Software Philosophy

ما اخیراً سیستم‌های AI خودمون رو به MAF منتقل کردیم و واقعاً فوق‌العاده بوده! این جمله واسه من نیست. کامنت @CrystaCode تویOn .NET Live بود :) البته من ترجمش رو گذاشتم اینجا... در این ویدیو Daniel Costea، در مورد ساختار Middleware ها در Microsoft Agentic Framework صحبت می‌کند. او Middlewareها را به سه نوع تقسیم می‌کند و با مدل ذهنی prepare → handle → invoke توضیح می‌دهد؛ مدلی که برای هر کسی که قبلاً با Middleware در ASP.NET Core کار کرده، کاملاً آشناست: اولین مورد Shared Function Middleware نزدیک‌ترین لایه به Request است. این Middleware از یک pipeline استفاده می‌کند و می‌تواند پیام‌های ورودی را بررسی و فیلتر کند، اما Response را نمی‌بیند. به همین دلیل جای مناسبی برای Guardrailهای ورودی محسوب می‌شود؛ مثلاً حذف اطلاعات شخصی (PII) یا آدرس ایمیل قبل از اینکه اصلاً به مدل ارسال شوند. دومین Response Middleware یک قدم فراتر می‌رود. در حالی که همچنان مثل یک pipeline عمل می‌کند، می‌تواند Response کامل را هم ببیند و حتی تغییرش دهد. اینجا جایی است که می‌شود مشکلاتی مثل مصرف بیش‌ازحد Token را تشخیص داد و قبل از اینکه یک Call هزینه غیرضروری ایجاد کند، جلوی ادامه آن را گرفت. مثلا میشه Token Usage را هم بررسی و ذخیره کرد. و در آخر Function Calling Middleware هم Tool Callها را با دسترسی کامل به Conversation History بررسی می‌کند. در نتیجه، قبل از اجرای یک Tool می‌تواند یک Invocation پرریسک را Block کند، محدود کند یا حتی تغییر دهد. در Demo همین قابلیت باعث شد Agent مربوط به یک ماشین رباتیک، مستقیم با دنده عقب به دیوار برخورد نکند! هرکدام از این Middlewareها می‌توانند در دو لایه مختلف اجرا شوند: در ChatClient که Identity ندارد و می‌تواند بین چند Agent به اشتراک گذاشته شود و Agent که Session و Identity خود را دارد. در مجموع یعنی ۶ نقطه مختلف برای Hook کردن Middleware. ترتیب Middlewareها هم اهمیت زیادی دارد. اگر ترتیب درست نباشد، ممکن است یک Middleware بیشتر از چیزی که انتظار دارید اجرا شود. ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. #حامد_حاجیلو (لینکدین) کانال تلگرام: @SoftwarePhilosophy ______

دی‌کانستراکشن تاپل (Tuple Deconstruction) در سی‌شارپ #csharp_for_beginners قابلیت دی‌کانستراکشن تاپل (Tuple Deconstruction) از نسخه سی‌شارپ ۷.۰ به زبان سی‌شارپ اضافه شد. این قابلیت به شما اجازه می‌دهد اعضای یک Tuple را به‌طور هم‌زمان در چند متغیر مستقل قرار دهید. به این ترتیب دیگر نیازی نیست برای دسترسی به هر عضو از Item1، Item2 یا نام اعضای Tuple استفاده کنید و می‌توانید تمام مقادیر را تنها با یک دستور استخراج کنید. به عنوان مثال، فرض کنید متد یک Tuple شامل اطلاعات یک حیوان خانگی را برمی‌گرداند: (string Type, string Name, int Height, int Age, string Color) GetPet() { return ("Dog", "Max", 60, 4, "Brown"); } می‌توان تمام مقادیر بازگشتی را به‌صورت هم‌زمان دریافت کرد: (string type, string name, int height, int age, string color) = GetPet(); در این مثال، هر عضو Tuple مستقیماً در متغیر متناظر خود قرار می‌گیرد. تعیین صریح نوع متغیرها در این روش، نوع هر متغیر به‌صورت صریح داخل پرانتز نوشته می‌شود. (string type, string name, int height, int age, string color) = GetPet(); مقدار اول در type مقدار دوم در name مقدار سوم در height مقدار چهارم در age مقدار پنجم در color نادیده گرفتن اعضای غیرضروری با Discard اگر به همه اعضای Tuple نیاز نداشته باشید، می‌توانید از Discard که با علامت _ نمایش داده می‌شود استفاده کنید. (string type, _, int height, _, string color) = GetPet(); مقدار اول در type ذخیره می‌شود. مقدار دوم نادیده گرفته می‌شود. مقدار سوم در height قرار می‌گیرد. مقدار چهارم نادیده گرفته می‌شود. مقدار پنجم در color ذخیره می‌شود. استفاده از _ باعث می‌شود مقدار مربوطه دریافت شود، اما در هیچ متغیری ذخیره نشود. قوانین و محدودیت‌های دی‌کانستراکشن تاپل هنگام استفاده از دی‌کانستراکشن تاپل باید به چند نکته توجه کنید: - تعداد متغیرها باید با تعداد اعضای Tuple برابر باشد. - اگر Tuple پنج عضو داشته باشد، باید در سمت چپ نیز پنج متغیر یا Discard (_) وجود داشته باشد. نمونه صحیح: (var type, var name, var height, var age, var color) = GetPet(); 🔗 ویدئو را در این لینک می‌توانید می‌توانید مشاهده کنید. ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. کانال تلگرام: @SoftwarePhilosophy ______

🚀 @CrystaCode is officially open to everyone! 🔗 https://crystacode.ai

آشنایی با Union Types در سی‌شارپ ۱۵ #csharp_for_beginners یکی از قابلیت‌های جذابی که قرار است به سی‌شارپ ۱۵ اضافه شود، Union Types است. این ویژگی سال‌هاست در زبان‌هایی مانند TypeScript وجود دارد و به توسعه‌دهندگان اجازه می‌دهد نوعی تعریف کنند که بتواند یکی از چند نوع مشخص را در خود نگه دارد. فرض کنید می‌خواهیم مجموعه‌ای از حیوانات خانگی را نگهداری کنیم: List<object> pets = [ new Dog("Fido"), new Cat("tabby"), new Bird { Species = "crow" } ]; در این مثال از List<object> استفاده کرده‌ایم چون اشیاء موجود در لیست از انواع مختلفی هستند. اما این راهکار یک مشکل اساسی دارد؛ هر نوع شیء دیگری نیز می‌تواند وارد این لیست شود: pets.Add(new Shark(300)); در حالی که کوسه (Shark) اصلاً جزو حیوانات خانگی موردنظر ما نیست. برای پردازش این داده‌ها معمولاً از Pattern Matching استفاده می‌کنیم: var description = pet switch { Dog dog => dog.Name, Cat(var adjective) => $"A {adjective} cat", Bird { Species: var species } => $"A {species}" }; اما کامپایلر هیچ اطلاعی ندارد که چه نوع‌هایی مجاز هستند و چه نوع‌هایی نباید در این مجموعه قرار بگیرند. راه‌حل: Union Types در سی‌شارپ ۱۵ می‌توان یک Union تعریف کرد: union Pet(Dog, Cat, Bird); این تعریف به کامپایلر اعلام می‌کند که نوع Pet فقط می‌تواند یکی از این سه نوع باشد: اکنون می‌توان لیست را به شکل زیر تعریف کرد: List<Pet> pets = [ new Dog("Fido"), new Cat("tabby"), new Bird { Species = "crow" } ]; در این حالت اگر بخواهیم یک Shark به لیست اضافه کنیم، کامپایلر خطا خواهد داد؛ چون Shark جزو اعضای Union نیست. یکی از مزیت های مهم Union Types این است که می‌توان مجموعه‌ای مشخص از انواع مرتبط را تحت یک نوع واحد تعریف کرد. به همین دلیل هنگام استفاده از Switch Expression می‌تواند بررسی کند که آیا تمام حالت‌ها پوشش داده شده‌اند یا خیر. برای مثال: var description = pet switch { Dog dog => dog.Name, Cat(var adjective) => $"A {adjective} cat", Bird { Species: var species } => $"A {species}" }; اگر یکی از انواع تعریف‌شده در Union را فراموش کنیم، کامپایلر هشدار نمایش خواهد داد. این موضوع باعث می‌شود بسیاری از خطاها قبل از اجرای برنامه شناسایی شوند. علاوه بر مشخص کردن انواع مجاز، می‌توان رفتارها و قابلیت‌های مشترک را نیز مستقیماً درون خود Union پیاده‌سازی کرد. برای مثال: union Pet(Dog, Cat, Bird) { public string Description => this switch { Dog dog => dog.Name, Cat(var adjective) => $"A {adjective} cat", Bird { Species: var species } => $"A {species}" }; } در این مثال ویژگی Description مستقیماً داخل Union تعریف شده است. بنابراین هر شیء از نوع Pet می‌تواند توضیح مناسب خود را برگرداند، بدون اینکه نیاز باشد این منطق در قسمت‌های مختلف برنامه تکرار شود. این ویژگی باعث می‌شود کدها تمیزتر و نگهداری آن‌ها ساده‌تر شود. تعریف Union با Attributeعلاوه بر سینتکس اختصاصی Union، روش دیگری نیز برای تعریف Unionها در نظر گرفته شده است که مبتنی بر Attribute است. برای مثال: [Union] struct Result<T> { } چرا Attribute-Based Union اهمیت دارد؟ این روش دو مزیت مهم دارد. ۱. بهبود کارایی (Performance) بدون استفاده از union ها در برخی شرایط باعث Boxing می‌شود. در سناریوهایی که عملکرد برنامه اهمیت زیادی دارد و یک قطعه کد بارها و بارها اجرا می‌شود، استفاده از یک پیاده‌سازی کاستوم می‌تواند به کاهش هزینه‌های اضافی و بهبود کارایی کمک کند. برای مثال اگر Union شما از چند Struct کوچک تشکیل شده باشد، جلوگیری از Boxing می‌تواند تأثیر قابل توجهی روی عملکرد برنامه داشته باشد. ۲. ساخت Unionهای کاستوم با کمترین زحمت قبل از معرفی Union Types، بسیاری از توسعه‌دهندگان تلاش می‌کردند با استفاده از کلاس‌های پایه، اینترفیس‌ها یا حتی قراردادهای مستندسازی و کامنت‌ها، ساختاری شبیه Union ایجاد کنند. این روش‌ها معمولاً پیچیده بودند و پشتیبانی مستقیمی از سوی کامپایلر نداشتند. اما اکنون با استفاده از یک Attribute ساده می‌توان همان رفتار را به شکل رسمی و استاندارد پیاده‌سازی کرد. 🔗 ویدئو را در این لینک می‌توانید می‌توانید مشاهده کنید. ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. کانال تلگرام: @SoftwarePhilosophy ______

مدل Kimi K3 توسط Moonshot AI منتشر شد این مدل با ۲.۸ تریلیون پارامتر، بزرگترین مدل متن‌باز جهان است. ساختار فنی: از معماری MoE استفاده می‌کند. برای هر توکن تنها ۱۶ اکسپرت از ۸۹۶ اکسپرت فعال می‌شوند. بر پایه Kimi Delta Attention ساخته شده و بازدهی مقیاس‌پذیری آن ۲.۵ برابر K2 است. پنجره زمینه ۱ میلیون توکنی دارد و درک تصویر به صورت بومی در آن ادغام شده است. عملکرد و مقایسه: در کدنویسی فرانت‌اند (Arena.ai) رتبه اول را کسب کرده و مدل‌های Claude Fable 5 و GPT-5.6 Sol را پشت سر گذاشته است. در ارزیابی‌های SWE Marathon و Program Bench بالاترین عملکرد را دارد. در Terminal Bench 2.1 با اختلاف نیم امتیاز پس از GPT-5.6 Sol دوم است. در رده‌بندی کلی Artificial Analysis در جایگاه سوم قرار دارد. هزینه API ۳ دلار برای یک میلیون توکن ورودی و ۱۵ دلار برای یک میلیون توکن خروجی. در اجرای تسک‌های برنامه‌نویسی ۶۰ تا ۸۰ درصد ارزان‌تر از مدل‌های رقیب تموم می‌شود. البته Open Source بودنش به این معنی نیست که می‌توانید روی کامپیوتر ران کنید! برای ران کردنش یک دیتاسنتر غول می‌خواهد. پس پول کم بدهید و اندازه Fable و Sol از این محصول استفاده کنید :) 🔗 توضیحات کامل را می‌توانید اینجا بخوانید. ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. #حامد_حاجیلو (لینکدین) کانال تلگرام: @SoftwarePhilosophy ______

پیاده‌سازی Linked List در سی‌شارپ #csharp_for_beginners در این مقاله، ساختار دادهٔ LinkedList در زبان سی‌شارپ معرفی شده است. این ساختار یک لیست پیوندی دوطرفه (Doubly Linked List) است که امکان درج و حذف سریع عناصر را در هر نقطه از لیست فراهم می‌کند. برخلاف آرایه‌ها، عناصر در حافظه به‌صورت پشت‌سرهم ذخیره نمی‌شوند و هر عنصر در قالب یک گره (Node) نگهداری می‌شود. ساختار LinkedList هر گره در LinkedList<T> شامل سه بخش است: مقدار داده (Value) اشاره‌گر به گره قبلی (Previous) اشاره‌گر به گره بعدی (Next) به همین دلیل می‌توان در هر دو جهت لیست حرکت کرد. ایجاد یک LinkedList برای استفاده از این ساختار ابتدا باید فضای نام زیر را اضافه کنیم: using System.Collections.Generic; سپس لیست را ایجاد می‌کنیم: LinkedList<int> list = new LinkedList<int>(); افزودن عناصر: مهم‌ترین متدهای افزودن عنصر عبارت‌اند از: افزودن در ابتدای لیست: ()AddFirst افزودن در انتهای لیست: ()AddLast افزودن قبل از یک گره مشخص: ()AddBefore افزودن بعد از یک گره مشخص: ()AddAfter نمونه کد: LinkedList<int> list = new LinkedList<int>(); list.AddFirst(20); list.AddLast(30); list.AddLast(40); foreach (int item in list) { Console.WriteLine(item); } خروجی: 20 30 40 برای حذف عناصر نیز متدهای مختلفی وجود دارد: حذف اولین رخداد یک مقدار: Remove(T value) حذف اولین گره: RemoveFirst() حذف آخرین گره: RemoveLast() حذف یک گره مشخص: Remove(LinkedListNode<T>) حذف تمام عناصر لیست: Clear() جستجوی عناصر متد Contains() بررسی می‌کند که آیا یک مقدار در لیست وجود دارد یا خیر: LinkedList<int> list = new LinkedList<int>(); list.AddLast(10); list.AddLast(20); list.AddLast(30); Console.WriteLine(list.Contains(20)); Console.WriteLine(list.Contains(100)); خروجی: True False 🔗 مطلب کامل را در این لینک می‌توانید مطالعه کنید. ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. کانال تلگرام: @SoftwarePhilosophy ______

مفهوم Harness در دنیای AI خیلی اوقات در حالیکه انتظار داریم پرامپتی که نوشته‌ایم کار کند ولی کار نمی‌کند (در برنامه‌نویسی). بیشتر وقت‌ها کاری که می‌کنیم بهبود پرامپت و یا استفاده از مدل بهتر است، ولی باز هم تاثیری ندارد، هر چقدر هم توضیح دهیم که اول چک کن که کاربر لاگین باشد و بعد این کار را انجام بده، باز هم نمی‌شه که نمی‌شه! واقعیت این است که خیلی از کارها پیچیده‌تر از آن هستند که با بهبود پرامپت بتوان ببهبودشان داد. فکر کنید که GitHub Copilot یا Claude اگه فقط یک پرامپت بود که کل کد را به همراه پرامپت شما اجرا می‌کرد چقدر ناکارآمد بود. مفهوم جالبی که این سیستم‌ها از آن استفاده می‌کنن تا مفاهیم non-determinstic دنیای AI را به مفاهیم deterministic دنیای واقعی نزدیک کنند مفهومی است به نام Harness. جالب است بدانید که در GitHub Copilot برای هر مدل یک هارنس اختصاصی نوشته می‌شود و هر وقت یک مدل جدید از راه می‌رسد قبل اینکه آن مدل به VS Code اضافه شود اول هارنس اختصاصی‌ش نوشته می‌شود. در این ویدئو مفهوم Harness خیلی خوب و قابل فهم توسط Tejas Kumar از IBM توضیح داده شده. اگر برنامه‌نویسی هستید که سیستم‌های مبتنی بر LLM می‌نویسید که کار واقعی انجام می‌دهد (نه صرفا یه چت ساده برای دمو) پیشنهاد می‌کنم حتما این ویدئو را ببینید. این مفهوم همان مفهومی است که ما در CrystaCode برای ساخت «ادیتور ایجنت» از آن استفاده کردیم تا بتوان روی عملکرد سیستم حساب کرد و طبق سناریوهای skUnit تست‌ها پاس شود. 🔗 ویدئو کامل را می‌توانید اینجا ببینید. #مهران_داودی (لینکدین - بلاگ) ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. کانال تلگرام: @SoftwarePhilosophy ______

کلاس Static در سی‌شارپ #csharp_for_beginners در زبان سی‌شارپ، کلاس Static کلاسی است که با کلیدواژه static تعریف می‌شود. این نوع کلاس فقط می‌تواند شامل اعضای استاتیک (مانند فیلدها، متدها، ویژگی‌ها و رویدادها) باشد و امکان ساختن شیء (Object) از آن وجود ندارد. اعضای آن مستقیماً از طریق نام کلاس فراخوانی می‌شوند. تعریف کلاس Static: static class Utility { public static void PrintMessage(string msg) { Console.WriteLine(msg); } } استفاده: Utility.PrintMessage("Hello World"); در این مثال، بدون ایجاد شیء از کلاس Utility، متد PrintMessage مستقیماً فراخوانی می‌شود. ویژگی‌های مهم کلاس Static ▫️با کلمه کلیدی static تعریف می‌شود. ▫️تمام اعضای آن باید استاتیک باشند. ▫️نمی‌توان با new از آن نمونه‌سازی کرد. ▫️به صورت ضمنی sealed است؛ بنابراین قابل ارث‌بری نیست. ▫️نمی‌تواند از کلاس دیگری ارث ببرد. ▫️نمی‌تواند اعضای نمونه‌ای (Instance Members) داشته باشد. فیلدها و ویژگی‌های Static کلاس‌های استاتیک می‌توانند داده‌های مشترک در کل برنامه را نگهداری کنند: static class Config { public static string AppName { get; set; } = "MyApp"; public static int Version { get; set; } = 1; } استفاده: Console.WriteLine(Config.AppName); Console.WriteLine(Config.Version); در این حالت، مقادیر AppName و Version برای تمام بخش‌های برنامه مشترک هستند. محدودیت‌های کلاس Static ▫️امکان ایجاد شیء از آن وجود ندارد. ▫️نمی‌تواند اعضای غیراستاتیک داشته باشد. ▫️قابل ارث‌بری نیست. ▫️نمی‌تواند Interfaceها را پیاده‌سازی کند. کاربردهای کلاس Static ▫️متدهای کمکی (Utility Methods) مانند توابع ریاضی. ▫️تنظیمات سراسری برنامه (Configuration). ▫️ثبت لاگ (Logging). ▫️توابعی که به وضعیت یک شیء وابسته نیستند. 🔗 مطلب کامل را در این لینک می‌توانید مطالعه کنید. ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. کانال تلگرام: @SoftwarePhilosophy ______

هوش مصنوعی در دات‌نت بدون پیچیدگی وقتی تصمیم می‌گیرید یک چت‌بات هوشمند بسازید، اولین سوالات خیلی زود ظاهر می‌شوند: - داده‌ها از کجا باید بیایند؟ - چطور باید پردازش شوند؟ - اگر چند ایجنت مختلف داشته باشم، چطور باید با هم هماهنگ کار کنند؟ در اکوسیستم دات‌نت مجموعه‌ای از ابزارها و کتابخانه‌های آماده وجود دارد که دقیقاً برای پاسخ‌دادن به همین نیازها طراحی شده‌اند. از ابزارهای پایه برای اتصال به مدل‌های هوش مصنوعی گرفته تا اجزای RAG برای مدیریت داده، فریم‌ورک ایجنت‌ها برای تعریف نقش‌های مختلف، و استانداردهایی مثل MCP و A2A برای اینکه ایجنت‌ها بتوانند با سرویس‌ها و حتی با یکدیگر تعامل داشته باشند. برای شروع کافی است Microsoft.Extensions.AI را به پروژه اضافه کنید و یک چت‌بات ساده بسازید. خیلی زود متوجه می‌شوید که برای مدیریت بهتر وظایف، Microsoft.Agents.AI را هم نصب کرده‌اید و چند MCP مختلف برای هندل‌کردن فعالیت‌ها اضافه شده‌اند. ما در crystacode.ai از این امکانات به‌صورت حرفه‌ای استفاده کرده‌ایم، از ساخت چت‌بات‌ها تا طراحی ایجنت‌های تخصصی و اتصال آن‌ها به سرویس‌های مختلف. در این ویدیو می‌توانید ببینید که این مجموعه ابزارها به شما اجازه می‌دهد بدون پیچیدگی‌های اضافی، از چت و RAG گرفته تا Agentها، MCP و حتی تولید تصویر، اپلیکیشن‌هایی هوشمند، قابل‌گسترش و کارآمد بسازید. 🔗 https://www.youtube.com/watch?v=LB64QnwhLZM _____ ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. #نگار_قاسمی (لینکدین) کانال تلگرام: @SoftwarePhilosophy ______

لینک (LINQ) در سی‌شارپ #csharp_for_beginners لینک (LINQ) یا Language Integrated Query قابلیتی در زبان سی‌شارپ است که امکان جستجو، فیلتر و پردازش داده‌ها را مستقیماً داخل خود زبان فراهم می‌کند. در گذشته برای کار با منابع داده مختلف مثل SQL، XML یا سرویس‌های وب باید از زبان‌های جداگانه استفاده می‌شد، اما LINQ این مشکل را حل می‌کند و همهٔ عملیات کوئری‌نویسی را به شکلی یکپارچه داخل #C ارائه می‌دهد. ویژگی‌های اصلی LINQ ▫️امکان نوشتن Query به صورت خوانا و کوتاه ▫️ پشتیبانی از Type Checking در زمان کامپایل ▫️استفاده یکسان برای انواع منابع داده نمونه‌ای از LINQ : int[] scores = [97, 92, 81, 60]; IEnumerable<int> scoreQuery = from score in scores where score > 80 select score; foreach (var i in scoreQuery) { Console.Write(i + " "); } خروجی : 97 92 81 عملگر from منبع داده را مشخص می‌کند عملگر where فیلتر را انجام می‌دهد عملگر select دادهٔ نهایی را انتخاب می‌کند 🔗 مطلب کامل را در این لینک می‌توانید مطالعه کنید. ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. کانال تلگرام: @SoftwarePhilosophy ______

تغییرات اخیر دات‌نت ۱۱، Runtime, libraries, SDK for the AI Era (بیلد ۲۰۲۴) در این ویدئو که قسمتی از کنفرانس BUILD 2026 است تغییرات اخیر دات‌نت ۱۱ بررسی می‌شود. یکی از قسمت‌های جالب این تغییرات، بخش‌هایی هستند که به خاطر LLM ها به وجود آمده است. که در ادامه به چند مورد اشاره می‌کنم. به عنوان مثال دستوراتی مثل dotnet run و dotnet build در حال حاضر با توجه به اینکه در چه کانتکستی اجرا می‌شوند، می‌توانند لاگ‌های متفاوتی تولید کنند. به طور پیش‌فرض این دستورات لاگ‌هایی تولید می‌کنند که وضعیت درونی را بیشتر توضیح می‌دهند (Live Update)، ولی این نوع لاگ‌ها برای LLM ها هم مفید نیست و هم باعث مصرف توکن بیشتر می‌شود. تکنیک جدید باعث می‌شود وقتی این دستورات توسط ابزارهای LLM استفاده می‌شوند توکن خیلی کمتری مصرف کنند! مورد جالب دیگر تغییراتی است که توی dotnet build انجام شده که بیلدهای موازی که به خاطر agent ها بیشتر و بیشتر شده، با پرفورمنس بهتری اجرا می‌شوند. همچنین در این جلسه در مورد Runtime Async صحبت می‌شود که بسیار فیچر مهمی است و نحوه اجرای کدهای async را از سطح کامپایلر به سطح ران‌تایم می‌برد که تغییر خیلی زیرساختی و تاثیرگذاری محسوب می‌شود، هم از لحاظ پرفورمنسی، و هم از لحاظ tooling. با این تغییر دیگر در Call Stack خبری از آن همه اطلاعاتی که به خاطر State Machine‌ به وجود آمده بود نیست و همه چیز خیلی خواناتر شده است. 🔗 ویدئو کامل را می‌توانید اینجا ببینید. #مهران_داودی (لینکدین - بلاگ) ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. کانال تلگرام: @SoftwarePhilosophy ______

آشنایی با Dictionary در سی‌شارپ #csharp_for_beginners در زبان برنامه‌نویسی سی‌شارپ، ساختار داده‌ی دیکشنری (Dictionary) برای ذخیره‌سازی اطلاعات به صورت «کلید و مقدار» استفاده می‌شود. هر کلید (Key) باید یکتا باشد و به یک مقدار (Value) اشاره کند. این ساختار در فضای نام System.Collections.Generic قرار دارد و به دلیل سرعت بالای جستجو، یکی از پرکاربردترین کالکشن‌ها در سی‌شارپ محسوب می‌شود. مثال برای ساخت: csharp Dictionary<int, string> students = new Dictionary<int, string>(); در مثال بالا، نوع کلید int و نوع مقدار string است. افزودن داده به Dictionary برای اضافه کردن داده‌ها معمولاً از متد Add() استفاده می‌شود: students.Add(1, "Ali"); students.Add(2, "Sara"); students.Add(3, "Reza"); نمایش اطلاعات Dictionary برای نمایش عناصر از حلقه ها استفاده می‌شود: foreach (var item in students) { Console.WriteLine($"Key: {item.Key}, Value: {item.Value}"); } خروجی: Key: 1, Value: Ali Key: 2, Value: Sara Key: 3, Value: Reza Key: 4, Value: Mina حذف عناصر برای حذف یک عنصر: students.Remove(1); و برای حذف تمام داده‌ها: students.Clear(); 🔗 مطلب کامل را در این لینک می‌توانید مطالعه کنید. ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. کانال تلگرام: @SoftwarePhilosophy ______

استفاده از Graphify در پروژه‌ها اخیرا Repo ای در GitHub ایجاد شده که مورد استقبال سیل عظیمی از برنامه نویسان قرار گرفته است. کار این ابزار، یعنی Graphify این است که از Code Base شما گرافی تمیز می‌سازد و به خاطر همین، از این به بعد وقتی با Claude یا GitHub Copilot پرامپتی را ران می‌کنید، توکن‌های شما به مراتب کمتر استفاده می‌شود و سرعت و دقت پیدا کردن فایل‌های مرتبط هم بالاتر می‌رود. 🔗 در همین Repo در مورد نحوه استفاده صحبت شده است. ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. #حامد_حاجیلو (لینکدین) کانال تلگرام: @SoftwarePhilosophy ______

آینده هوش مصنوعی و مهندسی کامپیوتر هوش مصنوعی مهندسی را نابود نمی‌کند، اما در سکوت در حال از بین بردن چیزی بسیار مهم‌تر است: مسیر رشد نیروهای جونیور! اخیرا که ویدئوی کنفرانس BUILD و صحبت‌های اسکات هنسلمن و مارک روسینوویچ را دیدم یکی از مهم‌ترین واقعیت‌ها درباره‌ی هوش مصنوعی در مهندسی را مطرح کردند؛ حقیقتی که باید بلندتر گفته شود، واقعیتی که بیشتر شرکت‌ها الان دیگر فهمیده‌اند: هوش مصنوعی بهترین نتایجش را زمانی ارائه می‌دهد که مهندسان ارشد با آن کار می‌کنند. اما در عین حال، هوش مصنوعی تقریبا تمام وظایف سطح جونیور را جایگزین کرده است: ایجاد ساختار اولیه، دیباگ، نوشتن کدهای تکراری (boilerplate)، تست کردن و غیره. در نتیجه امروز بسیاری از تیم‌ها عملاً استخدام جونیورها را متوقف کرده‌اند. و این همان خطر واقعی است. 🔥 اگر امروز جونیورها حذف شوند، فردا سنیوری وجود نخواهد داشت. بدون جونیور ⬅️ بدون نیروهای میانی ⬅️ بدون سنیور ⬅️ بدون آرشیتکت ⬅️ و در نهایت کسی نمی‌ماند که بتواند هوش مصنوعی را به ‌درستی هدایت کند. ما هم این موضوع را از نزدیک دیده‌ایم. به همین دلیل در CrystaCode به‌طور جدی روز برنامه‌ی #cs_internship سرمایه‌گذاری می‌کنیم تا جریان پایداری از استعدادهای جونیور حفظ شود و مسیر واقعی رشد آن‌ها به نسل بعدی مهندسان ارشد فراهم گردد. چون آینده‌ی مهندسی به کسانی بستگی دارد که هنوز سنیور نشده‌اند. 🔗 صحبت‌های اسکات هنسلمن و مارک روسینوویچ را در یوتیوب ببینید. #مهران_داودی (لینکدین - بلاگ) ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. کانال تلگرام: @SoftwarePhilosophy ______

رقابت نسل پنجم هوش مصنوعی: GPT-5، Claude، Gemini و Grok در سال ۲۰۲۵، رقابت بین شرکت‌های پیشرو در حوزه هوش مصنوعی وارد مرحله‌ی تازه‌ای شده. چهار مدل قدرتمند، GPT-5 از OpenAI، Claude Opus 4.1 از Anthropic، Gemini 2.5 Pro از Google DeepMind و Grok 4 از xAI، هرکدام با ویژگی‌های منحصربه‌فرد، در تلاش‌اند تا جایگاه برتر در مسیر توسعه‌ی AGI را تصاحب کنند. مدل GPT-5 با دقت بالا، توانایی استدلال پیچیده و نرخ خطای بسیار پایین، در آزمون‌های علمی و کدنویسی عملکردی بی‌نظیر داشته است. این مدل در حل مسائل ریاضی، تولید متن‌های دقیق و تعامل چندرسانه‌ای پیشتاز است. مدل Claude Opus 4.1 تمرکز ویژه‌ای بر ایمنی، شفافیت و اخلاق دارد. در محیط‌های حساس، پاسخ‌های محتاطانه و قابل اعتماد ارائه می‌دهد و در تولید کد نیز بسیار توانمند ظاهر شده است. مدل Gemini 2.5 Pro با پنجره متنی عظیم و یکپارچگی کامل با محصولات گوگل، برای پردازش اسناد طولانی و ورودی‌های تصویری و صوتی انتخابی عالی و سرعت و دقت آن در محیط‌های کاری چشم‌گیر است. مدل Grok 4 بیشتر برای تحلیل داده‌های زنده و شبکه‌های اجتماعی طراحی شده. پاسخ‌های سریع، خلاقانه و گاهی غیررسمی‌اش آن را برای کاربران عمومی جذاب کرده. 🔍 مقایسه تخصصی مدل‌های هوش مصنوعی نسل جدید 🎯 ۱. دقت و استدلال منطقی - مدل GPT-5 در آزمون‌های ریاضی مثل AIME 2025 نمره کامل (100٪) کسب کرده و در استدلال چندمرحله‌ای با استفاده از تکنیک chain-of-thought به دقت 99.6٪ رسیده. این یعنی در حل مسائل پیچیده، تقریباً بی‌رقیب عمل می‌کند. - مدل Claude Opus 4.1 در استدلال اخلاقی و تحلیل‌های مفهومی قوی ظاهر شده، اما در آزمون‌های ریاضی و فنی نمره‌ی پایین‌تری نسبت به GPT-5 داشته است (حدود 78٪). - مدل Gemini 2.5 Pro عملکرد خوبی در تحلیل داده‌ها و استدلال دارد، اما در آزمون‌های تخصصی مثل GPQA یا AIME کمی عقب‌تر از GPT-5 و Grok قرار گرفته است. - مدل Grok 4 با نمره 93٪ در آزمون AIME و 98٪ در HumanEval برای کدنویسی، نشان داده که در استدلال فنی و برنامه‌نویسی بسیار قدرتمند است. 🧠 ۲. ظرفیت حافظه و پردازش ورودی - مدل Gemini 2.5 Pro با پنجره متنی ۱ میلیون توکن، رکورددار پردازش اسناد طولانی و دیتاست‌های حجیم است. - مدل GPT-5 با ظرفیت ۴۰۰ هزار توکن، توانایی پردازش اسناد بزرگ را دارد ولی در مقیاسی پایین‌تر از Gemini. - مدل Grok 4 ظرفیت ۲۵۶ هزار توکن دارد و برای پروژه‌های متوسط بسیار مناسب و مقرون‌به‌صرفه‌ست. - مدل Claude Opus 4.1 با ظرفیت ۲۰۰ هزار توکن، بیشتر برای تحلیل‌های متنی و پاسخ‌های دقیق طراحی شده است. 🖼 ۳. توانایی چندرسانه‌ای و تولید محتوا - مدل GPT-5 در ورودی‌های تصویری و صوتی بسیار قوی عمل می‌کند، اما هنوز قابلیت تولید ویدیو ندارد. - مدل Gemini 2.5 Pro در ورودی‌های چندرسانه‌ای (تصویر، صوت، ویدیو) کامل‌ترین تجربه را ارائه می‌دهد. - مدل Grok 4 تنها مدلی است که خروجی ویدیویی هم تولید می‌کند و برای تولید محتوای پویا بسیار مناسب است. - مدل Claude محدود به متن و فایل‌های ساده‌ست و در حوزه چندرسانه‌ای هنوز توسعه‌یافته نیست. 💰 ۴. هزینه و بهره‌وری - مدل GPT-5 با قیمت حدود $1.25 برای ورودی و $10 برای خروجی به‌ازای هر میلیون توکن، گزینه‌ای اقتصادی برای شرکت‌هاست. - مدل Claude و Grok هزینه‌ی بالاتری دارند (حدود $3 ورودی و $15 خروجی)، اما در پروژه‌های خاص مثل امنیت یا کدنویسی دقیق، ارزش افزوده دارند. - مدل Gemini با هزینه‌ی بسیار پایین‌تر (تا ۲۰ برابر کمتر از Claude)، برای استارتاپ‌ها و پروژه‌های مقرون‌به‌صرفه انتخابی عالی است. 🧪 ۵. کاربرد تخصصی - مدل GPT-5 برای پروژه‌های چندمنظوره، تحقیقاتی، پزشکی و امنیتی عالی است. - مدل Claude برای محیط‌های حساس، اخلاق‌محور و تحلیل‌های دقیق توصیه می‌شود. - مدل Gemini مناسب برای پردازش‌های حجیم، ادغام با ابزارهای گوگل و توسعه‌ی سریع است. - مدل Grok برای تحلیل داده‌های زنده، شبکه‌های اجتماعی و تولید محتوای خلاقانه بسیار کاربردی است. مطالعه بیشتر ___________ ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. #نگار_قاسمی (لینکدین) کانال تلگرام: @SoftwarePhilosophy ________

مفهوم Generics در سی‌شارپ #csharp_for_beginners در برنامه‌نویسی، معمولاً کلاس‌ها و متدها برای نوع خاصی از داده طراحی می‌شوند. برای مثال ممکن است یک کلاس فقط برای اعداد صحیح یا فقط برای رشته‌ها نوشته شود. این موضوع باعث افزایش حجم کد و کاهش انعطاف‌پذیری برنامه می‌شود. Generics این مشکل را حل می‌کند و امکان تعریف کلاس‌ها و متدهای عمومی را فراهم می‌سازد. در جنریک‌ها از پارامتر نوع (Type Parameter) استفاده می‌شود که معمولاً با حرف T نمایش داده می‌شود. این پارامتر هنگام ساخت شیء، با نوع واقعی داده جایگزین خواهد شد. ساختار کلاس Generic ساختار کلی یک کلاس جنریک به شکل زیر است: class ClassName<T> { T data; public ClassName(T value) { data = value; } public void Display() { Console.WriteLine(data); } } در این مثال، T می‌تواند هر نوع داده‌ای مانند int، string یا حتی کلاس‌های سفارشی باشد. افزایش قابلیت استفاده مجدد از کد با استفاده از Generics می‌توان یک کلاس یا متد را برای انواع مختلف داده استفاده کرد و دیگر نیازی به نوشتن کلاس‌های جداگانه نیست. جنریک (Generic) با چند پارامتر نوع در سی‌شارپ می‌توان از چند پارامتر نوع نیز استفاده کرد: class Pair<T1, T2> { public T1 First; public T2 Second; public Pair(T1 first, T2 second) { First = first; Second = second; } } نمونه استفاده: Pair<int, string> pair = new Pair<int, string>(1, "One"); در این مثال، T1 برابر int و T2 برابر string خواهد بود. کاربرد Generics در کتابخانه‌های سی‌شارپ بسیاری از کلاس‌های آماده در فضای نام System.Collections.Generic بر پایه جنریک‌ها ساخته شده‌اند. برای مثال: List<T> Dictionary<TKey, TValue> Queue<T> Stack<T> این کلاس‌ها امکان ذخیره و مدیریت داده‌ها را به صورت ایمن و بهینه فراهم می‌کنند. 🔗 مطلب کامل را در این لینک می‌توانید مطالعه کنید. ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. کانال تلگرام: @SoftwarePhilosophy ______

هوش مصنوعی، آماده‌ی آزمون؟ با skUnit بررسی‌اش کن! تصور کنید در حال ساختن یک اپلیکیشن هوش مصنوعی هستید که قرار است با کاربرها گفت‌وگو کند، تصمیم بگیرد، و حتی گاهی شوخی کند! همه چیز عالی است... تا وقتی که باید مطمئن شوید مدل واقعاً همان کاری را می‌کند که انتظار دارید. اینجاست که skUnit مثل یک قهرمان وارد صحنه می‌شود! 🎬 داستان از کجا شروع شد؟ در دنیای دات‌نت، تست‌نویسی همیشه بخشی جدی و خشک بوده. اما وقتی پای هوش مصنوعی وسط می‌آیدد، دیگر نمی‌توانید فقط بگویید "این تابع درست کار کرد یا نه؟" باید بپرسید: ❓ آیا مدل واقعاً فهمید کاربر چه گفت؟ ❓ آیا جوابش منطقی بود؟ ❓ آیا توانست با ظرافت تابعی خاص را صدا بزند؟ حساسیت جایی بالاتر می‌رود که وقتی تغییری ایجاد می‌کنید و عمرا به سادگی بفهمدی تمام تغییرات قبلی درست کار می‌کند یا نه! و اینجاست که skUnit با رویکردی خلاقانه، تست‌ها را به شکل سناریوهای مکالمه‌ای در قالب Markdown تعریف می‌کند. ساده، خوانا و درست مانند گفت‌وگویی واقعی. 🔍 ویژگی‌هایی که skUnit را خاص می‌کنند - تست معنایی پاسخ‌ها: بررسی می‌کند که مدل واقعاً مفهوم را فهمیده است، نه فقط کلمات را. - تست فراخوانی توابع: مطمئن می‌شود که مدل دقیقاً همان تابعی را صدا زده که باید. - مکالمات چندمرحله‌ای: می‌توانید سناریویی کامل از گفت‌وگوی کاربر با مدل را تست کنید. - خروجی‌های قابل فهم: نتایج تست‌ها به شکل واضح و قابل تحلیل نمایش داده می‌شوند. - پشتیبانی از چندین اجرا: چون مدل‌های زبانی گاهی نوسان دارند، می‌توانید چند بار تست را اجرا کنید و نرخ موفقیت تعیین کنید. 🔗 پیشنهاد می‌کنم سری به گیت‌هاب skUnit بزنین. ___________ ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. #نگار_قاسمی (لینکدین) کانال تلگرام: @SoftwarePhilosophy ________

گزارش از دیتابیس لازم داری؟ فقط حرف بزن! تصور کنید وارد یک پنل مدیریتی می‌شوید، فقط یک جمله ساده تایپ می‌کنید: «نمایش مشتریانی که بیش از ۵ خرید داشته‌اند» و بدون اینکه حتی یک خط SQL بنویسید، جدول دقیق با تمام اطلاعات جلو روی شما ظاهر می‌شود. نه نیاز به دانش دیتابیس دارید، نه وقت گذاشتن برای نوشتن کوئری‌های پیچیده. این آینده نیست. این حال حاضر توسعه نرم‌افزار با هوش مصنوعی‌ست. با ظهور مدل‌های زبانی قدرتمند مثل GPT-4، تعامل با داده‌ها وارد مرحله‌ای جدید شده است. حال می‌توانیم با زبان طبیعی، مثل حرف زدن با یک همکار، از دیتابیس اطلاعات بگیریم. مرحله اول: دریافت ساختار دیتابیس برای اینکه GPT-4 بتواند کوئری دقیق تولید کند، ابتدا باید ساختار جدول‌ها و ستون‌ها را بشناسد. با استفاده از EF Core، می‌توان لیستی از جدول‌ها و فیلدها را استخراج کرد و به مدل ارسال کرد. public async Task<string> GetAllTableSchemas() { // دریافت اطلاعات جدول‌ها از دیتابیس } مرحله دوم: تبدیل زبان طبیعی به SQL در این مرحله، جمله‌ای مانند "نمایش مشتریانی که بیش از ۵ خرید داشته‌اند" به GPT-4 ارسال می‌شود. مدل با توجه به ساختار دیتابیس، کوئری SQL مناسب تولید می‌کند. public async Task<string> GenerateSQLQuery(string userPrompt) { var prompt = $"Given the following database schema: {schema}, write a SELECT SQL query for: {userPrompt}"; var response = await openAiClient.GetCompletionAsync(prompt); return response.Text; } مرحله سوم: اجرای کوئری و نمایش نتیجه کوئری تولیدشده روی دیتابیس اجرا می‌شود و نتیجه به کاربر نمایش داده می‌شود. این بخش می‌تواند به‌صورت جدول، نمودار یا حتی فایل خروجی طراحی شود. public async Task<DataTable> ExecuteQuery(string sql) { using var connection = new NpgsqlConnection(connectionString); var command = new NpgsqlCommand(sql, connection); var reader = await command.ExecuteReaderAsync(); // تبدیل نتیجه به DataTable } ⚠️ نکته‌ای که باید در نظر بگیرید این است که فقط کوئری‌های SELECT مجاز هستند تا از تغییر یا حذف داده‌ها جلوگیری شود. برای دیدن نمونه عملی این پروژه، مقاله اصلی در DZone را ببینید. ___________ ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. #نگار_قاسمی (لینکدین) کانال تلگرام: @SoftwarePhilosophy ________

مهاجرت از تایپ‌اسکریپت (۲.۵ میلیون خط کد) به سی‌شارپ در بلاگ زیر، CTO شرکت Motion توضیح می‌دهد که چرا تصمیم گرفته‌اند کدهای خود را از #typescript به #csharp ببرند... دلایلی که آورده بسیار قابل توجه هستند و ارزش خواندن و فکر کردن را دارند. ما هم تقریبا به دلایل مشابهی در چند سال گذشته پروژه‌های جاواسکریپتی خود را به سی‌شارپ منتقل کردیم. حتی در دو پروژه اخیر که با شرکت‌های کانادایی بوده، اولین کار مهاجرت از کدهای #react به #blazor بوده است. نظر شما چیه؟ 🔗 در این صفحه می‌توانید مطلب کامل را بخوانید. #مهران_داودی (لینکدین - بلاگ) ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. کانال تلگرام: @SoftwarePhilosophy ______

دلیگیت (delegate) #csharp_for_beginners دلیگیت‌ها (delgate) در زبان سی‌شارپ نوعی داده‌اند که مرجع به یک یا چند متد را نگه می‌دارند. Delegateها شبیه اشاره‌گر تابع هستند اما به‌صورت شیءگرا پیاده‌سازی شده‌اند. این ویژگی باعث می‌شود فقط متدهایی با امضای مشخص بتوانند به یک delegate متصل شوند. برای تعریف یک delegate از کلمه کلیدی delegate استفاده می‌شود. تعریف delegate مشابه امضای یک متد است و مشخص می‌کند چه نوع متدی می‌تواند به آن نسبت داده شود: public delegate void Callback(string message); این delegate می‌تواند به هر متدی متصل شود که یک پارامتر از نوع string دریافت کند و مقدار بازگشتی نداشته باشد. پس از تعریف delegate، می‌توان یک نمونه از آن ایجاد کرد و یک متد سازگار را به آن نسبت داد. static void DelegateMethod(string message) { Console.WriteLine(message); } Callback handler = DelegateMethod; در این مثال، متد DelegateMethod به delegate متصل شده است. اکنون می‌توان delegate را مانند یک متد فراخوانی کرد. handler("Hello World"); یکی از کاربردهای مهم delegate استفاده از آن به‌عنوان callback است. در این حالت، delegate به‌عنوان پارامتر به یک متد دیگر ارسال می‌شود. static void MethodWithCallback(int a, int b, Callback callback) { callback("Result: " + (a + b)); } متد بالا بدون اطلاع از جزئیات متد callback، آن را در زمان مناسب اجرا می‌کند. Delegateها می‌توانند چندین متد را به‌صورت هم‌زمان نگه دارند. به این نوع delegate، multicast delegate گفته می‌شود. Callback handler = DelegateMethod; handler += AnotherMethod; در این حالت، هنگام فراخوانی delegate، هر دو متد اجرا می‌شوند. دلیگیت‌ها اشیاء هستند و می‌توان آن‌ها را ذخیره کرد، به متدها ارسال کرد یا در propertyها استفاده کرد. همچنین eventها در C# بر پایه دdelegate ساخته می‌شوند و از همین سازوکار برای اطلاع‌رسانی استفاده می‌کنند. 🔗 مطلب کامل را در این لینک می‌توانید مطالعه کنید. ⁉️ برای بحث و تبادل نظر فنی در مورد این پست، نظرات خود را با ما در قسمت کامنت‌ها به اشتراک بگذارید. کانال تلگرام: @SoftwarePhilosophy ______