چیت شیت bash

@DevTwitter

دیتابیسهای قدرتمند بساز بدون کد نوشتن! NocoDB ابزار اوپن سورس جایگزین Airtable

با رابط spreadsheet-like راحت، میتونی دیتابیس هارو بسازی ، ویوهای متنوع (گرید، کانبان، گالری، فرم، تقویم)، فیلتر/سورت پیشرفته، فرمولا، لینک/لوکآپ، کنترل دسترسی دقیق و ادغام با Slack، Discord، AWS S3 و کلی ابزار دیگه!

github.com/nocodb/nocodb‎

@DevTwitter | <POURYA/>

اگر داری AI Agent میسازی که با وب کار میکنه، این ابزار زندگیت رو راحتتر میکنه دادهها رو سریع، تمیز و کم هزینه به مدلت میرسه!

کسایی که agent هارو با دیتا وب توسعه میدن ، یک بار حداقل به به Firecrawl رسیدن ، و میدونن چه هزینه هایی داره !
حالا ابزار DeepCrawl که مخصوص توسعهدهنده های AI و builderهای AI Agentه. محتوای وبسایتها رو کراول میکنه و به شکل تمیز و بهینه استخراج میکنه: Markdown خوانا و بدون نویز درخت سلسله مراتبی لینکها و متادیتای هوشمند که LLMها راحت هضمش کنن

مزیت بزرگ نسبت به Firecrawl: کاملاً رایگان، خودت میتونی روی Cloudflare یا Vercel دیپلوی کنی (بدون وابستگی به سرویس پولی)، و استخراج لینکهاش بهتر و هوشمندتره برای agentها

این ابزار میتونه براتون
کاهش شدید هزینه توکن LLM (چون دادهها رو خلاصه و بهینه میکنه، نه خام و پرحجم)
جلوگیری از hallucination (توهم مدل) با دادن ورودیهای ساختارمند و دقیق
کارهای تکراری مثل scraping برای RAG، agentهای خودکار، یا ابزارهای تحقیقاتی

https://github.com/lumpinif/deepcrawl/

@DevTwitter | <POURYA/>

امروز این پروژه AI Prompt Optimization Platform اوپن‌سورس برای بهینه‌سازی پرامپت‌ه رو دیدم

کمک می‌کنه ورودی‌هایی که به مدل‌های هوش مصنوعی می‌دیم بهتر، دقیق‌تر و مؤثرتر باشن!

ویژگی‌های مهم:
تحلیل و بهینه‌سازی هوشمند پرامپت‌ها برای پاسخ‌های بهتر
ابزارهای دیباگ بصری برای دیدن اثر ورودی‌ها در لحظه
مدیریت قالب‌های پرامپت برای استفاده و اشتراک‌گذاری
جامعه و اشتراک‌گذاری قالب‌ها با دیگران
قابلیت پیش‌نمایش، تاریخچه و ذخیره‌سازی راهکارها برای استفاده‌های بعدی GitHub

جذاب بنظر میرسه، وقت کنم دقیقتر بررسی کنم...

GitHub: https://github.com/AIDotNet/auto-prompt

@DevTwitter | <Amir Pournasserian/>

اگر با مدل‌های زبانی بزرگ (LLM) کار می‌کنید، حتماً با چالش‌هایی مثل هزینه‌های بالای API و تأخیر در پاسخ‌گویی (Latency) روبرو شده‌اید. این پروژه دقیقاً برای حل این مشکلات طراحی شده است.

این پروژه یک سیستم Semantic Caching است که به جای تطبیق دقیق کلمات (Exact Match)، معنای پرسش‌ها را درک می‌کند. به این ترتیب، اگر کاربری سوالی بپرسد که قبلاً مشابه آن با معنای یکسان پاسخ داده شده باشد، پاسخ مستقیماً از حافظه موقت (Cache) بازیابی می‌شود.

امکانات کلیدی:
- پشتیبانی از storage های مختلف: Redis، Elasticsearch، In-Memory
- پشتیبانی از embedding provider های متنوع: OpenAI، Azure، Ollama، ONNX (برای اجرای آفلاین)
- قابلیت multi-tenant برای جداسازی کش کاربران مختلف

https://github.com/Jamalianpour/semantic-llm-cache

@DevTwitter | <Mohammad/>

یه اشتباه رایجی که توی کار کردن با دیتابیس MySQL وجود داره اینه که فکر میکنیم دیتا مستقیم روی دیسک ذخیره میشه و از دیسک خونده میشه، اما واقعیت اینه که MySQL یه الگوریتم جالبی برای بهینه کردن پرفورمنس داره تا بتونه پردازش کوئری ها رو به خوبی هندل کنه.

توی این مقاله خیلی ساده flow اجرای یه کوئری رو توضیح دادم که MySQL دقیقا پشت صحنه چه فرآیندی رو انجام میده تا هم پرفورمنس رو حفظ کنه و هم نتیجه رو به کاربر برگردونه. میتونید مقاله رو توی لینک زیر بخونید:

https://farshadth.medium.com/how-mysql-works-behind-the-scenes-72746950cd65

@DevTwitter | <Farshad Tofighi/>

این پروژه یه ابزار برای ارزیابی و مقایسه عملکرد بهینه‌سازهای PyTorch روی توابع ریاضی دوبعدیه، همراه با نمایش تصویری رفتار اون‌ها.

ایده‌ی اصلیش اینه که به‌جای درگیر شدن با توضیحات صرفاً تئوریک، بتونیم به‌صورت بصری ببینیم الگوریتم‌های مختلف از روش‌های کلاسیکی مثل SGD و Adam گرفته تا بهینه‌سازهای جدیدتری مثل Lion و Sophia دقیقاً چطور روی سطوح و ناهمواری‌های مختلف حرکت می‌کنن و به جواب می‌رسن.

ابتدا با استفاده از Optuna بهترین تنظیمات هر بهینه‌ساز رو پیدا می‌کنه و بعد مسیر حرکت اون‌ها رو روی توابع آزمایشی رسم می‌کنه تا تفاوت رفتارهاشون قابل مشاهده باشه.

سورس کد پروژه:
https://github.com/AidinHamedi/Optimizer-Benchmark

@DevTwitter | <Fastnovel/>

اولین واکنش حکومت به هر نوع اتفاقی توی کشور، دستکاری اینترنته

@DevTwitter

اون پرنده‌ی توی لوگو، توییتر سابق نیست؛
اون ماییم، اون ایران ماست.

@DevTwitter

ترجمه فارسی کتاب The Clean Coder

این پروژه یک فورک از ریپوی اصلی بود و من همراه با یکی از دوستانم روی تکمیل ترجمه کار کردیم.
این کتاب بیشتر از آن‌که درباره نوشتن کد باشد، درباره‌ی مسئولیت‌پذیری، رفتار حرفه‌ای، تعهد کاری و طرز فکر یک برنامه‌نویس است؛ موضوعاتی که نقش مستقیمی در کیفیت کار و مسیر شغلی یک توسعه‌دهنده دارند.
نسخه کامل ترجمه، به‌صورت رایگان و متن‌باز از طریق لینک زیر در دسترس است:

https://github.com/hheydarian/clean-coder-persian

اگر این پروژه براتون مفید بود، خوشحال می‌شم با استار دادن، ازش حمایت کنید.

@DevTwitter | <Hamed Heydarian/>

بچه‌های کامپیوتری، PowerPoint رو بذارید کنار
کتابخونه‌ی impress.js یه کتابخونه JSـه که توی ارائه دستتون کاملاً بازه و می‌تونید هر کاری که دلتون بخواید انجام بدید.
قبلش هم می‌تونید توی سایت خودش تستش کنید.
کلی کارای خفن میشه باهاش کرد.
https://impress.js.org

https://github.com/impress/impress.js

@DevTwitter | <کروکس؛ روایت شخصی/>

👌 با توجه به مجازی شدن امتحانات، چت جی پی تی میتونه دستیار خوبی برای آماده شدن شما برای امتحانات باشه 😉

✅ جهت تهیه اشتراک ChatGPT Plus که نسخه بدون محدودیت هست میتونید از کانال زیر که تخصصی ترین فروشگاه ChatGPT هست اقدام کنید 👇

https://news.1rj.ru/str/ChatGPT_Plus01
https://news.1rj.ru/str/ChatGPT_Plus01

امروز Base Ripple رو منتشر کردم: یک کتابخونه‌ی کوچیک برای افکت ripple که یک core تمیز برای DOM داره و یک wrapper مخصوص React

چیزهایی که موقع ساختنش برام مهم بود:
- چرخه‌ی عمر کاملا مشخص و قابل‌اعتماد (attach / dispose)
- هماهنگی کامل بین ورودی‌ها (هم pointer هم کیبورد)
- رعایت prefers-reduced-motion
- انعطاف بالا توی استایل‌دهی (می‌تونی همون CSS پیش‌فرض رو استفاده کنی یا کامل سفارشی‌اش کنی)
- core کاملاً سبک، قابل شخصی‌سازی و بدون هیچ وابستگی

لینک npm:
- https://www.npmjs.com/package/@base-ripple/core
- https://www.npmjs.com/package/@base-ripple/react

ریپو + دمو:
- https://github.com/circulo-ai/base-ripple
- https://base-ripple.vercel.app/

اگر حس کردی به کارت میاد و توی UIهات کمک می‌کنه، یک star روی GitHub واقعا بهم انرژی می‌ده.

@DevTwitter | <Arshaan Abolhasani/>

ما تو کارنامه یه پکیج اوپن‌سورس جنگویی کوچیک نوشتیم که میشه باهاش roleهای keycloak رو به permissionها یا گروه‌های جنگو مپ کرد و یه باتن لاگین هم توی پنل ادمینتون اضافه میکنه:
https://github.com/karnameh-tech/django-keycloak-oidc

@DevTwitter | <Mohsen Khodabakhshi/>

وقتی SQL Server بیش‌ازحد به حافظه‌اش اعتماد می‌کنه.

خیلی وقت‌ها مشکل از خود کوئری نیست،
از Execution Plan قدیمیه که دیگه با دیتای فعلی هم‌خوانی نداره.

سناریوی رایج:

Batch Update با TOP
لوپ یا Job طولانی
دیتایی که وسط کار شدیداً تغییر می‌کنه
کوئری بی‌خطا تموم میشه، ولی هنوز دیتا باقی مونده!

علتش؟ SQL Server یه Plan می‌سازه، Cache
می‌کنه و میگه:
«دفعه بعد هم اوضاع همینه»
در حالی که نیست.
اینجاست که این خط نجات‌دهنده میاد وسط:
OPTION (RECOMPILE)

چی کار می‌کنه؟
هر بار Compile جدید، تخمین دقیق‌تر، Join درست‌تر، Memory Grant واقعی، پایان دادن به رفتارهای «عجیب ولی بی‌خطا»

جمع‌بندی:

ء Recompile یعنی «تصمیم‌گیری با وضعیت امروز دیتا، نه خاطرات دیروز»

@DevTwitter | <Sajjad Zibafar/>

سیستم پرامپت System Prompts
یه ریپوی جالب توی GitHub دیدم که مجموعه‌ای از
system promptهای استخراج‌شده از AIهای معروف مثل ChatGPT، Claude و Gemini رو جمع کرده.

این همون دستورهای پشت‌صحنه‌ان که تعیین می‌کنن:
- مدل چی بگه و چی نگه
- چقدر محافظه‌کار یا آزاد جواب بده
- چطور با موضوعات حساس برخورد کنه

برای کسایی که روی AI agent، prompt engineering یا LLM کار می‌کنن، دیدن اینا خیلی آموزنده‌ست

https://github.com/asgeirtj/system_prompts_leaks

واقعیتش نمیدونم که اینجور اطلاعات صحیح هستن یا نه (باید از دوستان توی شرکت های مربوطه پرسید!) ولی در حد ایده گرفتن هم بد نیست!

@DevTwitter | <Amir Pournasserian/>

توییتر دانشجویی دانشگاه شریف را دنبال کنید👇

https://news.1rj.ru/str/+hFSoXOd2JTk2NTJk

مموس (Memos) یه سرویس نوتگیری متنباز و SelfHosted خفن هست که کاملاً PrivacyFirst کار میکنه

دادههات کاملاً مال خودته بدون Tracking، بدون تبلیغات، بدون اشتراک! با پشتیبانی کامل Markdown، رابط ساده و سریع، dark mode، موبایل responsive، export آسان و نصب یکخطی با داکر.

ساختهشده با Go و React، فوقالعاده سبک و پرسرعت – ایدهآل برای نوتهای شخصی، wiki تیمی یا knowledge base.

بیشتر از ۴۹ هزار ستاره و بهروزرسانی مداوم.

https://github.com/usememos/memos


@DevTwitter | <POURYA/>

این گیت‌هاب شامل ۲۸ پروژه هوش مصنوعی کاملاً Production-Ready هست؛

از اون پروژه‌ها که فقط کد نیستن، اپلیکیشن واقعی‌ان
داخلش چی پیدا می‌کنی؟

ببین پروژه‌های دنیای واقعی چطور ساخته می‌شن
پروژه‌های Machine Learning
- پیش‌بینی قیمت Airbnb
- محاسبه قیمت بلیط هواپیما
- تحلیل و پایش عملکرد دانش‌آموزان

ابزارهای سلامت مبتنی بر AI
- تشخیص بیماری‌های قفسه سینه
- پیش‌بینی بیماری قلبی
- تحلیل ریسک دیابت

اپلیکیشن‌های Generative AI
- چت‌بات Gemini به‌صورت زنده
- دستیار پزشکی فعال
- ابزار تحلیل و بررسی اسناد

️ پروژه‌های Computer Vision
- سیستم تشخیص و رهگیری دست
- اپ تشخیص دارو
- پیاده‌سازی‌های کاربردی OpenCV

داشبوردهای تحلیل داده
- تحلیل فروش فروشگاه‌های آنلاین
- آنالیز رستوران
- بررسی عملکرد بازیکنان کریکت

۱۰ پروژه پیشرفته در راه:
- تشخیص دیپ‌فیک
- طبقه‌بندی تومور مغزی
- هشدار خواب‌آلودگی راننده

اینا فقط چند تا فایل کد نیستن.
اپلیکیشن‌های کامل و قابل استفاده‌ان.
لینکش اینجاست
https://github.com/KalyanM45/AI-Project-Gallery?tab=readme-ov-file

@DevTwitter | <Mohsen Rad/>

یادگیری RAG در سال 2026؟
این ۱۵ منبع تمام چیزی هست که نیاز داری:

ویدیوها
از اینجا شروع کن تا بفهمی RAG چیه، چطور کار می‌کنه و چطور ازش استفاده کنی.
چی هست RAG:
https://www.youtube.com/watch?v=T-D1OfcDW1M&t=1s

چطور از RAG استفاده کنیم:
https://www.youtube.com/watch?v=oVtlp72f9NQ

NLP پیشرفته CMU (RAG):
https://www.youtube.com/watch?v=KfQaYk4k9eM

RAG استنفورد Transformers V3:
https://www.youtube.com/watch?v=mE7IDf2SmJg

RAG از صفر:
https://www.youtube.com/watch?v=sVcwVQRHIc8&t=2s

مقالات
این‌ها به شما کمک می‌کنه تا دیدگاه درست‌تری از دنیای RAG داشته باشی.
مقاله RAG:
https://arxiv.org/abs/2005.11401

نظرسنجی RAG:
https://arxiv.org/abs/2312.10997

Self RAG:
https://arxiv.org/abs/2310.11511

RAG اصلاحی:
https://arxiv.org/abs/2401.15884

منابع
منابع عالی که وقتتو صرفه‌جویی می‌کنه.
تکنیک‌های RAG:
https://github.com/NirDiamant/RAG_Techniques

RAG شگفت‌انگیز:
https://github.com/coree/awesome-rag

RAG شگفت‌انگیز دیگه:
https://github.com/Danielskry/Awesome-RAG

دوره‌ها
دوره‌های عملی و راهنمایی‌شده که ارزش وقت گذاشتن رو دارند.
RAG یادگیری عمیق AI:
https://www.coursera.org/learn/retrieval-augmented-generation-rag

RAG با Langchain:
https://www.youtube.com/playlist?list=PLfaIDFEXuae2LXbO1_PKyVJiQ23ZztA0x&si=FP7Y0JIxq6XR7P8a

خبرنامه
برای همه چیز در زمینه مهندسی و تحقیق در هوش مصنوعی.
Gradient Ascent:
https://newsletter.artofsaience.com/

اضافه:
نیاز داری اول اصول رو یاد بگیری؟
از اینجا شروع کن:
https://www.amazon.com/AI-Rest-Us-Illustrated-Introduction/dp/B0F29THNLT

️ اینو به اشتراک بذار تا بقیه هم استفاده کنن!

@DevTwitter | <Mohsen Rad/>