تست
- Drone-Bench؛ مدلها چقدر میتونن برای پهپاد نظارتی کد بزنن؟
Andon Labs یه بنچمارک جدید داده که میسنجه مدلهای هوش مصنوعی چقدر خوب میتونن برای یه پهپاد ارزونقیمت کد بنویسن تا آدمها رو پیدا و دنبال کنه.
۳ هفته پیش۲ دقیقهandonlabs.com - baguette: کنترل شبیهساز iOS بدون Xcode
یه ابزار خط فرمان سوییفت که شبیهساز آیفون رو هدلس بالا میاره، صفحهش رو استریم میکنه و لمس و ژست و دکمههای سختافزاری رو از بیرون بهش تزریق میکنه.
- eslint-node-test؛ قوانین ESLint برای node:test
یه پلاگین ESLint از سیندره سوروس که مخصوص تسترانر داخلی نود نوشته شده و دهها اشتباه رایج رو قبل از اجرا شدن تستها میگیره.
۳ هفته پیش۳ دقیقهgithub.com - Kvile: کلاینت سبک .http بدون حساب کاربری
یه کلاینت API که فایلهای .http رو مثل شهروند درجهیک میبینه، با Tauri و Rust ساخته شده و هیچ حساب کاربری و تلهمتریای نمیخواد.
۳ هفته پیش۲ دقیقهkvile.app - مدیریت مهندسی وقتی نوشتن کد ارزون شد
یک دایرکتور مهندسی سهساله میگه نصف قواعد قدیمی مدیریت روی فرضِ گرون بودن کد بنا شده بودن و اون فرض فرو ریخته؛ نصف دیگه دستنخورده و مهمتر از قبل شده.
- Freerange: باگهای عددی تایپاسکریپت رو قبل از اجرا بگیر
یه ابزار تازه با همون API رسمی تایپاسکریپت محدودهٔ ممکن هر عدد رو موقع بیلد حساب میکنه تا NaN و تقسیم بر صفر و ایندکس بیرون از آرایه رو قبل از اجرا پیدا کنی.
۳ هفته پیش۲ دقیقهgithub.com - هر نیازمندی در واقع یه تصمیمه، نه یه نیاز
نویسنده میگه «چی»ِ یه نفر تقریباً همیشه «چطور»ِ یه نفر دیگهست؛ و بالا رفتن تو درخت تصمیم با سؤال چرا، گزینههایی رو برمیگردونه که زودتر بسته بودی.
- SMS Catcher؛ همون کاری که Mailpit با ایمیل میکنه
یه پکیج توسعه برای لاراول که پیامکهای خروجی رو قبل از رفتن به سرویس واقعی میگیره و تو یه داشبورد محلی، داخل ماکاپ گوشی نشون میده.
۳ هفته پیش۳ دقیقهlaravel-news.com - guard-skills: نگهبانهایی برای کدی که ایجنت مینویسه
یه مجموعهٔ متنباز از skillها که بعد از تمومشدن کار ایجنت روی diff اجرا میشن و خطاهای تکرارشوندهٔ کد تولیدشده با هوش مصنوعی رو قبل از commit بیرون میکشن.
۳ هفته پیش۳ دقیقهgithub.com - ابزار دیباگی که دستکم گرفته میشه: کاهندهی تستکیس
وقتی برنامه روی یه ورودی بزرگ کرش میکنه و نمیدونی کجاش مقصره، یه ابزار ساده میتونه ورودی رو تا ۹۹٪ کوچیک کنه و باگ رو جلوی چشمت بذاره.
۳ هفته پیش۴ دقیقهtratt.net - وقتی AI هم کد مینویسه هم اثبات درستیش
نویسنده میگه اگه خواستهات رو با زبان صوری مثل Lean بنویسی، ایجنت میتونه هم پیادهسازی و هم اثبات ماشینخوانش رو بسازه و دیگه لازم نباشه کسی کد رو بخونه.
۳ هفته پیش۵ دقیقهgeorgwiese.github.io - psql بدون psql؛ کلاینتِ خالصِ TypeScript که هوش مصنوعی نوشت
تیم Neon یه کلاینتِ psqlِ کاملاً TypeScript رو داخل neonctl کار گذاشته که وقتی psqlِ بومی نصب نباشه خودکار فعال میشه؛ جالبتر اینکه کدش رو تقریباً کامل یه ایجنتِ هوش مصنوعی نوشته.
- Sighthound؛ اسکنر ایستای آسیبپذیری روی tree-sitter
یه اسکنر متنباز نوشتهشده با Rust که با قواعد آگاه از درخت نحو کد رو میگرده، مسیر داده از منبع تا نقطهٔ خطرناک رو دنبال میکنه و مستقیم به Code Scanning وصل میشه.
- agent-device: چشم و دستِ ایجنت روی اپ موبایل
ایجنتهای کدنویس معمولاً فقط دربارهٔ کد حدس میزنن؛ این CLI بهشون اجازه میده اپ رو واقعاً روی دستگاه باز کنن، ببینن و شواهدش رو بردارن.
۳ هفته پیش۳ دقیقهgithub.com - NestJS 12 در راهه؛ کوچ به ESM و ابزارهای تازه
نقشهی نسخهی ۱۲ نستجیاس عمومی شده: پکیجهای اصلی به ESM میرن، Rspack جای وبپک رو میگیره و دکوریتورهای روت از Zod و Valibot پشتیبانی میکنن.
۳ هفته پیش۳ دقیقهtrilon.io - ارزیابی و بنچمارک مدلهای زبانی
۶۰٪ مشکلات مدلهای زبانی تو production رو اول کاربرها پیدا میکنن، نه مهندسها. راهحلش یه دیسیپلین خستهکننده ولی حیاتیه: ارزیابی.
۳ هفته پیش۴ دقیقهproductpower.substack.com - RoadmapBench؛ محکی سخت برای ایجنتهای کدنویسی
یه بنچمارک جدید ایجنتهای کدنویسی رو با تسکهای واقعی و طولانی محک میزنه؛ جایی که حتی قویترین مدل هم فقط تونست کمتر از نصف کارها رو تموم کنه.
۳ هفته پیش۲ دقیقهarxiv.org - Storybook Workbench: ممیزی رابط اپهای وایبکدشده
وقتی ایجنت یه اپ کامل رو توی یه بعدازظهر میسازه، هیچکس نمیدونه کدوم فایلها واقعیان؛ Evil Martians یه بستهٔ اسکیل ساخته که این آشفتگی رو توی Storybook قابل دیدن میکنه.
۳ هفته پیش۴ دقیقهevilmartians.com - تست سیستم هوش مصنوعی لاراول، بدون حتی یک تماس با API
قسمت دهم سری Ship AI with Laravel سراغ سؤالی میره که کسی دوست نداره: کدی رو که به OpenAI وصله چطور تست کنیم؟ جواب، سیستم fake خود SDK و تستهاییه که هیچوقت به شبکه نمیزنن.
۴ هفته پیش۳ دقیقهlaravel-news.com - ScarfBench؛ محکِ ایجنتها در مهاجرتِ فریمورکهای جاوا
IBM Research بنچمارکِ بازی به اسم ScarfBench معرفی کرده که میسنجه ایجنتهای هوش مصنوعی چقدر میتونن اپلیکیشنهای سازمانیِ جاوا رو بین فریمورکها مهاجرت بدن؛ نتیجه: هنوز خیلی ضعیف.
۴ هفته پیش۳ دقیقهhuggingface.co
