رده بندی محبوبیت زبانهای برنامه نویسی در سپتامبر 2026
تقدیم به نگاه شما عزیزان...

این رده بندی فقط بر اساس ترند و میزان محبوبت بین برنامه نویسان است نه قدرت زبان برنامه نویسی
نکته جالب توجه این است که زبانهایی مثل Rust و Go درحال افزایش رتبه هستند که حتی بالاتر از PHP قرارگرفته اند

نکته: به نظرم اشکال اینوگرافی زیر در این است که TypeScript و JavaScript باید باهم در نظر گرفته شوند نه جداگانه.

@DevTwitter | <Amir Rahimi Nejad/>

همه دارن مرورگر می‌سازن، ولی من مرورگر رو از نو تصور کردم.

مرورگر Wake تب نداره. صفحه‌ها کنار هم ستون می‌شن و بینشون اسکرول می‌کنی. صفحه‌ها رو بر اساس موضوع توی رشته‌ها (thread) جمع می‌کنی، نه چهل تا تب پراکنده که آخرش هیچ‌کدوم رو پیدا نمی‌کنی.

در ضمن کاملاً متن‌بازه.

نظرتون رو بگید و اگه مشکلی دیدید issue باز کنید.

نسخه‌ی بتا برای مک: https://wake.amiralibgi.xyz
گیت‌هاب: https://github.com/amiralibg/weft

@DevTwitter | <Amirali Beigi/>

گمانی زنی ها حاکی از اونه که DeepSeek V5 ادعا می‌شه Astra رو شکست داده و کاملاً روی چیپ‌های Huawei Ascend (نه Nvidia) آموزش دیده.

۲ تریلیون پارامتر، open weights، و بنیان‌گذارش می‌گه بزرگ‌ترین شرط‌بندی شرکت بوده.

اگر درست باشه، داستان سخت‌افزار AI تغییر می‌کنه.

@DevTwitter | <Reza/>

چون جالب بود

ابزار MobileRun اجازه می‌ده آیفون واقعی خودت رو به سیستم وصل کنی و Workflowهای اتوماتیک روی اپ‌های موبایل اجرا کنی؛ یعنی Automation فقط محدود به مرورگر و API نیست و می‌تونه مستقیماً با اپ‌های iOS کار کنه.
برای تست و راه‌اندازی:
https://docs.mobilerun.ai/quickstart

@DevTwitter | <خانم_زاده/>

یه پروژه‌ی اوپن سورس ساختم و منتشر کردم به اسم AI Userbot Assistant

ایدش از اینجا شروع شد که وقتی سرم شلوغه یا آفلاینم، یکی به‌جای من تو پیوی جواب بده. یه ربات که با خود اکانت شخصی خودم کار کنه، نه یه بات جدا با Bot API.

یه دلیل دیگه‌شم این بود که برنامه‌نویس‌های تازه‌کار وقتی می‌خوان API هوش مصنوعی رو تست کنن، همیشه درگیر کلید API و پیچیدگی پیاده‌سازی می‌شن، اونم فقط برای امتحان کردن مدل‌های سبک. این‌جا فقط کلید و آدرس مدل رو تو یه ویزارد می‌ذاری و همه‌چیز آماده‌ست. هر API سازگار با OpenAI رو هم می‌تونی بذاری.

روبیکا و تلگرام رو الان پشتیبانی می‌کنه. ورود با کد پیامکی و رمز دومرحله‌ای تو خود برنامه انجام می‌شه، بدون ادیت فایل و ترمینال. سیستم‌پرامپت رو هم از داخل برنامه عوض می‌کنی. کلیدها و شماره‌ها رمزنگاری می‌شن، نه اینکه تو یه فایل متنی بمونن. rate limit و کش پاسخ هم داره که یکی نتونه هزینه‌ت رو بالا ببره.

فعلاً بیشتر روی ویندوز تست شده و ورود اولیه تلگرام فقط از رابط گرافیکی ممکنه. یه چیز مهم‌تر: userbot ممکنه با قوانین پیام‌رسان تضاد داشته باشه، پس فقط روی چت‌های شخصی خودتون و با احتیاط استفاده کنین.

اگه دوست داشتین پیام‌رسان‌های دیگه (بله، ایتا و ...) رو اضافه کنین PR بدین، مرج می‌کنم. اگه به دردتون خورد، یه استار به ریپو بدین ممنون
https://github.com/pedramkhademi619/ai-userbot-assistant

@DevTwitter | <Pedram/>

وقتی که K9s کار شما در استفاده از kubernetes ساده تر می‌کنه !

اگر با Kubernetes کار کرده باشید، احتمالاً بخش زیادی از کارهای روزمره‌تان با "kubectl" انجام می‌شود:

"kubectl get pods"
"kubectl describe pod"
"kubectl logs"
"kubectl get deployments"
و کلی command دیگر...

اما وقتی تعداد Namespaceها، Podها و Deploymentها زیاد می‌شود، مدیریت این موارد از طریق command line می‌تواند کمی زمان‌بر شود.

️ اینجاست که K9s می‌تواند خیلی کاربردی باشد.

در اصل K9s یک CLI برای مدیریت و مشاهده‌ی منابع Kubernetes به صورت interactive در اختیارمان قرار می‌دهد.

چیزی که برای من جذاب است، این است که بسیاری از کارهای روزمره را می‌توان خیلی سریع‌تر انجام داد:

- مشاهده‌ی وضعیت Podها و Containerها
- مشاهده‌ی Logs
- بررسی Events
- مشاهده و مدیریت Deployments
- جابه‌جایی سریع بین Namespaceها
- اجرای Shell داخل Container
- بررسی Resource Usage
- دسترسی سریع به منابع مختلف Kubernetes

برای مثال، به‌جای اینکه برای پیدا کردن یک Pod و سپس مشاهده‌ی Log آن چند command مختلف اجرا کنیم، در K9s می‌توانیم از همان محیط به resource موردنظر برویم و اطلاعات مربوط به آن را بررسی کنیم.

یکی از ویژگی‌های جالب K9s هم keyboard-driven workflow آن است؛ یعنی با چند shortcut ساده می‌توان بین منابع مختلف حرکت کرد و عملیات مختلف را انجام داد.

البته K9s جایگزین "kubectl" نیست.

اگر هر روز با Kubernetes کار می‌کنید، به نظرم ارزش دارد حداقل یک بار K9s را امتحان کنید. ‍

@DevTwitter | <Farhad A./>

خب اینم بالاخره انجامش دادم . Claude Desktop رو با مدل‌های رایگان راه انداختم! از این به بعد اگر خواستین از استراکچر قدرتمند Claude Desktop استفاده کنین اما به جاش از مدل های رایگان اوپن کد استفاده کنین زیرساختش آمادست.
گیت‌وی لوکال و اوپن‌سورس که Claude Desktop رو به مدل‌های رایگان OpenCode وصل می‌کنه (سازگار با API آنتروپیک)

https://github.com/Sajadapp/claude-desktop-free-gateway

@DevTwitter | <CaptainMoz/>

یه مدل هست به اسم kev-4b که از روی qwen3-4b درست کردن که مثل jev کار classification رو انجام میده.
من واسه فرمت onnx یه docker image درست کردم که علاوه بر اجرای runtime، یه لایه api سازگار با typesafe-jev میده که میتونید به صورت local روی cpu اجرا کنید.
سوالات کوتاه (کمتر از ۱۰۰ توکن) رو با ۴ هسته cpu، توی حدود یک ثانیه جواب میده.
https://github.com/aleskxyz/kev-onnx

@DevTwitter | <aleskxyz/>

پکیج ساده برای اضافه کردن کپچا به فرم‌ها در React و Next
- بدون نیاز به سرویس خارجی و اجرا روی سرور خودت

- متنی، عددی، ریاضی و تصویری
- فارسی و انگلیسی • سطح آسان، متوسط و سخت
- اعتبارسنجی سمت سرور و Rate Limit
- انقضا و استفاده یک‌باره

+ دمو
https://npmjs.com/package/captchakit

@DevTwitter | <JooD/>

چجوری DeepSeek v4.1 فلش رو jailbreak کنیم ؟

نحوه اجرا: فولدر بسازید، با OpenCode باز کنید، فایل رو دانلود و به AGENTS.md تغییر نام بدید و بعدش OpenCode رو اجرا کنید.

https://github.com/togg53192-cmd/jailbreaks/blob/main/deepseek-4-1.md

@DevTwitter | <Reza/>

هارنس Condor (در حوزه الگوترید)
توسط تیم شناخته‌شده Hummingbot ساخته شده که تصمیم LLM را به اجرای واقعی روی +50 صرافی متمرکز و غیرمتمرکز وصل می‌کند.

استدلال AI از اجرای قطعی جداست، audit log داره و Executors/Routinesها اجرا رو سریع و امن می‌کنند.

https://github.com/hummingbot/condor

@DevTwitter | <Amir/>

هوش مصنوعی Qwen نسخه پولی نرم‌افزار IDM را کرک کرد

در ردیت، کاربری با کمک مدل «Qwen3.8-Flash-Next-Uncensored» توانست قفل نسخه پولی «اینترنت دانلود منیجر» را دور بزند و آن را کاملاً رایگان فعال کند. این مدل با تحلیل مستقیم فایل اجرایی، توانست بخش مربوط به تأیید لایسنس نرم‌افزار را شناسایی کند.

در مرحله بعد مدل Qwen تنها با اصلاح یک بایت از کدهای اجرایی برنامه و اجرای اسکریپتی برای ویرایش رجیستری ویندوز، محدودیت زمانی نرم‌افزار را از بین برد تا کاربر بدون نیاز به پرداخت اشتراک سالانه ۱۱ دلاری بتواند از آن استفاده کند.

@DevTwitter | <Digiato/>

یکی از بزرگ‌ترین اشتباهات در توسعه ایجنت‌ها، فرستادن کل تاریخچه چت در هر درخواست API است. با طولانی شدن مکالمه، تاخیر پاسخ‌ها بالا می‌رود و هزینه پردازش ابری چند برابر می‌شود.

راهکارهای دم‌دستی مثل کوتاه کردن تاریخچه باعث فراموشی ایجنت می‌شوند و تزریق مداوم فکت‌ها به سیستم پرامپت هم کش پیشوند (Prefix Cache) را در ارائه‌دهندگانی مثل OpenAI و Anthropic کاملا از کار می‌اندازد.

در پروداکشن، معماری حافظه باید دو لایه باشد: پروفایل ثابت کاربر بلافاصله بعد از سیستم پرامپت قرار بگیرد تا کش دست‌نخورده بماند، و فکت‌های پویای استخراج‌شده در انتهای پرامپت اضافه شوند. همچنین استخراج فکت‌ها باید ناهمگام و در پس‌زمینه انجام شود.

در پست جدید MLnotes این معماری، جزئیات فنی و نحوه پیاده‌سازی آن را توضیح داده‌ام:
https://mlnotes.substack.com/p/stop-dumping-chat-history-into-context

@DevTwitter | <Mehdi Allahyari/>

اگر از Qdrnat به عنوان Vector Database استفاده می کنید، در نسخه 1.19 دو اپراتور فیلتر جدید اضافه کرده به نام های phrase و prefix که هر کدوم قابلیت های خیلی خوبی برای حذف کردن noise در retrieval میدن و میتونید سیستم های مبتنی بر این ابزار مثلا RAG هارو بهینه تر کنید.

@DevTwitter | <Max Shahdoost/>

رفقایی که از zcode desktop استفاده میکنن و باهاش فارسی حرف میزنن . یه پچ برا zcode زدم که چت فارسی رو RTL (راستچین) و چت انگلیسی رو LTR( چپ چین) میکنه .
خیلی این رو مخ خودم بود و با هیچ پلاگینی هم درست نمیشد .
https://github.com/the-Ashkanian/rtl-chat-zcode

@DevTwitter | <اشکانیان/>

احتمالا در مصاحبه برای شرکت های درست حسابی ازتون درباره AI Workflow سوالهایی پرسیده بشه که بدونن شما چطور دارید از LLM و Coding Agent ها برای سرعت دادن به کار استفاده میکنید، مثلا Harness و Workflow ای که دارید چیه؟ از چه مدل و برای چه تسکهایی استفاده می کنید، مثلا Opus برای کار پلنینگ، Fable برای کار های پیچیده و سخت، Sonnet برای کارهای ساده با هزینه کم، یا GPT 6 Astra برای پلن و ... بعد جزئی تر بشن که حالا Effort Level هایی که میدید چقدره و هر کدوم برای چه کاری، کجا High و Low یا Max میزنید. حالا چطور Evalution انجام میدید که مطمئن بشید نتیجه خوب بوده؟ آیا با AI تست می نویسید، چه مدل تست هایی مینویسید، چطور پیش میرید؟ اگر دقیق نیازمندی رو نمیدونید چطور با AI پیاده سازی میکنید که بیشترین شباهت رو به نیاز واقعی پیدا بکنه، از چه SKILL های متداولی استفاده میکنید، چه زمانی SKILL می سازید و اضافه میکنید؟
آیا از Sub-Agent ها یا Agent Swarm استفاده میکنید؟ اگر آره در چه زمانی و اگر نه چرا؟ در مورد Claude.md و Agent.md توضیح بده که چی هست و چه جاهایی استفاده میکنی؟ آیا با MCP کار کردی؟ MCP Server ها چی هستن؟ کجاها توی کارت ازشون استفاده کردی؟
در مورد Context Window چی میدونی؟

تجربت با Context Window در مدل های مختلف چی بوده؟ چطور تونستی یه جایی با بهینه سازی این موضوع هزینه رو کم کنی و نتیجه یکسان یا حتی بهتری بگیری؟ loop و goal چی هستند آیا تا به حال ازشون استفاده کردی؟

با همین سوال و بحث ها میشه فهمید یه نفر چقدر درگیر هست و چقدر داره از این ابزار ها در کارهای خودش استفاده میکنه، قطعا سوال های مربوط به تخصص هر حوزه بسته به موقعیت شغلی هم مهمه ولی به نظرم توانایی توضیح دادن و بحث کردن و دانش عمیق داشتن و تجربه داشتن برای پاسخ به این سوال ها چیزی هست که یک نیازمندی مهم هست و کسی که نتونه از پسش بر بیاد گرفتار میشه.

https://youtu.be/Ge42_DE0rpI

@DevTwitter | <Max Shahdoost/>

دیگه پرامپت‌های پراکندهٔ هوش مصنوعی رو از تایم‌لاین ذخیره نکن.

این سایت رایگان بیش از ۱۰ هزار پرامپت برای ChatGPT، Claude و Nano Banana داره؛ همه در یک جا دسته‌بندی شده:

https://www.meigen.ai/

@DevTwitter | <Yarad/>

شروع کار با داکر | Docker Getting started

۱. مفاهیم پایه و اصول داکر
بررسی معماری داکر، ایمیج‌ها (Images)، کانتینرها (Containers) و رجیستری (Docker Registry).
آشنایی با استوریج، شبکه‌سازی (Network)، پورت‌ها، لایه‌های ایمیج و Docker Compose.

۲. ورکشاپ‌های پروژه‌محور PHP
پنل ایمیل (Mail Panel): کانتینرایز کردن یک پروژه بر اساس نسخه اختصاصی (PHP 7.2) بدون ارتقای اجباری به آخرین نسخه.
پیاده‌سازی نمونه رسمی مستندات داکر: PHP Docker Sample
پروژه‌های کاربردی: فایل منیجر و دفترچه تلفن.
وردپرس و لاراول: راه‌اندازی و کانتینرایز کردن از روش‌های ساده و متداول تا ساختارهای حرفه‌ای و پیشرفته.

۳. ورکشاپ‌های جاوااسکریپت
محاسبه‌گر زمان (Time Calculator)
بازی سنگ، کاغذ، قیچی (Rock Paper Scissor)

https://youtube.com/playlist?list=PLPIQWyi2FB6JeXGm9lh876925SNQjWyCf

@DevTwitter | <ابوالفضل/>

پروژه Vidonex یه اوپن سورس برای ساخت و ادیت ویدئوئه که سعی می‌کنه پیچیدگی‌های FFmpeg رو ازت دور کنه؛ یعنی به‌جای اینکه خودت درگیر کلی دستور و تنظیمات FFmpeg بشی، با یه ساختار ساده مشخص می‌کنی چه ویدئو، عکس، صدا، افکت، زیرنویس و تایملاینی می‌خوای، بعد Vidonex خودش اینا رو تبدیل می‌کنه به یه pipeline بهینه و با FFmpeg رندر می‌گیره. در کنارش یه اپ دسکتاپ هم داره و می‌تونه به‌عنوان CLI، SDK یا حتی موتور رندر سمت سرور استفاده بشه؛ خلاصه بخوام خیلی خودمونی بگم: Vidonex یه لایه‌ی ساده و مدرن روی FFmpegـه که قراره ساخت و رندر ویدئو رو برای دولوپرها راحت‌تر کنه.

https://github.com/farshidrezaei/vidonex

@DevTwitter | <Farshid Rezaei/>