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/>

دوره تست نرم‌افزار با PHP کوئرا، با همراهی دیجی‌کالا 🔥

اگر با PHP و لاراول آشنایی داری و می‌خوای اصول تست و تضمین کیفیت نرم‌افزار (با تمرکز بر PHPUnit، Pest و توسعهٔ تست‌محور) رو یاد بگیری، این دوره مناسب توئه! 💙

🔹فقط ۲۴ ساعت فرصت داری تا این دوره رو با ۴۰٪ تخفیف ویژه تهیه کنی.
🔹امکان پرداخت قسطی.

🔗https://quera.org/r/8cj3f

تازه لینوکس نصب کردی و حالا باید ده‌ها اپلیکیشن رو یکی یکی نصب کنی؟ خسته‌کننده‌ست، نه؟

با TuxMate می‌تونی:
توزیع لینوکست رو انتخاب کنی (Ubuntu, Fedora, Arch, Debian و ...)

از بین بیش از ۱۸۰ اپلیکیشن محبوب در ۱۵ دسته (مرورگر، ابزارهای توسعه، رسانه، گیمینگ، امنیت و ...) انتخاب کنی.

یک فرمان نصب bulk دریافت کنی که همه اپ‌ها رو با یک دستور نصب کنه!

دیگه لازم نیست بسته‌ها رو یکی یکی سرچ کنی یا یادت بره از Flatpak، Snap یا AUR استفاده کنی. همه چیز ساده و سریع.

https://tuxmate.com/

@DevTwitter | <Reza Asgharzadeh/>

اپلیکیشن Flutter برای اکوسیستم استارتاپی ایران

با Flutter 3.5+ ساختم تا یه تجربه کراس‌پلتفرم سریع و زیبا داشته باشه. هدفم این بود که تا حد ممکن از پکیج‌های خود Flutter استفاده کنم و وابستگی خارجی کم باشه.

نکات فنی که برام مهم بود:
- طراحی مدرن Glassmorphism با Stack، BackdropFilter و Opacity (کاملاً با ویجت‌های native Flutter)
- استفاده از cupertino_icons برای آیکون‌های iOS-style و ترکیبش با Material برای UI هیبریدی جذاب
- انیمیشن‌های نرم و Hero transitionهای پیشرفته با پکیج سبک heroine
- مدیریت حالت ساده و بهینه (بدون پکیج‌های سنگین)
- تم دارک با گرادیانت‌های آبی-بنفش و ریسپانسیو کامل

اپ به کاربرها کمک می‌کنه:
- هزاران استارتاپ ایرانی رو جستجو و مرور کنن
- جزئیات هر استارتاپ (حوزه فعالیت، میزان جذب سرمایه، تکنولوژی‌ها، تیم) رو ببینن
- فرصت‌های شغلی باز در استارتاپ‌ها رو پیدا کنن
- استارتاپ‌های پربازدید، تازه‌تأسیس یا دسته‌بندی‌شده بر اساس صنعت رو دنبال کنن

https://github.com/Mahdi-Shabani/startup-/tree/master

@DevTwitter | <Mahdi shabani/>

برای دریافت سریع‌تر و صرفه‌جویی در اینترنت مزخرفی که داریم میشه به جای کل تاریخچه یه مخزن گیت بزرگ و فعال، فقط آخرین کامیت‌ها رو دانلود کرد:

git clone --depth=1 <repository-url>

اگر بعدا کل هیستوری رو لازم داشتیم:
git fetch --unshallow

یه مثال برای دیدن فرقشون تو ویدیو هست.

@DevTwitter | <Yaser Shahi/>

ابزار Ralph Wiggum که جدیدا میبینم دارن زیاد ازش استفاده میکنن

یه پلاگین رسمی خفن برای Claude Code که توسعه AI رو به یه لوپ تکراری تبدیل می‌کنه این ابزار پرامپت‌ت رو داخل یه while loop می‌ندازه و Claude رو مجبور می‌کنه تا وقتی معیار کامل شدن (مثل DONE) برآورده نشه، تکرار کنه

عالی برای TDD، رفع باگ، refactoring کد، تبدیل زبان‌ها (مث Python به TS) یا حتی ساخت ریپوهای کامل!ویژگی‌های باحال: لوپ تکراری تا رسیدن به معیار (completion promise مثل FIXED)
محدودیت حداکثر تکرار برای جلوگیری از لوپ بی‌نهایت.
هوک‌های هوشمند برای جلوگیری از خروج زودهنگام.
کامندهای ساده مثل /ralph-wiggum:ralph-loop برای شروع
ترکیب با Git worktrees برای توسعه موازی و فازبندی‌شده

نصبش خیلی ساده‌س:

https://awesomeclaude.ai/ralph-wiggum

ساخته‌شده توسط Anthropic، با فلسفه "Iteration > Perfection"


@DevTwitter | <POURYA/>

اگه نیاز به دانلود پلی‌لیست از یوتیوب دارید میتونید از بش اسکریپتی که نوشتم استفاده کنید.

https://github.com/Linuxmaster14/yt-playlist-downloader

از yt-dlp استفاده میکنه، لینک پلی‌لیست‌ها رو تو فایل playlist.txt میریزد. کوکی هم از مرورگر میگیرید و کنار اسکریپت به اسم cookies.txt قرار میدید. خیلی ساده و با کیفیت مناسب کار دانلود پلی‌لیست رو انجام میده. اگه کوکی اکسپایر شده بود دوباره باید از مرورگر بگیرید و تو فایل txt جایگزین کنید.

@DevTwitter | <Mohammad/>

پروژه Arka یک پروژه‌ی اوپن‌سورس برای React و Next.js هست که بهت اجازه میده بدون نصب هیچ کتابخونه‌ای و فقط با چند کلیک، UI سایتت رو بسازی، شخصی‌سازی کنی و کد نهایی رو کپی کنی.

پروژه Arka شبیه shadcn و magicui هست، با یک تفاوت مهم
کاملاً آنلاین و بدون نصب هیچ پکیجی روی پروژه
خروجی آماده برای React و Next.js
تمرکز روی سرعت و کیفیت توسعه

هسته‌ Arka شامل دو داشبورده:
داشبورد کامپوننت‌ها برای ساخت و شخصی‌سازی UI.
داشبورد سئو برای ساخت Meta tags، Structured Data و Layout های SEO-ready با چند کلیک.

صفحه‌های اصلی پیاده‌سازی شده و الان تمرکز پروژه روی توسعه‌ی این دو داشبورده؛ بخش اصلی و چالش‌برانگیز Arka.

دمو: https://arka-tau.vercel.app/

گیت‌هاب: https://github.com/amirbarfar/Arka

اگر به React، Next.js یا اوپن ‌سورس علاقه داری، خوشحال میشیم به Arka بپیوندی

@DevTwitter | <Emir/>

اگه به عنوان فرانت کار حداقل یکبار تو روت پروژه فایل های ci cd رو دیدی و ازشون سر در نیاوردی این مقاله میتونه بهت کمک کنه که ساختارش رو بهتر درک کنی

این مقاله قدم‌به‌قدم توضیح می‌دهد:
که CI و CD چیه و چرا برای فرانت‌اند مهمه
یک مثال واقعی pipeline React با GitHub Actions
نکات حرفه‌ای برای تست، بیلد و deploy امن
لینک:
https://vrgl.ir/Emj8Z

@DevTwitter | <Sharare Shadloo/>

آیا وقت خداحافظی با Pandas رسیده؟ وقتی سرعت ۱۱ برابر می‌شود!

همیشه فکر می‌کردم Pandas استانداردترین ابزار برای پردازش داده‌ست. اما وقتی با حجم دیتای میلیونی طرف هستیم، "زمان" یعنی "هزینه".

امروز تصمیم گرفتم کتابخانه جدید و پرسرعت Polars (که با Rust نوشته شده) رو در مقابل Pandas قرار بدم و روی ۱۰ میلیون رکورد بنچمارک بگیرم.

نتایج تستی که روی سیستم خودم اجرا کردم باورنکردنی بود:

پانداس (Pandas): ۲.۴۴ ثانیه ‍️ پولارز (Polars): ۰.۲۱ ثانیه نتیجه: Polars دقیقاً ۱۱.۳۶ برابر سریع‌تر عمل کرد!

چرا این موضوع فراتر از کدنویسی است؟ (Business Value)
به عنوان یک دیتا ساینتیست، وظیفه ما فقط کد زدن نیست، بلکه خلق ارزش (ROI) است. مهاجرت به ابزارهایی مثل Polars در مقیاس کلان (Big Data) یعنی:
۱. کاهش چشمگیر هزینه سرورهای ابری (Cloud Costs).
۲. تحویل سریع‌تر داشبوردها به مدیران و ذینفعان. ️

کد کامل و داکیومنت این بنچمارک رو در گیت‌هابم ببینید:
https://github.com/behnamjb222-cmd/Pandas-vs-Polars-Benchmark

@DevTwitter | <Behnam Jabbari/>

#کوته_نیوز

اینترنت ریده

@DevTwitter

مسیر Full-Stack Development فقط یادگرفتن چند زبان برنامه‌نویسی نیست؛
یک سفر کامل از Frontend تا Backend، DevOps، Database، Platform و Security است
اگر می‌خواهید توسعه‌دهنده‌ای باشید که «تصویر بزرگ» را می‌بیند،
باید لایه‌به‌لایه رشد کنید، تمرین کنید و مداوم یاد بگیرید.
این نقشه راه یادآوری می‌کند که هر مهارت، بخشی از یک اکوسیستم بزرگ‌تر است
یادگیری عمیق، صبر و استمرار = تمایز واقعی در بازار کار.

@DevTwitter | <Alireza Ostadnezhad/>