DevTwitter | توییت برنامه نویسی

واقعا Zed به شکل عجیبی سبک و عالیه، با rust توسعه داده شده اما برای رندر ui از ابزار های مرسوم مثل gtk استفاده نکرده و اومده GPUI رو خودش توسعه داده و معرفی کرده، من با Claude یک آپ با rust +GPUI ایجاد کردم و نتیجه فوق العاده بود، دقیقا سبک tailwind در وب رو منتقل کرده به rust تو توسعه دسکتاپ.

جدیدا هم 30 میلیون جذب سرمایه داشته، و نکته جالب هم از نظر من اینه که توسعه دهنده Zed همون دولوپر atom هست، دقیقا پروژه که ای vscode اون رو fork می‌کنه و میشه یگانه ادیتور کد برای توسعه دهنده های جهان ولی خود atom که پلتفورم، اکستنشن ها و.. رو آورد هیچ جای از مارکت نبود.

حالا با zed اومده تو مارکت و وقتی من پروژه رو بررسی کردم دقیقا فهمیدم این تیم به شدت کمال‌طلب هستند دیوانه وار خوب توسعه میدن مثلا واقعا می‌تونستم از gtk استفاده کنند چه دلیلی داره ui رندر ارائه میدیم.. ب نظرم بهترین می‌خوان باشن ولی یکی میاد فورک میگیره و می‌ره!

https://zed.dev/

@DevTwitter | <MAHDI S. Homeyli/>

انتروپیک با مدل opus 5 اومد 80درصد سیستم پرامپت رو حذف کرد و گفت دیگه لازم نیست چون مدلها باهوش شدن. ولی خب اتفاقی که افتاده اینه که opus 5 خیلی کارهای عجیب و اضافه و نامربوط میکنه و مثل قبل دیگه خیلی طبق خواست ما پیش نمیره.
یه دولوپر خفن اومده این سیستم پرامپت رو نوشته. اگر شماهم این مشکل رو دارید استفادش کنید:

https://github.com/disler/fixing-smartass-opus-5/blob/main/sr_opus_5_system_prompt.md

@DevTwitter | <Amin Anvary/>

باورنکردنیه

یکی تونسته با ی هارنس قدرت واقعی DeepSeek V4 Pro 0813 رو آزاد کنه و توی تمام Benchmark ها Fable 5 رو شکست بده.

اون ب کنار، kimi و GLM رو خورده ب عنوان میان‌وعده.

و Error هایی ک توی thinking می‌داده رو هم برطرف کرده

لینک گیت ‌هابش
https://github.com/Tiger3807861189/DeepSeek-V4-J-Space-Capability-Realization-Report

چ خبره؟

@DevTwitter | <Kaveh/>

چند روز پیش ی پست گذاشتم راجع به DuckDB و اینکه میشه دیتای با حجم چند ۱۰ گیگ را راحت روی یک لپتاپ لود کرد و استفاده کرد. الان نیاز داشتم چندین گیگابایت دیگه هم بهش دیتا اضافه کنم. کل تعداد رکوردها رسید ۲۷۰,۱۶۰,۰۱۱ میلیون رکورد. و فایل دیتابیس شد ۱۴.۵ گیگ. ولی سرعت همچنان فوق العاده بالاست. دموی پایین:
ارزونترین پلن Snowflake ماهی حدود ۱۰۰۰ دلار بود. خلاصه اینکه از این DuckDB و حتا sqlite (بسته به کاربردی که نیاز دارید) غافل نشید.

@DevTwitter | <Mehdi Allahyari/>

ClaudSkills https://claudskills.com

اگر فقط یک سایت برای اسکیل های برنامه نویسی میخواید:

بزرگ‌ترین مرجع دانلود Claude Skills و فایل‌های SKILL.md برای افزایش قدرت کلود و Claude Code

بیش از ۱۸۰ هزار مهارت آماده (برنامه‌نویسی، امنیت، مارکتینگ)

@DevTwitter | <کدلوژیست/>

اگه با ایجنت‌های هوش مصنوعی کار می‌کنید، ایده جدید DeepSeek برای ساخت و شخصی‌سازی Agentها ارزش دیدن داره.

ابزار DeepSeek Harness یک محیط ماژولاره که تقریباً همه‌چیز در اون می‌تونه به‌صورت پلاگین تعریف بشه؛ از مدل و Skill گرفته تا Session، ابزارها، Loopها و حتی رابط کاربری.

ایده اصلی ساده‌ست: اجزایی که برای ایجنتتون لازم دارید رو کنار هم می‌ذارید و هر زمان هم لازم باشه می‌تونید بدون بازطراحی کل سیستم، بخشی از اون رو تغییر بدید.

کاربردهای مهم:

- ساخت ایجنت با ترکیب مدل‌ها و ابزارهای مختلف
- اضافه یا تعویض کردن قابلیت‌ها به‌صورت پلاگین
- استفاده از Skillهای آماده جامعه کاربری
- شخصی‌سازی ساختار ایجنت برای پروژه‌های مختلف

در واقع به‌جای اینکه هر بار یک Agent رو از صفر بسازید، Harness تلاش می‌کنه اجزای مختلف رو مثل قطعات لگو کنار هم قرار بده.
لینک گیت‌هاب:
https://github.com/topics/dsh-plugin

@DevTwitter | <Bahram Ghorbani/>

یه ابزار جالب پیدا کردم به اسم CoderPad
اساسا یه IDE آنلاینه که تو مصاحبه‌های فنی استفاده می‌شه؛ یعنی هم شما کد می‌زنید هم مصاحبه‌کننده همزمان می‌بینه چی می‌نویسید.
جالب‌ترین بخشش اینه که قابلیت AI هم بهش اضافه کردن و می‌بینن شخص چجوری از AI کمک می‌گیره

https://coderpad.io/

@DevTwitter | <Abolfazl Soltani/>

اگر فکر می‌کنی امنیت فقط برای Backend هست، اشتباه می‌کنی!

وقتی صحبت از امنیت یک Web App میشه، معمولاً ذهنمون میره سمت Backend، Database، Authentication و API.

اما واقعیت اینه که Frontend هم می‌تونه یکی از مهم‌ترین نقاط ورود حمله باشه.

چند موردی که به‌عنوان Frontend Developer باید جدی بگیریم:

- XSS
هر داده‌ای که از کاربر دریافت می‌کنیم قابل اعتماد نیست. نحوه‌ی نمایش و پردازش این داده‌ها می‌تونه جلوی اجرای کدهای مخرب در Browser رو بگیره یا برعکس، راه رو براش باز کنه.

- Cookie و Session
نحوه‌ی مدیریت Token و Cookie اهمیت زیادی داره. گزینه‌هایی مثل "HttpOnly"، "Secure" و "SameSite" بخشی از همین ماجرا هستن.

- CSRF
وقتی Authentication بر پایه Cookie باشه، باید حواسمون به درخواست‌های جعلی و نحوه‌ی محافظت از Endpointها هم باشه.

- Content Security Policy
CSP می‌تونه محدود کنه که Browser اجازه‌ی اجرای Scriptها و دریافت منابع رو از چه Sourceهایی داشته باشه.

- Dependencyها
هر Package جدیدی که وارد پروژه می‌کنیم، یک Dependency جدید هم به پروژه اضافه کرده‌ایم. پس بررسی و به‌روزرسانی Dependencyها فقط برای مرتب بودن "package.json" نیست؛ بخشی از Security هم هست.

- Validation
اعتبارسنجی Validation در Frontend برای UX عالیه، اما نباید اون رو یک لایه امنیتی در نظر بگیریم.

کاربر می‌تونه درخواست رو بدون استفاده از UI ما مستقیماً به API ارسال کنه.

پس Validation و Authorization واقعی باید در Backend هم وجود داشته باشن.

- Error Handling
نمایش Stack Trace، اطلاعات Database یا جزئیات داخلی Server به کاربر، می‌تونه اطلاعات ارزشمندی در اختیار مهاجم قرار بده.

---

در نهایت، Security چیزی نیست که بعد از تمام شدن پروژه بهش فکر کنیم.

از اولین Form، اولین API Call، اولین Cookie و حتی اولین "npm install" داریم درباره امنیت تصمیم می‌گیریم..

@DevTwitter | <Abolfazl Soltani/>

همیشه ai دیزاین های افتضاحی میده بدون راهنمایی درست حسابی و کلی زور زدن
برای همین اسکیل ReadyDesign رو ساختم. نصب با یک کلیک برای هر ایجنتی، کامپوننت های آماده استفاده میکنه و از خودش چرتو پرت تولید نمیکنه، تم رنگی هم میتونید بهش بدید دنبال کنه.

https://github.com/ZethRise/ReadyDesign-Skill

@DevTwitter | <Zeth/>

وقتی جدول دیتابیس میلیاردها سطر داره، چطور فقط همون تکه‌ای رو بخونیم که به کارمون میاد؟


دیتابیس که بزرگ میشه، فقط ایندکس کافی نیست. گاهی باید خودِ جدول رو تکه‌تکه کنیم تا موتور بتونه بخش‌های نامربوط رو کلاً نادیده بگیره. به این می‌گن پارتیشن‌بندی.

توی این صفحه، چهار روش اصلی پارتیشن‌بندی RANGE، LIST، HASH و KEY رو بررسی کردم و تفاوت Partitioning با Sharding رو توضیح دادم.

همچنین با یک مثال، الگوی Sliding Window رو بررسی کردم که چطور میشه بدون انجام DELETE های سنگین، داده‌های قدیمی رو آرشیو کرد. در نهایت هم تفاوت پیاده‌سازی این مفاهیم در SQL Server و MySQL رو بررسی کردم.

اگه براتون مفید بود، خوشحال میشم یه ستاره بهش بدین.

https://alireza-haeri.github.io/BackendDeepDives/DataPartitioning.html

@DevTwitter | <AliReza Haeri/>

یه بار سر پروژه‌ای که ساختار دیتابیسش پیچیده شده بود، مجبور شدم برم تو دی‌بی کلاینت و دستی جدول‌ها و فارین‌کی‌ها رو دنبال کنم تا بفهمم کدوم جدول به کدوم وصله. کار خسته‌کننده‌ای بود، مخصوصاً وقتی چند نفر روی پروژه کار می‌کنن و شِمای دیتابیس هی تغییر می‌کنه.

ابزار Laravel Truss دقیقا همین مشکل رو حل می‌کنه. یه پکیج لاراولیه که شِمای دیتابیس شما رو اسکن می‌کنه و به‌صورت یه دیاگرام ER قابل اسکرول و زوم، مستقیم داخل اپلیکیشن نمایش می‌ده؛ دیگه لازم نیست بری سراغ ابزار جداگونه.
نکته‌ی مهمش امنیته: فقط ساختار (جدول‌ها، ستون‌ها، کلیدها، ایندکس‌ها) رو می‌خونه و هیچ‌وقت به داده‌های واقعی جدول‌ها دسترسی نداره یا نمایششون نمی‌ده.
قابلیت‌های جالبش:
- حالت Focus mode برای دیدن یه جدول و همسایه‌های فارین‌کی‌اش
- فیلتر بر اساس اسم جدول و سوییچ بین تایپ نیتیو و لیبل‌های لاراولی
- کار آفلاین و بدون نیاز به CDN

برای هر Laravel developer که با دیتابیس‌های نسبتاً پیچیده کار می‌کنه یا تازه وارد یه پروژه‌ی قدیمی شده و می‌خواد سریع ساختارش رو بفهمه، مفیده.

https://github.com/albertoarena/laravel-truss

@DevTwitter | <Ladoya/>

سلام
بعد از سال ها کار کردن روی پروژه های فلاتر یک معماری برای ساختن اپلیکیشن های مایکرو سرویسی فلاتر ایجاد کردم . این معماری حاصل تلاش چند ساله منه امیدوارم خوشتون بیاد و اینکه اگه سوالی داشتین یا مشکلی دیدن تو گیت هاب برای من issue بزنید
https://github.com/Mahfa/CrusaderArch/tree/master

@DevTwitter | <Mohsen Fallahi/>

مخزن عمومی داده‌های گنجور:
https://github.com/ganjoor/ganjoor-data

توضیحات بیشتر:
https://blog.ganjoor.net/1405/05/25/ganjoor-public-data/

* گنجور بزرگترین سایت شعر ایرانه که دیتاش به صورت پابلیک در دسترسه

@DevTwitter

#Dart

یه سؤال ساده شروعش کرد: چرا هر درگاه پرداخت ایرانی باید یه SDK کاملاً جدا داشته باشه؟

زرین‌پال یه شکل جواب می‌ده، زیبال یه شکل دیگه، پی‌پینگ اسم فیلدهاش فرق داره، وندار احراز هویتش با بقیه یکی نیست... نتیجه؟ هر بار که بخوای درگاه عوض کنی یا دومی رو اضافه کنی، عملاً داری از صفر می‌نویسی.
برای همین pardakht رو ساختم — یه پکیج Dart که ۷ درگاه پرداخت ایرانی رو پشت یه interface واحد می‌بره:
زرین‌پال، زیبال، آیدی‌پی، پی‌پینگ، پی.آی‌آر، وندار، ایران‌درگاه
چیزی که برام مهم بود، نه فقط «کار کنه» بلکه «قابل اعتماد باشه»:

نوع داده Money که واحد پول (ریال/تومان) رو صریح نگه می‌داره — دقیقاً همون جایی که خطای «ده برابر شدن قیمت» از اونجا شروع می‌شه.
وریفای تکراری = موفقیت، نه شکست. خیلی از مرچنت‌ها پرداخت واقعی رو استرداد می‌زنن چون verify دوم رو اشتباه fail می‌خونن. اینجا این حالت یه state جدا و صریحه.
بدون وابستگی به Flutter — یعنی همون کد روی بک‌اند هم اجرا می‌شه، جایی که verify واقعاً باید انجام بشه (نه سمت کلاینت، که هرکسی می‌تونه callback رو جعل کنه).
هر درگاه یه سند مشخصات جداگانه داره: هر claim با URL منبع و تاریخ تأیید. هیچ فیلدی حدسی نیست.
۷۹۸ تست، ۱۰۰٪ پوشش خط، صفر warning.

کد، مستندات و همه‌چیز باز و در دسترس:
https://pub.dev/packages/pardakht
https://github.com/naeimlotfali/pardakht

@DevTwitter | <Naeim Lotfali/>

امروز Filament File Explorer v0.5.1 رو روی Packagist منتشر کردم.
یک مدیر فایل برای پنل‌های Filament — پوشه، آپلود، چند وضعیت برای نمایش، و Form Picker — ساخته‌شده روی Spatie Media Library، Livewire و Tailwindcss.
می‌خواستم همون حس کار با finder و file explorer دسکتاپ رو داخل ادمین Filament داشته باشم.

چی توی v0.5.1 هست؟
- رابط Finer — درخت سایدبار، breadcrumbs، عقب / جلو، تولبار ریسپانسیو
- نماها — Grid، List، Table، Details + پنجره Get Info
- عملیات — آپلود Drag-and-drop، Cut / Copy / Paste، انتخاب چندتایی، دانلود Zip
- امکانات Filament — traitی HasFileExplorer، صفحه جدول فایل‌ها، Form Picker، generator stub
- چندزبانه — ۱۵ زبان
- سازگار با Filament v4 و v5 · Laravel 11 / 12 / 13 · PHP 8.2+

نصب
composer require ardavan/filament-file-explorer:"^0.5" -W

Docs
https://ardavanshamroshan.github.io/filament-file-explorer/
Packagist
https://packagist.org/packages/ardavan/filament-file-explorer
GitHub
https://github.com/ardavanshamroshan/filament-file-explorer

پروژه هنوز اول راهشه — و مطمئنم با کمک جامعه‌ی Filament و Laravel می‌تونه خیلی بهتر بشه.

@DevTwitter | <Ardavan ShamRoshan/>

یه ابزار ساختم که خیلی وقت بود اذیتم می‌کرد نبودنش :))

ابزار Schemat می‌ذاریش رو ریپوت، دیاگرام ERت رو زنده نشونت میده.
دیتای Prisma، SQL، Drizzle، TypeORM و چندتای دیگه رو می‌خونه.
همه‌چی لوکال، بدون اکانت، بدون کلاود.

اوپن‌سورسه:
https://github.com/alirezahamid/schemat

@DevTwitter | <Alireza.js/>

یک دوره‌ی کامل Git از صفر تا حرفه‌ای، شامل ۳۰ بخش:
از مفاهیم پایه (staging area، commit، branch) شروع می‌شه، به merge/rebase/conflict می‌رسه، ابزارهائی مثل stash، cherry-pick، reflog، bisect، submodules و hooks رو پوشش می‌ده، بعد وارد بخش حرفه‌ای می‌شه و..
https://github.com/AsaEdgerunner/git-course-fa

@DevTwitter | <Asa/>

تولدت مبارک پیرمرد قابل اعتماد دنیای لینوکس!
از مرداد ۱۳۷۲ تا امروز Stable مثل همیشه

@DevTwitter | <MehrdadLinux/>

ایکس اومده الگوریتم بخش for you رو متن‌باز کرده، یه Agent انداختم تو کل سورس که فایل‌به‌فایل بگرده و بفهمه که چطوری کار می‌کنه.
نتیجه‌اش خیلی جالب‌ بود؛ مخصوصاً وزن Reply، Share، Follow، Report و اینکه اصلاً یک پست چطور وارد For You می‌شه.
چیزهایی که پیدا کردم رو توی ویرگول نوشتم

https://virgool.io/@mrbug_ir/x-algorithm-open-source-lrmu9j4z7fz2

@DevTwitter | <Alireza Rezaie/>

تجربه ۲ روز کدنویسی فشرده با مدل Qwen 3.8-27B روی RTX 3090 (24GB)

کانفیگ و ستاپ تست:

پنجره کانتکست: 128K
سطح استدلال (Reasoning Effort): xHigh
ایجنت / پلتفرم: Kilo Code

دقت مدل در اجرای درست تسک‌ها با همان پرامپت اول فوق‌العاده بالا رفته است. چرخه‌های فرسایشی دیباگ و اصلاحیه‌های پیاپی به حداقل رسیده و بیشتر کدها از همان ابتدا تمیز و آماده اجرا تحویل داده می‌شوند.

زنجیره تفکر و خروجی‌های مدل بسیار متمرکزتر شده و تولید توکن‌های زائد به حداقل رسیده است. این ساختار تمیز باعث می‌شود پنجره کانتکست ۱۲۸ هزارتایی دیرتر اشباع شود و نشست‌های طولانی پایداری بیشتری داشته باشند.

میانگین سرعت خروجی (Decode Throughput) روی تسک‌های سنگین کدنویسی حدود 45 t/s ثبت شد. افت سرعت نسبت به نسل‌های قبل کاملاً محسوس است (که حاصل سربار تفکر عمیق‌تر و پارامترهای فعال است)، اما کیفیت بالای خروجی این افت سرعت را جبران می‌کند.

یکپارچگی مدل با ابزارهای خارجی عالی است؛ اتصال بدون نقص به Playwright برای بررسی خروجی دام، گرفتن اسکرین‌شات از UI، ارزیابی رندرینگ لایو و دیباگ خودکار بر اساس خطاهای رانتایم.

در سطح استدلال xHigh، مدل گاهی دچار Over-thinking می‌شود و زمان زیادی را صرف زنجیره تفکر (CoT) می‌کند، اما نکته مثبت این است که وارد لوپ بی‌نهایت نمی‌شود و همیشه به یک خروجی نهایی و قابل‌اتکا می‌رسد.

معماری کامپوننت‌ها، مدیریت استیت و خروجی UI به‌طرز چشم‌گیری ارتقا پیدا کرده و در ساختارهای پیچیده فرانت، سطحی از پختگی مشابه مدل‌های سری Claude Sonnet را نشان می‌دهد.

در پروژه‌های ماژولار بزرگ، پایداری مدل حتی در سشن‌های پیوسته با حجم تجمعی چند میلیون توکن حفظ شد. زمان پاسخ‌دهی از ۱ تا ۲ دقیقه برای باگ‌فیکس‌های سریع تا حدود ۴۰ دقیقه برای پیاده‌سازی کامل یک فیچر فول‌استک (UI + منطق بک‌اند) متغیر بود.

کاری که پیش از این با مدل‌های لوکال قدیمی‌تر نزدیک به ۲ هفته زمان می‌برد، به لطف دقت One-Shot این مدل در ۲ روز جمع شد. برای یک ستاپ لوکال روی تک‌کارت ۲۴ گیگابایتی، جهش عملکردی کم‌نظیری است.

@DevTwitter | <کدنویس اسطوره‌ای/>