ریپازیتوری Auto-Deep-Research یه دستیار شخصی AI خودکار است — نسخه‌ی اوپن‌سورس و کم‌هزینه‌ از Deep Research شرکت OpenAI که با استفاده از فریم‌ورک AutoAgent ساخته شده.
ویژگی‌های کلیدی:
- عملکرد خوب توی بنچمارک‌های AI و قابل رقابت با گزینه‌های تجاری
- پشتیبانی از انواع مدل‌های LLM مثل OpenAI، Anthropic، DeepSeek، Huggingface و …
- تعامل انعطاف‌پذیر با مدل‌ها (Function-calling و بدون Function-calling)
- پشتیبانی از آپلود فایل برای تعامل داده‌ها
- هزینه‌ی پایین با استفاده از API Keyهای خودت به‌جای پرداخت اشتراک پرهزینه
- راه‌اندازی با یک دستور ساده — zero-config و آماده به کار!

https://github.com/HKUDS/Auto-Deep-Research

@DevTwitter | <Amir Pournasserian/>

زیرساختی مطمئن، در داخل و خارج از کشور

10+ موقعیت در ایران 🇮🇷
40+ کشور جهان 🇩🇪🇳🇱🇦🇪🇹🇷🇺🇸🇬🇧🇨🇦


🔴 امکان خرید در دوره ساعتی، ماهانه و سالانه

🔴 شروع قیمت از:
499 تومان ساعتی - 324,000 تومان ماهانه

🔴 تحویل خودکار و فوری

برای خرید سرور این‌جا کلیک کن:
Server.ir/tw

معرفی Ultimate MCP Server for Multimodal AI

https://lightning.ai/akshay-ddods/environments/ultimate-mcp-server-for-multimodal-ai

یه سرور کامل برای AI چندرسانه‌ای که با Lightning و ابزارهای مدرن ساخته شده:
فراهم کردن محیط آماده و بهینه برای پروژه‌های مولتی‌مدیا (متن، تصویر، صدا، ویدیو) با LLMها و مدل‌های بصری.
در این محیط می‌تونی:
- مدل‌های چندرسانه‌ای رو راحت اجرا کنی
- با کمترین کانفیگ شروع به کار کنی
- تمام dependencies و pipelineهای ضروری رو از قبل آماده داشته باشی

@DevTwitter | <Amir Pournasserian/>

اینترنت قطع شده اکثر شهرا

@DevTwitter

فیلترشکن‌ها تقریبا کار نمی‌کنن.

@DevTwitter

امروز coolify رو روی سرور شخصی نصب کردم. یه ابزار open-source برای دیپلوی اپ روی سرور خودت. مدیریت سرور و سرویس هاشو راحت میکنه.

برای پروژه‌های شخصی یا تیم کوچیک گزینه خوبیه. فقط باید حواست باشه که سرور رو خودت باید نگه داری - اگه وقتش رو نداری یا scale سنگین لازمه، شاید ارزشش رو نداشته باشه.

https://coolify.io

گزینه های دیگه مثل dokploy و اینا هم هست ولی این از بقیه شون بهتر بود بنظرم.


@DevTwitter | <Hossein Nazari/>

هر چنل پروکسی‌ای که دارید رو بفرستید تو دایرکت
همشو لیست کنم بذارم تو چنل

ففط تو دایرکت بفرستید به ادمین پیام ندید

t.me/DevTwitter?direct

تا حالا شده با خطای معروف Allowed memory size exhausted توی PHP یا زبان‌های دیگه روبرو بشید؟

همون لحظه‌ای که اسکریپت تصمیم می‌گیره دیگه جا نداره! امروز می‌خوام خیلی کوتاه درباره دلیل اصلی این ماجرا، یعنی حافظه Heap صحبت کنم.

وقتی ما کدی می‌نویسیم، سیستم‌عامل دو نوع حافظه اصلی در اختیارمون می‌ذاره: Stack و Heap.

استک (Stack): مثل یک دفترچه یادداشت کوچیکه که خیلی سریع و منظم کار می‌کنه. متغیرهای ساده و موقتیِ داخل توابع (مثل $i توی حلقه‌ها) اونجا میرن و سریع هم پاک می‌شن.

هیپ (Heap): اما داستان هیپ متفاوته. این همون انبار بزرگ و بی‌نظمیه که برای کارهای سنگین رزرو شده.
چرا Heap برای ما وب‌دولوپرها (مخصوصا PHP کارها) مهمه؟

هر بار که شما:
۱. یک آبجکت جدید می‌سازید (new User())

۲. یک آرایه بزرگ از دیتابیس فچ می‌کنید

۳. یا یک فایل سنگین رو توی متغیر لود می‌کنید

در واقع دارید از فضای Heap خرج می‌کنید. برخلاف Stack که خودش تمیزکاری می‌کنه، مدیریت Heap پیچیده‌تره.

در PHP، ما Garbage Collector (GC) داریم که وظیفه‌اش اینه که دور بزنه و متغیرهایی که دیگه استفاده نمی‌شن رو از Heap پاک کنه. اما…

اگر ما حواسمون نباشه و رفرنس‌های تودرتو یا بیخودی ایجاد کنیم، GC گیج میشه و حافظه آزاد نمیشه! نتیجه؟ پر شدن RAM و کرش کردن اسکریپت‌های طولانی (مثل Worker های لاراول یا Cron Job ها).

خلاصه اینکه، هوای Heap رو داشته باشید تا اونم هوای سرورهای شما رو داشته باشه!

@DevTwitter | <Taha Zargar/>

هزینه‌ی LLMها رو حدسی حساب نکن!

ریپو tokencost یه پروژه‌ی اوپن‌سورس کاربردیه که کمک می‌کنه قبل از اجرای درخواست بفهمی استفاده از هر مدل LLM چقدر برات هزینه داره.

چی کار می‌کنه؟
محاسبه دقیق تعداد توکن‌ها
تخمین هزینه دلاری prompt و completion
پشتیبانی از مدل‌های مختلف (OpenAI، Anthropic، Bedrock و …)
مناسب برای agentها و سیستم‌های production

برای کسایی که دارن AI agent یا workflow جدی می‌سازن، این ابزار واقعاً ضروریه
کنترل هزینه و معماری بهتر.

https://github.com/AgentOps-AI/tokencost

@DevTwitter | <Amir Pournasserian/>

Annotate Studio v1.0.0
یک ابزار قدرتمند و سریع برای حاشیه‌نویسی و ویرایش PDF است که با فناوری‌های مدرن ساخته شده و هم برای کاربران حرفه‌ای و هم دانشجویان طراحی شده است.
امکانات اصلی:
• رندرینگ شتاب‌گرفته با سخت‌افزار با نرخ فریم بالای ۶۰ FPS
• ابزارهای رسم حرفه‌ای شامل قلم، هایلایتر، اشکال و متن
•پاک‌کن هوشمند با تشخیص و تفکیک استروک‌ها
• پشتیبانی از چند صفحه با جابه‌جایی روان
• خروجی به‌صورت PDF یا فایل پروژه
• حالت تاریک برای کار طولانی‌مدت و راحت‌تر
عملکرد:
برنامه با NextJS (JS & TS)
و Rust توسعه داده شده

دسترسی برای پلتفرم‌ها:
ویندوز (نصاب NSIS)
macOS (پردازنده‌های Intel و Apple Silicon)
لینوکس (DEB، RPM، AppImage)
کد منبع:
https://github.com/annotate-studio/annotate-studio

@DevTwitter | <Beni/>

یه ریپو آماده کردم برای راه‌اندازی n8n به شکل Production-Ready با معماری Queue Mode روی Docker Compose — مناسب وقتی می‌خواید راحت Scale کنید.

ویژگی‌ها
- PostgreSQL 17 + PgBouncer (Connection Pooling)
- Redis (Queue)
- Webhook Worker جدا
- Resource limits و تنظیمات مناسب پروداکشن
- Security best practices

Scale Horizental با یک دستور:
docker compose up -d --scale worker=5
۵ ورکر × ۱۰ همزمانی = ۵۰ workflow همزمان


ویژگی‌های Enterprise (فعال شده):
SSO (LDAP/SAML) & MFA
Advanced Execution Filters & Log Streaming
Project Roles & Advanced Permissions
Source Control & Workflow Diffs

نصب و راه‌اندازی (Zero-Config):
اسکریپت setup.sh تمام سکرت‌ها و کانفیگ‌های محیطی را به صورت خودکار جنریت می‌کند:

git clone https://github.com/ChosoMeister/scalable-n8n-production-ready.git
cd scalable-n8n-production-ready
chmod +x setup.sh && ./setup.sh
docker compose up -d

مستندات و سورس کد:

https://github.com/ChosoMeister/scalable-n8n-production-ready

@DevTwitter | <Mustafa Tayefi/>