اگه می خواین در مورد Memory توی Agentها یه دید Practical داشته باشید، آب دستتون هست بذارید، زمین اینو بخونید!

https://langchain-ai.github.io/langmem/concepts/conceptual_guide/

@DevTwitter | <Von Datawarehausen/>

یک سری دستور برای روت‌های لاراول

@DevTwitter

مایکروسافت ادیتور ترمینال جدید به اسم edit معرفی کرده که با rust نوشته شده. 250 کیلوبایته و جایگزین MS-DOS Editor که فقط روی نسخه های 32 بیت ویندوز میشده استفاده بشه شده.
با 4 زبان c, cpp, zig و rust تست کردن و جالبه که با نسخه Zig از همه بیشتر حال کردن ولی یکسری مشکلات باعث استفاده از rust درنهایت شده. اینکه پروداکت حتی کوچیک ای که با rust نوشته شده قراره داخل ویندوز به صورت باندل شده باشه جالبه. کسی که نوشته با rust اونقدرا حال نمیکرده و چون Zig هنوز به صورت داخلی ساپورت نمیشده توسط مایکروسافت انتخاب کرده rust رو D:

لینک github و hacker news:
https://github.com/microsoft/edit
https://news.ycombinator.com/item?id=44034961

@DevTwitter | <Mohammad Sadeghian/>

مقاله DeepSeek-v2 که خوندم گفتم یه پیاده سازی ازش از پایه داشته باشم معماری جالبی داره و میتونی ببینید که چه خلاقیت و ترفند هایی به خرج دادن برای بهینه بودن نسبت مدل مثل chatgpt
لینک گیت هاب :

https://github.com/SamanBarahoie/DeepSeek

@DevTwitter | <saman barahole/>

احتمالا پیش اومده بخاین یه وبلاگ کوچیک داشته باشید که داخلش مطلب منتشر کنید، ولی کمال گرایی و اینکه بخاین خودتون یه چی بنویسید مانع از این کار شده، شاید هم اونقدار مطلب منتشر نمیکنید و نمیصرفه پول هاست و وردپرس و این حرفا بدین
بیاین که دواش دست منه

این یه پروژه کوچیک blazor wasm هست که راحت روی gh-pages هاست میشه و کل سیستم مدیریت محتواش هم با markdown و json هندل میشه
یعنی اگه خواستین میتونید با یه اسکریپت کل دیتا رو به دیتابیس منتقل کنید

این نسخه رو توی چند روز زدم و هدفم این بوده که افرادی که واقعا میخان علمی رو منتشر کنن با یه فورک ساده یه وبلاگ کوچیک در دسترشون باشه، البته که چیزایی مثل jekyll و hugo هم هست (البته اونا استاتیک جنریتور هستن این یه کم فرق میکنه مکانیزمشون)

داکیومنتشو و طی روز آتی اضافه میکنم + یه سری فیچر دیگه، ولی اگه دانش برنامه نویسی دارین نباید مشکل خاصی داشته باشید سوالی هم داشتین داخل discussions همونجا بپرسید سر فرصت جواب میدم

https://github.com/Taqiam/BoneLog

@DevTwitter | <Taqi/>

#بدرد

مخاطب : دوستانی که برای کسب درآمد برنامه نویسی میکنن نه برای تفریح !

من در دایره دوستانم برنامه نویس بسیار دارم ، اما متاسفانه هیچ کدوم " پولدار " نیستن !
منظور از پولدار کسیه که بدون نگرانی از حقوق آخر ماهش بتونه سه ماه بره یه کشور دیگه کیف کنه ته کسی که ۱۰۰ میلیون حقوق میگیره و این چالش برمیگرده به اینکه هیچ برنامه نویسی اقتصاد خرد و کلان تو دانشگاه پاس نمیکنه !

پارادوکس: مردم هر روز دارن بیشتر به استفاده از فناوری رو میارن ، پس نیاز به برنامه نویس هر روز بیشتر میشه پس چرا رفقای من پولدار نیستن ؟

فرض کنید در یک جامعه با ۱۰۰۰ نفر آدم تقاضا برای خرید شیر به شدت میره بالا ، تو اون جامعه یک کارخانه صنایع لبنیات وجود داره با ۱ دامپزشک متخصص پرورش دام ، حالا با افزایش تقاضا برای شیر ۱۰۰ نفر تصمیم میگیرن دامپزشک متخصص پرورش دام بشن به نظرتون این صد نفر قراره پولدار بشن ؟
نه اصلا چون مردم متقاضی دامپزشک نیستن ، متقاضی شیر هستن تنها کسی که متقاضی تخصص دامپزشک هست صاحب کارخونه شیر هست
حالا چه اتفاقی میافته کارخونه دار بجای ۱ دامپزشک ۱۰۱ دامپزشک متقاضی کار داره و برای توسعه کارش و‌افزایش تقاضا فقط کافی ۴ دامپزشک استخدام کنه ، پس ۴ دامپزشک که پایین ترین حقوق رو میگیرن استخدام میکنه و کل ثروت حاصل از افزایش تقاضای شیر رو میزنه بر بدن

اما اون ۱۰۰ دامپزشک هیچ وقت به این فکر هم نکردن که جای کار برای کارخونه دار میتونستن خودشون ۱۰ تا گاو پرورش بدن و مستقیما شیر بفروشن !! حتما دلایلی داشتن مثلا راه اندازی دامداری براشون خیلی گرونه یا احتمالا تحمل یک سال زحمت بدون درآمد کافی تا راه اندازی دامداری براشون سخت بوده

خب مطمئنم خودتون فهمیدین چرا برنامه نویس ها پولدار نمیشن ، تقاضا برای استفاده از فناوری به شدت افزایش پیدا کرده ولی مردم متقاضی برنامه نویس نیستن ، مردم متقاضی سرویس خوب هستن

تقاضا در بازار برنامه نویس ها از محل شرکت‌های تولید نرم افزار شکل میگیره که این شرکت‌ها دارن به شدت تحت تاثیر تکنولوژی های جدید مثل هوش مصنوعی با افزایش نرخ بازدهی نیروی انسانی مواجه میشن و این از نظر اقتصادی یعنی ثبات و یا حتی کاهش دستمزد برنامه نویس عمومی در سال‌های آتی

خب که چی حالا مثلا این حرفا رو میزنی استرس وارد میکنی

این مطلب رو به عنوان یک دانش آموخته اقتصاد مینویسم نه یک متخصص فناوری ، تا فرصت کافی دارید از ارائه سرویس به سمت ارائه محصول مهاجرت کنید. میدونم سخته ولی شدنی

یک نکته : شما برای فروش محصول نرم افزاری در اروپا تقریبا با هیچ مانعی مواجه نیستین . مشکل اصلی اینه که محصولات تولید ایران به طور کامل برای بازار ایران ساخته شده و قابل عرضه تو بازار اروپا نیست ولی بدانید و آگاه باشید همین الان هم خیلی از سرویس های پر فروش اروپایی فاندرهای ایرانی دارن

@DevTwitter | <Farivar Zarvandeh/>

اخیراً پروژه‌ای به نام Spring BookStore روی GitHub منتشر کردم که دوست دارم با شما به اشتراک بذارم.
در این پروژه یک سیستم فروشگاه کتاب با استفاده از Spring Boot طراحی کردم که کاربران می‌تونن مثل یک مشتری ثبت‌نام کنن، کتاب‌ها رو مرور کنن و خرید انجام بدن.
در کنار اون، یک پنل ادمین هم وجود داره که توضیحات کاملش رو توی فایل README قرار دادم.
یکی از اهداف اصلی من این بود که پروژه با هوش مصنوعی در ارتباط باشه.
برای این کار، یک چت‌بات اضافه کردم که با استفاده از Spring AI و Ollama پیاده‌سازی شده.
مدل LLM استفاده‌شده Gemma 3 (4B) هست که به‌نظرم برای این کاربرد سبک و مؤثره. کاربران می‌تونن با چت‌بات درباره‌ی کتاب‌ها گفتگو کنن و تصمیم نهایی‌شون رو راحت‌تر بگیرن.

تکنولوژی‌ها:
Spring Boot, Spring Data JPA, H2, PostgreSQL, Spring AI (Ollama), Spring Reactive, Spring Security, JWT Authentication, Lombok


https://github.com/amirziyacode/Spring-BookStore

@DevTwitter | <Amir ali ziya zadeh/>

با یک ابزار جالب برای اتومیت کردن تست API ها آشنا شدم
حتما تست کنید و نظرتون رو بنویسین
https://github.com/akto-api-security/akto

@DevTwitter | <iM4n Emperor/>

برنامه Onlook برای طراحان وب‌سایت و اپلیکیشن‌های React با کمک هوش مصنوعی
Cursor for Designers
https://github.com/onlook-dev/onlook


@DevTwitter | <Amirio/>

چرا تو پروژه‌هام از Azure استفاده می‌کنم؟

وقتی داری یه پروژه‌ی واقعی با PHP و Laravel می‌سازی می‌فهمی که فقط نوشتن کد مهم نیست
زیرساخت، تست، استقرار، امنیت، و حتی مدیریت پکیج‌ها هم به اندازه‌ی خود کدنویسی مهمه

من توی مسیر تجربه‌هام کم‌کم رسیدم به یه نقطه‌ای که Azure برام تبدیل شد به ابزار اصلی زیرساخت پروژه‌هام. حالا چرا Azure؟ بذار برات توضیح بدم

همه‌چیز سر جای خودش
تو دنیای برنامه نویسی خیلی مهمه که بتونی backend و frontend رو باهم هماهنگ پیش ببری
سرویس Azure بهم این امکان رو می‌ده که بدون دردسر پروژه رو روی App Service بالا بیارم دیتابیس SQL Server یا حتی MySQL تنظیم کنم و همه‌چیز از یه پنل مدیریت شه. انگار همه‌چی از قبل آماده‌ست فقط باید شروع کنی به توسعه

و Pipelineهایی که واقعا کار می‌کنن

شاید برات پیش اومده که یه feature رو push کردی و بعدش یادت رفته یه تست رو اجرا کنی یا یه فایل رو کامیت نکردی برای همین من عاشق Azure Pipelines شدم. یه بار برای همیشه تنظیمش می‌کنی و از اون به بعد هر push یه روند اتومات رو شروع می‌کنه

اجرای تست‌های PHPUnit
اجرای Linter برای تمیز بودن کد
بیلد کردن فایل‌های front

و اگر لازم باشه رفتن به production فقط با یه تأیید

و همه‌ی این مراحل با یه فایل YAML ساده کنترل می‌شن جذاب‌تر اینکه اگه یه مرحله خطا بده، نه تنها deploy نمی‌شه بلکه دقیقاً می‌فهمی مشکل از کجاست

مدیریت پکیج‌ها با Nexus
از اون‌جایی که تو بعضی از پروژه‌هام از پکیج‌های PHP اختصاصی استفاده می‌کنم داشتن یه پکیج‌ رجیستری خصوصی مثل Nexus برام خیلی مهمه

توی Azure به‌راحتی می‌تونم Nexus رو راه‌اندازی کنیم و تمام پکیج‌هام رو اونجا نگه دارم هم امن‌تره هم سریع‌تر

مخصوصاً برای تیم‌هایی که چند پروژه دارن و نمی‌خوان کدهای داخلی توی Packagist یا جای عمومی باشه، این یه مزیت بزرگه

@DevTwitter | <arash narimani/>

کد های پروژه لاراول خودتون بدون دردسر و در هر ide مثل فرفره تمیز کنید، هم تمیز و هم مطابق استاندارد psr-12

قطعا اجرای نکات ریز هنگام توسعه از نگاه برنامه نویس پنهان میشه و ابزاری لازم داریم که این کارهای تکراری یکبار برای همیشه انجام بده، که یکپارچگی کدهای که حتی بین چند نویسنده بوده حفظ کنه
کارهایی مثل:
- حذف کلاس های use استفاده نشده
-تبدیل دابل کتیشن به تک کتیشن در تعاریف متغییر
- تبدیل تعریف ارائه به شکل [] از areay()
- تراز کردن فاصله بین عملگرها و انتساب ها
-مرتب کردن use ها به ترتیب حروف الفبا
-تنظیم تورفتگی بین کد (tab یا space ) به صورت پیش فرض 4 space جایگزین می‌شود
-حدف فضاهای اضافی بین کد ها

روش اجرا . ابتدا باید از نصب بودن pint در محیط dev مطمن باشی
composer require laravel/pint --dev

بعد هم با دستور زیر pint اجرا کنی
vendor/bin/pint


@DevTwitter | <Vahid Alvandi/>

وایب کدینگ (𝗩𝗶𝗯𝗲 𝗖𝗼𝗱𝗶𝗻𝗴) چیه که همه جا دارن دربارش صحبت می‌کنن؟

- وقتی این رو از ChatGPT پرسیدم حس کردم یه یکمی در جریان موضوع نیست. مثلاً گفت:

مدلی از کدنویسی که شخص خیلی ریلکس و با آرامش کدنویسی می‌کنه، موزیک ملایم پخش میشه، تم‌های جذاب ادیتور و ابزارهای کار مثل ماوس و کیبورد جالبی استفاده میشه.

- اما در واقع عبارت Vibe Coding که کمتر از ۳ ماه میشه که سر زبون‌ها افتاده، روشی برای توسعهٔ نرم‌افزار هست که شخص کاملاً با وابستگی به AI توسعه رو انجام میده. یعنی مسئله رو برای AI شرح می‌دیم و اون برامون کدها رو تولید می‌کنه. یعنی همون کاری که بیشتر ماها هر روز داریم انجام می‌دیم :)

- توی این روش، افراد تازه‌کار می‌تونن کدهایی در سطح افراد باتجربه بنویسن. به نظر من اولویت‌ها برای تشخیص یک توسعه‌دهندهٔ خوب داره عوض میشه.

@DevTwitter | <Ali Nazari/>

اگه برای سرویس یا محصول تون به دنبال یه سرویس search engine هستید که کاربر بتونه باهاش product search کنه یا autocomplete و in-app search داشته باشه به جای راه اندازی دردسردار elasticsearch میتونید از meilisearch استفاده کنید.
الاستیک خیلی قابلیت ها داره که متفاوته با ابزاری که معرفی کردم، ولی برای مواردی که عرض کردم میتونه راه اندازی الاستیک و نگهداری ش بیش از حد سنگین باشه.

ابزار meilisearch با rust نوشته شده و زمان پاسخگویی ش خیلی پایینه (زیر ۵۰ میلی ثانیه) و تقریبا real-time آپدیت میکنه (۱ ثانیه تاخیر حدودا)

البته اعدادی که گفتم بسته به نحوه استفاده و داده شما و کانفیگ سرور میتونه متفاوت باشه

همچنین meilisearch قابلیت های فیلتر کردن ساده رو صرفا پشتیبانی میکنه اما facet search داره که فکر میکنم برای کاربردهای مذکور کافی باشه


بنظرم اگه لازم دارید چنین چیزی رو به امتحان کردنش میارزه.
https://github.com/meilisearch/meilisearch

@DevTwitter | <Hossein Nazari/>

یه کلاس کوچیک برای اجرای کدهای python داخل laravel


https://dev.to/johns-dev-projects/laravelphp-doodle-to-run-native-python-3k3j

@DevTwitter | <Milad Niroee/>

با پیشرفت هایی که در تکنیک های Reinforcement Learning شده قابلیت های زیادی به LLM ها اضافه شده. حالا یک تیم از دانشگاه برکلی یک مدلی را با روش multi-turn RL (یادگیری تقویتی چندمرحله‌ای) فاین تیون کردن برای تبدیل سوالات طبیعی به کوئری‌های SQL (تسک Text-to-SQL). چیزی که این مدل رو خاص می‌کنه، استفاده از یادگیری تقویتی چندمرحله‌ایه؛ یعنی مدل می‌تونه کوئری‌هاش رو مرحله به مرحله اصلاح کنه تا به جواب دقیق‌تری برسه. یعنی برخلاف روش‌های سنتی که فقط یه جواب تولید می‌کنن، اینجا مدل می‌تونه چند مرحله سوال و جواب رو پیش ببره تا کوئری SQL نهایی دقیق‌تر و منطقی‌تر باشه.
جالبی این مدل اینه که فقط با استفاده از حدود ۶۰۰ نمونه آموزشی، مدل SkyRL-SQL-7B تونسته دقت اجرا (execution accuracy) رو تا ۹.۲٪ روی ۵ بنچمارک مختلف از مجموعه داده Spider نسبت به مدل پایه بالا ببره. و حتی عملکرد بهتری از GPT-4o، o4-mini و OmniSQL-7B (مدل متن‌باز آموزش‌دیده با ۲.۵ میلیون نمونه) داشته.
کد و مدل و بلاگشون همه موجوده و میتونید استفاده کنید برای فاین تیون کردن مدلها روی تسک مورد نظرتون.
Blog: https://novasky-ai.notion.site/skyrl-sql

@DevTwitter | <Mehdi Allahyari>

هکاتون LLM Agents که چند روز پیش تو دانشگاه شریف برگزار شد، واقعاً رویداد خوبی بود. ممنون از همه عزیزانی که برای برگزاری‌ش زحمت کشیدن.

ویدیو ارائه‌ها هم روی یوتیوب منتشر شده، پیشنهاد می‌کنم از دستشون ندید!

https://www.youtube.com/playlist?list=PLFr7f4WLNwrZzhz-YDjha6j3Z9ymjo7rD

@DevTwitter | <Reza Jafari/>