Try Code Box

مایکروسافت قصد دارد تا سال 2030 تمام کدهای نوشته‌شده با C و C++ را حذف کرده و آن‌ها را با Rust جایگزین کند.

🔻این هدف توسط Galen Hunt، مهندس ممتاز (Distinguished Engineer) مایکروسافت، در یک پست لینکدین مطرح شده است.
او می‌گوید:
هدف این است که با ترکیب هوش مصنوعی و الگوریتم‌ها، بزرگ‌ترین پایگاه‌های کد مایکروسافت بازنویسی شوند.
چشم‌انداز اصلی پروژه:
«یک مهندس، یک ماه، یک میلیون خط کد»
در این پست او هدفش را چنین توضیح می‌دهد:
«هدف من این است که تا سال 2030 هر خط C و C++ را از مایکروسافت حذف کنم» و توضیح داده که برای این کار از AI و الگوریتم‌ها برای بازنویسی کدها به Rust استفاده خواهد شد.

🔻مایکروسافت زیرساختی مقیاس‌پذیر برای پردازش کد ساخته است:
یک زیرساخت الگوریتمی که گراف بزرگی از سورس‌کد ایجاد می‌کند و یک زیرساخت مبتنی بر AI که با کمک agentها، تغییرات کد را در مقیاس بسیار بزرگ اعمال می‌کند .هسته این زیرساخت هم‌اکنون برای مسائلی مثل «درک کد» در مقیاس بالا فعال است


🔻این حرکت با سیاست‌های قبلی مایکروسافت هم‌خوانی دارد:
در سال 2023، Mark Russinovich (CTO آژور) استفاده از C/C++ برای پروژه‌های جدید را ممنوع کرد و Rust را الزامی دانست
مایکروسافت اعلام کرده «کاملاً به Rust متعهد است» استفاده از Rust به‌طور گسترده در بخش‌های مختلف شرکت افزایش یافته، به‌ویژه به دلیل امنیت حافظه


🔻همچنین گفته شده:
مایکروسافت روی ترجمهٔ خودکار C/C++ به Rust با استفاده از LLMها کار می‌کند
اقای Galen Hunt در حال جذب یک Principal Software Engineer برای این پروژه است .تجربهٔ جدی در برنامه‌نویسی سطح سیستم با Rust (حداقل ۳ سال) و آشنایی با کامپایلر، دیتابیس یا سیستم‌عامل مزیت مهم محسوب می‌شود


🔻این تیم بخشی از واحد Microsoft CoreAI است و هدف آن:
حذف بدهی فنی (Technical Debt) در مقیاس بزرگ
توسعه ابزارهایی که بعدها در کل مایکروسافت و حتی صنعت نرم‌افزار قابل استفاده باشند

برای کسانی که فعلاً فقط می‌خواهند دنیای کدنویسی با هوش مصنوعی را امتحان کنند، توصیه می‌کنم IDE رایگان Qoder را امتحان کنند. نمی‌دانم چه مدلی زیرِ پوسته‌اش استفاده شده و انتخاب مدل‌های دیگر هم وجود ندارد. اما جسارتاً حدس می‌زنم که qwen3-coder باشد.

واقعاً قابلیت‌های خوبی دارد، مثل هدایت خودکار در میان اسناد و ویکی پروژه. تا وقتی که رایگان است، واقعاً ارزش امتحان کردن دارد.

@TryCodeBox

✔️ توی پایتون Wrapper چیه؟

گاهی وقتا نمی‌خوای کد یه تابع رو تغییر بدی،
ولی می‌خوای قبل یا بعد از اجرای اون تابع کاری انجام بدی، مثلاً زمان اجراش رو بسنجی، لاگ بگیری یا مجوز کاربر رو چک کنی.

اینجاست که Wrapper وارد می‌شه به این معنی که یه تابع که میاد یه تابع دیگه رو “می‌پیچه” و یه رفتار جدید بهش اضافه می‌کنه.

def wrapper(func):
    def inner(*args, **kwargs):
        print("🔹 Before execution")
        result = func(*args, **kwargs)
        print("✅ After execution")
        return result
    return inner

@wrapper
def say_hello(name):
    print(f"Hello {name}!")

say_hello("Pythonista")

خروجی:
🔹 Before execution
Hello Pythonista!
✅ After execution
> درواقع Wrapper یه روکش برای تابع اصلیه که بدون تغییر در کد اصلی، یه رفتار جدید بهش اضافه می‌کنه.

@TryCodeBox

اگه میخوای پایتون رو برای کارهای علمی یاد بگیری،این ۸ تا ریپازیتوری گیت‌هاب خیلی به کارت میاد!

🖥 Project Based Learning
💬 یکی از معروف‌ترین ریپوهای آموزشی با بیشتر از ۲۳۰K استار. پر از الگوریتم‌ها و پروژه‌های عملی با پایتون.
➖ ➖ ➖
🖥 Real Python Materials
💬 منابع جانبی + تمرین‌های متنوع. شامل آموزش‌های پروژه‌محور، راهنماهای تخصصی و تمرین‌های عملی.
➖ ➖ ➖
🖥 Learn By Doing
💬 آموزش‌های پروژه‌محور توی حوزه هوش مصنوعی و یادگیری ماشین، برای همه‌ی سطح‌ها.
➖ ➖ ➖
🖥 Awesome Jupyter
💬 یه مجموعه خفن از نوت‌بوک‌ها، ابزارها و لایبرری‌های قدرتمند برای کار با Jupyter Notebook.
➖ ➖ ➖
🖥 Python Mini Projects
💬 کلی مینی‌پروژه جذاب مثل بازی‌ها و اپلیکیشن‌های کوچیک که می‌تونی سریع تست و تمرین کنی.
➖ ➖ ➖
🖥 100Projects of Code
💬 یه چالش آموزشی با ۱۰۰ پروژه واقعی. روز به روز تمرین می‌کنی و پیشرفتت رو به چشم می‌بینی.
➖ ➖ ➖
🖥 Data Science Projects
‏💬 ایده‌ها و نمونه‌های عملی برای شروع پروژه‌های علم داده با پایتون.
➖ ➖ ➖
🖥 Python Project Scripts
‏💬 انواع پروژه‌های اسکریپتی، از کارای ساده‌ی مبتدی تا پروژه‌های حرفه‌ای پیشرفته.
@TryCodeBox

• من یک منبع بسیار عالی پیدا کردم که شامل تعداد زیادی ابزار برای متخصصان فناوری اطلاعات است، از ماشین حساب آدرس‌های IP و ارزیابی امنیت رمزهای عبور گرفته تا مبدل‌ها و لینترها برای JSON، YAML، XML و غیره. به نوعی، یک مجموعه ابزار همه‌کاره که برای انجام وظایف روزمره مفید خواهد بود.

• همچنین می‌توانید همه چیز را به صورت محلی راه‌اندازی کنید، اگر نیاز باشد. دستورالعمل در گیت‌هاب موجود است. استفاده کنید:

https://it-tools.tech
https://github.com/CorentinTh/it-tools

@TryCodeBox #Tools

ابزار Husky یه پروژخ سبک و باحاله که hookهای گیت رو به زبون ساده مدیریت می‌کنه. مثلاً قبل از commit یه چک‌لیست از دستورای npm مثل eslint یا prettier اجرا می‌کنه، بدون اینکه خودت یادت بره.
مثلاً می‌تونی تو pre-commit بنویسی: npm run lint && npm test تا قبل از هر commit هم کدت بررسی شه، هم تستا رد شن.

typicode.github.io/husky/get-started.html

@TryCodeBox

یه عده اومدن توی 20 ساعت با زبان Go یه بازی مار تحت پروتکل ssh ساختن با کلید های WASD می‌تونید حرکت کنید، ایده کلیش جالبه می‌شه چیزاهای دیگه هم پیاده کرد :

ssh sshtron.zachlatta.com

سورس کدش اگه خواستین خودتون بسازیدش :
github.com/zachlatta/sshtron

‌@TryCodeBox

بعد از اینکه وبسایتتون رو بالا اوردین این چک لیست فرانت رو چک کنید و مشکلاتش رو فیکس کنید، قبلا مشابهش رو گذاشته بودم اما این بخش javascript هم داره


github.com/thedaviddias/Front-End-Performance-Checklist


@TryCodeBox

✔️ مستند پایتون منتشر شد!

بالاخره مستند رسمی پایتون با عنوان
Python: The Documentary | An origin story
منتشر شد!

این مستند داستان شکل‌گیری پایتون رو روایت می‌کنه؛ از ایده‌ی اولیه‌ی خیدو فن روسوم در دهه ۹۰ میلادی تا تبدیل شدن به یکی از پرکاربردترین زبان‌های دنیا در هوش مصنوعی، وب، دیتا و هزاران پروژه‌ی دیگه.

توی این مستند چهره‌های سرشناس کامیونیتی پایتون مثل Guido van Rossum، Travis Oliphant، Barry Warsaw و خیلی‌های دیگه حضور دارن.

بخش‌های جذابی مثل "Zen of Python" هم بررسی می‌شه.

انتشار رسمی این مستند در تاریخ ۲۸ اوت ۲۰۲۵ بوده و الان به صورت رایگان قابل مشاهده‌ست.

لینک تماشا در یوتیوب:
https://youtu.be/GfH4QL4VqJ0?si=KOs9QrvwFq9BlGlR

@TryCodeBox

https://kilocode.ai

یه ابزار اوپن سورس که میتونید به کمکش از هوش مصنوعی حین کد زدن استفاده کنید یه جورایی رقیب cursor و cline محسوب میشه.

@TryCodeBox
#AI #Tools #Coding #VSCode #IDE #Editor #GPT #Kilo

☕️ کندی اپلیکیشن‌های Java در Docker و راه‌حل آن

یک تیم توسعه‌دهنده گزارش داد که اجرای اپلیکیشن‌های Java در محیط Docker باعث کاهش چشمگیر کارایی و کندی تا ۱۰ برابر شده است. بررسی‌ها نشان داد علت این مشکل به نحوه‌ی مدیریت منابع در Docker برمی‌گردد.

به‌طور پیش‌فرض، Docker تمام منابع CPU و RAM میزبان را در اختیار کانتینر قرار نمی‌دهد. در نتیجه، JVM قادر به شناسایی دقیق میزان منابع موجود نیست و تنظیمات حافظه و Garbage Collector را نادرست انجام می‌دهد.

✅ برای حل این مشکل از فلگ‌های زیر در JVM استفاده کنید
-XX:+UnlockExperimentalVMOptions
-XX:+UseCGroupMemoryLimitForHeap

با این تنظیمات، JVM محدودیت‌های cgroup را شناسایی کرده و منابع را به درستی مدیریت می‌کند. پس از اعمال این تغییرات، سرعت و کارایی اپلیکیشن‌ها به حالت عادی باز می گردد

https://medium.com/javarevisited/docker-made-our-java-apps-10x-slower-until-we-fixed-this-one-thing-d2cc8fcbea07


@TryCodeBox

#Docer #Java

این که می‌گن کوزه‌گر از کوزه شکسته آب می‌خوره راست می‌گن همیشه ما توسعه دهنده ها هیچ وقت به قدری بیکار نمی‌شیم که یه پنل خوب مدیریتی برای خودمون درست کنیم همیشه برای مدیریت داریم با فایل های کانفیگ ور می‌ریم اما واسه مشتری حتی تم روز و شب و سرچ های نرم RealTime هم می‌زاریم

زیر کاپوت گیت چه خبره؟
اسلاید های یک ارائه خوب ولی قدیمی از جزییات کارکرد گیت

https://github.com/techgaun/git-internals/blob/master/README.md


این اسلایدها هم هست که جذاب تر و طولانی تره ولی به نظرم بالایی مختصر مفید تر بود
https://www.slideshare.net/slideshow/git-internals-187357386/187357386

در مورد functional programming مطلب خیلی جالبی بود

https://medium.com/@olxc/switching-from-oop-to-functional-programming-4187698d4d3

@TryCodeBox

🧪 اگر برای تست رابط کاربری یا آموزش نیاز به API واقعی ندارید، سایت Reqres یک گزینه عالیه! بدون نیاز به لاگین یا ساخت سرور، می‌تونید انواع درخواست‌های POST، GET و غیره رو تست بزنید، حتی سناریوهای خطا و تأخیر رو هم پوشش میده.

https://reqres.in
#api #backend #testing #frontend #devtools

نوشتن اسکریپت‌های bash بدون ShellCheck مثل رانندگی بدون آینه است.

این ابزار دقیقاً نقش همون آینه‌ رو داره؛ ایرادای سینتکس، استفاده خطرناک از متغیرها، و حتی مسائل امنیتی رایج رو درمیاره. هر sysadmin یا devops حرفه‌ای باید ازش استفاده کنه، مخصوصاً توی automation و CI/CD.

www.shellcheck.net

@TryCodeBox

 

from scapy.all import *

  # اسکن پورت 80 با SYN
  pkt = IP(dst="192.168.1.1") / TCP(dport=80, flags="S")
  resp = sr1(pkt, timeout=1)
  if resp and resp[TCP].flags == "SA":
      print("پورت 80 بازه!")
  

ایرادات این کد را پیدا کنید .
@TryCodeBox

مایکروسافت اخیرا یک کتابخانه پایتون به نام MarkItDown منتشر کرده که ابزاری کاربردی برای تبدیل فایل‌های مختلف (فایل‌های پاورپوینت، پی‌دی‌اف، ورد، اکسل و...) به Markdown است.
‌
این موضوع برای تجزیه و تحلیل متون داخل فایل‌ها بسیار کاربردی‌ست.
‌
این کتابخانه در حال حاضر از pdf، پاورپوینت (pptx.)، ورد (.docx)، اکسل (xlsx.)، تصاویر (متادیتای EXIF ​​و OCR)، فایل صوتی (متادیتای EXIF ​​و رونویسی گفتار)، HTML (به خصوص در مورد ویکی‌پدیا و...) و برخی از سایر فرمت‌های مبتنی بر متن مثل csv, json, xml پشتیبانی می‌کند.
‌
شروع استفاده از این ابزار بسیار سریع و راحت است:
‌

from markitdown import MarkItDown

markitdown = MarkItDown()
result = markitdown.convert("test.xlsx")
print(result.text_content)

‌

🔗 مشاهده در GitHub
‌
برای درک بهتر کاربرد آن می‌توانید از دمویی که یک برنامه‌نویس خارجی در آدرس زیر قرار داده استفاده کنید:
https://msftmd.replit.app
‌
@TryCodeBox
#Python #library

درس جدید huggingFace برای MCP که مدرک هم میده تهش. درس‌های دیگه هم داره که قبلا share کردم. غافل نشید از اینا :)

https://huggingface.co/mcp-course
#MCP #AI #Course #Huggine #Face #HF #HuggingFace #Free #Interactive #Practical #Tutorial