انواع معماری API

@DevTwitter

برای ساخت یک پروژه خوب . باید ساختار خوبی هم داشته باشی
معمولا در زمان اضافه کردن کتابخانه ها به پروژه هیچ اطلاعاتی از اونها درج نمیشه
این باعث میشه خوانایی بیاد پایین . کار تیمی بعضی وقت ها به مشکل بخوره و ...
شما زمان اضافه کردن کتابخانه میتونید یک توضیح مختصری از اون کنارش بنویسید
این کار باعث میشه .
تا شما هربار که میخواید یک کتابخونه اضافه کنید یا جایگزین کنید سری به فایل های کتابخونتون بزنید تو نگاه اول متوجه بشید . و
اگر تیمی کار میکنید . بقیه اجزای تیم متوجه بشن که این کتابخانه برای چه کاری اضافه شده.

@DevTwitter | <M.Mahdi Oskooii/>

اعتبارسنجی شماره موبایل ایران، مثل حرفه‌ای‌ها!

کوتاه، دقیق، کاربردی

برای اعتبارسنجی شماره موبایل ایرانی، بستگی به نیازت یکی از این ۳ حالت زیر رو می‌خوای:
1- فقط شماره داخلی بگیری
2- فقط فرمت بین‌المللی رو بپذیری
3- یا هر دو رو ساپورت کنی

@DevTwitter | <Mohsen Karimvand/>

تجربه‌ام در مدیریت ۶۰ میلیون ردیف داده روی Excel: از محدودیت‌های Laravel تا بازگشت به قدرت Python
در یکی از پروژه‌های اخیر، با سیلی از اطلاعات — ۶۰ میلیون ردیف داده در قالب 70 فایل Excel — روبرو شدم.
در ابتدا، به‌صورت بومی در Laravel تلاش کردم با استفاده از Seeder، Chunking و صف‌ها (Queues) عملیات واردسازی را انجام دهم. اما:
مصرف شدید حافظه باعث کرش مداوم سیستم می‌شد.
زمان اجرای طولانی حتی برای بخش‌های کوچک، سایر فرایندهای سیستم را مختل می‌کرد.
با وجود پیاده‌سازی بهینه‌سازی‌های معمول (مثل تنظیم batch size مناسب، استفاده از حافظه اشتراکی و مانیتورینگ صف‌ها)، همچنان گلوگاه‌های جدی وجود داشت.
در نهایت تصمیم گرفتم ابزار را عوض کنم: انتقال به Python و pandas.
خواندن هر فایل Excel به‌صورت Streaming با read_excel و تعیین انواع ستون‌ها از قبل
پردازش داده‌ها روی DataFrameها با استفاده از توابع برداری (Vectorized Operations)
ذخیره‌سازی نهایی داده‌ها در فرمت‌های بهینه (مثل Parquet) قبل از واردسازی به پایگاه داده
نتیجه؟
کاهش ۸۰٪ زمان پردازش
پایداری کامل بدون نیاز به افزایش رم سرور
قابلیت مقیاس‌پذیری با توزیع کار روی چندین ماشین یا سرویس ابری
درس‌های آموخته شده
پایبندی مطلق به یک فریم‌ورک، همیشه بهترین مسیر نیست.
در مواجهه با حجم‌های بزرگ داده، گاهی استفاده از زبان یا ابزار تخصصی‌تر (مثل Python/pandas) راه‌گشاتر است.
ارزش تسلط بر چند اکوسیستم و انعطاف در انتخاب فناوری، کمتر از تسلط صرف بر یک چارچوب نیست.

@DevTwitter | <erfan katoziyan/>

این وب‌سایت پره از پروژه‌های واقعی با لاراول. دفعه بعد که یکی گفت «کی دیگه لاراول استفاده می‌کنه؟»، فقط لینک رو بندازین تو صورتش و لبخند بزنین!

https://builtwithlaravel.com/

@DevTwitter | <Milwad Khosravi/>

چند روزیه دارم ابزارها مختلف AI رو برای پیاده‌سازی یک پروژه ساده بررسی می‌کنم و تا حالا سه ابزار زیر به ترتیب با اختلاف خیلی خوب بودن:
http://bolt.new
http://v0.dev
Gemini professional 2.5

پروژه ویرایشگر مارک‌داون: https://alirho.github.io/parsiNegar

@DevTwitter | <Alireza/>

یه نکته خفن جنگویی

برای جستجوی تمام‌متن (Full-Text Search) نیازی به Elasticsearch ندارین!

خیلی راحت می‌تونید با قابلیت سرچ روی PostgreSQL جستجوی پیشرفته بسازید، با رتبه‌بندی نتایج و حتی ساپورت غلط‌های املایی!

مثال ساده‌ش توی تصویر

چرا این روش خوبه؟
چون مستقیماً روی دیتابیس کار می‌کنه، سریع و سبکه.
لازم به ذکره برای پروژه های کوچیک تا متوسط گزینه بسیار مناسبیه.

@DevTwitter | <Amir Mohammad Yaghoubi/>

خبر داغ از کمپانی Alibaba. و بازم ترکوند!
مدل‌های زبانی جدیدشون یعنی Qwen3 رو معرفی کردند!

- مدل پرچم‌دار: Qwen3-235B-A22B: عملکرد عالی توی برنامه‌نویسی، ریاضی و قابلیت‌های عمومی — در حد و اندازه DeepSeek-R1، o1، Grok-3، Gemini-2.5-Pro و مدل‌های دیگه‌ی سطح بالا.

- مدل‌های MoE: مدل Qwen3-30B-A3B حتی از QwQ-32B بهتره، با اینکه ۱۰ برابر پارامتر فعال کمتری داره!

مدل کوچیک‌تر Qwen3-4B هم پا‌به‌پای Qwen2.5-72B-Instruct میاد جلو!
- مدل‌هایی که اپن‌سورس شدن:
- ۲ مدل MoE: یکی با ۲۳۵ میلیارد پارامتر، یکی با ۳۰ میلیارد
- ۶ مدل dense از ۳۲B تا ۰.۶B پارامتر
- همگی تحت لایسنس Apache 2.0 منتشر شدن!
بلاگشون را بخوانید که کلی مطلب توش هست به همراه لینک به تمام مدلها!!!
‌Blog: https://qwenlm.github.io/blog/qwen3/

@DevTwitter | <Mehdi Allahyari/>

یک پروژه جدید شروع کردم با جنگو Auth-System
اگر جنگو دولوپرید یا دارید یاد میگیرد میتونید نگاهی به ریپو بندازید و برای گسترشش کمک کنید
https://github.com/MisaghMomeniB/Django-Auth-System

@DevTwitter | <Misagh Momeni Bashusqeh/>

بحث اخیرمون با همکارم این بود که چطوری MCP رو امن کنیم و چطوری auth از طرف کلاینت انجام بدیم..

مخصوصا اینکه Agent قراره مثلا به Instagram از طرف شما وصل بشه و کار کنه.

بعد همین الان دیدم، مایکروسافت یه بلاگ + کد کامل پایتون درباره ش منتشر کرده!

لینکش:

https://techcommunity.microsoft.com/blog/azuredevcommunityblog/enhancing-ai-integrations-with-mcp-and-azure-api-management/4407114

@DevTwitter | <Sam92/>

از یه GitHub Repo به سرعت یک Wiki درست کنید!

این یکی از بهترین کشف‌های این چند وقته‌ی من بود!

@DevTwitter | <Von Datawarehausen/>

نام ریپوزیتوری: AI-Dev-Gallery
کاربرد: گالری توسعه‌دهندگان هوش مصنوعی برای ایجاد و ادغام قابلیت‌های هوش مصنوعی در برنامه‌ها و پروژه‌های ویندوزی. شامل بیش از ۲۵ نمونه تعاملی و امکان بارگذاری و اجرای مدل‌ها از Hugging Face و GitHub است.
لینک:
https://github.com/microsoft/AI-Dev-Gallery

@DevTwitter | <Alireza Ghaffari/>

داشتم تو پروژه های گنوم میچرخیدم، یهو چشمم افتاد به یه پروژه بامزه بعد دیدم اسم سازنده اش ایرانیه، بعد رفتم تو گیت هابش دیدم بیست ساله اش و واقعا لذت بردم. آفرین بهت علیرضا.
اینم پیج گیت هابش:
https://github.com/Revisto

@DevTwitter | <Ehsan Abbasi/>

یک پروژه جدید شروع کردم با جنگو Auth-System
اگر جنگو دولوپرید یا دارید یاد میگیرد میتونید نگاهی به ریپو بندازید و برای گسترشش کمک کنید
https://github.com/MisaghMomeniB/Django-Auth-System

@DevTwitter | <Misagh Momeni Bashusqeh/>

میدونستید وقتی گوشی یا تبلت رو در حالت خاموش به شارژ میزنید کرنل لود میشه و بجای فایل init.rc فایل lpm.rc مخفف low power mode رو لود میکنه که نتیجه اش میشه دیدن انیمیشن شارژ؟
امروز دنبال یه چیز دیگه بودم تا اینکه اتفاقی اینو دیدم.

@DevTwitter | <Bitlogics/>

ترجمه ویدیوها با Translate.video‎
به‌راحتی انجام می‌شه؛ از زیرنویس و دوبله تا ضبط گفت‌وگوها، همه با هوش مصنوعی و بیش از ۷۵ زبان! ذخیره در فرمت‌های mp4، srt یا vtt. فقط یک کلیک کافیه و تمام.

translate.video‎

@DevTwitter | <Mr.Programmer/>

یه مقاله‌ی جدید به اسم Paper2Code منتشر شده که یه سیستم به اسم PaperCoder رو معرفی می‌کنه.

این سیستم با کمک یه multi-agent LLM system محتوای مقالات ML رو به کد تبدیل می‌کنه—توی ۳ مرحله: برنامه‌ریزی، تحلیل، و تولید کد.

لینک ریپو:
github.com/going-doer/Paper2Code

@DevTwitter | <Reza Jafari/>

پروژه NotebookLM حالا ۵۰ زبان مختلف رو در فیچر Audio Overview پشتیبانی می‌کنه که فارسی هم شاملشونه.
من قبلاً کیفیت زبان فارسی مدل‌های گوگل رو در Advanced Voiceشون دیده بودم و بنظرم کیفیت خوبی داره.
برای فعال‌سازیش از بخش Settings باید Output Language رو روی فارسی بذارید.

@DevTwitter | <Shahriar Shariati/>

پکیج Wikipedia برای لاراول منتشر شد!

اگر تا حالا خواستید اطلاعات معتبر، سریع و ساخت‌یافته از ویکی‌پدیا بگیرید و مستقیم توی پروژه‌ی لاراولی‌تون استفاده کنید، این پکیج دقیقاً همون چیزیه که نیاز دارید.

پکیج Wikipedia for Laravel یه پکیج سبک، توسعه‌پذیر و ماژولارِ که به راحتی به API ویکی‌پدیا وصل می‌شه و امکان جستجو، دریافت خلاصه، محتوای کامل، تصویر اصلی و حتی لینک‌ها رو با چند خط کد فراهم می‌کنه.

ویژگی‌های کلیدی:
• استفاده آسان با ساختار Fluent و Chainable
• پشتیبانی از چند زبان (از جمله فارسی)
• ساختار کاملاً Object Oriented و قابل تست
• قابلیت اتصال به ویکی‌دیتا در نسخه‌های بعدی

Wikipedia::search('Laravel')->summary();

این فقط یک شروعه! هدف ما ساخت یک مجموعه ابزار هوشمند بر پایه Wikipedia، Wikidata و AI هست.
اگر توسعه‌دهنده لاراول هستید یا روی پروژه‌های NLP، تحلیل داده، یا ابزارهای دانشی کار می‌کنید، حتما این پکیج رو امتحان کنید.

لینک گیت‌هاب و داکیومنت:

https://github.com/denason/wikipedia

@DevTwitter | <mohammad asadi/>

با این 5 سایت برنامه نویس بهتری باش و خودت رو ارتقا بده

سایت overapi.com
کل دستورات زبان ها رو یک جا میتونی داشته باشی

سایت devdocs.io
داکیومنت و آموزش همه زبان هارو یکجا داشته باش

سایت leetcode.com
سوالات مصاحبه ای برای هر زبان رو داره که میتونی خودت رو برای مصاحبه آماده کنی

سایت daily.dev
اینجا میتونی موضوع و حوزه خودت رو سرچ کنی و آپدیت باشی

سایت unicornicons.com/icons
کلی آیکون های انیمیشن دار داره

@DevTwitter | <arvin Fa/>

فاندرها و کوفاندرها، و ریسرچرها و توسعه‌دهنده‌های کسب و کار و غیره، این گنجینه‌ و لیست شامل بروزترین گزارشهای تحقیقات بازار برای شماست.
گیتهاب:
https://github.com/Mayankdeswa/Market-Research-Report-List-1

@DevTwitter | <Amir/>