Code Lab

ارزش‌گذاری Blacksmith در کمتر از یک سال تقریباً ۱۰ برابر شد! استارتاپ Blacksmith که روی تست و اعتبارسنجی کدهای تولیدشده با AI کار میکنه، ۴۵ میلیون دلار سرمایه جذب کرد. ارزش‌گذاری این شرکت در کمتر از یک سال از ۶۰ میلیون دلار به ۵۵۰ میلیون دلار رسیده است :) درین باره Blacksmith میگه: با رشد ابزارهایی مثل Cursor، Codex و Claude Code، حجم کد تولیدشده توسط AI افزایش یافته و در نتیجه تست و اعتبارسنجی کد به یک گلوگاه مهم تبدیل شده . 📈 تعداد مشتریان Blacksmith نیز از حدود ۷۰۰ به بیش از ۵۰۰۰ رسیده. قابل ذکره که blacksmith یک پلتفرم برای اجرای سریع تست و بررسی کد هستش که حالا از AI برای شناسایی و رفع خطاهای تست نیز استفاده میکنه . 🔗 منبع: https://techcrunch.com/2026/08/12/blacksmiths-valuation-jumps-10x-to-550m-as-ai-coding-fuels-software-validation/ #AI #هوش_مصنوعی @GoldenCodeir 🔥

تولد ۱۳ سالگی تلگرامه

داشبورد مدیریت ایجنت‌های کدنویسی | t3code پروژه جدید تیم t3.gg که به تازگی ترند گیت‌هاب شده، یک رابط کاربری یکپارچه برای کنترل ایجنت‌های AI روی سیستم شماست؛ حتی از طریق موبایل! ویژگی‌های کلیدی: ▫️ دسترسی از همه‌جا: دارای اپلیکیشن دسکتاپ، وب و موبایل برای مدیریت پروژه‌ها از راه دور ▫️ پشتیبانی از ابزارهای محبوب: هماهنگ با Claude Code، Cursor، Codex و Grok Build ▫️ مدیریت دسترسی: امکان تعیین سطح دسترسی ایجنت‌ها برای امنیت پروژه ▫️ کنترل هوشمند: یکپارچه شده با گیت و کلیدهای میانبر ترمینال نکته: پروژه در مراحل اولیه است. برای اجرای سریع کافیست دستور زیر را اجرا کنید: npx t3@latest 🔗 لینک گیت‌هاب پروژه : https://github.com/pingdotgg/t3code CODELAB | GpCodeLab

شرکت OpenAI رسماً در رقابت با سرویس Google Translate وارد شده است! 🔥 معرفی سرویس ترجمه ChatGPT شرکت OpenAI ابزار تخصصی ترجمه‌ای را راه‌اندازی کرده است که تنها به تبدیل کلمات از یک زبان به زبان دیگر نمی‌پردازد. با استفاده از سرویس ترجمه ChatGPT، امکان انجام موارد زیر فراهم می‌باشد: 🌍 ترجمه میان زبان‌های مختلف ✍️ ترجمه با حفظ مفاهیم و لحن متن 🎓 تبدیل متن به سبک آکادمیک 💼 ترجمه با لحن رسمی و تجاری 🗣️ طبیعی‌سازی ترجمه برای زبان مقصد 🔄 اصلاح و ویرایش ترجمه از طریق دستورات متنی برای مثال، به جای دستور ساده‌ی: «Translate this to English» می‌توانید درخواست دهید: «این متن را به زبان انگلیسی ترجمه کنید، اما به گونه‌ای بنویسید که انگار توسط یک گویشور بومی (Native Speaker) نگارش شده است.» این ویژگی دقیقاً نقطه‌ای است که سرویس ترجمه ChatGPT را از ترجمه‌های کلمه‌به‌کلمه متمایز می‌سازد. 👀 🔗 لینک سرویس ترجمه ChatGPT: chatgpt.com/translate #ChatGPT #AI CODELAB | GpCodeLab

ميگن سخت ترين كار دنيا بعد از كارتو معدن، اسم كذاشتن رو متغيرهاست. دو ساعت فكر مى كنى يه اسم اصولى و باكلاس بذارى آخرش كم ميارى مينويسى test_jadid final_2 و ميرى مى خوابى

‏فایرکراول دوتا لایبرری خفن اوپن‌سورس داده بیرون 🔥 ‏اولیش PDF(چه متنی چه اسکن‌شده) رو خیلی سریع به Markdown تمیز تبدیل می‌کنه (بدون OCR اضافی) ‏ دومیش هم anydoc که تقریبا هرچیزی رو در چند میلی‌ثانیه به Markdown تمیز تبدیل می‌کنه https://github.com/firecrawl/anydoc https://github.com/firecrawl/pdf-inspector

‏اگه برای یه سایت یا محصول آنلاین طراحی می‌کنی ‏لازم نیست همه‌چیز رو از صفر حدس بزنید ‏چون SaaSFrame بیشتر از ۵هزار نمونه واقعی جمع کرده؛ ‏ از صفحه اول و قیمت‌گذاری تا ثبت‌نام داشبورد و ایمیل‌ها ‏نسخه موبایل و دسکتاپ نمونه‌ها رو هم کنار هم می‌بینی. https://www.saasframe.io CODELAB | GpCodeLab

‏خِفتم کن! ‏وقتی با AI کد می‌زنید، بزرگ‌ترین سم اینه که شما فقط بگی چی می‌خوای و اونم یه مشت کد بپاشه جلتون و شما هم بی‌فکر فقط «Accept» بزنید. اینجوری بعد از نیم ساعت کلاً پرت می‌شید که پروژه داره به کجا میره و کنترل از دستتون در میره. ‏تکنیک اینه که بهش بگی: «Grill me» (خفتم کن!) ‏درواقع داری بهش می‌گی قبل از اینکه دست به کد بشی، حتی قبل از اینکه به پلن برسی، زیر و بم قضیه رو ازم بکش بیرون. سوالای سخت بپرس، حالت‌های خاص (Edge cases) رو رو کن و همه‌چیز رو به چالش بکش. ایجنت شروع می‌کنه به سوال و جواب‌ها و در اکثر مواقع چند جواب ممکن رو پیشنهاد میده و گزینه پیشنهادی خودش رو هم با ذکر دلیل میگه، ولی تو همیشه میتونی جواب خودت رو اضافه کنی یا در مورد سوال باهاش بحث کنی. گاهی سوال‌های ارزشمندی می‌پرسه که تو حتی بهش فکر هم نکرده بودی. در نهایت یه پلن تر و تمیز و حساب شده تحویل میگیری که آماده پیاده‌سازیه. ‏با این کار: ‏۱. فهم شما و AI از مسئله و نقشه راه دقیقاً یکی میشه. ‏۲. خودت هوشیار می‌مونی، می‌فهمی داری چیکار می‌کنی و فرمان دست خودته. ‏۳. برنامه‌نویسی با AI از حالت خسته‌کننده و رباتیک درمیاد و میشه یه همکاری واقعی. ‏این مفهوم به نظر ساده میرسه و حتی اگه فایل skillهای مرتبط و مشابه grill-me رو نگاه کنید می‌بینید چند خط بیشتر نیست. ولی واقعاً تاثیر فوق‌العاده‌ای میذاره. اگه MCPهای کافی، به‌خصوص مربوط به resourceهای داخلی شرکت یا پروژه‌تون رو هم فعال داشته باشید، روند سوال‌وجواب‌ها و نتیجه کار واقعاً شگفت‌زده‌تون می‌کنه. پیشنهاد می‌کنم حتماً یک بار هم که شده امتحانش کنید. ‏استاد ⁦ @mattpocockuk⁩ توی این مقاله خیلی خوب و دقیق مفهومش رو باز کرده و خودِ skill رو هم پابلیش کرده که می‌تونید راحت نصبش کنید و رو ابزاراتون استفاده کنید: https://www.aihero.dev/skills-grill-me CODELAB | GpCodeLab

‏کلاین مدل های فیری رایگانی داره و من نمیدوستم! ‏مدل جدید دیپ سیک رو هم اد کرده و محدودیت هاش خیلی کمه! ‏همین الان پیشنهاد میکنم اوکی کنید برا خودتون https://cline.bot/ CODELAB | GpCodeLab

‏⭕️اگر روی گوشی VPN دارید، دیگر لازم نیست برای لپ‌تاپ هم VPN جداگانه تهیه یا تنظیم کنید. ‏ریپو Relay یک ابزاریه که با اسکن یک QR Code، اینترنت گوشی به همراه VPN فعال روی آن را به‌سرعت روی ویندوز به اشتراک می‌گذارد https://github.com/Mahdi-mortazavi/relay

‏ریپو Chatwoot یک پنل پشتیبانی برای سایت و اپ هاست. ‏پیام های کاربران از جا های مختلف مثل تلگرام، ایمیل، چت سایت و... رو یکجا جمع میکنه تا راحت بتونید جواب بدین. ‏مثل سیستم پشتیبانی شرکت های بزرگه، ولی اوپن سورس و قابل نصب روی سرور خودتون https://github.com/chatwoot/chatwoot CODELAB | GpCodeLab

شرایط اینترنت اصلا جالب نیست و پهنای باند خیلی کاهش پیدا کرده

چطور بهترین پرامپت را از خودِ هوش مصنوعی بگیریم؟ بیشتر افراد مستقیماً سؤالشان را می‌پرسند، اما کاربران حرفه‌ای یک مرحله قبل‌تر می‌روند؛ از هوش مصنوعی می‌خواهند بهترین پرامپت ممکن را برایشان طراحی کند. کافی است این دستور را به هر مدل هوش مصنوعی بدهید: ««به عنوان یک Prompt Engineer حرفه‌ای عمل کن. قبل از نوشتن پرامپت، اگر اطلاعات کافی نیست از من سؤال بپرس. سپس بهترین پرامپت ممکن را با تعیین نقش، هدف، زمینه، محدودیت‌ها، فرمت خروجی و معیارهای کیفیت طراحی کن.»» یک ترفند طلایی: بعد از اینکه پرامپت را ساخت، این جمله را هم بفرست: ««حالا این پرامپت را نقد کن، نقاط ضعفش را بگو و نسخه‌ای بهتر و حرفه‌ای‌تر ارائه بده.»» با تکرار این چرخه (ساخت → نقد → بهبود)، معمولاً بعد از ۲ یا ۳ مرحله به یک پرامپت بسیار قدرتمند می‌رسی و کیفیت پاسخ‌ها چند برابر بهتر می‌شود. 📌 این روش را ذخیره کن؛ تقریباً برای تولید محتوا، برنامه‌نویسی، تحقیق، ترجمه، طراحی، یادگیری و هر کار دیگری قابل استفاده است. #Prompt #AI CODELAB | GpCodeLab

💻 T3 Code همه‌ی ایجنت‌های کدنویسیت (Claude Code، Cursor، Codex و ...) رو از یه اپ واحد کنترل کن، حتی از موبایل! دیگه لازم نیست برای هر ایجنت هوش مصنوعی که رو دستگاهت نصب کردی، یه ترمینال یا اپ جدا باز کنی؛ T3 Code یه لایه‌ی کنترلی می‌سازه که به اشتراک‌های موجودت (Claude Code, Codex, Cursor, Grok Build, OpenCode) وصل می‌شه و از موبایل، وب یا دسکتاپ مدیریتشون می‌کنه. 🔹 اجرای سریع بدون نصب با npx t3@latest، یا نصب اپ دسکتاپ (ویندوز/مک/آرچ) 🔹 پشتیبانی هم‌زمان از چند پروایدر ایجنت (Codex، Claude، Cursor، Grok Build، OpenCode) 🔹 دسترسی و کنترل از راه دور (Remote access) از وب یا موبایل 🔹 کاملاً متن‌باز و رایگان (MIT)، الهام‌گرفته از Conductor و Cursor Glass 🔹 پروژه هنوز خیلی اوایل کاره (احتمال باگ)؛ ۱۵.۶ هزار ستاره در گیت‌هاب https://t3.codes https://github.com/pingdotgg/t3code #معرفی_اپلیکیشن #معرفی_ابزار #کدنویسی #هو‌ش_مصنوعی #عامل_هوشمند #متن_باز #رایگان

🚀 اگر برای توسعه رابط کاربری از ابزارهایی مانند Claude Code، Codex یا سایر ایجنت‌های هوش مصنوعی استفاده می‌کنید، این پروژه گیت‌هاب را از دست ندهید. ⭕️ با استفاده از این مجموعه می‌توانید: 💻🎨 ظاهر و کیفیت بصری رابط کاربری را بهبود دهید. 🖌️ رنگ‌بندی و تم‌های هماهنگ و استاندارد ایجاد کنید. 🔤 تایپوگرافی، فاصله‌گذاری و خوانایی متون را بهینه کنید. 📐 چیدمان و ساختار صفحات را به شکل اصولی‌تر طراحی کنید. ♿ دسترس‌پذیری (Accessibility) را ارتقا دهید. ✍️ متن‌های رابط کاربری، از دکمه‌ها و فرم‌ها گرفته تا پیام‌های خطا، را با کیفیت و انسجام بیشتری تولید کنید 🧠 این پروژه با Claude Code، Codex و بسیاری از ایجنت‌های هوش مصنوعی دیگر سازگار است و می‌تواند کیفیت خروجی‌های تولیدشده توسط AI در طراحی رابط کاربری را به‌طور محسوسی افزایش دهد لینک پروژه: https://github.com/jakubkrehel/skills CODELAB | GpCodeLab

دیگر نیازی به آموزش مدل‌ها بر روی کل مجموعه داده‌ها به صورت یکجا نیست! یکپارچه‌سازی آموزش پویا و داده‌محور با چارچوب جدید DataFlex چالش اصلی در آموزش مدل‌های زبان بزرگ (LLM) همواره این بوده است که روش‌های «انتخاب داده»، «ترکیب دامنه‌ها» و «وزن‌دهی مجدد» در کدهای جداگانه و ایزوله پیاده‌سازی می‌شدند. این موضوع فرآیند مقایسه و ترکیب آن‌ها را دشوار می‌کرد. اکنون DataFlex برای گردآوری تمام این روش‌ها تحت یک چارچوب واحد معرفی شده است. ویژگی‌های کلیدی DataFlex: ▫️ الگوی اصلی بهینه‌سازی: پشتیبانی هم‌زمان از انتخاب نمونه‌ها، تنظیم ترکیب دامنه‌ها و وزن‌دهی مجدد. ▫️ توسعه‌یافته بر پایه LLaMA-Factory: جایگزینی سریع و ساده برای فرآیند آموزش استاندارد مدل‌های زبان بزرگ (LLM). ▫️ پشتیبانی از مقیاس‌های بزرگ: کاملاً سازگار با DeepSpeed ZeRO-3 برای آموزش‌های سنگین. ▫️ یکپارچه‌سازی عملیات‌ها: مدیریت یکپارچه استخراج Embedding، استنتاج و محاسبات گرادیان. 📈 نتایج آزمایش‌ها چه می‌گویند؟ ۱. آموزش پویا داده‌ها همواره نتایج بهتری نسبت به آموزش ایستا و سنتی (بر روی تمام داده‌ها) ارائه می‌دهد. ۲. ترکیب پویای دامنه‌ها منجر به بهبود محسوس دقت (Accuracy) و کاهش Perplexity نسبت به تنظیمات پیش‌فرض می‌شود. ۳. افزایش سرعت و کارایی نسبت به پیاده‌سازی‌های قبلی. 🏢 بر پایه: LLaMA-Factory و اکوسیستم Hugging Face 🔗 لینک‌های دسترسی: • گیت‌هاب پروژه • فایل مستقیم PDF ━━━━━━━━━━━━━━━━━━━━━ #LLM #Data #MachineLearning CODELAB | GpCodeLab

دوستان جدی جدی حس نمی‌کنید بسته های اینترنت خیلییی سریع مصرف میشه؟ باور کنید انقدرم پر مصرف نیستیم جوری که اپراتور ها حجم میندازن انگار دم به دقیقه داریم دانلود میکنیم تو کامنت ها بگید یا ری اکت بزنید