اگر لپتاپ MSI دارید و میخواین معادل لینوکسی MSI Center رو نصب کنید این جا رو چک کنید. من خودم استفاده میکنم چند روزه و اکثر قابلیت های نسخه ویندوزی رو داره و اکیم.

https://github.com/dmitry-s93/MControlCenter

@DevTwitter | <Amir.local/>

به کمک ابزار AI اوپن سورس زیر می‌تونید تصاویر چهره تار و بی کیفیت رو بازسازی کنید.

Website: http://restorephotos.io
Github: https://github.com/Nutlope/restorePhotos

@DevTwitter | <Diego Jr/>

در چند هفته گذشته کمی وقت داشتم و پروژه متن‌باز «بینا» رو به نسخه اول رسوندم. «بینا» نرم‌افزاری برای تست visual regression فرانت‌اند است و می‌تونه جایگزین سرویس‌های ابری مثل Chromatic باشه (با این کار سالانه ۱/۸ تا ۳۵هزار دلار کاهش هزینه خواهید داشت)

https://github.com/Overding/Beena

@DevTwitter | <Arash Milani />

اجرای کدهای پایتون در دات‌نت با جادوی CSnakes!

و این یعنی تمام ۱.۵ میلیون مدل روی HuggingFace را می‌توان با همان پرفورمنس و بدون نیاز به کشیدن لایه‌های REST در دسترس است.
https://www.youtube.com/watch?v=fDbCqalegNU

@DevTwitter | < uɒɹɥəɯ/>

یک نرم افزار پایتونی برای تبدیل pdf به وُیس نوشتم که میتونید از طریق لینک زیر دانلود کنید:

https://github.com/silverspiderofficial/pdf_to_voice

@DevTwitter | <silverspider/>

مایکروسافت یه دوره‌ی رایگان و اوپن‌سورس منتشر کرده که به‌صورت خودکار به ۳۰+ زبان دنیا ترجمه می‌شه (از جمله فارسی ):
AI Agents for Beginners

این دوره شامل ۱۱ درسه و همه‌چی برای شروع ساختن Agentهای هوش مصنوعی رو پوشش می‌ده:

هر درس:
- مقاله‌ی آموزشی
- ویدیوی کوتاه
- کد پایتون آماده در پوشه‌ی code\_samples
- منابع تکمیلی برای یادگیری بیشتر

مفاهیم مهمی که توی دوره یاد می‌گیری:

- شروع با AI Agents و موارد استفاده‌شون
- آشنایی با Agentic Frameworks (مثل Semantic Kernel و AutoGen)
- دیزاین پترن‌ها برای ساخت Agentها: Tool Use, Planning, Multi-Agent, Metacognition
- اتصال Agent به دیتای خارجی برای پاسخ‌های دقیق‌تر (Agentic RAG)
- Building Trustworthy AI Agents
- پیاده‌سازی Agent در محیط واقعی (Production)
- آشنایی با MCP (Model Context Protocol)

ابزارها و سرویس‌هایی که استفاده می‌شن:
- Azure AI Foundry
- GitHub Models
- Azure AI Agent Service
- Semantic Kernel
- AutoGen

ویژگی‌های دیگه:
- اوپن‌سورس و قابل مشارکت (PR و Issue بازه)
- جامعه فعال روی Discord و فروم توسعه‌دهندگان Azure AI


اگر همیشه می‌خواستی بدونی از کجا باید وارد دنیای AI Agents بشی، این بهترین نقطه‌ی شروعه: ساده، پروژه‌محور و رایگان.

ریپازیتوری اینجاست:
https://github.com/microsoft/ai-agents-for-beginners

@DevTwitter | <Mohsen Rad\>

بدافزار لینوکسی روی نام فایل
کافیه فایل آلوده را extract کنی یا اسکریپت‌ها روی نام فایل پردازش بشه تا backdoor در حافظه بارگذاری بشه.
قبلا نگران بودی اجرا نکنی، الان باید اسم فایل هم چک کنی
ایده اش را دوست داشتم

@DevTwitter | <MehrdadLinux/>

این الگوریتم Classification ما به نسخه ۰.۱.۴ رسید.
از نظر F1 Score در بعضی دیتاست‌های معروف از XGBoost و LightGBM و CatBoost بهتره.
سرعت Train و Inferenceاش هم به خاطر طراحی‌ سبکش بسیار بالاست. نوت‌بوک کار باهاش هم هست.
https://github.com/LinearBoost/linearboost-classifier

@DevTwitter | <Hamidreza Keshavarz/>

دیدم این Solo Mining جدیدا مُد شده گفتم بنویسم:
زبان: Rust

https://github.com/therealaleph/rust-btc-solominer

@DevTwitter | <Shin/>

هفته رایگان DataCamp دوباره شروع شده!

از ۳ تا ۹ شهریور می‌تونید رایگان به همه دوره‌ها دسترسی داشته باشید، مهارت یاد بگیرید و مدرک بگیرید. این فرصت رو از دست ندید!
https://www.datacamp.com/

@DevTwitter | <Reza Jafari/>

از دستیار کدنویس تا همکار هوشمند؛ گام دوم: اتصال کدبیس دیوار به مدل‌های زبانی
ما در دیوار این هدف رو برای خودمون گذاشتیم که با استفاده از هوش مصنوعی، بهره‌وری مهندسی رو افزایش بدیم. در شروع سرویس‌های مکالمه‌محور مثل ChatGPT رو آوردیم و باهاشون کار کردیم. به مرور سرویس‌هایی مثل Copilot و Cursor رو هم امتحان کردیم. تجربه‌مون تا مدتی به این صورت بود که هر ابزار جدیدی که میومد تعدادی از مشکلات و اذیت‌هایی رو که با ورژن‌های قدیمی‌تر داشتیم، برطرف می‌کرد. برای مثال در کار با ChatGPT باید توضیحات خیلی مفصلی از مسئله ارائه می‌دادیم و تمام کدهای مورد نیازشو کپی پیست می‌کردیم و کد خروجیش رو داخل محیط توسعه‌مون می‌آوردیم و مشکلات سینتکسی که داشت رو برطرف می‌کردیم. برای دیباگ هم لاگ‌های خروجیش رو باز به GPT می‌دادیم. این تجربهٔ کاربری رفت و برگشتی تا حد خوبی در محصولاتی مثل Cursor برطرف شد اما همچنان مشکلات بزرگ دیگری داشتیم.
برای خوندن ادامهٔ مطلب بلاگ پست جدید دیوار رو ببینید:
https://vrgl.ir/6JFvk

@DevTwitter | <Divar/>

ری‌اکت فایبر (React Fiber) چیه؟
اگر تا حالا با React کار کردی، احتمالا اسم React Fiber به گوشت نخورده باشه، ولی همین چیزی که هر روز داری باهاش کد می‌زنی، داخلش به شدت وابسته به Fiberـه.

فایبر (Fiber) چیه؟
یه الگوریتم رندر هست که وظیفه‌ش اینه:
- بفهمه کدوم بخش از UI باید آپدیت بشه
- تصمیم بگیره چطور و چه زمانی اون آپدیت انجام بشه
به زبان ساده: Fiber مغز Reactـه برای هماهنگ کردن Virtual DOM با DOM واقعی.

چرا مهمه و چی کار می‌کنه؟
۱. اولویت‌بندی آپدیت‌ها
همه تغییرها به یک اندازه مهم نیستن. مثلا تایپ کاربر مهم‌تر از رندر شدن یه لیست طولانیه. Fiber اینو می‌فهمه و اول کارهای فوری رو انجام می‌ده.

۲. توقف و ادامه رندر (Interruptible rendering)
رندر کردن UI می‌تونه سنگین باشه. Fiber اجازه می‌ده وسط کار رندر متوقف بشه تا مرورگر بتونه کارهای مهم‌تر (مثل اسکرول یا کلیک) رو انجام بده، بعد دوباره ادامه بده.

۳.رندر همزمان (Concurrency)
پایه‌ی قابلیت‌های مدرن مثل Concurrent Rendering و Transitionهاست. یعنی React می‌تونه چند نسخه‌ی مختلف از UI رو آماده کنه و روان‌ترین تجربه رو به کاربر نشون بده.

۴. تجربه کاربری (UX) بهتر
رندر روان‌تر، بدون لگ، و حس سریع‌تر بودن اپلیکیشن.

اگه دوست داری بیشتر درمورد بدونی میتونی به این لینک سر بزنی:
https://github.com/acdlite/react-fiber-architecture?tab=readme-ov-file

@DevTwitter | <Reihaneh SadatShokouhi/>

یه خبر فوق‌العاده!
ترجمه‌ی این کتاب به طور کامل به پایان رسید!
این کتاب به صورت تخصصی شما رو وارد دنیای Task و async/await در CSharp و .NET می‌کنه و منبع خیلی خوبی برای درک عمیق این مفاهیمه.

https://github.com/hheydarian/task-programming-in-csharp-dotnet-persian

@DevTwitter | <Hamed/>

امروز دیدم اکستنشن محبوب Material Theme در VS Code که به گفته خودشون 9 میلیون نصب داشته و مدتی پیش به‌خاطر موارد امنیتی پاک شده بود رو با اسم Vira Theme برگردوندن، اما این بار دیگه رایگان نیست و باید لایسنس خرید.
من همون اوایل که پاک شده بود پیگیر شدم و تونستم کدهای .json رو استخراج کنم و بصورت مستقیم می‌ذارمشون روی تم VS Code و ازشون استفاده می‌کنم.
توی این ریپو فایل هارو همراه با یک راهنمای گام‌ به گام در سیستم عامل های مختلف قرار دادم.
چون راهنما در README گام به گام و با جزئیات نوشته شده شاید طولانی و خسته کننده بنظر بیاد اما درواقع اجرا کردنش فقط چند ثانیه وقت می‌گیره.

github.com/a-partovii/relive-VSC-Material-Theme

@DevTwitter | <Ashkan/>

این ریپو رو نوشتم جهت خروجی با کیفیت گرفتن از مدل‌ های ollama با زبان فارسی و همچنین یک محیط گرافیکی خوب توضیحات بیشتر رو‌کوت کردم.

https://github.com/sepy-dev/Persian-Ollama-LLm/

@DevTwitter | <سپهر/>

کمپانی xAI مدل Grok 2.5 رو متن‌باز کرده؛ حالا همه می‌تونن به کدهاش دسترسی داشته باشن، تغییرش بدن یا نسخه شخصی بسازن. این حرکت یه گام مهم برای آزادتر شدن هوش مصنوعیه. همچنین اعلام شده تا شش ماه دیگه مدل قدرتمندتر Grok 3 هم متن‌باز می‌شه.
https://huggingface.co/xai-org/grok-2

@DevTwitter | <محمد زمانی/>

برای نصب Cursor توی لینوکس این ریپو خیلی راحت کرده کار رو:

https://github.com/cursor-ide/getcursor

@DevTwitter | <Amir.local/>

آقا ببینید چی پیدا کردم
https://github.com/PyO3/pyo3
میتونی توی پایتون، rust بنویسی و ران کنی برای وقتایی که performance نیاز داری :))))))))))))))))))))

@DevTwitter | <ali Joghataee/>