من چند وقت اخیر روی یک پروژه اوپن‌سورس به اسم Linka کار می‌کردم و الان به نسخه پایدار رسیده.

پروژه Linka یک بات تلگرام برای تحویل فایل از طریق Deep Link هست. مثلاً شما یک فیلم، سریال، دوره آموزشی یا هر فایل دیگه‌ای داخل بات ثبت می‌کنید، بات یک لینک اختصاصی می‌سازه و کاربر فقط با کلیک روی اون لینک فایل رو دریافت می‌کنه.

هدفم این بود که یک راه‌حل ساده و آماده برای مدیریت و توزیع فایل در تلگرام بسازم که هر کسی بتونه با چند تغییر ساده توی فایل تنظیمات و اجرای Docker ازش استفاده کنه.

پروژه کاملاً با Python توسعه داده شده و اوپن‌سورس هست.

GitHub:
https://github.com/MjavadH/Linka

@DevTwitter | <MjavadH/>

یکی اومده System Prompt تمام ابزارهای مختلف که leak شدن رو تو یه ریپو جمع کرده که شامل Cursor، Claude، Grok، Lovable و... هست!

حتی Fable 5 با اینکه فقط ۴ روز در دسترس بود هم تو این ریپو لیست شده که حدود ۱۶۰۰ خط instruction شامل guardrailها، شخصیت، اخلاقیات و... هست!

کاربردش چیه؟ اگه اپ یا automation طراحی میکنید، لینک این ریپو رو به Claude بدید و ازش بخواید فقط اون مواردی که به ساختار کار شما مرتبط هست رو به صورت system prompt براتون جنریت کنه!

https://github.com/elder-plinius/CL4R1T4S

@DevTwitter | <Amir/>

خب HTTP هم بالاخره یه روش درست‌حسابی برای query زدن با body گرفت گویا دیگه از POST /search راحت میشیم

https://www.rfc-editor.org/info/rfc10008/

@DevTwitter | <Abolfazl/>

یه اپ Rag-Based زدم با Streamlit که قابلیت‌های زیر رو داره:
- ثبت‌نام، ورود و خروج کاربر با هش‌کردن رمز عبور توسط bcrypt.
- مالکیت اختصاصی کاربران در SQLite برای اسناد، جلسات چت و پیام‌ها (تفکیک داده‌ها بر اساس هر کاربر).
- کالکشن‌های اختصاصی Qdrant برای هر کاربر با نام‌گذاری به صورت user_{user_id}.
- بارگذاری و پردازش فایل‌های PDF، DOCX، XLSX، Markdown و TXT.
- قابلیت تنظیم اندازه تکه‌ها (Chunk Size)، هم‌پوشانی (Overlap)، ارائه‌دهنده سرویس (Provider)، مدل‌ها، مقدار پیش‌فرض top-K و -قابلیت استریم (Streaming).
- رابط کاربری جستجو با اعمال دقیق محدودیت top-K درخواستی و فیلترهای اختیاری روی اسناد.
- چت مبتنی بر RAG همراه با ذخیره تاریخچه، امکان انتخاب محدوده اسناد (Scope)، دکمه سوییچ استریم، ارجاعات (Citations) و خروجی گرفتن به صورت JSON.
- حذف اسناد و پاک‌سازی وکتورهای مربوط به آن‌ها.
- راه‌اندازی با Docker Compose برای Streamlit، Qdrant، دیسک ذخیره‌سازی (Volume) برای SQLite و Ollama.

لینک:
https://github.com/Ryan-PG/ry-vector

@DevTwitter | <Ryan Heida/>

این وبسایته خیلی بامزه است. هر بار که روی دکمه Please کلیک میکنی خیلی تصادفی میبرتت به یه وبسایت بی هدف دیگه :))

https://theuselessweb.com/

@DevTwitter | <^mad/>

بالاخره تموم شد
ااین نسخه کلی چیزای جدید داره: اضافه شدن SoundCloud، RadioJavan، Spotify و TikTok به دانلودرهای ساپورت‌شده، اینستالر ویندوز برای نصب راحت‌تر، و کلی ریزه‌کاری دیگه...

https://github.com/MSC72m/media_downloader

@DevTwitter | <Mohammad Sadeghian/>

اگر دنبال مدل زبانی بدون سانسور برای استفاده روی کامپیوتر شخصی هستید، این مدل رو به شدت پیشنهاد می‌کنم:
https://huggingface.co/DavidAU/GLM-4.7-Flash-Uncensored-Heretic-NEO-CODE-Imatrix-MAX-GGUF

@DevTwitter | <The Sina/>

پلتفرم ایمیل مارکتینگ مبتنی بر هوش مصنوعی Nitrosend امکان ساخت و مدیریت کمپین‌های ایمیلی رو مستقیما از داخل ChatGPT یا Claude فراهم می‌کنه!

کافیه درخواستت رو بنویسی؛ هوش مصنوعی خبرنامه، متن ایمیل‌های خودکار و کمپین‌های بازاریابی رو برات آماده می‌کنه.

http://nitrosend.com

@DevTwitter | <mohammad seymari/>

به نظرم مهمترین خبر امروز اینه

GLM-5.2 مدل جدید شرکت چینی Z .ai هست که با وزن‌های کاملاً باز (Open Weights) منتشر شده و تمرکزش روی برنامه‌نویسی، ایجنت‌های هوش مصنوعی و کارهای طولانی‌مدته.

نکات مهم:

در خیلی از بنچمارک‌های کدنویسی و استفاده از ابزارها، از GLM-5.1 فاصله گرفته و پیشرفت قابل توجهی داشته.

از کانتکست ۱ میلیون توکنی پشتیبانی می‌کنه؛ یعنی می‌تونه حجم عظیمی از کد، اسناد و اطلاعات رو یکجا پردازش کنه.

روی کارهای چندساعته و طولانی (Long-Horizon Tasks) آموزش دیده؛ یعنی برای پروژه‌های پیچیده و چندمرحله‌ای مناسب‌تره.

با مجوز MIT منتشر شده؛ یعنی شرکت‌ها و توسعه‌دهنده‌ها محدودیت کمی برای استفاده ازش دارن.

قیمت API نسبت به GLM-5.1 تغییری نکرده.

اما بخش جالب‌تر:

Z .ai در نمودارها نشون داده که GLM-5.2 در بعضی تست‌های برنامه‌نویسی و Agentها به GPT-5.5، Gemini 3.1 Pro و حتی Claude Opus 4.8 نزدیک شده یا از بعضی‌ها جلو زده.

اهمیت اصلی خبر اینه که فاصله بین مدل‌های متن‌باز و مدل‌های بسته مثل GPT و Claude هر روز کمتر می‌شه. اگر ادعاهای Z .ai درست باشه، GLM-5.2 یکی از جدی‌ترین رقبای متن‌باز GPT-5.5 و Opus 4.8 تا امروز محسوب می‌شه.

@DevTwitter | <Nima />

یک سری از کامپوننت‌های رایگان Shadcn که می‌توانید تو پروژه‌های خود از آن‌ها استفاده کنید
لینک ریپو:
https://github.com/nolly-studio/cult-ui

@DevTwitter

نسخه ۱۵۲ فایرفاکس منتشر شد..

آخرین سنگر مستقل و متن‌باز دنیای وب که به کرومیوم گوگل وابسته نیست آپدیت شد.

توی این آپدیت طراحی تنظیمات تغییر کرده، می‌شه تب‌ها رو از نوار آدرس بی‌صدا کرد، از JPEG XL پشتیبانی می‌کنه و توی اندروید هم می‌شه تب‌ها رو گروه‌بندی کرد.

@DevTwitter | <Behrad Javed/>

این mu plugin ایده ای بود که با وسواس بکمک جمنای نوشتم
کارش اینه که افزونه ها بر اساس هدر اسکوپ اجازه لود شدن پیدا میکنند و در محیطی که براش تعریف نشده محل سگ نمیذاره به پلاگین مد نظر

چه مشکلی رو حل میکنه؟ داروی ضد نفخ و سنگینی وردپرسه

https://github.com/HamxaBoustani/wandtech-scope-loader

@DevTwitter | <Hamxa/>

چرا اکثر پروژه‌های Microservice شکست می‌خورن؟
از چند سال پیش که معماری Microservice مد شد، خیلی از پروژه‌ها رفتن سمتش.
اما یه تعداد قابل توجهی از همین پروژه‌ها بعد از مدتی به دردسر افتادن.
می‌دونید چرا؟
چون از اول اصلا لازم نبود Microservice باشن.
این موارد چقدر براتون آشناست؟
- ده‌ها سرویس کوچیک که هیچ‌کس مالک واقعی‌شون نیست.
- تغییر یه Feature ساده که نیازمند تغییر چندین سرویسه.
- یه تیم کوچیک که مسئول توسعه همه سرویس‌هاست.
- مانیتورینگ و دیباگ سخت‌تر از خود توسعه شده.
- هزینه زیرساخت و نگهداری هم سر به فلک کشیده.

مشکل اینجاست که بعضی وقت‌ها پیچیدگی معماری از خود مسئله بیشتر میشه.
در عمل برای بیل زدن یه باغچه، از لودر استفاده کردیم!
یه پروژه با چند هزار یا حتی چند ده هزار کاربر رو بردیم روی معماری‌ای که اصلا برای این مقیاس طراحی نشده و فقط پیچیدگی، هزینه و دردسر بیشتری ایجاد کرده.
به نظرم قبل از اینکه بپرسیم:
چطور سیستم رو Microservice کنیم؟
باید از خودمون بپرسیم:
اصلا چه مشکلی داریم که Microservice قراره حلش کنه؟

@DevTwitter | <Amir Rahimi Nejad/>

این aspire.dev رو برای توسعه در local پیشنهاد می‌کنم. پروژه به بلوغ رسیده و تنظیم وابستگی‌ها در local و مشاهده لاگ‌ها و متریک‌ها و trace درخواست‌ها (در داشبوردش) راحته.

زبان‌های مختلف رو پشتیبانی می‌کنه و آماده کردن پروژه‌های موجود هم برای بهره‌برداری ازش ساده است.

@DevTwitter | <Hamed/>

گوگل یه ابزار جدید به اسم Google Vids معرفی کرده که می‌تونه اسلایدهای معمولی رو به ویدیوهای حرفه‌ای تبدیل کنه.

جالبش اینجاست که یه آواتار هوش مصنوعی هم می‌تونه محتوای اسلایدها رو برات ارائه بده انگار یه نفر واقعاً داره پرزنتیشن رو توضیح می‌ده.

اگه از پاورپوینت‌های خسته‌کننده خسته شدی، بد نیست یه نگاه بهش بندازی. فعلاً رایگانه

@DevTwitter | <Nima />

آنتروپیک قابلیت جدیدی اضافه کرده که Claude Code و Claude Design حالا به‌صورت دوطرفه با هم همگام می‌شن. یعنی می‌تونی طراحی رو وارد پروژه کنی و مستقیم روی کامپوننت‌های واقعی کد بزنی، یا تغییرات کد رو دوباره به محیط طراحی برگردونی.

@DevTwitter | <Nima />

آقا این VeloxDB عجب شاهکاریه! دیتابیس منیجر نوشته شده با Rust. دیگه از شر pgAdmin راحت میشید، خیلی سریعه. MySQL و SQLite رو هم اکسپریمنتال ساپورت میکنه
https://github.com/veloxbase/veloxdb

@DevTwitter | <Kyrovert />

آنتروپیک خیلی بی سر و صدا یه فیچر جدید برای Claude ریلیز کرده به اسم agent teams که experimental هست و باید دستی فعالش کنید.

بر خلاف sub agentها که به صورت ایزوله شده کار میکنن و نتیجه رو به ایجنت اصلی برمیگردونن، agent teams میاد یه تسک لیست تعریف میکنه و teammateها به صورت مستقیم با هم در ارتباط قرار میگیرن!

مثلا teammate فرانت‌اند اگه به یک schema نیاز داشته باشه برای teammate بک‌اند یه مسیج میفرسته و آنبلاک میشه. بعد هر کدوم از اینا تسک لیست رو آپدیت میکنن و ایجنت اصلی فقط وظیفه نظارت و تایید هدف اصلی رو داره!

برای فعال کردنش کافیه اینو به settings.json اضافه کنید یا از Claude بخواید که انجامش بده:

"env": { "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1" }

@DevTwitter | <Amir/>

کمپانی databricks یکی دو روز پیش Omnigent رو اپن سورس کرده و به نظرم یکی از جالب‌ترین لایبرری ها در دنیای Agentهاست.

بیشتر آدم‌ها و تیم‌ها هنوز روی ساختن Agentهای بهتر تمرکز دارن. اما به نظر من فرصت بزرگ‌تر، ساختن Harnessهای بهتره.
بهترین تیم‌ها الان از چندین Agent مختلف استفاده می‌کنن؛ Claude Code، Codex، Gemini، ابزارهای داخلی و Agentهای اختصاصی. مشکل اصلی دیگه توانایی مدل‌ها نیست، بلکه هماهنگ کردن و مدیریت این Agentهاست.

چیزی که در Omnigent برام جالبه اینه که خودش یک Meta-Harness هست؛ یعنی لایه‌ای بالاتر از Agentها که وظیفه مدیریت، هماهنگی، حافظه، قوانین و همکاری بین اون‌ها رو بر عهده می‌گیره.
به نظرم مسیر تکامل این فضا چیزی شبیه اینه:

Model -> Agent -> Harness -> Meta-Harness

به نظرم آینده متعلق به یک سوپر Agent نیست. بلکه مجموعه‌ای از Agentهای تخصصی هست که داخل یک کنترل‌ پلین مشترک کار می‌کنن.
همون‌طور که Kubernetes جای Containerها رو نگرفت و فقط لایه مدیریت اون‌ها شد، Meta-Harnessها هم ممکنه به لایه مدیریت Agentها تبدیل بشن.

در نهایت برنده‌ها لزوماً اون‌هایی نیستن که بهترین LLM رو دارن. بلکه اون‌هایی هستن که بهتر از بقیه می‌تونن مدل‌ها، ابزارها، حافظه، Workflowها و انسان‌ها رو در یک سیستم منسجم کنار هم قرار بدن.
این بلاگشون را بخونید که خیلی قشنگ توضیح میده. اگه هم هنوز keynote شون را ندید حتما ببینید.

Blog: https://databricks.com/blog/introducing-omnigent-meta-harness-combine-control-and-share-your-agents
Youtube: https://youtube.com/watch?v=sn9My5Pj0mE

@DevTwitter | <Mehdi Allahyari/>

تا حالا پیش آمده که از دیوارهای اخلاقی ChatGPT و چت‌بات‌ها خسته بشید؟ قطعا شده.
مشکل اینه که روی مدل‌های لوکال هم این قضیه هست. من طی دیشب، یکم با جما۳ نسخه ۴ میلیاردی بازی کردم و آلدوئین متولد شد. یک مدل اوپن‌سورس بدون محدودیت اخلاقی و سانسور

متاسفانه هنوز «شخصا» ازش کوانتیزیشنی ارائه نکردم. اما سبکه و با ۸ الی ۱۲ گیگ گرافیک اجرا میشه.
لینک اجرا:

https://huggingface.co/Muhammadreza/alduin-4b-it-base

و ضمنا، تصویر هم بعنوان ورودی قبول می‌کنه. به نظرتون چی از این بهتر؟

@DevTwitter | <M. Haghiri/>

https://github.com/RAlIKHANI1991/Crawler_tgju
یه کرالر نوشتم برلی کسایی که میخوان دیتا از سایت tgju دانلود کنند.
کافیه اسکریپت main رو ران کنید با اون دارایی که مد نظرتونه. خروجی به صورت فایل csv قابلیت اتصال به دیتابیس رو هم داره و کد ماژولار و قابل توسعه است.


@DevTwitter | <Rooholla ALIKHANI/>