🎄 DevTwitter | توییت برنامه نویسی – Telegram
🎄 DevTwitter | توییت برنامه نویسی
23.6K subscribers
4.37K photos
358 videos
6 files
4.11K links
توییت های برنامه نویسی و طراحی وب :)

@dvtwi

Hashtags:
devtwitter.t.me/5

DevBooks Channel:
https://news.1rj.ru/str/+AYbOl75CLNYxY2U0

Github:
https://github.com/DevTwitter

X:
https://x.com/devtwittir
Download Telegram
یادگیری هیجان انگیز + بهبود کیفیت کد با CodeRabbit
واقعاً شگفت‌زده شدم!
انگار که یه مهندس ارشد نرم افزار در کنارته و کدت رو review میکنه!
این ابزار نه‌تنها کیفیت code reviewها رو در Pull Requestها بالا می‌بره، بلکه به شکل فوق‌العاده‌ای توی یادگیری عملی برنامه‌نویسی میتونه به شما کمک کنه.
خوبی ش اینه برای پروژه های open-source رایگانه و میتونید از همین الان حالش رو ببرید.
شما می‌تونید برای خودتون پروژه‌هایی با هدف یادگیری تعریف کنید، و CodeRabbit مثل یه منتور حرفه‌ای PRهاتون رو از جنبه‌های مختلف مثل:
رعایت best practice
بهبود performance
ساختار معماری کد
بهینه‌سازی queryهای دیتابیس
ریویو می‌کنه و نکات دقیقی بهتون می‌ده.

مثلا من یه پروژه Elixir رو بهش دادم و ازش خواستم که review کنه و خروجی یه جاهایی واقعا میخکوبم کرد.
یکی قسمت Critical Issueها و ارزیابی پروژه از نظر best practices و performance بود که خیلی آموزنده ست. (کد شما رو با کد بهتر مقایسه میکنه).
https://github.com/landofbeam/dns_rabbit/pull/1#issuecomment-3130715195

یکی هم قسمت Sequence Diagram(s) بود که خودش flow درخواست هارو طراحی کرد.
https://github.com/landofbeam/dns_rabbit/pull/1#issuecomment-3124812290

کلا با CodeRabbit میشه به یه سطح دیگه ای از linting هم رسید. تا حالا ابزارهای linting زیادی دیدیم که syntax و style رو بررسی می‌کنن. اما واقعاً چند تا ابزار سراغ داریم که منطق کد، ساختار معماری، performance یا best practiceها رو بررسی کنن؟
این چیزیه که با CodeRabbit میشه تجربه ش کرد.

@DevTwitter | <Hossein Nazari/>
👍21👎31🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
معرفی یک ریپوی عالی دیگه. که یک پیاده سازی سریع و سبک از روش GraphRAG هست. اگه نمیدونید GraphRAG چیه، یک روش پیشرفته برای پیاده سازی RAG هست، که به‌جای استفاده از اسناد به صورت جداگانه، از ساختار گراف/ knowledge graph استفاده میکنه.
تو این ریپو میتونید از مدلهای اپن سورس هم

@DevTwitter | <Mehdi Allahyari/>
🔥8
هوش مصنوعی جدید چین معرفی شد؛ ارزان‌تر از دیپ‌سیک با قابلیت تولید پاورپوینت

استارتاپ ناشناس چینی Z.ai یا Zhipu از مدل‌های GLM-4.5 و GLM-4.5-Air رونمایی کرده است و از آنها به‌عنوان راه‌حل‌هایی مناسب برای استدلال هوش مصنوعی، رفتار عامل‌محور (Agentic) و برنامه‌نویسی نام می‌برد. به گفته Z.ai، این مدل‌ها از نظر عملکرد در سطحی نزدیک به برترین مدل‌های زبانی بزرگ (LLM) اختصاصی ساخت ایالات متحده قرار دارند.

به‌عنوان مثال، مدل پرچم‌دار GLM-4.5 توانسته در ارزیابی‌هایی مانند BrowseComp ،AIME24 و SWE-bench Verified با مدل‌های قدرتمندی همچون Claude 4 Sonnet ،Claude 4 Opus و جمینای 2.5 پرو رقابت کند یا حتی از آنها پیشی بگیرد. این مدل در مجموع در بین ۱۲ آزمون رقابتی، رتبه سوم را کسب کرده است.

این مدل‌ها می‌توانند به‌صورت خودکار و تنها با یک پرامپت، یک ارائه پاورپوینت کامل تولید کنند که آنها را برای آماده‌سازی جلسات، آموزش و تهیه گزارش‌های داخلی بسیار کاربردی می‌کند.

اما دیگر نکته جالب در مورد مدل‌های Z.ai هزینه بسیار پایین آن حتی در مقایسه با دیپ‌سیک است. براساس اعلام Z.ai، هزینه استفاده از مدل GLM-4.5 برای هر یک میلیون توکن ورودی ۰.۶۰ دلار و برای هر یک میلیون توکن خروجی ۲.۲۰ دلار است.

@DevTwitter | <Digiato/>
👍18🔥53
تا حالا شده با خودتون فکر کنید که توی مریخ چقدر زلزله میاد؟ میدان مغناطیسیش چقدر تغییر می‌کنه؟ خب تو ذهن ژئوفیزیست مریضی مثل من همچین سؤال‌هایی هست و تصمیم گرفتم یه ابزار بصری‌سازی داده‌ لرزه‌نگاری برای InSight Lander هم به صورت دو بعدی و هم بصورت سه بعدی بنویسم :)
شاید زیاد تو زندگی روزمره‌تون کاربرد نداشته باشه ولی می‌تونه برای افراد کنجکاو جالب باشه :)

https://github.com/aradfarahani/PlanetaryGeophysics

@DevTwitter | <Arad/>
🔥378👎2👍1
معرفی کتاب Multiplayer Game Programming

یه کتاب فوق العاده برای آشنایی با معماری و طراحی زیرساخت شبکه در بازی های آنلاین چندنفره همزمان. تو این کتاب با انواع الگو های طراحی برای کاهش تاخیر زمانی بین بازیکن ها از لحاظ شبکه و بهینه استفاده کردن از پهنای باند آشنا میشم. از تفاوت سیستم عامل های مختلف تو مدیریت سوکت گرفته تا پردازش حجم زیاد پلیر ها به صورت همزمان، مدیریت سرور های فیزیکی، الگو های نرم افزاری برای جبران تاخیر، ویژگی های سرویس های گیم مثل استیم یا ایکس باکس لایو، انجین های بازی سازی و کلی موارد مختلف همگی داخل این کتاب بررسی شده. در نهایت هم یه دمو از یه نمونه کوچیک ساخته شده با این معماری ها و الگو ها رو نشونتون میدم.

لینک یوتیوب
https://www.youtube.com/watch?v=FNGGJNukryY

@DevTwitter | <Rouzbeh/>
32👍11🔥4
اگه Next.js کار میکنیم، باید بدونیم که امنیت فقط کار بک اند نیست!
هر فِرانت اِند دولوپری، باید یسری نکات امنیتی رو رعایت کنه!
+ چرا ؟
- یه ورودی ساده از URL میتونه دروازه ای باشه برای حمله از سمت هکر!
- یه dangerouslySetInnerHTML اشتباه میتونه کل سایتت رو به خطر بندازه!
- یه کوکی بدون HttpOnly یعنی دعوت رسمی از هکرها!
- یه فرم بدون CSRF protection میتونه فاجعه درست کنه!
- استفاده از یه پکیج npm مشکوک، هر لحضه ریسک خطر داره!
- یه متغیر env مهم در NEXT_PUBLIC، یعنی همه میتونن این دیتای مهم رو بخونن!
- یه آپلودر فایل بدون فیلتر، راهی برای آپلود فایل آلوده از سمت هکره!
تک تک نکات بالارو بصورت مفصل + تیکه کد تو مقاله زیر بررسی کردیم:
https://frontendi.com/security-in-nextjs/

@DevTwitter | <Ahmad Ahmad-Nejad/>
👍3510🔥1
چند روزی بود که درگیر توسعه یه پروژه با Claude Opus 4 بودم.
مثل خیلی از ماها که فعلاً به API این مدل دسترسی نداریم، مجبور بودم کل پروژه رو به‌صورت دستی تو چت بهش بدم.

ولی خب...
هر بار که می‌خواستم کدی رو export کنم، باید تکه‌تکه کدها رو کپی‌پیست می‌کردم.
و وقتی Claude جواب می‌داد، باز باید فایل‌هامو به‌صورت دستی import می‌کردم تو پروژه اصلی.

خیلی زود فهمیدم که این فرآیند هم وقت‌گیره، هم اشتباه‌پذیر.

واسه همین نشستم و یه ابزار خط فرمان ساختم به اسم:
Interactive Project Export/Import Tool

کاری که این ابزار می‌کنه، دقیقاً همونه که ما توسعه‌دهنده‌ها لازم داریم:

پروژه رو از مسیر دلخواهت انتخاب می‌کنی

با ساختاری مشخص، کلش رو export می‌کنی تو یه فایل تمیز

این فایل رو می‌دی به Claude

وقتی تغییرات رو گرفتیم، فقط کافیه با ابزار، اون فایل رو import کنیم
و همه چیز درست می‌ره سر جای خودش

حتی یه قابلیت جالب هم داره:
اگه یه دایگرام Tree از ساختار پروژه داشته باشی، می‌تونه از اون ساختار یه پروژه واقعی بسازه!

بدون هیچ dependency اضافی، فقط با Node.js
از React گرفته تا Vue، Express، Nest، Next و خیلی فریم‌ورک‌های دیگه رو پشتیبانی می‌کنه.

https://github.com/AliSaadat-ir/interactive-project-tool/

@DevTwitter | <علی سعادت/>
25🔥5👍4👎3
یکی دو روزه صحبت از مدل جدید اوپن سورس چینی GLM-4.5 هست که ادعا داره در حد Grok 4 عمل می‌کنه، امشب به تست و جیلبریک آن خواهم نشست

تست :
http://chat.z.ai
بیشتر بخوانید :
http://z.ai/blog/glm-4.5
&
https://github.com/zai-org/GLM-4.5

@DevTwitter | <Amir/>
1👍22👎42🔥1
راه اندازی سه سوته (حتی یه سوته ) فایل سرور سریع و ساده و زیبا و کاربردی و فوق العاده

https://github.com/9001/copyparty

@DevTwitter | <Rahmanism/>
1🔥6👎4👍1
داخل گروه‌های تلگرام، معمولا ریپلای هایی زیادی بین کاربران رد و بدل می‌شه، شاید جالب باشه متوجه بشیم هر کاربری یا خودمون , به هر کاربری چند بار ریپلای زدیم و یا دریافت کردیم !
با همین ایده یک رباتی توسعه دادم به اسم ریپلایچی که با استفاده از کتابخونه‌ی Telethon توسعه داده شده و وظیفه‌ش اینه که ریپلای‌های بین اعضای گروه رو رصد کنه و یه آمار از ریپلای های رد و بدل شده رو بهتون بده مثلاً فلانی به فلانی چند بار ریپلای زده، یا چند بار ازش ریپلای گرفته.
اگه علاقه‌مند بودید بیشتر بدونید، می‌تونید به README پروژه مراجعه کنید.
اگر باگ یا پیشنهادی داشتید خوشحال میشم تو قسمت Issues ها بنویسید.


https://github.com/Ms-moraveji1973/Replychi-Bot

@DevTwitter | <Muhammad/>
👎38👍2010
This media is not supported in your browser
VIEW IN TELEGRAM
حالت Study Mode توی ChatGPT فعال شده! به‌جای دادن جواب مستقیم، با سوالای هدفمند و راهنمایی، کمک می‌کنه عمیق‌تر یاد بگیریم و تفکر انتقادی‌مون قوی‌تر بشه. برای همه فعاله، حتی نسخه رایگان

@DevTwitter | <محمد زمانی/>
👍94🔥158👎1
وردپرس ۶.۹ قراره تغییرات و امکانات جالبی داشته باشه:

- بدون پوسته پیش‌فرض (اولین‌بار از ۲۰۱۰)
- فرستادن دیدگاه روی بلوک‌ها
- حالت ویرایش ساده‌تر توی ویرایشگر
- شروع بازطراحی مدیریت
- بهبود Interactivity API و HTML API
- تمرکز روی سرعت، تجربه کاربری و تجربه مدیریت محتوا

@DevTwitter | <Morteza Geransayeh/>
👍319👎3
خب بریم سراغ نتایج StackOverFlow Developer Survey سال ۲۰۲۵
فقط یک چهارم developerها از شغل فعلی شون رضایت دارن
استفاده کنندگان از AI agentها اکثرا معتقدند که productivityشون زیاد شده
بیشتر developerها به نتایج AI tools اعتماد ندارن که بنظرم منطقی هم هست
استفاده از python هفت درصد نسبت به پارسال رشد داشته که از بقیه زبان ها بیشتر بوده

همچنان Visual Studio Code و Visual Studio پرکاربردترین development environmentها هستند
از most admiredها بگیم. این نشون میده که برنامه نویسا هر چیزی رو چقدر ستایش میکنن و دوست دارن (لزوما به معنی استفاده و کاربرد نیست)
زبان Rust و بعدش Gleam و Elixir و Zig تحسین برانگیزترین(محبوب ترین) زبان ها هستند.
تحسین برانگیزترین مدل AI هم claude sonnet شده هر چند که most desired یا اونی که بیشتر استفاده میشه یا قصد استفاده دارن ChatGPT بوده
Claude Sonnet is the most admired AI model
گزارش کامل ش رو میتونید تو این لینک ببینید
https://survey.stackoverflow.co/2025

@DevTwitter | <Hossein Nazari/>
36👍6🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
این بلاگ از کمپانی ZenML اومده و ۲۸۷ مورد case study جدید از کمپانی های مختلف گذاشته که چطور از AI و بخصوص Gen AI استفاده میکنند. همه را خلاصه کرده و لینک به مقاله/بلاگ اصلی اون کمپانی را هم گذاشته. اینها کلی مثال واقعی از دیپلوی کردن سیستم های AI هست در محیط پروداکشن. که میتونید تو کمپانی های خودتون یا مسائل خودتون الگو بگیرید. خودش یکجور آمادگی برای مصاحبه های شغلی هم هست.
Link: https://zenml.io/blog/llmops-in-production-287-more-case-studies-of-what-actually-works

@DevTwitter | <Mehdi Allahyari/>
👍113👎1
گزارش کوتاه از وضعیت بازار کار مهندسی نرم‌افزار در سال 2025 که با Relocation همراه بوده است :
بیش از ۱۵۰۰ آگهی شغلی بررسی شده‌اند که از دارای (Relocation) بوده اند
- آلمان در صدر کشورهای منتشرکننده آگهی برای مهندسان نرم‌افزار بوده است.
- صنعت فین‌تک (Fintech) پرتقاضاترین حوزه بوده ، حتی جلوتر از حوزه های پر سر و صدای مرتبط با هوش مصنوعی.
- شرکت‌های متوسط و Scale-upها بیش از غول‌های فناوری (مثل MAANG) در حال جذب نیرو بوده و هستند

توزیع سمت ها و موقعیتهای کاری :
- برنامه نویسان بک‌اند ( که سلام و درود خدا بر آنها باد ): ۵۱۷ موقعیت (بیشترین تعداد)
- نقش‌های مرتبط با Data و هوش مصنوعی: ۳۵۲ موقعیت شامل: Data Engineer، Data Scientist، Machine Learning Engineer
- موارد مرتبط با DevOps و زیرساخت: رتبه سوم از نظر تقاضا

نتیجه: به شعور خواننده بستگی دارد !. ( البته به ما چه ؟! )

@DevTwitter | <Ali Kolahdoozan/>
55👎5👍4🔥2
یه کد نوشتم که ۲ هفته روی سرور روشن بوده و دیتای ۸۰۰ هزار تا رکورد اوردر بوک قیمت‌های ask و bid از ۶ صرافی wallex, nobitex, ompfinex, raastin, ramzinex, exir با تاخیر ۵ ثانیه رو دانلود کردم.
دیتابیس ۳ گیگه، زیپ شده ۸۱ مگ.
اینجاست:
https://github.com/NabiKAZ/arbitrage

@DevTwitter | <Nabi/>
36👍7👎5🔥3
دو تا ویجت برای داشبورد وردپرس دست و پا کردم که چارت سفارش ها و چارت فروش رو نشون میده

https://github.com/HamxaBoustani/wandtech-woochart

@DevTwitter | <Hamxa/>
👍29👎41
اتفاقی لایو Brian Lovin؛ طراح محصول Notion که قبلاً هم GitHub بوده دیدم
یکی از نکات جالبش:
برای اولین طراح، دنبال کسی نباشید که فقط «طرح قشنگ» بزنه؛ یک طراح کارآفرین بیارید که بتونه استراتژی محصول رو شکل بده، بازخورد رو تحلیل کنه و مسئله واقعی رو حل کنه
https://www.youtube.com/watch?v=VZgrsDkZjHU

@DevTwitter | <S O D Ξ H/>
👍349👎1
This media is not supported in your browser
VIEW IN TELEGRAM
بالاخره وقتش رسید که datepicker خودم رو منتشر کنم

خوب دیگه وقتشه با Date Pickerهای قدیمیتون خداحافظی کنید و از Date Pickerهای جدید و مدرن و کم حجم استفاده کنید!

یه انتخابگر تاریخ سبک، سریع و مدرن که هم تقویم شمسی داره هم میلادی.
کاملا ریسپانسیو، با کلی تنظیمات که می‌تونید به راحتی شخصی‌سازی کنید.

کاملا واکنشگرا، با پشتیبانی کامل از RTL و ظاهر جذاب.
- پشتیبانی هم‌زمان از تقویم شمسی و میلادی
- انتخاب تاریخ به سبک چرخ‌و‌فلک (Wheel Picker) – روان و جذاب
- ساپورت کامل راست به چپ (RTL)
- مودال با دو حالت باز شدن: از وسط یا پایین صفحه
- قابل تنظیم برای سال‌های مختلف (مثلاً از ۱۳۵۰ تا ۱۴۱۰)
- کاملاً قابل شخصی‌سازی با props‌های جدا برای input، modal و دکمه
- رسپانسیو و مناسب موبایل
- استایل‌پذیر با CSS Variables برای تم‌های دلخواه
- سبک، کم‌حجم و بدون وابستگی‌های اضافه
اگر دوست داشتید و به نظرتون خوب بود، لطفاً یه استار کوچیک هم به گیت‌هابش بدید تا انگیزه بگیرم و بهترش کنم!

https://github.com/sadegh1379/wheel-datepicker
https://www.npmjs.com/package/@buildix/wheel-datepicker

@DevTwitter | <Sadegh Akbari/>
👍55🔥166👎2
دیروز قابلیت‌های جدید Livewire 4 معرفی شد!

ویدئوی کامل معرفی رو می‌تونید از این لینک ببینید:
https://www.youtube.com/live/GM0glP77tsA?t=18740s

@DevTwitter | <Ali Baghernia/>
👍166🔥2👎1
پردازش ۱.۲ میلیون پیام در ثانیه با Kafka و Go — معماری سبک اما حرفه‌ای

وقتی نرخ ورود داده به میلیون‌ها پیام در ثانیه می‌رسد، عامل تعیین‌کننده در یک معماری بهینه و سریع و موثر، نه ارتقای پرهزینه‌ی سخت‌افزار است و نه تکیه بر زیرساخت‌های سنگین ابری، بلکه یک طراحی دقیق، ساده و هوشمندانه است که می‌تواند تفاوت واقعی را رقم بزند.
اخیراً با مقاله‌ای مواجه شدم که دقیقاً همین رویکرد را نشان می‌داد: تیمی که با استفاده از مفاهیم سبک‌وزن مانند goroutine در Go و چند تصمیم مهندسی‌شده، توانسته بودند تنها با یک سخت‌افزار معمولی، بیش از ۱ میلیون پیام در ثانیه را به‌صورت پایدار پردازش کنند.
در این پست، به مرور نکات کلیدی این معماری ساده اما تأثیرگذار می‌پردازیم — روایتی کاربردی از دنیای مهندسی داده و سیستم‌های توزیع‌شده.

مقاله اصلی:
Kafka at 1M Messages/Second with Go – Our Exact Pipeline Setup

چالش‌ها:
- هجوم سنگین داده‌ها از دستگاه‌های IoT و کاربران
- نیاز به پردازش بلادرنگ و ارسال همزمان به چند سرویس
- تضمین پایداری، مانیتورینگ دقیق و ریکاوری خودکار در خطا

مکانیزم‌هایی که این معماری را ممکن کردند:
- کامیت دستی offsetها:
تأیید دریافت فقط زمانی انجام می‌شود که پیام کاملاً و با موفقیت پردازش شده باشد — جلوگیری از گم‌شدن یا پردازش تکراری داده‌ها.
- مکانیزم Worker Pool کنترل‌شده با goroutine:
به‌جای ایجاد goroutine برای هر پیام، یک استخر ثابت از goroutineها (به ازای هر پارتیشن کافکا) با طول کانال مشخص و محدود، تعریف شده است که پیام‌ها را موازی اما کنترل‌شده پردازش می‌کنند.
- یک Worker Pool به ازای هر پارتیشن Kafka:
مثلاً با ۱۰ پارتیشن و ۵ goroutine برای هر پارتیشن، در مجموع ۵۰ goroutine داریم — بدون هم‌پوشانی، بدون رقابت اضافه.
- الگوی Dispatcher برای جداسازی دریافت از پردازش:
- بخش اول: فقط دریافت پیام و ارسال به کانال داخلی (یک کانسیومر به ازای هر پارتیشن)
- بخش دوم: پردازش پیام از صف به کمک Worker Pool
- مکانیزم Batching در ارسال خروجی:
پیام‌های پردازش‌شده به‌صورت گروهی ارسال می‌شوند، مثلاً به دیتابیس یا تاپیک‌های دیگر Kafka. این کار فشار ارتباطی را کاهش داده و throughput را بالا برده است.
- اعمال Backpressure هوشمند:
با محدود کردن ظرفیت صف‌ها، اگر سیستم تحت فشار شدید قرار گیرد، مصرف از Kafka موقتاً کند یا متوقف می‌شود تا منابع آزاد شوند. این مکانیزم، از overload جلوگیری کرده و سیستم را در حالت پایدار نگه می‌دارد.
- مانیتورینگ دقیق با Prometheus و Grafana:
شاخص‌هایی مثل تأخیر پردازش، consumer lag و مصرف CPU به‌صورت لحظه‌ای مانیتور می‌شوند — برای تنظیم سریع و واکنش فوری.

نتایج:
- نرخ پردازش: ۱.۲M msg/sec
- تأخیر کل مسیر: <۳ms
- مصرف CPU: ۹۰٪ (پایدار و قابل پیش‌بینی)

نکات مهم برای مهندسان داده و سیستم‌های توزیع‌شده:
- طراحی درست مهم‌تر از افزایش منابع
- انجام commit دقیق، batching و backpressure = ستون‌های یک سیستم مقاوم
- تفکیک دریافت/پردازش + تقسیم کار بین پارتیشن‌ها = مقیاس‌پذیری مؤثر
- مانیتورینگ لحظه‌ای = پاسخ سریع به فشارها و خطاها

@DevTwitter | <Mojtaba Banaie/>
👍298🔥2👎1