
کوبرنتیز روی یه ساختار به اسم کلاستر (Cluster) کار میکنه.
کلاستر از چند سرور تشکیل شده:
(Control Plane): مغز سیستم که شاملAPI Server، Scheduler، Controller Manager و etcd میشه.
(Worker Nodes): جایی که کانتینرها واقعاً اجرا میشن (با استفاده از ابزاری مثل kubelet و Container Runtime مثل containerd یا CRI-O).
مفاهیم کلیدی در کوبرنتیز
پاد (Pod):
واحد اجرایی اصلی در کوبرنتیزه.
هر Pod معمولاً یه کانتینر داره، ولی ممکنه چندتا هم داشته باشه که با هم کار میکنن.
Kubernetes تضمین میکنه همیشه همون تعداد Podی که تعریف کردی در حال اجرا باشه (مثلاً سه نسخه از وبسرویس).
خودترمیمی (Self-Healing):
اگه یکی از Podها از کار بیفته، Controller Manager تشخیص میده و خودش اون Pod رو روی یه Node دیگه بالا میاره (بدون اینکه نیاز باشه دستی کاری بکنی).
مقیاسپذیری خودکار (Autoscaling):
وقتی ترافیک زیاد میشه، قابلیت Horizontal Pod Autoscaler (HPA) بر اساس معیارهایی مثل CPU یا Memory Usage تصمیم میگیره چندتا Pod جدید بسازه.
و وقتی ترافیک کاهش پیدا کنه، اونا رو حذف میکنه تا منابع هدر نرن.
سه جزء مهم کوبرنتیز
دیپلویمنت (Deployment): مشخص میکنه چند تا Pod باید اجرا بشن و آپدیتها چطور انجام بشن.
سرویس (Service): ترافیک رو بین Podها پخش میکنه تا همیشه در دسترس باشن.
اینگرس (Ingress): مسیر دسترسی کاربران بیرونی (مثل درخواستهای HTTP/HTTPS) رو به سرویسهای داخلی مدیریت میکنه.
چرا کوبرنتیز مهمه؟
چون اجرای برنامهها رو خودکار، پایدار و مقیاسپذیر میکنه.
به همین دلیل، امروز Kubernetes قلب دنیای DevOps و Cloud Native به حساب میاد.
از سیستمهای مایکروسرویسی گرفته تا پلتفرمهای یادگیری ماشین (ML) و اپهای بزرگ،
همه دارن روی K8s اجرا میشن.
@DevTwitter | <Monireh Savaedi/>
❤36👍15🍌10
وکتور دیتابیسها (Vector Databases)
در دنیای امروز، با رشد مدلهای زبانی بزرگ (LLMها) و اپلیکیشنهای هوش مصنوعی، یک نیاز جدید در حوزه ذخیرهسازی داده بهوجود آمده که چیزی نیست جز درک معنا، نه فقط دادههای خام.
اینجاست که وکتور دیتابیسها (Vector Databases) وارد صحنه میشوند.
برخلاف دیتابیسهای سنتی که دادهها را بر اساس کلید، متن یا ساختار ذخیرهسازی میکنند، وکتور دیتابیسها دادهها را به صورت بردارهای عددی چندبُعدی نگهداری میکنند. این بردارها در واقع نمایانگر معنا و مفهوم پشت دادهها هستند نه صرفاً کلمات یا مقادیر ظاهری.
کاربرد اصلی این نوع دیتابیسها در سیستمهایی است که نیاز به جستوجوی معنایی (Semantic Search)، تطبیق شباهت (Similarity Matching) و حافظه بلندمدت برای LLMها دارند. بهعنوان مثال، در یک چتبات هوشمند، وکتور دیتابیس کمک میکند تا سیستم مکالمات قبلی یا اطلاعات مشابه را بر اساس معنا بازیابی کند، نه فقط تطبیق واژهها.
تفاوت اصلی با دیتابیسهای سنتی
در دیتابیسهای رابطهای یا NoSQL، داده بر اساس کلیدها و تطبیق دقیق بازیابی میشود.
اما در وکتور دیتابیس، دادهها بر اساس درجه شباهت معنایی پیدا میشوند.
یعنی اگر کاربر بگوید:
"بهترین مکان برای مطالعه با قهوه خوب"
سیستم میتواند دادههایی مثل "کافه مناسب برای فریلنسرها" را هم به عنوان نتیجه مرتبط برگرداند.
️ نمونههای شناختهشده وکتور دیتابیسها
ابزار Pinecone : سرویس ابری مخصوص ذخیره و جستوجوی برداری (ساده برای اتصال به LLMها)
ابزار Weaviate : متنباز و ماژولار، با قابلیت اضافه کردن embedding model داخلی
ابزار Milvus : یکی از قدرتمندترین پلتفرمهای متنباز در مقیاس بالا (ساخته Zilliz)
ابزار Qdrant : دیتابیس برداری سریع و سبک با API دوستانه (مناسب پروژههای کوچک تا متوسط)
ابزار pgvector : افزونه PostgreSQL برای ذخیره و جستوجوی برداری (راه ساده برای پروژههای موجود)
به نظر میرسد وکتور دیتابیسها بهزودی به یکی از اجزای اصلی معماری نرمافزارها تبدیل خواهند شد چرا که استفاده از هوش مصنوعی در همه زمینه ها در حال پیشرفت است.
وکتور دیتابیسها پلی هستند بین دادههای ساختیافته و درک انسانی.
فناوریای که به سیستمها کمک میکند “بفهمند”، نه فقط “ذخیره کنند”.
@DevTwitter | <Amir Rahimi Nejad/>
در دنیای امروز، با رشد مدلهای زبانی بزرگ (LLMها) و اپلیکیشنهای هوش مصنوعی، یک نیاز جدید در حوزه ذخیرهسازی داده بهوجود آمده که چیزی نیست جز درک معنا، نه فقط دادههای خام.
اینجاست که وکتور دیتابیسها (Vector Databases) وارد صحنه میشوند.
برخلاف دیتابیسهای سنتی که دادهها را بر اساس کلید، متن یا ساختار ذخیرهسازی میکنند، وکتور دیتابیسها دادهها را به صورت بردارهای عددی چندبُعدی نگهداری میکنند. این بردارها در واقع نمایانگر معنا و مفهوم پشت دادهها هستند نه صرفاً کلمات یا مقادیر ظاهری.
کاربرد اصلی این نوع دیتابیسها در سیستمهایی است که نیاز به جستوجوی معنایی (Semantic Search)، تطبیق شباهت (Similarity Matching) و حافظه بلندمدت برای LLMها دارند. بهعنوان مثال، در یک چتبات هوشمند، وکتور دیتابیس کمک میکند تا سیستم مکالمات قبلی یا اطلاعات مشابه را بر اساس معنا بازیابی کند، نه فقط تطبیق واژهها.
تفاوت اصلی با دیتابیسهای سنتی
در دیتابیسهای رابطهای یا NoSQL، داده بر اساس کلیدها و تطبیق دقیق بازیابی میشود.
اما در وکتور دیتابیس، دادهها بر اساس درجه شباهت معنایی پیدا میشوند.
یعنی اگر کاربر بگوید:
"بهترین مکان برای مطالعه با قهوه خوب"
سیستم میتواند دادههایی مثل "کافه مناسب برای فریلنسرها" را هم به عنوان نتیجه مرتبط برگرداند.
️ نمونههای شناختهشده وکتور دیتابیسها
ابزار Pinecone : سرویس ابری مخصوص ذخیره و جستوجوی برداری (ساده برای اتصال به LLMها)
ابزار Weaviate : متنباز و ماژولار، با قابلیت اضافه کردن embedding model داخلی
ابزار Milvus : یکی از قدرتمندترین پلتفرمهای متنباز در مقیاس بالا (ساخته Zilliz)
ابزار Qdrant : دیتابیس برداری سریع و سبک با API دوستانه (مناسب پروژههای کوچک تا متوسط)
ابزار pgvector : افزونه PostgreSQL برای ذخیره و جستوجوی برداری (راه ساده برای پروژههای موجود)
به نظر میرسد وکتور دیتابیسها بهزودی به یکی از اجزای اصلی معماری نرمافزارها تبدیل خواهند شد چرا که استفاده از هوش مصنوعی در همه زمینه ها در حال پیشرفت است.
وکتور دیتابیسها پلی هستند بین دادههای ساختیافته و درک انسانی.
فناوریای که به سیستمها کمک میکند “بفهمند”، نه فقط “ذخیره کنند”.
@DevTwitter | <Amir Rahimi Nejad/>
👍32❤8🔥5
مایکروسافت در بروز رسانی جدید ویندوز ۱۱ یکی از روشهای اکتیو کردن ویندوزهای کپی معروف به KMS38 را غیر فعال کرده است.
در واقع فایلی در ویندوز که اسکریپتها و برنامههای فعال سازی به این روش اسنفاده میکنند دیگر وجود ندارد
@DevTwitter | <Alireza Shirazi/>
در واقع فایلی در ویندوز که اسکریپتها و برنامههای فعال سازی به این روش اسنفاده میکنند دیگر وجود ندارد
@DevTwitter | <Alireza Shirazi/>
👎57🔥9👍5🍌5
خبر جالب و البته شوکه کننده؟!!! شرکت Anthropic گزارش داده که تونسته جلوی اولین حمله بزرگ جاسوسی سایبری که به صورت خودکار توسط هوش مصنوعی مدیریت شده رو بگیره. این دیگه شوخی نیست، واقعاً داریم وارد فاز جدیدی از تهدیدات سایبری میشیم!
جزئیات ماجرا:
مامور AI (Agentic AI): این حمله دیگه صرفاً استفاده از AI برای "مشاوره دادن" به هکرها نبود. مهاجمان از قابلیتهای "عاملیت" (Agentic) هوش مصنوعی استفاده کردن. یعنی AI مثل یک "مامور" عمل کرده و 80 تا 90 درصد کارهای حمله، از شناسایی هدف تا نوشتن کدهای مخرب و استخراج اطلاعات، رو بدون دخالت زیاد انسان پیش برده. هکرها فقط در ۴-۶ نقطه کلیدی برای تصمیمگیری وارد عمل شدن.
سرعت غیرقابل تصور: Anthropic میگه این سیستم AI تونسته هزاران درخواست، و اغلب چندین درخواست در ثانیه، ایجاد کنه! سرعتی که برای هیچ تیم انسانی از هکرها قابل دستیابی نیست. AI رسماً سرعت حملات سایبری رو به فاز موشکی برده.
سوءاستفاده از Claude: گروه مهاجم (که Anthropic با اطمینان بالا میگه یک گروه تحت حمایت دولت چین بوده) با "جِیلبریک" کردن و فریب دادن ابزار Claude Code (کد نویس هوش مصنوعی Anthropic) اون رو وادار به عملیات خرابکارانه کرده. اونا با ترفندهایی مثل شکستن کارها به بخشهای کوچک و وانمود کردن به اینکه AI داره برای یک شرکت امنیتی قانونی کار میکنه، از سد حفاظتی کلاود گذشتن.
اهداف مهم: حدود ۳۰ هدف جهانی، شامل شرکتهای بزرگ تکنولوژی، مالی، تولید مواد شیمیایی و سازمانهای دولتی مورد حمله قرار گرفتن.
نتیجهگیری و پیام مهم:
این ماجرا زنگ خطریه که نشون میده موانع انجام حملات سایبری پیچیده، به طرز چشمگیری کاهش پیدا کرده و گروههای کمتجربهتر هم حالا میتونن حملات بزرگ اجرا کنن.
اما خبر خوب اینجاست که Anthropic تاکید میکنه: همون هوش مصنوعیای که میتونه حمله کنه، میتونه بهترین خط دفاع هم باشه! باید یاد بگیریم چطور از AI برای تشخیص تهدیدات، ارزیابی آسیبپذیریها و پاسخ به حوادث (Cyber Defense) استفاده کنیم.
باید این اطلاعات رو جدی بگیریم و امنیت سایبری رو با سرعت AI بهروز کنیم. حتماً متن کامل گزارش رو بخونید تا ببینید چقدر اوضاع جدیه.
Link:
https://www.anthropic.com/news/disrupting-AI-espionage
@DevTwitter | <Mehdi Allahyari/>
جزئیات ماجرا:
مامور AI (Agentic AI): این حمله دیگه صرفاً استفاده از AI برای "مشاوره دادن" به هکرها نبود. مهاجمان از قابلیتهای "عاملیت" (Agentic) هوش مصنوعی استفاده کردن. یعنی AI مثل یک "مامور" عمل کرده و 80 تا 90 درصد کارهای حمله، از شناسایی هدف تا نوشتن کدهای مخرب و استخراج اطلاعات، رو بدون دخالت زیاد انسان پیش برده. هکرها فقط در ۴-۶ نقطه کلیدی برای تصمیمگیری وارد عمل شدن.
سرعت غیرقابل تصور: Anthropic میگه این سیستم AI تونسته هزاران درخواست، و اغلب چندین درخواست در ثانیه، ایجاد کنه! سرعتی که برای هیچ تیم انسانی از هکرها قابل دستیابی نیست. AI رسماً سرعت حملات سایبری رو به فاز موشکی برده.
سوءاستفاده از Claude: گروه مهاجم (که Anthropic با اطمینان بالا میگه یک گروه تحت حمایت دولت چین بوده) با "جِیلبریک" کردن و فریب دادن ابزار Claude Code (کد نویس هوش مصنوعی Anthropic) اون رو وادار به عملیات خرابکارانه کرده. اونا با ترفندهایی مثل شکستن کارها به بخشهای کوچک و وانمود کردن به اینکه AI داره برای یک شرکت امنیتی قانونی کار میکنه، از سد حفاظتی کلاود گذشتن.
اهداف مهم: حدود ۳۰ هدف جهانی، شامل شرکتهای بزرگ تکنولوژی، مالی، تولید مواد شیمیایی و سازمانهای دولتی مورد حمله قرار گرفتن.
نتیجهگیری و پیام مهم:
این ماجرا زنگ خطریه که نشون میده موانع انجام حملات سایبری پیچیده، به طرز چشمگیری کاهش پیدا کرده و گروههای کمتجربهتر هم حالا میتونن حملات بزرگ اجرا کنن.
اما خبر خوب اینجاست که Anthropic تاکید میکنه: همون هوش مصنوعیای که میتونه حمله کنه، میتونه بهترین خط دفاع هم باشه! باید یاد بگیریم چطور از AI برای تشخیص تهدیدات، ارزیابی آسیبپذیریها و پاسخ به حوادث (Cyber Defense) استفاده کنیم.
باید این اطلاعات رو جدی بگیریم و امنیت سایبری رو با سرعت AI بهروز کنیم. حتماً متن کامل گزارش رو بخونید تا ببینید چقدر اوضاع جدیه.
Link:
https://www.anthropic.com/news/disrupting-AI-espionage
@DevTwitter | <Mehdi Allahyari/>
👍54❤16🍌4🔥3
یک فرمت جدید برای مصرف کمتر توکن ورودی LLM ها : TOON
روش کارش اینه که به جای Json که توکن بیشتری روی دیتا مصرف میکنه، میاد با ترکیبی از csv و yaml یه نسخه خیلی جمع و جور تر درست میکنه که ۳۰ تا ۶۰ درصد توکن ورودی کمتری مصرف میکنه.
روش جالبیه، اوپن سورسه
https://github.com/toon-format/toon
@DevTwitter | <Mani/>
روش کارش اینه که به جای Json که توکن بیشتری روی دیتا مصرف میکنه، میاد با ترکیبی از csv و yaml یه نسخه خیلی جمع و جور تر درست میکنه که ۳۰ تا ۶۰ درصد توکن ورودی کمتری مصرف میکنه.
روش جالبیه، اوپن سورسه
https://github.com/toon-format/toon
@DevTwitter | <Mani/>
👍24👎12❤3🔥2
اگر با وردپرس کار میکنید، Abilities API در نسخه 6.9 مهمترین خبری است که باید بدانید
به عنوان کسی که سالها با وردپرس کار میکنه، معمولاً آپدیت ها برام قابل پیش بینی هستند؛ اما نسخه 6.9 یک چیز متفاوت داره: Abilities API. تغییری کوچک در ظاهر، اما بسیار بزرگ در پشت صحنه.
سال هاست هر پلاگین سازوکار خودش را داشته؛
یکی AJAX، یکی REST، یکی هم با هوک های سفارشی کار را جلو میبرد. نتیجه؟ پراکندگی، پیچیدگی و عدم هماهنگی بین ابزارها.
اما Abilities API یک نگاه جدید به وردپرس آورده.
حالا هر قابلیت با ورودی ها، خروجی ها، سطح دسترسی و منطق اجرای مشخص «ثبت» میشود و وردپرس خودش به صورت استاندارد و خودکار از آن REST API می سازد.
این یعنی:
1- امنیت و دسترسی ها منطقی تر و یکپارچه تر میشوند
2- تعامل بین پلاگین ها بسیار ساده تر میشود
3- توسعه برای ما دولوپرها تمیزتر، قابل پیش بینی تر و حرفه ای تر میشود
و از همه مهمتر: وردپرس عملاً دارد خودش را برای نسل جدید ابزارهای هوش مصنوعی و اتوماسیون آماده میکند.
برای من، WordPress 6.9 فقط یک نسخه جدید نیست؛
یک زیرساخت تازه است که مسیر آینده وردپرس را مشخص میکند.
@DevTwitter | <Yaghoub Tayebi/>
به عنوان کسی که سالها با وردپرس کار میکنه، معمولاً آپدیت ها برام قابل پیش بینی هستند؛ اما نسخه 6.9 یک چیز متفاوت داره: Abilities API. تغییری کوچک در ظاهر، اما بسیار بزرگ در پشت صحنه.
سال هاست هر پلاگین سازوکار خودش را داشته؛
یکی AJAX، یکی REST، یکی هم با هوک های سفارشی کار را جلو میبرد. نتیجه؟ پراکندگی، پیچیدگی و عدم هماهنگی بین ابزارها.
اما Abilities API یک نگاه جدید به وردپرس آورده.
حالا هر قابلیت با ورودی ها، خروجی ها، سطح دسترسی و منطق اجرای مشخص «ثبت» میشود و وردپرس خودش به صورت استاندارد و خودکار از آن REST API می سازد.
این یعنی:
1- امنیت و دسترسی ها منطقی تر و یکپارچه تر میشوند
2- تعامل بین پلاگین ها بسیار ساده تر میشود
3- توسعه برای ما دولوپرها تمیزتر، قابل پیش بینی تر و حرفه ای تر میشود
و از همه مهمتر: وردپرس عملاً دارد خودش را برای نسل جدید ابزارهای هوش مصنوعی و اتوماسیون آماده میکند.
برای من، WordPress 6.9 فقط یک نسخه جدید نیست؛
یک زیرساخت تازه است که مسیر آینده وردپرس را مشخص میکند.
@DevTwitter | <Yaghoub Tayebi/>
❤15🍌15🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
خیلی ها هنوز تصورشون از Cloudflare فقط CDN برای سایت است!...
میخوام دعوتتون کنم به ابزار
http://Build.cloudflare.dev
یکمحیط رایگان برای تبدیل ایده هاتون به سایت ! با قابلیت دپلوی رایگان روی کلاد فلر!
به سادگی فقط بهش بگید چی میخواهید و بزارید کار رو براتون انجام بده!
ویدئو یک پرامت ساده است که دادم بهش !
@DevTwitter | <POURYA/>
میخوام دعوتتون کنم به ابزار
http://Build.cloudflare.dev
یکمحیط رایگان برای تبدیل ایده هاتون به سایت ! با قابلیت دپلوی رایگان روی کلاد فلر!
به سادگی فقط بهش بگید چی میخواهید و بزارید کار رو براتون انجام بده!
ویدئو یک پرامت ساده است که دادم بهش !
@DevTwitter | <POURYA/>
👍19🔥7❤4
دیتابیس Drift چیه و چرا اینقد طرفدار پیدا کرده ؟
راستش رو بخواین، هر کسی که با Flutter کار کرده باشه میدونه مدیریت دیتابیس همیشه یکی از اون بخشهاییه که میتونه یا خیلی جذاب باشه… یا خیلی اعصابخوردکن!
من خودم چند وقتیه با Drift کار میکنم (همون Moor سابق) و واقعاً باید بگم یه سروگردن از بقیه بالاتره
در واقع Drift چی کار میکنه؟
به زبون خیلی ساده میاد SQLite رو برات اونقدر خوشگل و تر و تمیز میکنه که هم دلت بخواد باهاش کار کنی، هم خیالت راحت باشه چیزی از قلم نمیافته
چند تا چیز که تو کار با Drift خیلی حال داد :
- قابلیت Type-safe بودنش واقعاً عالیه؛ کمتر پیش میاد اشتباه ریز و درشت بزنی
- میتونی هم با Dart Query کار کنی هم با SQL خالص. هر جوری حال میکنی و راحتتری
- قابلیت Stream میده، یعنی دیتابیس آپدیت بشه، UI خودش اتومات رفرش میشه
- فایلها و مدلها رو خودش اتومات جنریت میکنه و روی موبایل، دسکتاپ و حتی وب هم جواب میده
خلاصه که اگه دنبال یه دیتابیس مطمئن و باحال برای پروژههای فلاتری هستین، Drift رو جدی بگیرین
بهنظر من واقعاً ارزشش رو داره
@DevTwitter | <Armin Mehraein/>
راستش رو بخواین، هر کسی که با Flutter کار کرده باشه میدونه مدیریت دیتابیس همیشه یکی از اون بخشهاییه که میتونه یا خیلی جذاب باشه… یا خیلی اعصابخوردکن!
من خودم چند وقتیه با Drift کار میکنم (همون Moor سابق) و واقعاً باید بگم یه سروگردن از بقیه بالاتره
در واقع Drift چی کار میکنه؟
به زبون خیلی ساده میاد SQLite رو برات اونقدر خوشگل و تر و تمیز میکنه که هم دلت بخواد باهاش کار کنی، هم خیالت راحت باشه چیزی از قلم نمیافته
چند تا چیز که تو کار با Drift خیلی حال داد :
- قابلیت Type-safe بودنش واقعاً عالیه؛ کمتر پیش میاد اشتباه ریز و درشت بزنی
- میتونی هم با Dart Query کار کنی هم با SQL خالص. هر جوری حال میکنی و راحتتری
- قابلیت Stream میده، یعنی دیتابیس آپدیت بشه، UI خودش اتومات رفرش میشه
- فایلها و مدلها رو خودش اتومات جنریت میکنه و روی موبایل، دسکتاپ و حتی وب هم جواب میده
خلاصه که اگه دنبال یه دیتابیس مطمئن و باحال برای پروژههای فلاتری هستین، Drift رو جدی بگیرین
بهنظر من واقعاً ارزشش رو داره
@DevTwitter | <Armin Mehraein/>
👍18❤7🔥2
چطور سرعت Build داکر رو چند برابر کردم؟ تجربهای که واقعاً زندگیم رو راحتتر کرد!
چند وقت پیش مجبور بودم برای یک پروژه چندین بار پشتسرهم Docker Image بسازم. هر بار ۳–۴ دقیقه منتظر موندن… واقعاً کلافهکننده بود.
فکر کردم شاید مشکل از زیرساخت باشه. اما نه — مشکل از Dockerfile خودم بود!
بعد از چند روز آزمونوخطا، به چند نکته ساده اما معجزهگر رسیدم که سرعت build رو بهطور جدی بالا برد. شاید برای شما هم مفید باشه:
1) لایهبندی درست Dockerfile = کاهش زمان تا ۷۰٪
اگر اول dependencyها رو نصب کنید و بعد سورسکد رو اضافه کنید، Docker مجبور نمیشه هر بار از صفر بسازه.
این نکته رو که فهمیدم، انگار turbo رو روشن کردم!
2) Multi-Stage Build: هم سریعتر، هم سبکتر
کد compile یه جا
run یه جا
نتیجه؟
یک ایمیج سریعتر، تمیزتر، امنتر و چند برابر کوچکتر.
3) فعالسازی BuildKit: یک جهش واقعی
BuildKit رو که فعال کردم، انگار داکر از خواب بیدار شد!
بعضی buildها تا ۲ برابر سریعتر شدن.
هم caching بهتر، هم parallel steps.
4) .dockerignore نجاتدهنده واقعی
صادقانه بگم: نصف کندی من بخاطر این بود که چیزهای عجیبوغریب داشت وارد context میشد!
Logها، tempها، node_modules، target…
وقتی .dockerignore رو درست کردم، همهچیز سریعتر شد.
خروجی این تغییرات؟
بدون حتی یک ریال هزینه سختافزاری:
- سرعت build چند برابر
- حجم ایمیجها کمتر
- اعصاب راحتتر
- زمان بیشتر برای کارهای مهمتر
اگر پروژههاتون به داکر وابستهست، پیشنهاد میکنم همین امروز ۱۰ دقیقه وقت بذارید و Dockerfileتون رو بازنویسی کنید.
نتیجهش بیشتر از چیزی که فکر میکنید ارزش داره.
@DevTwitter | <Amir Zangiabadi/>
چند وقت پیش مجبور بودم برای یک پروژه چندین بار پشتسرهم Docker Image بسازم. هر بار ۳–۴ دقیقه منتظر موندن… واقعاً کلافهکننده بود.
فکر کردم شاید مشکل از زیرساخت باشه. اما نه — مشکل از Dockerfile خودم بود!
بعد از چند روز آزمونوخطا، به چند نکته ساده اما معجزهگر رسیدم که سرعت build رو بهطور جدی بالا برد. شاید برای شما هم مفید باشه:
1) لایهبندی درست Dockerfile = کاهش زمان تا ۷۰٪
اگر اول dependencyها رو نصب کنید و بعد سورسکد رو اضافه کنید، Docker مجبور نمیشه هر بار از صفر بسازه.
این نکته رو که فهمیدم، انگار turbo رو روشن کردم!
2) Multi-Stage Build: هم سریعتر، هم سبکتر
کد compile یه جا
run یه جا
نتیجه؟
یک ایمیج سریعتر، تمیزتر، امنتر و چند برابر کوچکتر.
3) فعالسازی BuildKit: یک جهش واقعی
BuildKit رو که فعال کردم، انگار داکر از خواب بیدار شد!
بعضی buildها تا ۲ برابر سریعتر شدن.
هم caching بهتر، هم parallel steps.
4) .dockerignore نجاتدهنده واقعی
صادقانه بگم: نصف کندی من بخاطر این بود که چیزهای عجیبوغریب داشت وارد context میشد!
Logها، tempها، node_modules، target…
وقتی .dockerignore رو درست کردم، همهچیز سریعتر شد.
خروجی این تغییرات؟
بدون حتی یک ریال هزینه سختافزاری:
- سرعت build چند برابر
- حجم ایمیجها کمتر
- اعصاب راحتتر
- زمان بیشتر برای کارهای مهمتر
اگر پروژههاتون به داکر وابستهست، پیشنهاد میکنم همین امروز ۱۰ دقیقه وقت بذارید و Dockerfileتون رو بازنویسی کنید.
نتیجهش بیشتر از چیزی که فکر میکنید ارزش داره.
@DevTwitter | <Amir Zangiabadi/>
👍31🍌14❤6🔥1