linuxtnt(linux tips and tricks)

تلاش برای ساخت مجموعه داده‌های آموزشی هوش مصنوعی» گرگوری کورتزر (Gregory Kurtzer)، بنیان‌گذار پروژه‌هایی مانند CentOS، Rocky Linux، Warewulf و Apptainer، پروژه جدیدی به نام OpenWALDO را معرفی کرد. هدف OpenWALDO ساخت یک مجموعه‌داده آموزشی مشترک، متن‌باز، دارای مجوز، قابل ردیابی و قابل ممیزی که جامعه هوش مصنوعی بتواند روی آن مدل‌های مختلف بسازد. 🔹 چرا OpenWALDO مهم است؟ امروز تقریباً هر شرکت یا آزمایشگاه هوش مصنوعی برای آموزش مدل‌های خود باید بخش زیادی از داده‌های آموزشی را از ابتدا جمع‌آوری و آماده کند. این یعنی: ❌ کارهای تکراری ❌ هزینه زیاد ❌ مشخص نبودن منبع بسیاری از داده‌ها ❌ ابهام در مجوز استفاده ❌ دشواری بررسی داده‌های آموزشی مدل‌ها اما OpenWALDO می‌خواهد یک پایه مشترک و عمومی ایجاد کند تا این کارها به‌صورت مشارکتی انجام شوند. 🔍 مهم‌ترین ویژگی‌ها 1️⃣ داده‌های قابل ردیابی برای داده‌ها مشخص می‌شود: منبع داده چیست؟ چه مجوزی دارد؟ چه کسی آن را اضافه کرده؟ چه تغییراتی روی آن انجام شده؟ در چه مجموعه‌داده‌ای قرار گرفته است؟ 2️⃣و AI BOM ایده AI Bill of Materials یا AI BOM نیز در این پروژه اهمیت زیادی دارد. مشابه SBOM در دنیای نرم‌افزار، هدف این است که بتوان مشخص کرد یک مدل هوش مصنوعی از چه منابع و اجزایی ساخته شده است. یعنی بتوان مسیر زیر را دنبال کرد: Data → Dataset → Training → Model → Release 3️⃣ مقابله با Model Collapse یکی از مشکلات آینده هوش مصنوعی، چیزی است که به آن Model Collapse گفته می‌شود. اگر مدل‌های جدید مرتباً روی خروجی مدل‌های قبلی آموزش ببینند، کیفیت و تنوع داده‌ها می‌تواند به‌مرور کاهش پیدا کند. این OpenWALDO تلاش می‌کند با ایجاد داده‌های دارای منبع مشخص و قابل تأیید، بخشی از این مشکل را از ریشه مدیریت کند. 4️⃣ شفافیت در مجوزها یکی از پرسش‌های مهم در آموزش مدل‌های AI این است: آیا داده‌ای که برای آموزش استفاده شده، واقعاً اجازه استفاده داشته است؟ به‌خصوص برای: محتوای دارای Copyright کدهای نرم‌افزاری داده‌های منتشرشده با مجوزهای مختلف داده‌های تولیدشده توسط مدل‌های دیگر این OpenWALDO می‌خواهد اطلاعات مجوز و منشأ داده‌ها را همراه آن‌ها نگه دارد. 🌐 یک مدل جدید برای همکاری به‌جای اینکه: هر شرکت → همه چیز را از صفر بسازد مدل پیشنهادی این است: Community → Shared Dataset → Multiple AI Models یک نفر داده‌ای اضافه می‌کند. فرد دیگری آن را بررسی می‌کند. یک محقق داده را بهبود می‌دهد. یک شرکت داده‌های اختصاصی خودش را به آن اضافه می‌کند. و در نهایت، همه می‌توانند روی این پایه مشترک، مدل و محصول خودشان را توسعه دهند. 🐧 فلسفه‌ای شبیه Open Source کورتزر معتقد است همان فلسفه‌ای که متن‌باز را در دنیای نرم‌افزار موفق کرد، می‌تواند در AI نیز استفاده شود: قابل مشاهده → قابل بررسی → قابل اصلاح → قابل انشعاب → قابل اعتماد و شاید مهم‌ترین تغییر این باشد: آینده رقابت AI فقط بر سر «بهترین مدل» نخواهد بود؛ بلکه بر سر بهترین داده، منشأ داده و قابلیت اعتماد آن نیز خواهد بود.

مثل اینکه این وضعیت برای بقیه جاها هم هست😂😂

🔰این خبر هم درنظر داشته باشید . جزییات رو بعدا می‌فرستم: 🔹راه‌اندازی سیستم "Clanker T1000": برای مقابله با این آشفتگی Ai در کرنل لینوکس. 🔹 یکی از توسعه‌دهنده‌های ارشد کرنل با کمک هوش مصنوعی، سیستمی به اسم "Clanker T1000" ساخته که خودش باگ رو پیدا می‌کنه و راه‌حلش رو هم ارائه می‌ده! 🔹 این یعنی شما فقط گزارش اشکال نمیدید، بلکه راه حل عملی هم دریافت می‌کنید که کار رو خیلی حرفه‌ای‌تر می‌کنه .

🔥 باندل ویژه آکادمی کندوی دانش بنا به درخواست دوستان، یک باندل از مجموعه کتابهای فارسی لینوکس، در یک فایل zip ارائه کردم. 🎁 13 کتاب تخصصی حوزه متن باز و لینوکس + ۱ کتاب هدیه رایگان ══════════ 📚 کتاب‌های pdf این مجموعه باندل: 📖 سیستم‌عامل: • مبانی سیستم‌عامل (۱۵ فصل | ۳۱۳ صفحه) • مفاهیم سیستم‌عامل (۱۲ فصل | ۸۱۸ صفحه) • معماری سیستم‌عامل (۱۵ فصل | ۵۳۵ صفحه) 📖 فلسفه و مفاهیم پایه: • فلسفه لینوکس و یونیکس (۵ فصل | ۱۷۰ صفحه) • مفاهیم اولیه لینوکس (۱۱ فصل | ۳۰۵ صفحه) 📖 فناوری و برنامه‌نویسی: • تکنولوژی‌های متن‌باز (۸ فصل | ۲۸۹ صفحه) • مبانی فناوری اطلاعات (۱۴ فصل | ۳۵۰ صفحه) • ۱۰۰۱ مثال عملی پایتون (۵ فصل | ۲۷۵ صفحه) 📖 مدرک‌گیری و حرفه‌ای: • راهنمای جامع Linux Essentials (۱۱ فصل | ۲۵۰ صفحه) • راهنمای جامع LPIC-1 (۲۷ فصل | ۷۳۰ صفحه) • کتاب LPIC-2 (۲۰۱,۲۰۲) (۹ فصل | ۵۰۰ صفحه) •کتاب LPIC-3 Security (۱۴ فصل | ۳۴۵ صفحه) • ۱۰۰۱ دستور لینوکس (۲۸ فصل | ۸۵۰ صفحه) ═══════════ 🎁 به همراه هدیه ویژه: کتاب «۴۰ روز، ۴۰ دستور لینوکسی» 💰 ارزش کل مجموعه: ۳,۲۸۰,۰۰۰ تومان 🎉 قیمت نهایی با تخفیف ویژه: ۲,۵۰۰,۰۰۰ تومان ══════════ دریافت : https://learninghive.ir/bundle/ آیدی پشتیبانی: @seilany

#چیستان_های_لینوکسی 😄 🔰خوب باب این چیستان‌های لینوکسی هم شروع کنم از امروز. 🔹آن چیست که در لینوکس برای نادیده گرفتن خروجی خطا (stderr) استفاده می‌شود؟ جواب: /dev/null 🔹در لینوکس هر برنامه معمولاً سه File Descriptor استاندارد دارد: stdin → ورودی stdout → خروجی عادی stderr → پیام‌های خطا 🔹حالا هنگام بروز خطا، می‌توانیم هر چیزی که برنامه روی stderr می‌فرستد را به /dev/null بفرستیم تا خطا نمایش داده نشود و نادیده گرفته شود. ساختارش این شکلیه: command 2>/dev/null مثال: cat /etc/shadow 2>/dev/null

#نترس_و_ببین 🔰اگر با تاچ پد لپتابت گاهی درگیری، 😊 یا حین تایپ کردن با تاچ درگیری و بخواهی غیرفعالش کنی در لینوکس: 🔹ترمینال باز کن و دستور زیر رو بزن اول: xinput list --name-only 🔹بعد خط اول خروجی ،اسمی که داده رو بنویس، بین جفت گیومه. مثل نمونه زیر: $xinput disable "ELAN Touchpad" یا مثلاً $xinput disable "Touchpad" 🔹برای فعال کردن $xinput enable "Touchpad" $xinput enable "ELAN Touchpad" حال تایپ کردن نداری. این رو به desktop. فایل تبدیل کن که دوبار کلیک کنی فعال و غیرفعال میشه. 🔹 اخبار و آموزش بیشتر در: https://learninghive.ir 🔹 کانال تلگرام: https://t.me/linuxtnt

اجرای مدل هوش مصنوعی به‌صورت محلی روی اوبونتو، با یک دستور! اگر می‌خواهی یک مدل AI را روی سیستم خودت اجرا کنی و برای هر درخواست به APIهای آنلاین وابسته نباشی، Canonical حالا مدل NVIDIA Nemotron 3.5 Lightning را به‌صورت یک Inference Snap ارائه کرده است. Canonical عملاً دارد مدل + موتور Inference + بهینه‌سازی سخت‌افزاری + مدیریت وابستگی‌ها را در قالب یک Snap قابل نصب ارائه می‌کند. 30 میلیارد پارامتر کل حدود 3 میلیارد پارامتر فعال در هر token معماری Mixture-of-Experts مناسب برای workloadهای پرتکرار و always-on وcontext window تا 1 میلیون token قابل سفارشی‌سازی و fine-tuning از نظر تجربه کاربر، تا حدی مشابه Ollama است اما معماری و هدف متفاوت است. این مدل برای AI Agentها طراحی شده؛ یعنی برنامه‌هایی که باید به‌صورت مداوم کارهایی مثل تحلیل اطلاعات، فراخوانی ابزارها و اجرای وظایف چندمرحله‌ای را انجام دهند. مزیت اجرای محلی: 🔹 داده‌ها برای inference از سیستم خارج نمی‌شوند 🔹 نیاز به API Key و پرداخت به‌ازای درخواست ندارید 🔹 برای Agentهای همیشه‌فعال مناسب‌تر است 🔹شرکت Canonical runtime و اجزای موردنیاز inference را در Snap بسته‌بندی کرده است. چطور نصب کنیم؟ روی Ubuntu، اگر سخت‌افزار NVIDIA سازگار و درایورهای لازم را داشته باشید: sudo snap install nemotron-3-5-lightning یعنی به‌جای نصب دستی مدل، runtime و تنظیمات مربوط به inference، همه‌چیز در قالب یک بسته آماده ارائه می‌شود. بعد از نصب می‌توانی امکانات و دستورات مدل را با راهنمای CLI بررسی کنی: nemotron-3-5-lightning --help ⚠️ نکته: «نصب با یک دستور» به معنی اجرای آن روی هر سیستم لینوکسی نیست؛ این مدل به سخت‌افزار و درایورهای سازگار نیاز دارد. Inference Snap می‌تواند سخت‌افزار را تشخیص دهد و runtime مناسب را انتخاب کند. یک قدم دیگر به سمت Local AI روی Linux؛ جایی که مدل هوش مصنوعی می‌تواند مستقیماً روی سیستم خودمان اجرا شود. 🔹 اخبار و آموزش بیشتر در: https://learninghive.ir 🔹 کانال تلگرام: https://t.me/linuxtnt

#نترس_و_ببین 🔰گاهی حال نداری تنظیمات میز پلاسما رو از مسیر گرافیکی بری یا نیاز داری اسکریپت نویسی کنی. 🔹ترمینال باز کن و دستورات زیر بنویس: 🔹اگر نسخه 5 داری(kcmshell5) رو بنویس: تنظیمات صفحه‌کلید kcmshell6 kcm_keyboard تنظیمات ماوس kcmshell6 kcm_mouse تنظیمات تاچ‌پد kcmshell6 kcm_touchpad تنظیمات نمایشگر kcmshell6 kcm_kscreen تنظیمات رفتار محیط Plasma kcmshell6 kcm_workspace تنظیمات اعلان‌ها kcmshell6 kcm_notifications تنظیمات فونت‌ها kcmshell6 kcm_fonts تنظیمات رنگ‌ها kcmshell6 kcm_colors تنظیمات ظاهر و Style kcmshell6 kcm_style تنظیمات نشانگر ماوس kcmshell6 kcm_cursortheme تنظیمات صفحه قفل kcmshell6 kcm_screenlocker تنظیمات Splash Screen kcmshell6 kcm_splashscreen تنظیم برنامه‌های اجرای خودکار kcmshell6 kcm_autostart تنظیم برنامه‌های پیش‌فرض kcmshell6 kcm_componentchooser تنظیم نوع فایل‌ها و File Association kcmshell6 kcm_filetypes تنظیم دسکتاپ‌های مجازی kcmshell6 kcm_virtualdesktops تنظیم قوانین پنجره‌ها kcmshell6 kcm_kwinrules تنظیم میانبرهای صفحه‌کلید kcmshell6 kcm_keys تنظیم جست‌وجوی Plasma kcmshell6 kcm_plasmasearch تنظیم Web Shortcuts kcmshell6 kcm_webshortcuts تنظیم قابلیت‌های دسترسی kcmshell6 kcm_accessibility تنظیم مصرف انرژی kcmshell6 kcm_powerdevilprofilesconfig

🔰فعلا این سه اصطلاح را یکبار برای همیشه یادت باشه: 🔹Mesa یک مجموعه‌ی نرم‌افزاری منبع‌باز است که پیاده‌سازی‌های آزاد از APIهای گرافیکی مانند OpenGL، Vulkan و OpenCL را برای سیستم عامل‌های لینوکسی فراهم می‌کند و به عنوان لایه‌ی میانی بین سخت‌افزار گرافیکی و برنامه‌های کاربردی عمل می‌نماید. 🔹Vulkan یک API کم‌سطح و چندسکویی برای رندرینگ سه‌بعدی و محاسبات موازی در کارت‌های گرافیکی است که توسط کنسرسیوم Kronos توسعه یافته و به عنوان جانشینی مدرن برای OpenGL، کارایی و کنترل بیشتری روی سخت‌افزار گرافیکی در اختیار برنامه‌نویسان قرار می‌دهد. 🔹Nouveau یک درایور گرافیکی منبع‌باز و آزاد برای کارت‌های NVIDIA است که توسط جامعه توسعه‌دهندگان و با مهندسی معکوس (Reverse Engineering) ساخته شده است . این درایور که به‌صورت پیش‌فرض در بسیاری از توزیع‌های لینوکس نصب است ، جایگزینی کاملاً آزاد برای درایورهای اختصاصی NVIDIA محسوب می‌شود .

جالب بود بچه‌ها: 🔰 یک رابط کاربری متنی داخل ترمینال یا (TUI) برای مدیریت کل استک وب محلی 🔹ابزارReeve یک مدیر محیط localhost برای توسعه است که ابزارهای رایج توسعه را در یک رابط ترمینال جمع‌آوری می‌کند. 🔹قابلیت‌ها: تغییر نسخه‌های PHP؛مدیریت Caddy، Apache و nginx؛ کار با پایگاه‌های داده؛ تنظیم SSL و DNS محلی؛مدیریت سایت‌های پارک شده؛ مشاهده ترافیک لحظه‌ای؛ داشتن فول استک محلی در دسترس بدون نیاز به ده‌ها دستور جداگانه. پروژه به زبان Rust نوشته شده و از Ratatui برای رابط کاربری استفاده می‌کند.برای کسانی که از جابه‌جایی دستی بین nginx، PHP، پایگاه داده، hosts و گواهی‌ها خسته شده‌اند، بسیار کاربردی هست .گیت‌هاب: https://github.com/yetidevworks/reeve

#نترس_و_ببین 🔰همه می‌دونیم سرعت هارد دیسک از رم و پردازنده کندتره. گاهی سرعت سیستم کاهش پیدا می‌کنه و کند میشه و نمی‌دونیم چرا؟ 🔹پس برای اینکه بفهمیم چرا: ترمینال باز کن. دستور بزن: sudo iotop -o این دستور فقط پردازه‌هایی که دارن از دیسک استفاده می‌کنن رو نشون میده. اگر نصب نبود. بسته iotopنصب کن

#نترس_و_ببین 🔰این دستور رو توی ترمینال بزن و ۵ دقیقه بهش زل بزن.😁 🔹 ببین هر ثانیه چه ارتباطات شبکه‌ای (TCP/UDP) برقرار می‌شه، چه پروسس‌هایی دارن ارتباط برقرار می‌کنن، و پورت‌های باز رو بشناس. watch -n 1 'ss -tupna | grep -v "^State" ' یه تمرین عالیه برای Network Forensics

#نترس_و_ببین 🔰 چطور بدون استخراج، محتوای فایل فشرده .gz را ببینیم؟ ترمینال باز کن و دستور زیر و اسم فایل رو بنویس zcat filename.gz این دستور محتوای فایل را مستقیماً در ترمینال نمایش می‌دهد، بدون اینکه یک نسخهٔ استخراج‌شده روی دیسک ایجاد کند. منبع: کتاب ۱۰۰۱ دستورالعمل عملی عیب‌یابی لینوکس 🔹 اخبار و آموزش بیشتر در: https://learninghive.ir

🔰 یک درایور ۲۷ ساله از هسته لینوکس حذف شد؛ AI هم در این تصمیم نقش داشت 🔹درایور Moxa Intellio / mxser که پشتیبانی از کارت‌های سریال چندپورتی قدیمی Moxa را فراهم می‌کرد، پس از حدود ۲۷ سال از هسته لینوکس کنار گذاشته شد. این درایور از سال ۱۹۹۹ در Kernel حضور داشت و در نهایت با توجه به قدیمی‌شدن سخت‌افزار و نبود نیاز عملی به ادامه نگهداری آن حذف شد. 🔹نکته جالب اینجاست که Moxa مدت‌هاست این سخت‌افزار را متوقف کرده و حتی در روند حذف و پاک‌سازی کد همکاری نشان داده بود. در عین حال، درایورهای جدیدتر Moxa همچنان در حال توسعه هستند؛ برای نمونه در سال ۲۰۲۶ پشتیبانی جدیدی برای بردهای PCIe این شرکت در قالب درایورهای مبتنی بر چارچوب 8250 وارد جریان توسعه Kernel شده است. 📌 پس AI چه نقشی داشت؟ مشکل اصلی این بود که ابزارها و Agentهای هوش مصنوعی شروع به بررسی حجم عظیمی از کدهای Kernel کردند. بخشی از گزارش‌هایی که تولید می‌شدند، مربوط به کدهای بسیار قدیمی یا بلااستفاده بودند و می‌توانستند هشدارهای تکراری، کم‌ارزش یا حتی false positive ایجاد کنند. این مسئله فقط به mxser محدود نیست. لینوس توروالدز نیز در جریان توسعه Kernel 7.1 از «سیل گزارش‌های AI» و حجم بالای موارد تکراری در فهرست امنیتی انتقاد کرده بود

🔰سرمایه‌گذاری ۵ میلیارد دلاری IBM و Red Hat برای امنیت Open Source 🛡 🔹در مه ۲۰۲۶، IBM و Red Hat تعهدی ۵ میلیارد دلاری برای تقویت امنیت نرم‌افزارهای متن‌باز اعلام کردند. این برنامه در ادامه با توسعه پروژه Lightwell دنبال شده و بیش از ۲۰ هزار مهندس در این اکوسیستم برای شناسایی و رفع آسیب‌پذیری‌ها مشارکت خواهند داشت. تمرکز این برنامه فقط روی Patch کردن آسیب‌پذیری‌ها نیست؛ بلکه استفاده از AI برای شناسایی، تحلیل و اصلاح خودکار آسیب‌پذیری‌های Open Source نیز در مرکز آن قرار دارد. اهداف راهبردی: 🔸تبدیل امنیت Open Source به یک سرمایه‌گذاری صنعتی بزرگ 🔸استفاده از AI برای مقیاس‌دهی Vulnerability Remediation 🔸تقویت امنیت زنجیره تأمین نرم‌افزار 🔸کاهش فشار امنیتی روی Maintainerهای پروژه‌های متن‌باز 🔸ایجاد ظرفیت دفاعی مشترک برای پروژه‌های حیاتی Linux و Open Source این حرکت نشان می‌دهد Red Hat و IBM می‌خواهند از مدل سنتی «پشتیبانی از Open Source» به سمت ساخت زیرساخت امنیتی برای کل اکوسیستم Open Source حرکت کنند. 🔹 اخبار و آموزش بیشتر در: https://learninghive.ir 🔹کانال تلگرام: https://t.me/linuxtnt 🔹 کانال در اپلیکشن بله: http://ble.ir/linuxtnt

🔰سازمان Linux Foundation اقتصاد AI را هم وارد قلمرو Open Source کرد. 🔸در ۴ اوت ۲۰۲۶، Linux Foundation از راه‌اندازی Tokenomics Foundation خبر داد؛ بنیادی جدید با مشارکت اولیه حدود ۳۰ شرکت و سازمان که هدف آن ایجاد استانداردهای باز و Vendor-neutral برای اندازه‌گیری هزینه، ارزش و بازگشت سرمایه‌گذاری در AI است. مسئله اصلی این است که شرکت‌ها امروز روش‌های متفاوتی برای محاسبه هزینه و ROI سیستم‌های AI دارند؛ از هزینه GPU و زیرساخت گرفته تا مدل‌های مختلف مصرف و اجرایAi و Tokenomics Foundation می‌خواهد چارچوب‌های مشترکی برای موارد زیر ایجاد کند: 🔹اندازه‌گیری هزینه واقعی اجرای AI 🔹محاسبه Total Cost of Ownership (TCO) 🔹ارزیابی ROI پروژه‌های AI 🔹ایجاد Benchmarkهای استاندارد 🔹توسعه Specificationهای باز 🔹کاهش وابستگی به مدل‌های قیمت‌گذاری اختصاصی Vendorها 📌اهمیت راهبردی: سازمان Linux Foundation دیگر صرفاً روی Linux، Cloud و Open Source Software تمرکز ندارد؛ بلکه در حال ایجاد استانداردهای باز برای اقتصاد و زیرساخت AI نیز هست. این روند می‌تواند Open Source را از لایه نرم‌افزار به لایه‌های بالاتر AI Infrastructure، استانداردسازی و اقتصاد فناوری گسترش دهد. 🔹 اخبار و آموزش بیشتر در: https://learninghive.ir 🔹کانال تلگرام: https://t.me/linuxtnt 🔹 کانال در اپلیکشن بله: http://ble.ir/linuxtnt

🔰 حمایت غول‌های فناوری از به‌روزرسانی Firmware در لینوکس بنیاد لینوکس اعلام کرده است که شرکت‌های Dell، HP، Lenovo و NVIDIA به عنوان اعضای اصلی به پروژه Linux Vendor Firmware Service (LVFS) پیوسته‌اند. 🔹 این حمایت مالی، آینده این پروژه متن‌باز را برای سال‌های آینده پایدارتر می‌کند و توسعه زیرساخت به‌روزرسانی امن Firmware در لینوکس را تقویت خواهد کرد. 📌 مهم‌ترین تغییرات و دستاوردها: 🔹 تضمین حمایت مالی و توسعه بلندمدت پروژه LVFS 🔹 به‌روزرسانی امن و خودکار Firmware در لینوکس 🔹 پشتیبانی بهتر از Firmware سخت‌افزارهایی مانند BIOS/UEFI و تجهیزات جانبی 🔹 افزایش اهمیت LVFS در سرورها و زیرساخت‌های هوش مصنوعی 🔹 بهبود مدیریت Firmware در خوشه‌های GPU و محیط‌های HPC 🔹 افزایش امنیت و پایداری سخت‌افزارهای لینوکسی 🔹 همکاری نزدیک‌تر تولیدکنندگان سخت‌افزار با جامعه متن‌باز 🔹 کاهش وابستگی کاربران لینوکس به روش‌های دستی برای به‌روزرسانی Firmware اما Firmware یکی از پایین‌ترین لایه‌های نرم‌افزاری سخت‌افزار است و آسیب‌پذیری یا قدیمی‌بودن آن می‌تواند امنیت و پایداری کل سیستم را تحت تأثیر قرار دهد. 📌این موضوع در سرورها، سیستم‌های مجهز به GPU و زیرساخت‌های هوش مصنوعی اهمیت بیشتری دارد؛ جایی که به‌روزبودن Firmware می‌تواند نقش مهمی در امنیت و قابلیت اطمینان سیستم داشته باشد. 📌 در واقع، امنیت لینوکس فقط به Kernel و نرم‌افزارها محدود نیست؛ Firmware نیز یکی از لایه‌های مهم امنیت سیستم محسوب می‌شود. 🔹 اخبار و آموزش بیشتر در: https://learninghive.ir 🔹کانال تلگرام: https://t.me/linuxtnt 🔹 کانال در اپلیکشن بله: http://ble.ir/linuxtnt

🔰کرنل Linux 7.2؛ وقتی هوش مصنوعی وارد فرآیند بررسی کد هسته لینوکس شد هسته Linux 7.2 به مراحل پایانی توسعه نزدیک شده و یکی از جالب‌ترین اتفاقات این چرخه، نقش پررنگ ابزارهای هوش مصنوعی در پیدا کردن باگ‌های پنهان در کد Kernel است. 🔹نسخه Linux 7.2-rc7 در آستانه انتشار قرار دارد و در روزهای اخیر مجموعه‌ای از اصلاحات مهم برای آن آماده شده است. یکی از مهم‌ترین بخش‌ها، زیرسیستم HWMON (Hardware Monitoring) است؛ بخشی از Kernel که وظیفه پشتیبانی از سنسورها، دما، ولتاژ، سرعت فن و سایر پارامترهای سخت‌افزاری را بر عهده دارد. ⚠️ نکته قابل توجه اینجاست: بخش زیادی از مشکلات شناسایی‌شده در HWMON توسط Sashiko، یک سیستم هوش مصنوعی برای بررسی Patchهای Linux Kernel، گزارش شده‌اند. بر اساس گزارش‌های مربوط به این چرخه، بسیاری از این موارد در رده Critical یا High Severity قرار داشته‌اند؛ یعنی برخی خطاها می‌توانستند در شرایط خاص باعث رفتار نادرست، crash، مشکلات مدیریت منابع یا سایر پیامدهای جدی در Kernel شوند. 🤖و Sashiko چیست؟ برنامه Sashiko یک سیستم Agentic Code Review برای Linux Kernel است که Patchهای ارسالی به Linux Kernel Mailing List را بررسی می‌کند. این سیستم فقط یک LLM ساده نیست؛ برای بررسی کد از مجموعه‌ای از فرآیندهای چندمرحله‌ای و Promptهای تخصصی برای زیرسیستم‌های مختلف Kernel استفاده می‌کند و هدف آن پیدا کردن مشکلاتی است که ممکن است در بررسی‌های معمول انسانی از چشم Reviewers پنهان بمانند. 📌 نکته مهم‌تر این است که Sashiko جایگزین Maintainerها و Developerها نیست. وAI می‌تواند یک Bug یا ضعف احتمالی را پیدا کند، اما Patch نهایی همچنان باید توسط توسعه‌دهندگان Kernel بررسی، اصلاح و تأیید شود. 📌 تأثیر این روند در Linux 7.2 حتی در بخش‌های دیگری از Kernel نیز دیده شده است. در جریان توسعه این نسخه، حجم Patchهای اصلاحی مرتبط با مشکلاتی که توسط ابزارهای AI/LLM شناسایی شده‌اند به اندازه‌ای افزایش یافته که برخی Maintainerها از فشار ایجادشده روی فرآیند Review صحبت کرده‌اند. برای مثال، در بخش ARM64 KVM تقریباً تمام تغییرات این چرخه به Fix اختصاص پیدا کرد و توسعه‌دهندگان اعلام کردند که حجم بالای Fixهای AI-assisted، بررسی Featureهای جدید را دشوارتر کرده است. 💡 اما Linux 7.2 فقط درباره Bug Fix نیست. این نسخه قابلیت‌های مهم دیگری نیز دارد، از جمله: 🔹وبژگی Cache-Aware Scheduling برای بهبود Task Placement روی CPUهای مدرن AMD و Intel 🔹 پشتیبانی اولیه برای Boot روی Apple M3 🔹 پشتیبانی از AMD ISP4 برای برخی دوربین‌های جدید 🔹 قابلیت USB4STREAM برای انتقال سریع‌تر داده بین سیستم‌های متصل با USB4/Thunderbolt 🔹 بهبودهای متعدد در AMDGPU و HDMI 2.1 🔹 بهبودهای امنیتی و زیرساختی در بخش‌های مختلف Kernel 🔹 اصلاحات متعدد در File Systemها، Networking، KVM و Driverها. 🧠 اتفاق مهم‌تر از خود Linux 7.2 چیست؟ در Linux Kernel یکی از سخت‌گیرانه‌ترین پروژه‌های Open Source جهان در زمینه Code Review است. اکنون AI به‌جای اینکه صرفاً برای تولید کد استفاده شود، در حال ورود به مرحله‌ای متفاوت شده است: AI → پیدا کردن Bug → گزارش → بررسی انسانی → اصلاح Patch → Review → Merge این یعنی نقش AI در توسعه Kernel در حال تغییر است؛ از یک Code Generator به یک Automated Code Reviewer و Bug Hunter. و Linux 7.2 یکی از اولین چرخه‌هایی است که اثر این تغییر را در مقیاس قابل توجه می‌توان مشاهده کرد. 🔹 اخبار و آموزش بیشتر در: https://learninghive.ir 🔹کانال تلگرام: https://t.me/linuxtnt 🔹 کانال در اپلیکشن بله: http://ble.ir/linuxtnt

#نترس_و_ببین 🔰 مانیتور لحظه‌ای تغییرات فایل در لینوکس بخواهی بفهمی یک فایل چه زمانی تغییر میکند.رویدادهای یک فایل رو مانیتور کن. ترمینال باز کن.دستور زیر بزن. دستور: inotifywait -m /etc رویدادهایی مثل: ایجاد فایل CREATE حذف فایل DELETE تغییر محتوا MODIFY تغییر نام MOVED_FROM / MOVED_TO دسترسی به فایل ACCESS را نمایش می‌دهد.

#نترس_و_ببین 🔰کدام Process بیشترین Swap را مصرف می‌کند؟ ترمینال باز کن دستور زیر رو وارد کن: bash smem -rs swap زمانی که حافظه RAM پر می‌شود، لینوکس بخشی از داده‌ها را به Swap منتقل می‌کند. اگر یک Process بیش از حد از Swap استفاده کند، بیشترین مصرف‌کننده را در بالای لیست نمایش می‌دهد. منبع : کتاب ۱۰۰۱ دستورالعمل عملی عیب‌یابی لینوکس https://learninghive.ir/