Linuxor ?

می‌تونی یک نسخه‌ی کاملاً مجازی از iPhone 17 Pro، iPad Pro، iPhone Air و Apple Watch رو به‌صورت لوکال اجرا کنی؛ اونم مستقیماً داخل مرورگر و با قابلیت اتصال به AI Agent.

شبیه‌سازی با 60 فریم بر ثانیه + ژست‌های لمسی واقعی، بدون نیاز به App یا باز کردن پنجره‌ی Xcode
پشتیبانی از لمس چندانگشتی
داشتن Tap، Swipe، Pinch، Home و Lock واقعی
اجرای Headless و ساخت فارم چنددستگاهی از iOS 26
دسترسی به Accessibility Tree و مشاهده‌ی زنده‌ی os_log
امکان کنترل و لمس اپلیکیشن در حال اجرا توسط AI Agent
انتقال تصویر وب‌کم به دوربین شبیه‌ساز:

github.com/tddworks/baguette

@Linuxor

مدل Jev که جدیدا معرفی شده و سرو صدای زیادی کرده سرعتش به قدری بالاست که کلی کار جالب می‌شه باهاش کرد، مردم شروع کردن و به صورت وایب کدینگ باهاش اپلیکیشن های جالبی می‌سازن:


@Linuxor

مشکل خیلی از هوش های مصنوعی این نیست که کدنویسی بلد نیستن؛ مشکل اینه که نمی‌دونن چطور باید یه فرایند توسعه نرم‌افزاری رو درست پیش ببرن.

این یه مجموعه‌ای از Skill و workflowهای آماده برای ایجینت های کدنویسیه. از Spec و Planning گرفته تا TDD، Code Review، API Design و Frontend Engineering.

یعنی به‌جای اینکه هر بار به Agent بگی چطوری کار کن، یه workflow مشخص بهش میدی.

برای Claude Code، Codex، Cursor و کلی Coding Agent دیگه هم قابل استفاده‌ست.

github.com/addyosmani/agent-skills

@Linuxor

دوستان اگه خواستید سرور بخرید ارزون ترین جایی که دیدم وب داده هستش
اگه سرچ کنید الان کمترین قیمت سرور 950 تومنه ولی اینجا همونو با 700 می‌تونید بخرید تازه من باهاشون صحبت کردم برای تمام اعضای کانال کد تخفیف Linuxor هم فعال کردن که 30 درصد هم از اون قیمت کمتر می‌شه و 490 تومن می‌شه
این کد تخیفیف رو روی بقیه سرور های دیگشون حتی خارجشون مثل آلمان و هلند هم می‌تونید بزنید

قابلیت تغییر آیپی بدون تیکت هم دارن و بی قید و شرط اگر آیپی خراب بود عوض می‌کنن:

webdade.com

کلادفلر توی امنیت واقعا تجربه خوبی داره، یه سری اسکیل رو اوپن سورس کرده که مثل یه متخصص امنیت کد هاتون رو بررسی می‌کنه

نکته‌ی جذابش اینه که فقط دنبال الگو های مشکوک نمی‌گرده. اول معماری و Attack Surface رو می‌فهمه، بعد Findingها رو بررسی می‌کنه و سعی می‌کنه مشخص کنه واقعاً یه Security Boundary شکسته شده یا فقط یه False Positive داریم.

حتی برای Findingهای مهم، فرآیند Verification مستقل داره؛ یعنی Agent دیگه‌ای میاد و سعی می‌کنه Finding رو رد کنه. خروجی هم ساختاریافته‌ست و Findingها رو به confirmed، needs_validation و rejected تقسیم می‌کنه:

github.com/cloudflare/security-audit-skill

@Linuxor

یعنی یک نفر توی شرکت ایتا با این شورتکات :

Ctrl+Shift+F

آشنا نبوده؟ اولین چیزی که یه برنامه نویس یاد میگیره Find in Files هستش😁

@Linuxor

مدل های Jev + Astra توی Minecraft تونستن یکی از سخت ترین باس های بازی یعنی Ender Dragon رو توی 8 دقیقه و 43 ثانیه شکست بدن!

هزینه‌ش هم کمتر از $1 بوده: Astra: $0.96 وJev: $0.01 بوده

کدش به‌صورت Open Source منتشر شده و هم توضیح داه شده که محیط و سیستم اجرای تست‌ها (Harness) رو چطوری راه‌اندازی شده.

این نوع حرکت و عملکرد فقط به‌خاطر تصمیم‌گیری تقریباً آنی Jev ممکن شده، در کنار یه‌سری مهارت‌هایی که Astra به‌صورت مداوم یاد می‌گیره و بهترشون می‌کنه.

github.com/rmalde/minecraft-agent


@Linuxor

معرفی قالب مدیریتی ولین (Velin)

قالب مدیریتی Next.js با آخرین نسخه‌های Shadcn، Base UI و Tailwind؛ با الهام از طراحی بهترین دیزاینرهای دنیا مثل Emil Kowalski، Paco Coursey و ...

قیمت اصلی: 1,000,000
با تخفیف: 450,000 تومان

دمو:
velin.taymakz.ir

خرید:
t.me/velintemplate?direct

پارسی‌گو را معرفی می‌کنم؛ تبدیل متن فارسی به گفتار با کلونینگ صدا، کاملاً آفلاین و فقط روی CPU!
نه GPU لازم دارد و نه اینترنت. یک نمونه صدای 5 ثانیه‌ای بدهید، متن فارسی بنویسید و خروجی را با همان صدا بگیرید.

جمله‌بندی خودکار، مکث‌های متناسب با نقطه‌گذاری، تولید موازی و تا 3 بار تلاش مجدد برای هر بخش
دو حالت گفتار (مکث‌دار / یکپارچه) و تنظیم سرعت 0.7 تا 1.35برابر
رابط فارسی راست‌به‌چپ با نمایش فونم‌ها، پلیر با موج‌نگار و دانلود WAV

دمو:
nimaone-persian-tts-onnx.static.hf.space/index.html
سورس کد:
github.com/nimaone/persian_tts

@Linuxor ~ nimaone111

من اگه راننده تاکسی بشم 11:

میدونیییییی؟ هوش مصنوعی یه زخمی به هر حوزه ای زده ولی فعلا حوزه خاصی رو نکشته مثلا کسایی که توی صنعت کلیپ سازی هستن فکر میکنن حوزشون نابود شده ولی من چندین بار با هوش مصنوعی خواستم یه کلیپ تمیز بسازم نشده، چون یه ریزه کاری هایی داره که بدون علمش نمیشه چیز تمیزی ساخت مثلا زاویه دوربین، نوع حرکت دوربین، تایمینگ کات‌ها، نورپردازی و....

کسی که توی اون حوزه هستش این چیزارو مثل آب خوردن بلده یعنی عملا اون بخواد از هوش مصنوعی استفاده کنه و من هم استفاده کنم قطعا اون چیز با کیفیت تری میسازه و من هیچ جوره رقیبش نمیشم، زمانی یه حوزه از بین میره که هر تازه کاری بتونه بدون علم رقیب بقیه بشه؛ بخداااا


@Linuxor

با مدل Jev که جدیدا معرفی شده کلی کار جالب می‌شه کرد ویدیو رو ببینید یه نفر یه چیزی شبیه پیش‌بینی‌کننده‌ی چیزی که می‌خوای باز کنی بر اساس کلیدهایی که میزنی.

سرعتش واقعا بالاست توی 100 میلی ثانیه جواب میده

انتظار داریم توی چند ماه آینده ابزار های کد نویسی و پیش بینی کد خیلی سریع هم باهاش بسازن مدل Jev برای طیف بزرگی از کارای روزمره کاربرد داره.

@Linuxor

مدل Jev که جدیدا سروصدای زیادی کرده به راحتی می‌تونه بازی هم کنه چون سرعتش بالاست! توی ویدیو در حال کنترل مار برای خوردن سیب.

شاید بگید زحمت کشیده این کارو با یه الگوریتم ساده هم می‌شد انجام داد! که درست هم می‌گید برای کنترل مار یه الگوریتم ساده بدون هوش مصنوعی پیچیده هم می‌شه نوشت ولی مزیت Jev اینه که می‌تونه هر بازی که بهش میدید رو با سرعت بالا بازی ‌کنه مهم نیست چه بازی باشه و نیازی نیست برای هر بازی ای الگوریتم جدا بنویسید یه جور تفکر عمومی به حساب می‌آد توی ویدیو هم ببینید بهینه ترین مسیر ممکن رو انتخاب نمی‌کنه.


@Linuxor

چند روزه خبر مدل Jev از typesafeai حسابی سر و صدا کرده. گرچه بر حسب تجربه من بعد ثبت ایمیل در لیست انتظار، یکی دو روزه براتون دعوت رو می‌فرستند ولی اگر همین حالا بدون انتظار می‌خواهید مستقیم باهاش کار کنید از Vercel AI Gateway می‌شه حتی در پلن رایگان.
راهنما:

vercel.com/kb/guide/typesafe-jev-and-ai-sdk

@Linuxor ~ Hamed

می‌دونید تفاوت Jev با LLM‌های عادی چیه؟ تفاوت اصلی اینه که Jev اصلاً برای تولید متن ساخته نشده. یه LLM معمولی وقتی ورودی می‌گیره، جواب رو به‌صورت توکن‌به‌توکن تولید می‌کنه؛ اما Jev به‌جای تولید پاسخ، روی اطلاعات ورودی مجموعه‌ای از تصمیم‌های مشخص و از قبل تعریف‌شده رو ارزیابی می‌کنه و نتیجه رو به شکل ساختاریافته تحویل می‌ده.

مثلاً فرض کنید یه سیستم باید تشخیص بده یک تیکت باید به کدوم تیم بره، میزان ریسک یک درخواست چقدره و آیا یک شرط مشخص برقرار هست یا نه. توی Jev می‌تونید این سؤال‌ها رو از قبل تعریف کنین و مدل همزمان اون‌ها رو روی یه Context مشترک بررسی کنه. برای همین، وقتی تصمیم‌ها مستقل از هم باشن، می‌تونن به‌صورت موازی ارزیابی بشن و خروجی هم مستقیماً قابل استفاده توسط کد هستش.

برای این کار 3 نوع تصمیم اصلی داره: Choice برای انتخاب یک گزینه از بین چند گزینه مشخص، Score برای قرار دادن ورودی روی یک مقیاس مرتب‌شده مثل Low تا High، و Noul برای بررسی یک سؤال بله/خیر و برگردوندن احتمال درست بودن جواب. نکته جالب اینجاست که Jev فقط جواب نهایی نمی‌ده و احتمال گزینه‌ها رو هم برمی‌گردونه.



@Linuxor

مدیر فنی: نمیدونم چرا شبکه شرکت همیشه قطعه؟

+ ادمین های شبکه همون لحظه :


@Linuxor

اگه با ترمینال داری برنامه می‌نویسی اینجارو از دست نده توش کلی انیمشین برای لودینک ترمینال هستش.

نکته جالبش اینه که spinnerها stateless طراحی شدن و برنامتون رو کند نمی‌کنن. خود کتابخونه thread یا event loop جدا راه نمی‌ندازه؛ تو با tick مشخص می‌کنی انیمیشن کِی جلو بره. این باعث می‌شه خیلی راحت با event loop و معماری برنامه‌ت هماهنگش کنی:

github.com/ratatui/ratatui-spinner

@Linuxor

جدیدا حوصله اینو ندارم کسی بهم زنگ منگ بزنه میخوام توی بیو بنویسم:

I’m not a function. don’t call me.


@Linuxor

مدل Jev واقعا سرو صدای زیادی کرده ولی مشکلی که داره اینه به احتمال خیلی زیاد فقط سرویس API پولی بده و مدل اوپن ویت برای ران کردن لوکال نده

دیروز چند نفر شروع کردن و با فاین تیون کردن Qwen نزدیک ترین چیز ممکن به Jev رو ساختن، لوکال میتونید روی سیستم خودتون رانش کنید :

github.com/Mapika/decider


@Linuxor

مدل Jev که جدیدا اومده واقعاً دیوانه‌کننده‌ست!

توی فقط 24.9 ثانیه، 384 تا خبر منتشرشده از صبح امروز رو خوند و به 15 تا برند گفت که امروز روی کدوم خبرها بهتره سوار بشن و ازشون استفاده کنن؛ اونم با هزینه فقط 0.19 دلار.

در همون زمان، Claude Opus 5 که همزمان روی همون فید خبری اجرا می‌شد، فقط تونست 4 تا از 384 خبر رو بررسی کنه و 0.77 دلار هزینه داشت.

یعنی برای هر تیتر، هزینه‌ی Jev تقریباً 390 برابر کمتره؛ تازه جوابش هم قبل از اینکه خودت فرصت کنی تیتر رو کامل بخونی برمی‌گرده.

قراره راه‌های خیلی زیادی وجود داشته باشه که Jev بتونه بهت کمک کنه تا:

خبرهای ترند و داغ رو پیدا کنی،

خبرنگارهایی که دارن روی اون موضوع کار می‌کنن رو پیدا کنی،

و برای برندت پوشش رسانه‌ای بگیری.


کل چیزی که توی این ویدیو می‌بینی هم Open Source شده و اینجاست:

newsjack.sh

داخل پوشه‌ی demo/ قرار داره و همراهش بیش از 30 تا skill هم هست که می‌تونن ایجنتت رو تبدیل کنن به یه جور تیم روابط عمومی (PR).

@Linuxor

روز پیش یه مدل جدید معرفی شد به اسم Jev

برخلاف LLM های معمولی که برای گفتگو و تولید متن ساخته شدن، Jev یه مدل تصمیم‌گیرنده‌ی فوق‌سریعه. Jev به‌جای تولید متن، مستقیماً از بین گزینه‌های مشخص تصمیم می‌گیره. طبق بنچمارک TypeSafe، زمان پاسخ Jev حدود 100 میلی ثانیه؛ در حالی که برای مدل‌های Frontier حدود 3 تا 329 ثانیه گزارش شده.

یعنی برای بعضی کارهای مشخص، تا حدود 200 برابر سریع‌تر. برای کنترل Agentها، انتخاب Tool، بازی‌هایی مثل Doom و تصمیم‌های لحظه‌ای طراحی شده.

@Linuxor