سرورهای لینوکس رابط گرافیکی ندارن. به کمک نسخه فلت‌پک نرم‌افزار Cockpit می‌تونیم بدون نیاز به نصب پنل روی سرور، بخشی از کار نظارت و مدیریتش رو از طریق یه رابط کاربری ساده انجام بدیم.

+ دریافت از فلت‌هاب :
https://flathub.org/apps/org.cockpit_project.CockpitClient

@DevTwitter | <Yaser Shahi/>

یه اپلیکیشن کوچولو نوشتم برای calendar کردن قطعی های برق، با systemd و docker هم امکان بالا آوردنش هست.
اگر دوست داشتید استفاده کنید.

https://github.com/dozheiny/barghman

@DevTwitter | <[at]iliya[at]cyberplace social/>

یه برنامه که جدیدا برای آپدیت کردن خودم استفاده میکنم برنامه DevBytes هست اینطوریه که میاد محتوای سایت های مثل مدیوم و dev.to و.. رو با ai شبیه ریلزای اینستا میکنه ولی به صورت متنی

گزینه خوبیه که جاگزین وقت تلف کردن با ریلزای اینستا بشه

@DevTwitter | <ixAbolfazl />

این مخزن GitHub، از سوی مهندس کلامی هریس، مجموعه‌ای از تکنیک‌های نوآورانه برای «پراپمت‌نویسی» (Prompt Engineering) رو ارائه می‌ده. این دکوریتورها (decorators) ابزارهای قدرتمندی‌ان که تجربه‌ کار با مدل‌های هوش مصنوعی رو مؤثرتر می کنند.

https://github.com/smkalami/prompt-decorators

@DevTwitter | <Mohammadreza M/>

معرفی یک فریمورک جالب به اسم Parlant:
ساختن یه هوش مصنوعی ساده که جواب بده آسونه. ولی ساختن یه Agent که دقیقاً همون‌جوری رفتار کنه که کسب‌وکار شما نیاز داره؟ اینجاست که سخت می‌شه.
اغلب تیم‌ها به یه دیوار می‌خورن و معمولا یکی از روشهای زیر را انتخاب میکنند:
- استفاده از Flow engines ⟵ مکالمه‌های خشک و از پیش تعیین‌شده، تعامل ضعیف.
- پرامپت‌کاری بی‌نظم/Prompt soup ⟵ قاطی‌پاتی، غیرقابل اعتماد، نگهداری سخت.
- استفاده از NLU workflows ⟵ شکننده، انعطاف پایین.
- فقط LLM ⟵ انعطاف بالا ولی غیرقابل پیش‌بینی.

نتیجه؟ بات‌هایی که قوانین رو نادیده می‌گیرن، کاربر رو گیج می‌کنن و کارشناس‌های کسب‌وکار رو ناراضی.

اینجاست که مدل‌سازی رفتاری ایجنت ها/Agentic Behavior Modeling (ABM) وارد می‌شه. روش ABM یعنی تعریف ساختاریافته‌ی رفتار ایجنت ها: دستورالعمل‌ها، اهداف، ابزارها، مسیرها و حتی پاسخ‌های آماده. همه توی یه مدل رفتاری.

به جای کلنجار با پرامپت‌های شلخته یا فلوچارت‌های خشک، ABM به شما قابلیت های پایین را میده:
- انعطاف بالا در برابر تعامل طبیعی کاربر
- پیش‌بینی‌پذیری بالا در اجرای قوانین
- ساختار معنایی شفاف که می‌تونید روش استدلال کنید

اینجا Parlant میاد وسط ⟵ یه موتور متن‌باز ABM برای ایجنت های LLM.
باهاش می‌تونید:
- رفتار ایجنت رو دقیق کنترل کنید
- اصول، اکشن‌ها و متغیرها رو مدل کنید
- قوانین کسب‌وکار رو به‌طور ثابت enforce کنید
- تصمیم‌های ایجنت رو دنبال و تحلیل کنید

به زبون ساده: خروج از «اسپاگتی پرومپت» ⟵ و رسیدن به یه فریمورک ساختاریافته برای ایجنتهای مشتری‌محور.

اگه از ایجنتهایی خسته شدین که باهوش به‌نظر میان ولی رفتاراشون گیج‌کننده‌ست، ABM (و Parlant) میتونه همون قطعه‌ی گمشده‌ باشه.
Github: https://github.com/emcie-co/parlant

@DevTwitter | <Mehdi Allahyari/>

اگر به مباحث LLM علاقه دارید و می‌خواید سریع یک دید کلی و پایه‌ای از همه مفاهیم پیدا کنید، این کتاب رو پیشنهاد می‌کنم.
زبانش ساده‌ است و خیلی شفاف مطالب رو با نمونه‌ کد توضیح داده:
hands on large language models language understanding and generation book

https://github.com/HandsOnLLM/Hands-On-Large-Language-Models

@DevTwitter | <Maryam/>

#کوته_نیوز

دیتابیس یکی از پلتفرم‌های کاریابی با 3.6 میلیون رکورد به قیمت 3500$ برای فروش گذاشته شده.

@DevTwitter

نرم‌افزار Foliate یه کتابخوان ساده، واکنشگرا و آزاده برای لینوکس که علاوه بر امکانات شخصی‌سازی فونت، رنگ‌ها و نحوه نمایش صفحات؛ می‌تونه برامون کتاب‌ها رو بلند بخونه!
از فرمت‌های پرکاربرد مثل EPUB، PDF، Kindle و... پشتیبانی می‌کنه...

نصب و تنظیم صدای دلخواه هم از کتابخونه Piper و به کمک برنامه Pied آسونه.
صدای دلخواه، به صورت کلی برای اسکرین‌ریدر سیستم تعریف میشه و فقط محدود به کتابخوان نیست

+ دریافت Foliate:
https://flathub.org/apps/com.github.johnfactotum.Foliate

++ دریافت Pied:
https://github.com/Elleo/pied

@DevTwitter | <Yaser Shahi/>

مایکروسافت یه markup language توسعه داده برای orchestration پرامپت ها (POML)
استفاده ازش هم سادس. به جای اینکه بخواین یه آناتومی مشخصی برای پرامپت در نظر بگیرید، از این فرمت استفاده می‌کنید.
از لینک زیر می‌تونید یه نگاهی بهش بندازید.

https://github.com/microsoft/poml

@DevTwitter | <Efi/>

برای moderate کردن عکس ها، ویدیو ها یا متون مختلف میشه از یه api به اسم sightengine استفاده کرد
این api برای nodejs یه کلاینت داره که خیلی قدیمیه به چند دلیل:
- داخل خودش از یه ورژن خیلی قدیمی از node-fetch استفاده کرده
- عدم وجود تایپ و تایپ اسکریپت
برای همین یه کلاینت ریز براش درست کردم که علاوه بر حل این مشکلات یه سری helper function هم داخل خودش بهتون میده
(فعلا برای moderate کردن عکس ها میشه ازش استفاده کرد)
اگه علاقه مند بودین به ریپو و مستنداتش یه سر بزنین

پکیج:
https://www.npmjs.com/package/sightengine-js#-installation

سورس کد:
https://github.com/Silent-Watcher/sightenginejs


@DevTwitter | <Ali N./>

به نظرم هر دات نت کاری باید سایت SharpLab.io رو حداقل یک بار امتحان کنه.
خیلی قابلیت های خوب داره برای درک بهتر لایه های زیرین
بعضی از قابلیت‌های کلیدیش:
- خروجی IL: دقیقاً می‌بینید کد شما به چه زبان میانی‌ای تبدیل می‌شه که قراره توسط .NET Runtime اجرا بشه.
- درخت نحو (Syntax Tree): ساختار منطقی و درختی کدتون رو بهتون نشون می‌ده.
- کد اسمبلی (JIT ASM): می‌تونید عمیق‌ترین لایه رو ببینید؛ یعنی کد نهایی که مستقیماً روی CPU اجرا می‌شه.
حتماً یه سر بهش بزنید، خیلی چیزا ازش یاد می‌گیرید!

@DevTwitter | <Amirehsan Kohannasab/>

ترد (Thread) تو فرانت یعنی چی؟

ترد (Thread) یعنی یه خط یا مسیر اجرای کد توی برنامه یا مرورگر.

تصور کن برنامه یا مرورگر مثل یه آشپزخونه بزرگه:
- هر ترد مثل یه سرآشپز یا کارمند توی آشپزخونه‌ست که یه کار مشخصو انجام می‌ده.
- وقتی یه ترد مشغول یه کار سنگین می‌شه، فقط همون مسیر (یا سرآشپز) تحت تأثیر قرار می‌گیره، نه همه چیز.

چندین نوع ترد داریم که خوبه باهاشون اشنا باشیم و بدونیم از هرکدوم باید برای چه کاری استفاده کنیم:
1- ترد اصلی (Main Thread)
- که مسئول همه چیزای اصلی صفحه است: DOM، CSS، رندر و eventها
- هر چیزی که با کاربر در تعامله، اینجا اجرا می‌شه
2- ترد وب وورکر (Web Worker)
- کارهای سنگین و طولانی مثل پردازش داده‌های بزرگ رو با این ترد انجام میدن
- مستقیم نمیتونه با DOM کار می‌کنه و فقط با پیام با main thread حرف می‌زنه
3- ترد سرویس وورکر (Service Worker)
- مخصوص PWA: کش، fetch، push notification
- مستقل از main thread و UI رو قفل نمی‌کنه

برای اینکه کار با main thread خوب و روان باشه، مهمه که کارای سنگین و طولانی رو مستقیم توش نذاریم. همه چیزای مربوط به DOM، رندر و تعامل با کاربر باید سریع اجرا بشه تا صفحه لگ نزنه. کارای پردازشی بزرگ رو بهتره به Web Worker بسپاریم و فقط نتیجه رو برگردونیم. همینطور از تکنیک‌هایی مثل debounce و throttle برای کنترل eventها استفاده کنیم تا main thread شلوغ نشه. وقتی این نکات رو رعایت کنیم، UIامون همیشه روون و بدون لگ می‌مونه

@DevTwitter | <Reihaneh SadatShokouhi/>

یه کشف خیلی عالی هم جدیدا کردن اونم Quarto هست:

فک کنید به راحتی Markdown بتونید متنهایی مثل LaTEX بنویسید.

https://quarto.org

قشنگ می تونید وسط نوشتنتون کد Python و JavaScript بذارید.

خوراک Technical Writing هست

بعدش تازه برای VS Code یه ادیتور wyswyg داره!

@DevTwitter | <Von Datawarehausen/>

این ویدئو خیلی جالبه

در مورد یکی از مشکلات جدی Rust
https://youtu.be/769VqNup21Q?si=-qaVUcBJHgQVkjI6

کلا توی کامیونیتی Rust هیچ کس به اندازه من خود زنی نمی‌کنه

@DevTwitter | <Ali/>

می دونستین نست از دیزاین پترن Builder استفاده می کنه یا وینستون‌لاگر از پترن Observer استفاده میکنه برای لاگ کردن روی n تا ترنسپورت. اگه می خوای دیزاین پترن ها رو به صورت کاربردی یاد بگیری این ریپو رو ببین
https://github.com/vahidvdn/realworld-design-patterns
اگه برات مفید بود یه ب ستاره رای ادامه خیلی کمک می‌کنه

@DevTwitter | <Vahid/>

یه پست خیلی کامل و دقیق در مورد Agentic و Vibe Coding گذاشتم و گفتم که چرا به قول Dave Farley بدترین ایده 2025 هست، خصوصا برای جونیورها، چرا برای استفاده باید دانش خودتون قوی باشه، خروجی Non-Deterministic و مقایسه LLM با Compiler و چند کلیپ از Yann LeCun!

https://www.linkedin.com/posts/maxshahdoost_vibe-coding-is-the-worst-idea-of-2025-activity-7363675848387833856-OPyR

@DevTwitter | <Max Shahdoost/>

این ریپو اومده یه لیست کاملی از برنامه ها و پروژه های مرتبط با llm ها، ایجنت ها، RAG و MCP هارو یکجا جمع کرده
اگه با ai سرکار دارید حتما بدردتون میخوره
لینک ریپو
https://github.com/Shubhamsaboo/awesome-llm-apps

@DevTwitter | <ixAbolfazl />

چند وقت پیش مسئولیت Refactor بخشی از یک پروژه بزرگ Next.js بهم سپرده شد. بخشی از این کار، شناسایی و حذف کدها و فایلهای بلااستفاده (Dead Code) بود کاری که توی پروژههای بزرگ معمولاً سخت، زمانبر و پرریسکه.

برای سادهتر کردن این مسیر، به ابزار knip رسیدم. ابزار قدرتمندی که فایلها، فانکشن ها و حتی dependencyهای بلااستفاده رو شناسایی میکنه.
در عمل، knip تونست بخش زیادی از dead code ها رو شناسایی کنه، اما دو نکتهی جالب و مهم برام داشت:
- اولی مربوط به component tree بود.
یکسری کامپوننتها بهعنوان dead code تشخیص داده شده بودن، در حالی که وقتی سرچ میکردم، میدیدم یه جای دیگه دارن استفاده میشن. اما وقتی کامپوننت parent رو بررسی کردم، فهمیدم اون خودش هیچجا استفاده نشده و این باعث شده بود که child رو هم dead code بدونه. این عمق تحلیل وابستگی، برام قابل توجه بود.
- دومی تشخیص ناقص بعضی dependencyها بود.

برای مثال، tailwindcss و یکی از پلاگینهاش که در فایل CSS ایمپورت شده بودن، بهعنوان unused معرفی شدن. همینطور بعضی پلاگینهای ESLint هم به اشتباه در لیست قرار گرفته بودن. این یعنی خروجی ابزار، هرچقدر هم دقیق باشه، همچنان نیاز به بررسی انسانی داره.

این تجربه باعث شد ابزارهای تحلیل ایستا (static analysis) رو جدیتر ببینم؛ نه فقط برای حذف کد، بلکه برای درک بهتر ساختار پروژه.
https://github.com/webpro-nl/knip

@DevTwitter | <Mohammad Nazari/>

همیشه نصب داکر توی ایران یه چالش بوده؛ مخصوصاً وقتی وسط یه پروژه‌ای و با یه ارور ساده مثل
connection refused
کل کار متوقف می‌شه.
منم از همین مشکل خسته شدم، برای همین تصمیم گرفتم یه میرور شخصی برای Docker Registry با کمک Cloudflare Workers راه بندازم — یه راه‌حل ساده، سبک و قابل اعتماد، بدون نیاز به VPN یا ابزارهای عجیب‌غریب.
توی این ویدیو نشون دادم چطور می‌تونید خودتون تو چند دقیقه یه همچین میروری بالا بیارید و خیلی راحت ازش استفاده کنید.
مناسب برای وقتایی که نصب داکر یا کشیدن ایمیج‌ها گیر می‌کنه.

لینک آموزش یوتیوب:
https://www.youtube.com/watch?v=nqrmKV5KtPU

لینگ گیت هاب پروژه:
https://github.com/aminesmkhani/CF-docker-mirror

@DevTwitter | <Amin Esmkhani/>

می‌دونستی می‌تونی یه اپلیکیشن فول‌استک رو کاملاً رایگان روی Cloudflare دیپلوی کنی؟
بدون نیاز به VPS، بدون تنظیم سرور، با سرعت بالا و حتی دیتابیس داخلی! این یعنی با چند خط کد می‌تونی یه پروژه واقعی رو لانچ کنی.
روندش هم خیلی ساده‌ست:
فرانت‌اندت رو با Cloudflare Pages می‌ذاری (مثلاً با React، Astro یا هر فریم‌ورک استاتیکی دیگه)
بک‌اندت رو با Cloudflare Workers می‌نویسی، یه محیط سبک و سریع برای اجرای API
و برای دیتا هم از D1 استفاده می‌کنی (یه دیتابیس شبیه SQLite ولی روی کلاد)
همه‌ی اینا بدون پرداخت حتی یه ریال قابل استفاده‌ست، مخصوصاً برای پروژه‌های شخصی، MVP، و حتی اپ‌های جدی.

مقاله اصلی رو Cloudflare اینجا گذاشته:
https://blog.cloudflare.com/full-stack-development-on-cloudflare-workers/

و اگه دنبال آموزش و پروژه‌محور هستی، این چنل یوتیوب رو از دست نده:
youtube.com/@backpine


@DevTwitter | <Milad Bachari./>