اوبونتو برنامه جایگزینی ابزارهای برمبنای Rust را شروع کرده و قرار است در 25.10 تا جای ممکن این کار را انجام دهد تا برای انتشار 26.04 LTS آماده باشند.
طبق آخرین اطلاعیه، ابزار sudo-rs را در 25.10 در کنار نسخه Rust ابزارهای coreutils findutils و diffutils خواهیم داشت.
https://trifectatech.org/blog/memory-safe-sudo-to-become-the-default-in-ubuntu/

@DevTwitter | <Vahid Nameni/>

یک بلاگ جالب تازه از HuggingFace اومده راجع به AI Personas. اینکه چطور با طراحی درست، هوش مصنوعی می‌تونه از یه ابزار خشک، به یه همراه واقعی تبدیل بشه.
خلاصش اینه که:
دستیارهای هوش مصنوعی دیگه فقط یه سری ربات پاسخ‌گو نیستن. حالا تبدیل شدن به شریک‌های همکاری! حتی تغییرات خیلی کوچیک می‌تونه یه مدل عمومی رو به یه دستیار تخصصی تبدیل کنه. یک سری مثال هم گذاشتن از space ها و اپ هایی که روی HF درست کردن. و اینکه چطور تغییراتی مثل "تغییر عنوان و توضیحات" یا "پرامپت های سیستمی" تجربه کاربری را کامل عوض کرده. مثال:

- تغییر عنوان و توضیحات: توی پروژه‌هایی مثل مربی شنا یا همراه کسب‌وکار فقط عنوان و توضیح فرق کرده، ولی همین باعث شده کاربرها انتظار متفاوتی داشته باشن و جور دیگه‌ای تعامل کنن.

- پرومت‌های سیستمی: مثلاً توی مربی مصاحبه با دادن یه پرومت مشخص، مدل تبدیل میشه به یه مصاحبه‌کننده حرفه‌ای که سؤالات دنباله‌دار می‌پرسه و بازخورد میده.

- تعامل شخصی‌سازی‌شده: توی همسفر هوش مصنوعی پرومت‌ها با یه سری سؤال از پیش تعیین‌شده ترکیب میشن تا علاقه‌مندی‌های کاربر رو دربیارن و تجربه رو اختصاصی‌تر کنن.

این نمونه‌ها نشون میدن که:

- انتخاب‌های طراحی مهمن: این‌که چطور مدل رو معرفی و راهنمایی می‌کنیم، تأثیر زیادی روی رفتار مدل و برداشت کاربر داره.

- فراتر از پیشرفت فنی: حتی اگه مدل از نظر دانش و استدلال قوی باشه، طراحی ظریف باعث میشه احساس انسانی‌تری منتقل کنه.

- آزمایش راحت و بدون کدنویسی: با Inference Playground توی Hugging Face میشه راحت با پرومت‌های مختلف بازی کرد و سریع نتیجه‌ها رو دید — بدون اینکه نیاز به کدنویسی باشه.
بلاگشون را بخونید.
Blog: https://huggingface.co/blog/giadap/ai-personas

@DevTwitter | <Mehdi Allahyari/>

خیلی وقت بود می‌دیدم بچه‌ها دارن زیرنویس‌ها رو با مدل‌های زبانی ترجمه می‌کنند.
ولی بیشترشون فقط با Gemini کار می‌کردن، هم تحریمه، هم کُند و هم ریت‌لیمیت داشت.
حالا هر مدلی خواستید رو وصل می‌کنید Open AI، Deepseek و هر مدلی که دوست دارید

https://github.com/Ho3seinTork/Subtitle-Translator-with-LLMs

@DevTwitter | <Diss Obedience/>

آینده sudo چیه؟
اوبونتو می‌ره سمت sudo-rs
اما Systemd می‌گه نه! ما خودمون یه sudo ساختیم به اسم run0
حالا گیر کردیم:
sudo-rs = سازگار ولی مستقل
run0 = سبک ولی وابسته به systemd

@DevTwitter | <Mehrdad Linux/>

فوق العاده ست این warp. اینطوریه که یه ایجنت خیلی خوب برای ترمینال میشه. به جای اینکه برای انجام دادن یه پروسه مجبور باشی دونه دونه دستور و خطاهارو تو گوگل دنبال جواب باشی، یه جمله بهش میگی چیکار کن خودش هم پلن میکنه دستورالعمل رو و هم دونه به دونه اجرا میکنه و اگه خطایی هم باشه خودش دنبال راه حل میگرده.
اگه به استفاده کردن ازش عادت کنید فکر نمیکنم دیگه بتونید با ترمینال دیگه ای کار کنید.

ضمنا خودش context کار رو میدونه و وقتی در خطا فرمان میخوای دستوری رو اجرا کنی قبل از نوشتن دستور پیشنهاداتش رو بهت میگه.

https://www.warp.dev

@DevTwitter | <Hossein Nazari, GoCasts/>

اگه فکر می‌کنی ChatGPT خیلی خفنه، پس هنوز وارد دنیای "عامل‌های هوشمند" نشدی!


اینا فقط چت‌بات نیستن؛ اینا "عامل‌هایی" هستن که خودشون تصمیم می‌گیرن، فکر می‌کنن، سرچ می‌کنن، اجرا می‌کنن و حتی بعضیاشون کد می‌زنن!

توی این ریپازیتوری فوق‌العاده:
https://github.com/e2b-dev/awesome-ai-agents
یه لیست کامل از ابزار های خفن‌ هوش مصنوعی هست که می‌تونن کارت رو متحول کنن.

ببین چی داریم:

1. Auto-GPT
یه پروژه قدرتمند برای ساخت عامل کاملاً خودمختار با GPT-4. خودش می‌تونه سرچ کنه، فایل بسازه، کد بزنه و به هدف برسه. کلی ابزار و حافظه هم داره.

2. CAMEL
کتابخونه‌ای برای ساخت عامل‌هایی که باهم حرف می‌زنن و با همکاری یه کارو انجام می‌دن. یکی نقش کاربره، یکی دستیار.

3. Aider
یه ابزار خط فرمانیه که با GPT کدت رو ویرایش می‌کنه، انگار یه هم‌تیمی هوشمند توی ترمیناله. خوب با پروژه‌های بزرگ گیت هم کنار میاد.

4. Cursor
ادیتوری هوشمند مخصوص برنامه‌نویسی با AI. سریع‌تر کد می‌زنی، راحت‌تر دیباگ می‌کنی، همه‌چیز با کمک هوش مصنوعی.

5. Agent4Rec
شبیه‌ساز سیستم توصیه‌گر با هزار عامل هوشمند. هر عامل مثل یه کاربر واقعی فیلم می‌بینه، امتیاز می‌ده و رفتار کاربر رو تقلید می‌کنه.

6. CrewAI
فریم‌ورکی برای ساخت تیمی از عامل‌ها که هرکدوم نقش خاصی دارن. با همکاری هم وظایف پیچیده رو حل می‌کنن.

7. DevOps GPT
یه ابزار خودکارسازی توسعه‌ست که حرفتو می‌فهمه و خودش کد می‌زنه، تست می‌گیره و تحویل می‌ده. بدون دردسر مستندسازی یا جلسات طولانی!

8. LLM Agents
کتابخونه سبک برای ساخت عامل‌های ساده با GPT. همه‌چی شفافه، ابزار مثل اجرای کد یا سرچ هم داره، مناسب یادگیریه.

9. SuperAGI
فریم‌ورک قوی و متن‌باز برای ساخت عامل‌های خودمختار با ابزار، رابط گرافیکی و کلی قابلیت حرفه‌ای برای اجرای هم‌زمان و کنترل.

10. GPT Engineer
فقط کافیه بگی چی می‌خوای، خودش یه پروژه کامل کدنویسی می‌کنه. قابل شخصی‌سازیه و مکالماتش هم ذخیره می‌شن برای بررسی یا تکرار.


و بیش از 50 ابزار دیگه که توی منبعی که ابتدای پست اشاره کردم قرار دارن و میتونی ازشون استفاده کنی.

@DevTwitter | <Danial Soleimany/>

#میم_شبانگاهی

وقتی جا GUI با ترمینال کار می‌کنی:

@DevTwitter | <Mamad/>

پکیج reduce-precision برای فرمت‌بندی و تنظیم دقت اعداد، ارزهای دلاری و تومانی و درصدها توسعه داده شده. پکیج امکان پشتیبانی از زبان‌های فارسی و انگلیسی، امکان تولید خروجی‌های متنی، HTML و Markdown رو داره و قالب‌ها و دقت‌های مختلفی رو پشتیبانی میکنه. این موضوع به توسعه‌دهنده‌ها کمک میکنه تا نمایش داده‌های عددی رو به‌صورت دقیق و قابل فهم تنظیم کنند.

https://github.com/ArzDigitalLabs/reduce-precision

@DevTwitter | <Nima/>

بس کن ایرانی!
یک پروژه‌ی آگاهی اجتماعی برای نقد رفتارهای غلط رایج در جامعه‌ی ایران

چی هست این پروژه؟
«بس کن ایرانی!» یک پروژه‌ی آگاهی فرهنگی-اجتماعی و اپن‌سورس است که با هدف شفاف‌سازی، نقد، و بازنمایی رفتارهای غلط و رایج در سبک زندگی ایرانیان طراحی شده.
ما باور داریم تغییر از آگاهی شروع می‌شود؛ و آگاهی هم با گفت‌وگو، شوخی، و بازاندیشی عمومی رشد می‌کند.

در این پروژه، ما از دل روزمرگی‌ها و ترندهای شبکه‌های اجتماعی، موقعیت‌هایی را شکار می‌کنیم که در آن‌ها «شور چیزی را درآوردیم».

https://github.com/Mahdi-Hazrati/baskon.ir

@DevTwitter | <Mahdi/>

ساخت سرور Redis با زبان Rust

این قسمت میخوایم ساخت سرور ردیس با زبان راست رو شروع کنیم و تمرکزمون روی بخش نتورکینگ ردیس و پروتکل مخصوص خودش برای پارس کردن و پردازش کامند هایی هست که از طرف کلاینت ردیس فرستاده میشه. قراره یک سرور کاملا کامپتیبل با خود ردیس بنویسیم که با کلاینت های مختلف مثل کلاینت رسمی خود ردیس بهش بتونیم متصل بشیم.

https://www.youtube.com/watch?v=RYJ72cFEV1I

@DevTwitter | <Rouzbeh/>

اکستنشن تم DotNet Theme برای ویژوال استودیو

تمی اختصاصی برای توسعه‌دهندگان دات‌نت، با 16 استایل متفاوت و رنگ‌بندی‌های جذاب که محیط کاری شما رو در Visual Studio تغییر می‌ده. حالا دیگه کدنویسی در ویژوال استودیو حس و حال جدیدی پیدا می‌کنه!

https://marketplace.visualstudio.com/items?itemName=HamedHeydarian.DotNetTheme

https://github.com/hheydarian/DotNetTheme

@DevTwitter | <Hamed/>

فایروال Anti-DDoS & Web Security
ویژگی‌ها:
• محدودسازی تعداد درخواست‌ها
• مسدودسازی جغرافیایی
• ذخیره‌سازی انعطاف‌پذیر (APCu / Redis / فایل)

دریافت سورس و مستندات:
https://github.com/ishayanabad/anti-ddos-firewall-php

@DevTwitter | <iShayanAbad/>

یک سرچ‌انجینِ عالی که باهاش می‌تونید عبارتی رو در انبوهی از ویدیوها جستجو کنید. ترنسکریپشن داره و برخلافِ بسیاری از سایت‌ها، بعد از پخشِ عبارت، ویدیو ادامه پیدا می‌کنه و شما می‌تونید قبل و بعد از اون عبارت یا کلِ ویدیو رو ببینید.
https://inphrase.com

@DevTwitter | <Ayub Kokabi/>

مدل‌های زبانی بزرگ (LLM) ابزارهای قدرتمندی هستند، اما خروجی‌های آن‌ها به شدت به نحوه‌ی طراحی پرامپت‌ها وابسته است. تنظیم دقیق پرامپت‌ها می‌تواند تفاوت بین پاسخ‌های دقیق و خروجی‌های نامناسب را رقم بزند. بهینه‌سازی پرامپت در حال تبدیل شدن به یکی از پایه‌های اصلی برای هر کسی است که قصد دارد AI Agent قابل اعتماد بسازد.
- چرا بهینه‌سازی پرامپت اهمیت دارد؟
دقت بیشتر: حتی تغییرات جزئی در پرامپت می‌تواند منجر به بهبود قابل توجهی در پاسخ‌های مدل شود.

-کاهش ابهام: پرامپت‌های بهینه‌شده مدل را به سمت پاسخ‌های مرتبط‌تر و دقیق‌تر هدایت می‌کنند.
-سازگاری بالاتر: با بهینه‌سازی پرامپت، خروجی‌های مدل در مواجهه با ورودی‌های مختلف، پایدارتر و قابل اعتمادتر می‌شوند.

- تکنیک‌های بهینه‌سازی پرامپت
-پرامپت‌دهی با چند مثال (Few-Shot Prompting): ارائه‌ی چند نمونه‌ی label خورده در پرامپت به مدل کمک می‌کند تا الگوهای مورد نظر را بهتر درک کند.

- متاپرامپتینگ (Meta Prompting): استفاده از یک مدل زبانی دیگر برای بهبود و اصلاح پرامپت‌های اصلی به صورت خودکار.

- بهینه‌سازی گرادیانی (Gradient-Based Optimization): استفاده از تکنیک‌های ریاضی برای تنظیم دقیق پرامپت‌ها بر اساس معیارهای عملکردی.

- ابزارهای خودکارسازی مانند DSPy: استفاده از کتابخانه‌هایی که فرآیند بهینه‌سازی پرامپت را ساده‌تر و مقیاس‌پذیرتر می‌کنند.

اگه میخواهید بیشتر بدونید این بلاگ عالی را بخونید:
https://arize.com/blog/prompt-optimization-few-shot-prompting/

@DevTwitter | <Mehdi Allahyari/>

اگر خیلی Windsurf پرسن شدید و بدون دستیار هوش مصنوعیش (Cascade) نمی‌تونید به زندگی ادامه بدید و در عین حال دلتون یه IDE درست و حسابی برای کار کردن می‌خواد، می‌تونید قابلیت‌هاش رو مخصوصا از نسخه ۲.۰ به بعد توی IDE های جت‌برینز داشته باشید.

https://plugins.jetbrains.com/plugin/20540-windsurf-plugin-formerly-codeium-for-python-js-java-go--

@DevTwitter | <Reza Moallemi/>

ـ دسترسی به GPT 4.1 و O4-Mini و چند مدل دیگه به صورتِ رایگان و نامحدود، بدونِ نیاز به ثبت‌نام.
https://freepass.ai

@DevTwitter | <Ayub Kokabi/>

امن‌ترین و قابل‌اعتماد‌ترین روش توسعه نرم‌افزار :)))))
https://github.com/kelseyhightower/nocode

@DevTwitter | <Saman Esmaeli/>

پروژه gitc یک ابزار cli که براساس تغییرات کدی ک دادید چیکیدش رو به ai با پرامپ خاص، سبک و کانفیگ های مختلف ارسال میکنه و ی گیت کامیت مسیج کامل و خلاصه تحویل میده

فعلا فقط openai ساپورت میکنه
در اینده شاید دیپ سیک و گراک هم نوشتم (هرچند جفتش اشتراک می‌خوان و من ندارم!)

اگه براتون جالبه، خوشحال میشم یه نگاهی بهش بندازید، استار بدید، یا اگه ایده‌ای برای بهبودش دارید یا دوست دارید مشارکت (contribute) کنید، در خدمتم.

https://github.com/rezatg/gitc

@DevTwitter | <Dallas/>