یه ابزار نوشتم که کل کدهای پروژه رو توی یه فایل مارک‌داون مرتب می‌کنه تا راحت بدی به هوش مصنوعی و تحلیل کنه، بدون نیاز به نصب هیچ چیز اضافه‌ای. خوشحال می‌شم تست کنید و نظرتون رو بگین:

https://ahm-id.github.io/RepoDoc

https://github.com/AHM-ID/RepoDoc

@DevTwitter | <AHM_ID/>

یه مدت بود دلم می‌خواست پروژه‌ای بسازم که فقط رفع نیاز نباشه، بلکه یک نمونه‌ی کاربردی و پروداکشن‌ردی از MVI و Clean Architecture در دنیای مدرن اندروید باشه.
برای همین Nimbus Weather متولد شد.
یه اپ آب‌وهوا با Jetpack Compose که داده‌هاش رو همزمان از دو دیتاسورس مجزا (آب‌وهوا و تصاویر) می‌گیره و ترکیب می‌کنه، با یه لایه گلس‌مورفیسم کاملاً دستی و پیاده‌سازی‌شده با Canvas.
حیفم اومد این تجربه رو پیش خودم نگه دارم، برای همین سورسش رو اوپن‌سورس کردم تا به سهم خودم به مسیر یادگیری دوستان کمک کرده باشم.
تمام چالش‌های فنی و تصمیمات معماری‌اش رو هم توی یک مقاله مدیوم کامل باز کردم که دعوتتون می‌کنم بخونیدش.
مشتاقانه منتظر فیدبک‌های قشنگتون در گیت‌هاب و مدیوم هستم!

GitHub: https://github.com/MrNouri/NimbusWeather

Medium: https://medium.com/@nouri.softeng/building-nimbus-weather-a-clean-architecture-mvi-case-study-in-jetpack-compose-0ba973dae087

@DevTwitter | <Nouri/>

یکی از چالش‌هایی که اخیرا با آن روبه‌رو بودم، مدیریت و همگام‌سازی فایل‌ها و فولدرهای مختلف یک پروژه روی یک یا چند سرور بود.

گاهی باید فایل‌ها از سیستم local به سرور منتقل شوند و گاهی برعکس، فایل‌های سرور دانلود یا به‌روزرسانی شوند. روند معمول این کار معمولا با ابزارهایی مثل WinSCP یا Termius انجام می‌شود؛ یعنی رفتن به مسیرهای مختلف سرور و آپلود، دانلود یا جایگزینی دستی فایل‌ها.

این موضوع وقتی پیچیده‌تر می‌شود که بخواهیم AI Agentها را هم وارد جریان توسعه کنیم. اگر Agent قرار باشد فایل‌ها را بخواند، ویرایش کند یا بر اساس آن‌ها تصمیم بگیرد، خیلی زود با مشکلاتی مثل مدیریت نسخه‌ها، پراکندگی فایل‌ها و کنترل تغییرات روبه‌رو می‌شویم.

ایده اصلی ساده است: فایل‌های مهم پروژه را روی سیستم local داشته باشید، تغییرات را بررسی کنید و فقط وقتی از نتیجه مطمئن شدید، sync را انجام دهید.

این ابزار برای ساده‌تر کردن مدیریت پروژه‌ها روی چندین سرور طراحی شده و قرار است روی ویندوز، لینوکس و مک قابل استفاده باشد.

https://github.com/hamidrg20001379/sync-gui-public

@DevTwitter | <Hamid Reza/>

اگر تو چت‌بات‌ها مشکل بهم ریختگی متن فارسی دارید، این اکستنشن به کار شما میاد.

اکستنشن ai-rtl-resolver مشکل متن‌های فارسی رو توی چت‌بات‌ها حل می‌کنه و با فونت زیبای وزیرمتن بهتون نمایش میده.

حالا تو نسخه‌ی 5.1 از kimi , duck ai هم پشتیبانی می‌کنه.

پلتفرم‌های پشتیبانی شده:
Gemeni
Claude
ChatGPT
Perplexity
Zai
Gemeni Notebook
Duck Ai
Kimi
DeepSeek
Qwen Ai

هیچ دیتایی جمع نمی‌کنه و سبکه، کاملا هم اوپن سورسه
برای کروم:
https://chromewebstore.google.com/detail/ai-rtl-resolver/fajdcnieohikiogbngkfedbpfoniobcc

برای فایرفاکس موبایل و دسکتاپ:
https://addons.mozilla.org/en-US/firefox/addon/ai-rtl-resolver/

گیت‌هاب:
https://github.com/miladniroee/ai-rtl-resolver


@DevTwitter | <Ladoya/>

یکی از تفاوت‌های بین برنامه‌نویسی سنتی و الگوریتم‌های یادگیری تقویتی اینه که توی برنامه‌نویسی، ما به سیستم می‌گیم چطور تصمیم بگیره اما توی RL، فقط نتیجه‌ی تصمیم‌ها رو بهش نشون می‌دیم و خودش یاد می‌گیره بهترین تصمیم چیه‌.

همین تفاوت توی پارادایم یادگیری، RL رو از خیلی از روش‌های رایج Machine Learning متمایز می‌کنه. یکی از اولین الگوریتم‌هایی که این مفهوم رو به شکل عملی نشون می‌ده، Q-Learning هست. چیزی که Q-Learning رو جالب می‌کنه، سادگی ایده‌شه.

میشه گفت که Agent هیچ درکی از محیط نداره، مدل محیط رو هم نمی‌شناسه و حتی نمی‌دونه رسیدن به هدف چه مراحلی داره. فقط با آزمون و خطا، دریافت Reward و ذخیره‌ی تجربه‌ها، کم‌کم یاد می‌گیره که در هر State، کدوم Action در بلندمدت بیشترین ارزش رو داره.

نکته‌ی جالب اینجاست که Q-Learning هیچ آینده‌ای رو پیش‌بینی نمی‌کنه؛ بلکه تخمینی از ارزش تصمیم‌ها می‌سازه. به همین دلیل هم اسمش از Q-Value (Quality Value) گرفته شده؛ عددی که کیفیت هر Action رو در یک State مشخص می‌کنه.

البته این الگوریتم هم محدودیت‌های خودش رو داره. با بزرگ شدن فضای Stateها، نگه‌داشتن Q-Table عملاً غیرممکن می‌شه و دقیقاً از همین نقطه‌ست که روش‌هایی مثل Deep Q-Network (DQN) وارد بازی می‌شن و به جای جدول، از شبکه‌های عصبی برای تقریب Q-Value استفاده می‌کنن.

برای اینکه این مفاهیم رو بهتر درک کنم، حدود یک سال پیش، یه پروژه مسیریابی ساده با Q-Learning پیاده‌سازی کردم. اگر دوست داشتید، می‌تونید پروژه رو اینجا ببینید:

GitHub:
https://github.com/naseridev/notch

@DevTwitter | <Nima Naseri/>

فرایند کابل کشی فیبرنوری داره دوباره شروع میشه تو شهر های مختلف و میتونید به شرکت های مختلف که تو محلتون پوشش دارن درخواست سرویس بدین

اگه دنبال خرید مودم فیبر نوری هستید و نمی‌دونید از کجا شروع کنید، این ویدیو می‌تونه خیلی کمکتون کنه

لینک ویدیو: https://youtu.be/tbX3vbb-AlU

توی ویدیو یه شیت کامل معرفی شده که شامل:
لیست تمام مودم‌های موجود در بازار ایران
مشخصات و امکانات هر مودم
لینک ترب و آخرین قیمت‌ها
همه چیز یه‌جا جمع‌آوری شده تا راحت‌تر بتونید مقایسه کنید و بهترین انتخاب رو داشته باشید.

@DevTwitter | <Kaveh/>

این پروژه به اسم اوپن‌کدکس دقیقاً یه پروکسی محلی هست که بهت اجازه می‌ده از مدل‌های مختلف هوش مصنوعی (مثل کلود، گروک، کیمی، جمینی و مدل‌های محلی) مستقیماً داخل ابزار (کدکس) اوپن‌ای‌آی استفاده کنی. منوی انتخاب مدل هم خیلی خوب کار می‌کنه.
لینک گیت‌هاب پروژه برای کسایی که می‌خوان تست کنن:
https://github.com/lidge-jun/opencodex

فقط توجه کن که این پروژه غیررسمی هست و ارتباطی با شرکت اوپن‌ای‌آی یا شرکت‌های دیگه نداره.

@DevTwitter | <Navid Taheri/>

اگر دنبال ساخت Agentهای AI برای نقش‌های مختلف هستید این ریپو می‌تواند برایتان مفید باشد
برای توسعه‌دهنده، طراح، مارکتر، مدیر محصول، QA و چند نقش دیگر Agent های آماده دارد و می‌تواند نقطه شروع خوبی برای ساخت ورک‌فلوهای ai باشد

https://github.com/msitarzewski/agency-agents/

@DevTwitter | <Davinchi/>

خیلی دیگه احمقانه است که توی کد ، تایپو داشته باشید
این کوفتی رو نصب کنید خواهشا

https://marketplace.visualstudio.com/items?itemName=streetsidesoftware.code-spell-checker


@DevTwitter | <Arash Hatami/>

اگر از AI توقع «طراحی در سطح اپل» دارید، فقط پرامپت بهتر کافی نیست؛ باید اصولی را بشناسید که پشت تصمیم‌های طراحی‌اند.
یک skill متن‌باز به نام apple-design منتشر شده که ۱۷ اصل را از WWDC جمع‌آوری کرده: از پاسخ‌گویی و حرکت طبیعی تا تایپوگرافی، متریال، سادگی و دسترس‌پذیری.
نکتهٔ مهم این است که کنار توضیح‌ها، الگوها و نمونه‌کد هم دارد؛ بنابراین برای Codex یا Claude فقط یک رفرنس ظاهری نیست و می‌تواند به تصمیم‌های قابل‌اجرا در رابط تبدیل شود.
طبق توضیح پروژه، با یک دستور روی Codex یا Claude نصب می‌شود و برای استفاده محدودیتی ندارد.
لینک پروژه:
http://github.com/emilkowalski/skills/tree/main/skills/apple-design

@DevTwitter | <Bahram Ghorbani/>

ساخت یک LLM از صفر!

اگر می‌خواهید بدانید واقعاً در دل مدل‌های زبانی چه می‌گذرد، این ویدیو فوق‌العاده است. طرف، از مفاهیم پایه مثل شبکه‌های عصبی و توکنایزیشن شروع می‌کند و تا معماری ترنسفورمرها پیش می‌رود. نکته جذاب اینجاست که همه چیز با کد واقعی و از صفر پیاده‌سازی شده است.

در این ویدیو به این مباحث کلیدی پرداخته شده است:
- درک عمیق چت‌بات‌ها و نحوه کارکرد آن‌ها
- بررسی شبکه‌های عصبی (Neural Networks)
- نحوه عملکرد توکنایزیشن و Embeddingها
- تشریح معماری ترنسفورمرها (Transformers)
- ارائه کانتکست تاریخی و تکامل این تکنولوژی

این ویدیو برای کسانی که می‌خواهند از سطح تئوری فراتر بروند و پیاده‌سازی واقعی یک ایجنت یا مدل زبانی را ببینند، عالی است.

کد پروژه:
https://github.com/w3cj/how-llms-work

لینک ویدیو:
https://youtube.com/watch?v=YmLp8qe87A0


@DevTwitter | <Mehdi Allahyari/>

ابزاری که به شما می‌گه چه مدل‌هایی رویِ سخت‌افزارِ شما اجرا می‌شه.
https://github.com/Andyyyy64/whichllm

@DevTwitter | <Ayub/>

درد و نفرین...

@DevTwitter

OpenCode-RTL

یک پچ برای نسخه دسکتاپ ویندوز OpenCode است که مشکل نمایش متن‌های فارسی و عربی را در بخش چت برطرف می‌کند.

این پروژه متن‌های راست‌به‌چپ را به‌صورت صحیح نمایش می‌دهد، بخش‌هایی مانند پیام‌ها و نوشته‌ها را راست‌چین می‌کند و فونت فارسی وزیر را اضافه می‌کند. همچنین کدها، متن‌های انگلیسی و مسیر فایل‌ها بدون تغییر باقی می‌مانند تا تجربه برنامه‌نویسی حفظ شود.

https://github.com/fuladpanje/opencode-rtl

@DevTwitter | <Reza Fuladpanjeh/>

اینم نمی‌دونم دیدید یا نه؟ Anthropic یک سری پرامپت آماده copy-paste در Claude Code مربوط به جنبه‌های مختلف توسعه نرم‌افزار در مستنداتش داره. پرامپت‌های ساده‌ای هستند و زیر هر کدوم هم توضیح داده شده که چرا کار می‌کنند.

https://code.claude.com/docs/en/prompt-library

@DevTwitter | <Hamed/>

خسته شدیم از AI، لطفا ما رو به دوران Tableless و HTML5 برگردانید.

@DevTwitter

ریپو RTL Codex VSCode یک افزونه سبک برای بهبود نمایش و تجربه کار با متن‌های راست‌به‌چپ، به‌ویژه فارسی با فونت وزیرمتن، در Codex داخل VS Code است.
این افزونه خوانایی متن‌های فارسی، ترکیب فارسی و انگلیسی و تعامل روزمره با Codex را روان‌تر و مرتب‌تر می‌کند.

https://github.com/tahadashti-gd/RTL-Codex-VSCode

@DevTwitter | <تونی/>

یک سؤال:
چرا با وجود صدها Todo App، هنوز خیلی‌ها نمی‌توانند روی مهم‌ترین کارشان تمرکز کنند؟
چون مسئله مدیریت Task نیست؛
مسئله مدیریت توجه و تصمیم‌گیری است.
برای حل این مشکل، Flow را ساختم؛
یک اپ متن‌باز برای افزایش تمرکز، عادت‌سازی و تحلیل رفتار.
Built with Flutter

GitHub: github.com/Mahdi-mortazavi/flow

@DevTwitter | <Mahdi Mortazavi/>

همیشه یکی از تفریحاتم چرخ زدن تو ترند های جدید گیتهاب بود تا اینکه اخیرا یه ابزار خفن برای گیتهاب پیدا کردم که لیست ترندها رو خیلی تمیز و دسته بندی شده برام لیست میکنه

https://github.com/encoreshao/github-trending

@DevTwitter | <Javad/>