ساخت شبیه ساز کنسول NES قسمت اول

بیاید با هم یه شبیه ساز برای کنسول نس درست کنیم ! خیلی وقت بود میخواستم این سری ویدیو رو شروع کنم و بالاخره تصمیمشو گرفتم. ساختن یه شبیه ساز کامل برای چنین کنسولی میتونه خیلی پیچیده و سخت باشه اما واقعا ارزششو داره :) قراره راجب پردازنده کارت صدا کارت گرافیک زبان اسمبلی و کلی چیز سطح پایین دیگه بیشتر بدونیم. تو این ویدیو با کلیات این کنسول از نظر معماری سخت افزاری بیشتر آشنا میشیم تا آماده بشیم برای توسعه پردازنده این کنسول تو ویدیو بعدی !

ساختن این محتوا قراره خیلی زمان از من بگیره و من هم همیشه محتوامو دوست داشتم رایگان بزارم اما ترجیح میدم یک روشی برای حمایت شما باشه چون میتونه یه انگیزه خیلی خوب باشه که کیفیت محتوا حفظ بشه و وقت بیشتری براش بزارم. در کل با این کار خیلی خوشحالم میکنید :)

لینک یوتیوب
https://www.youtube.com/watch?v=P6k2wbRcr2I

@DevTwitter | <Rouzbeh/>

دوتا مدل VLM جالب اپن سورس اومده روی وب سایت HuggingFace.
این مدل‌های Multimodal از کمپانی Liquid AI به اسم LFM2-VL معروف هستند.
این مدل‌ها متن + تصویر رو (با رزولوشن متغیر) پردازش می‌کنن و برای کمترین تاخیر و اجرای روی دستگاه‌های Edge مثل موبایل و کامپیوتر شخصی طراحی شدن.
دو نسخه منتشر شده:
- مدل ۴۵۰M → مناسب برای دستگاه‌های خیلی محدود
- مدل ۱.۶B → قدرتمندتر ولی همچنان سبک و بهینه
عالی برای اپلیکیشن‌های واقعی که سرعت و کارایی مهمه. هم بلاگ دارند و هم google colab که میتونید راحت اجرا کنید. لوکال هم میتونید خیلی ساده اجرا کنید.
HuggingFace: https://huggingface.co/LiquidAI/LFM2-VL-1.6B

@DevTwitter | <Mehdi Allahyari/>

یه Cli باحال به اسم doxx نوشتن که میشه فایلای Microsoft Word .docx رو تو ترمینال دید.

github.com/bgreenwell/doxx

@DevTwitter | <Mohammad/>

اگه بگم یه زبان برنامه نویسی داریم که حجم کامپایلرش کوچیک تر از 1kb باور میکنی؟

برین‌فاک (BrainFuck) یه زبان برنامه نویسی رمزی هستش که تو سال 1993 توسط آربن مولبر به هدف کوچکترین کامپایلر دنیا نوشته شد.

هدف مولبر رقابت با کامپایر 1024 بایتی زبان FALSE بود و کامپایلر برین‌فاک فقط 296 بایت فضا اشغال میکرد که البته توی نسخه بعدی این فضا به 240 بایت هم کاهش یافت!!

امروزه توی اینترنت اگر بگردید افرادی هستن که حجم کامپایلر این زبان رو با بهینه سازی الگوریتم هاش به 100 بایت هم برسونن! فکرشو بکن این کامپایلر توی ⅕ یه سکتور دیسک ذخیره میشه (یک دهم کیلوبایت)
حالا از بحث فضا که بگذریم میرسیم به خود زبان که کل دستوراتش از هشت کاراکتر ساخته میشه: + - , . <> [ ] و همونطور که از اسمش مشخصه به شدت دشواره و مغز شما رو هدف قرار میده.

داکیومنت خیلی وحشتناکی هم داره وقتی وارد سایتش میشی انگار رفتی تو دارک وب:
brainfuck.org

@DevTwitter | <Farzad Ebrahimi/>

پروژه متن‌باز AIRI با هدف خلق یک همدم دیجیتال طراحی شده است؛ شخصیتی مجازی که قادر به تعاملات صوتی، گفت‌وگو در پلتفرم‌هایی مانند Telegram و Discord و حتی بازی کردن عناوینی مانند Minecraft و Factorio می‌باشد.

https://github.com/moeru-ai/airi

@DevTwitter | <Amirio/>

چیزیو ساختم که ویندوز نساخت!!! CSearch

توی این ویدیو من از C++ استفاده میکنم تا فایل اکسپلورر خودمو برای ویندوز برنامه نویسی کنم و توی این مسیر شمارو با الگوریتم ها و چالش های برنامه نویسی مختلف آشنا میکنم.

https://apgy.in/yt/OIyJCTxHkpY

@DevTwitter | <Matin Afzal Asr/>

یه پروژه اوپن سورس ران کردم که دوست داشتم به اشتراک بزارم. هر چند ممکنه دیده نشه.

میتونید باهاش داخل شبکه‌تون یه سرور چت بالا بیارید. به درد سازمان‌ها میخوره.

راه اندازیش هم با داکر فقط چند تا کامند لازم داره.

https://github.com/mohammadnt/CollabComm

@DevTwitter | <Mohammad/>

بچه‌ها اگر کارت گرافیک NVIDIA دارید و میخواهید مدل‌های زبانی رو بدون کوانتیزیشن یا با حداقل کوانتیزیشن اجرا کنید، این کد رو نوشتم که با Unsloth این کار رو می‌کنه:

https://github.com/prp-e/unsloth_inference

البته این بخشی از یه حرکت بزرگتره، ولی خب ترجیحم این بود این بخشش رو پابلیک کنم فعلا.

@DevTwitter | <Muhammadreza Haghiri/>

تفاوت این آموزش با بقیه به کاربردی بودنشه...
توی این ویدیو یه آموزش کامل و کاربردی از Gemini CLI رو براتون آماده کردم!

از همون اول که این ابزار چیه و چطور باید نصبش کنیم شروع می‌کنیم، بعد میریم سراغ کارهای عملی مثل:
- ساخت و ویرایش فایل‌ها مستقیم با Gemini CLI
- کار با Git و اتوماسیون عملیات‌های مهم
- اتصال MCP به Gemini CLI و استفاده ازش در پروژه‌ها

این ویدیو طوری طراحی شده که چه تازه‌کار باشی چه حرفه‌ای، بتونی به راحتی Gemini CLI رو یاد بگیری و توی پروژه‌هات استفاده کنی.
https://youtu.be/0ziloyRAsq8?si=JOXayXoKljioyNCd

@DevTwitter | <Ryan Heida/>

چرا بسیاری از تیم‌ها ORM را کنار می‌گذارند و سراغ SQL خام می‌روند؟
اخیرا در مدیوم با تعداد زیادی از مقاله‌ها مواجه می‌شوم که یک پیام مشترک دارند:
«ما ORM را کنار گذاشتیم و به SQL خام مهاجرت کردیم — و دیگر برنمی‌گردیم.»

نکته جالب اینجاست که این تصمیم‌ها معمولاً از سر عشق به SQL گرفته نشده‌اند، بلکه از دل دردسرهای ORM زاده شده‌اند.
در چند مقاله‌ی اخیر که مطالعه کردم، تیم‌های مختلفی با تکنولوژی‌های مختلف (از Java + Postgres گرفته تا Go + SQLAlchemy) تجربه‌ی مهاجرت از ORM را به اشتراک گذاشته‌اند — نه فقط برای بهبود سرعت، بلکه برای بازگشت به شفافیت، کنترل و عقلانیت.

مشکل کجا بود؟ چرا ORM جوابگو نبود؟
اگرچه ORM در شروع پروژه‌ها خیلی مفید است (خصوصاً برای CRUDهای سریع و MVPها)، اما با رشد سیستم، مشکلاتی کم‌کم خود را نشان می‌دهند:

* معضل N+1 Query
کوئری‌هایی که ساده به نظر می‌رسند، در باطن ده‌ها یا صدها درخواست اضافه تولید می‌کنند.

* کدهای پیچیده اما غیرشفاف
برای کوئری‌های پیچیده‌تر مثل Window Function، CTE یا Join چندجدولی، باید به انواع annotationها، chainهای مبهم، یا زبان‌های خاص ORM (مثل JPQL) متوسل شد — که در نهایت باز هم می‌رسیم به نوشتن SQL، فقط با دردسر بیشتر.

* ضعف در دیباگ و پروفایلینگ
در ORM، به‌سختی می‌شود فهمید دقیقاً چه کوئری‌ای به دیتابیس رفته. این یعنی دیباگِ کندی‌ها تقریباً کورکورانه است.

* ناسازگاری با مدل واقعی داده‌ها
دیتابیس با row و index و join کار می‌کند؛ ORM با کلاس و رابطه شی‌گرایانه. این تطبیق، به‌ویژه در سیستم‌های پیچیده، منجر به کدهایی می‌شود که بیشتر شبیه «جنگیدن با ORM» هستند.

چرا SQL خام یک تفاوت واقعی ایجاد کرد؟
بعد از مهاجرت، همه تیم‌ها روی این دستاوردها تأکید داشتند:

* کنترل کامل
می‌دانیم چه کوئری نوشته‌ایم، چه زمانی اجرا می‌شود، و چگونه می‌توان آن را بهینه کرد.

* شفافیت
کوئری واضح است، بدون «جادوی مخفی». این یعنی همه تیم — از جونیور تا لید — متوجه می‌شود چه اتفاقی می‌افتد.

* هماهنگی بیشتر با منطق دامنه
به‌جای تعریف business logic در repository و annotation، همه‌چیز در لایه‌های مشخص خدماتی و use-case محور قرار می‌گیرد.

* استفاده کامل از قدرت دیتابیس
ویژگی‌هایی مثل Window Function، CTE، JSONB و Partial Index که در ORM اغلب یا پشتیبانی نمی‌شوند یا با پیچیدگی زیاد ممکن‌اند، در SQL خام به‌راحتی قابل استفاده‌اند.

نگهداری و مقیاس‌پذیری چطور مدیریت شد؟
برای جلوگیری از بی‌نظمی، تیم‌ها:

* کوئری‌ها را در فایل‌های جدا و نسخه‌دار نگه داشتند
* از template و query loaderهای سبک استفاده کردند
* روی هر کوئری تست (یا حداقل EXPLAIN) نوشتند
* قواعد ساده ولی سخت‌گیرانه‌ای برای امنیت (مثل پارامترگذاری) اعمال کردند

در نتیجه، برخلاف تصور اولیه، نگهداشت SQL خام هم قابل مدیریت و حتی لذت‌بخش شد.

کی باید ORM را کنار گذاشت؟
تجربه‌ی مشترک تیم‌ها نشان می‌دهد:

* برای پروژه‌های کوچک، MVPها یا پنل‌های ادمین، ORM عالی است.
* اما در پروژه‌های داده‌محور، با ترافیک بالا، کوئری‌های پیچیده و نیاز به کنترل عملکرد، ORM به‌جای کمک، تبدیل به مانع می‌شود.

جمع‌بندی
بسیاری از ما با ORMها بزرگ شده‌ایم اما آیا هنوز ORM بهترین ابزار ماست؟ یا فقط آسان‌ترین است؟
در دنیایی که عملکرد، شفافیت و کنترل ارزش بیشتری از سرعت اولیه دارند، شاید وقت آن است که دوباره به SQL خام یا ترکیب آن با ORm فکر کنیم — این بار با بلوغ بیشتر و ابزارهای بهتر.

@DevTwitter | <Mojtaba Banaie/>

درحال حاضر طرح هایی که انیمیشن داشته باشن از نظر تجربه کاربری و ui ux بهتر نسبت به سایت های بی انیمیشن خیلی جلوتر هستن

سایت motion یکی از بهترین ها برای انیمیشن های فرانت اند هستش که میتونیم اون رو در JS خام - React - Vue به راحتی استفاده کنیم

و همچنین یکی از نقطه قوت های دیگه Motion هم documents قوی و راحت اون هستش که کار باهاش رو خیلی آسون میکنه

آدرس سایت: https://motion.dev/


@DevTwitter | <arvin Fa/>

این ریپو واقعاً مثل یه گنج پنهانه که خیلی‌ها به راحتی از کنارش رد می‌شن، بدون اینکه بدونن چه ارزش بزرگی پشتشه. اینجا بیش از ۳۰۰ تا Case Study از بیشتر از ۸۰ تا شرکت پیشرو دنیا جمع‌آوری شده؛ شرکت‌هایی مثل Netflix، Airbnb و Doordash که هر کدوم تجربۀ واقعی‌شون از ML System Design رو به اشتراک گذاشتن.

اما موضوع فقط جمع کردن تجربه‌ها نیست؛ هر کدوم از این Case Studyها یه دریچه‌ست به دنیای واقعی، جایی که می‌شه دید چطور ML توی دل محصول‌ها و فرآیندها به کار گرفته می‌شه تا کیفیت و کارایی رو چند برابر کنه. این یعنی به جای خوندن تئوری‌های خشک، شما با مثال‌های زنده و
قابل لمس سروکار دارین.

لینک ریپو:
https://github.com/Engineer1999/A-Curated-List-of-ML-System-Design-Case-Studies

@DevTwitter | <Reza Jafari/>

بچه ها این شبیه سازی سیاه چاله رو صفر تا صد خودم انجام دادم تو پایتون. و میتونم بهتون بگم فیزیکش به شدت دقیقه و سعی کردم همه چیو توش لحاظ کنم.
کدش رو هم تو گیتهاب گذاشتم.
اگه ستاره بید و حمایتم کنید ممنون میشم، واقعا پاره شدم سر این پروژه.

https://github.com/amirh0ss3in/Gargantua

@DevTwitter | <کاپیتان ویلیام/>

فکت بامزه: HTTP یه کد 418 داره که میشه "I'm a teapot" که توی دروغ آپریل در سال ۱۹۹۸ به استاندارد ها اضافه شده و پیغامش اینه:
I'm a teapot and I can't brew coffee
من یک قوری چای هستم و نمیتونم قهوه دم کنم

@DevTwitter | <Mohammad Mousavi/>

یک دوره خیلی خوب از کمپانی Databricks در مورد MLOps که در قالب ۱۰ تا ویدیو در یوتیوب هست. خیلی خوبند.
Youtube: https://youtube.com/playlist?list=PL_MIDuPM12MOcQQjnLDtWCCCuf1Cv-nWL

@DevTwitter | <Mehdi Allahyari/>

اینجا می‌تونید کاملاً رایگان از بیش از ۵۰۰ مدل AI از جمله مدل‌های خفن و گرون o1-pro و Claude 4.1 Opus استفاده کنید. فقط کافیه بعد از هر پاسخ یه بازخورد کوچیک بدید.
https://yupp.ai/

@DevTwitter | <Ayub/>

یکی از بزرگترین چالش فارسی زبانان حل کردم!
افزونه متن‌باز نوشتم ، اشتباهات رایج کیبورد (مثل \vs\,gds به پرسپولیس) و فینگلیش را به صورت آنی اصلاح می‌کند. این ابزار به عنوان دستیار دانش به ویکی‌پدیا و گوگل متصل است.
https://github.com/AmirMotefaker/Farsi-Smart-Assistant

@DevTwitter | <Amir Motefaker/>