Counterfact یه ابزار جدیده که با دادن یه فایل OpenAPI، یه API کامل و زنده با TypeScript برات می‌سازه — بدون نیاز به پیکربندی یا نصب اضافه.

۱۲ هفته پیش۳ دقیقهnodeweekly.com

اگه ابزارهای Unix Shell می‌نویسی و دنبال یه فریم‌ورک تست سبک و بدون وابستگی هستی، دستور prove و پروتکل TAP دقیقاً همونیه که نیاز داری.

۱۲ هفته پیش۲ دقیقهzork.net

Counterfact یه ابزار متفاوته که از روی OpenAPI spec یه API کامل و stateful می‌سازه — با تایپ‌سیف TypeScript، هات‌ریلود، و یه REPL زنده برای کنترل همه چیز.

k6 2.0 با پشتیبانی از ورک‌فلوهای هوش مصنوعی، API جدید Assertions و بهبود اکستنشن‌ها منتشر شد و تست پرفورمنس رو به سطح جدیدی می‌بره.

۱۳ هفته پیش۳ دقیقهgrafana.com

AutoTTS یه رویکرد جدیده که به‌جای طراحی دستی استراتژی‌های استنتاج در مدل‌های زبانی، از یه عامل هوشمند می‌خواد این استراتژی‌ها رو خودش پیدا کنه — بدون هیچ آپدیت وزنی.

۱۴ هفته پیش۳ دقیقهgithub.com

Qase یه پلتفرم مدیریت تست هست که نتایج تست‌های دستی، اتوماتیک و CI/CD رو توی یه جا جمع می‌کنه. با کمک هوش مصنوعی AIDEN می‌تونه تست‌کیس‌های دستی رو مستقیم به اسکریپت‌های Playwright، Cypress یا Selenium تبدیل کنه. اینطوری بک‌لاگ تست کوچیک‌تر می‌شه، نه بزرگ‌تر. همچنین یه لایه‌ی Traceability کامل بین ریکوایرمنت‌ها و نتایج تست فراهم می‌کنه تا تیم بدونه دقیقاً قبل از هر ریلیز وضعیت چیه.

۱۴ هفته پیشqase.io

Mochi.js یه کتابخانه TypeScript برای اتوماسیون مرورگره که به‌جای جعل تصادفی اثرانگشت، همه چیز رو از یه منبع مشترک و منسجم می‌سازه تا سیستم‌های تشخیص ربات گولش نخورن.

۱۴ هفته پیشgithub.com

جک کلارک، از پیشگامان حوزه هوش مصنوعی، در خبرنامه‌ی Import AI ادعای جالبی مطرح کرده: با احتمال بیش از ۶۰ درصد، تا پایان سال ۲۰۲۸ یک سیستم هوش مصنوعی وجود خواهد داشت که بدون دخالت انسان، می‌تونه نسخه‌ی بعدی خودش رو بسازه. این ادعا بر پایه‌ی شواهد عمومی و روند پیشرفت معیارهایی مثل SWE-Bench و METR مطرح شده. پیشرفت‌هایی که نشون می‌ده مدل‌های امروزی داره تمام اجزای چرخه‌ی تحقیق در AI رو یکی‌یکی اتوماسیون می‌کنن. اگه این اتفاق بیفته، به گفته‌ی کلارک، ما از یه خط بی‌بازگشت رد می‌شیم که پیش‌بینی آینده

۱۵ هفته پیشjack-clark.net

بیشتر شرکت‌هایی که داده برای آموزش مدل‌های زبانی بزرگ می‌فروشن، از استانداردهای QC که خود لب‌ها به‌کار می‌برن خبر ندارن یا اونا رو نادیده می‌گیرن. دو گام اصلی کنترل کیفیت داده شامل «بررسی ورودی» و «تست فعال» می‌شه که اولی ارزان‌تره اما اغلب نادیده گرفته می‌شه و دومی مشکلاتی مثل reward hacking، sycophancy و فراموش‌کاری مدل رو قبل از تحویل شناسایی می‌کنه. لب‌هایی مثل Anthropic در سال ۲۰۲۵ بیش از یک میلیارد دلار برای داده‌های RL هزینه کردن، پس هر نقص کوچکی در QC هزینه‌ای چند برابری به دنبال داره. ف

۱۵ هفته پیشseancai.com

Wallaby.js یه ابزار تست‌رانر برای جاوااسکریپت و تایپ‌اسکریپته که نتایج تست رو همون موقع که داری کد می‌نویسی، مستقیم کنار کدت نشون می‌ده. به‌جای اجرای همه تست‌ها، فقط تست‌هایی رو اجرا می‌کنه که تغییرات کدت بهشون مربوطه، یعنی اغلب فقط یه تست. پلاگین IDE هست و با VS Code، Jest، React و ابزارهای هوش مصنوعی مثل Copilot و Cursor هم کار می‌کنه. قابلیت‌هایی مثل Time Travel Debugger، نمایش مقادیر runtime کنار کد و گزارش خطا درجا، فرآیند دیباگ رو خیلی سریع‌تر می‌کنه.

۱۵ هفته پیشwallabyjs.com

Braintrust یه پلتفرم تخصصی برای مانیتورینگ و ارزیابی سیستم‌های هوش مصنوعی در محیط تولیده که تازه ۸۰ میلیون دلار سرمایه سری B جذب کرده. این ابزار بهت کمک می‌کنه trace های تولید رو بررسی کنی، کیفیت خروجی‌های مدل رو با eval بسنجی، و قبل از اینکه کاربر متوجه بشه مشکلات رو شناسایی کنی. Braintrust با یه دیتابیس اختصاصی به اسم Brainstore کار می‌کنه که برای داده‌های پیچیده AI طراحی شده و سرعت جستجو و نوشتن خیلی بالاتری نسبت به دیتابیس‌های معمولی داره.

۱۵ هفته پیشbraintrust.dev

ProgramBench یه بنچمارک جدیده که می‌سنجه آیا مدل‌های زبانی می‌تونن فقط با یه فایل اجرایی و مستنداتش، کل سورس‌کد یه برنامه رو از صفر بازنویسی کنن. هیچ اشاره‌ای به ساختار، کلاس، یا فایل‌ها داده نمی‌شه و مدل باید همه‌چیز رو خودش طراحی کنه. نتایج جالبه: هیچ‌کدام از مدل‌های بزرگ مثل Claude، GPT-5 یا Gemini نتونستن حتی یه تسک رو به‌طور کامل حل کنن. این بنچمارک ۲۰۰ تسک داره که از ابزارهای کوچیک مثل ripgrep تا پروژه‌های عظیمی مثل SQLite و FFmpeg رو پوشش می‌ده.

۱۵ هفته پیشprogrambench.com

ScreenURL یه سرویس API‌محوره که با یه درخواست ساده، از هر URL عمومی اسکرین‌شات می‌گیره. رندر زیر ۲ ثانیه، پشتیبانی از PNG و JPEG، و امکان کپچر full-page تا رزولوشن 4K از ویژگی‌های اصلیشه. پلن رایگان ماهی ۱۰۰ اسکرین‌شات می‌ده و نیازی به کارت اعتباری نداره. برای پیش‌نمایش لینک‌ها، تست خودکار، مانیتورینگ سایت و مستندسازی به‌کار میاد.

تیم Vitest یه پیشنهاد جالب داده: اضافه کردن فلگ `--framework` به Vitest که بهت اجازه می‌ده به‌جای Vite از ابزارهای دیگه‌ای مثل esbuild، Rsbuild، Webpack، Node خالص، Deno یا Bun استفاده کنی. هدف اینه که Vitest از وابستگی سفت‌وسختش به Vite جدا بشه و به یه تست‌رانر واقعاً عمومی تبدیل بشه. کاربرهای فعلی هیچ تغییری حس نمی‌کنن چون Vite همچنان گزینه پیش‌فرض باقی می‌مونه.

۱۵ هفته پیشgithub.com

هوش مصنوعی در حوزه‌های مختلف نرم‌افزاری موفق بوده چون با APIهای تمیز و قراردادهای مشخص کار می‌کنه، اما زیست‌شناسی و کشف دارو چنین ساختاری ندارن. هر مرحله از کشف دارو — از پیدا کردن هدف درمانی تا طراحی مولکول تا کارآزمایی بالینی — پر از ابهام، فرضیه‌های احتمالاتی و وابستگی‌های پنهانه. این «مشکل API فازی» اصلی‌ترین دلیلیه که ML در داروسازی خیلی سخت‌تر از بقیه حوزه‌هاست. با این حال، ایده‌های جدیدی مثل «سلول مجازی» و مدل‌های مقیاس‌پذیر دارن این حوزه رو از نو هیجان‌زده می‌کنن.

۱۵ هفته پیشankitg.me

لاراول ۱۳.۸ متدهای جدیدی برای بررسی یکجای همه صف‌ها معرفی کرده که دیگه نیازی به چندین فراخوانی جداگانه نیست. علاوه بر این، رویدادهای جدید برای توقف و ازسرگیری worker، متد assertSessionMissingInput برای تست، و پشتیبانی از enum نوع SortDirection در query builder هم اضافه شدن. قابلیت‌هایی مثل فیلتر محیطی برای دستور schedule:list و اکشن‌های سفارشی برای کلیدهای خارجی هم در این نسخه گنجونده شدن.

۱۵ هفته پیشlaravel-news.com

باوجود هیاهوی زیاد درباره‌ی ایجنت‌های کدنویسی هوش مصنوعی، مهندس‌های باتجربه‌ای مثل سازنده‌ی Sentry و Linear می‌گن که این ابزارها واقعاً سرعت بهبود محصول رو بالا نبرده. داده‌ها نشون می‌ده بهره‌وری به شکل K توزیع شده: مهندس‌های ارشد سود می‌برن، ولی جونیورها یا جا زدن یا بدتر شدن. اصل مشکل اینه که خط کد یه هزینه‌ست، نه یه دارایی؛ هرچی کد بیشتر تولید بشه، پیچیدگی بیشتری ایجاد می‌شه که نگهداریش سخت‌تره. حتی خود Anthropic با Claude Code که کاملاً با Claude نوشته شده، نتونسته شکاف رقابتی معناداری با رق

۱۵ هفته پیشethanding.substack.com

تست نوشتن برای پروژه‌های فرانت‌اند بدون Node یا هر runtime سمت سرور دیگه‌ای یه چالش قدیمیه. توی این مقاله نویسنده نشون می‌ده که چطور می‌شه کامپوننت‌های Vue رو مستقیم توی تب مرورگر با کمک QUnit تست کرد. با یه تابع mountComponent، داده‌های fixture و یه waitFor() ساده، می‌شه تست‌های integration واقعی نوشت بدون اینکه به Playwright یا ابزارهای سنگین نیاز داشت.

۱۵ هفته پیشjvns.ca

Edit-R1 یه فریم‌ورک جدید برای ویرایش تصویر با یادگیری تقویتیه که به جای یه امتیاز کلی، دستورالعمل‌ها رو به اصول جداگانه تجزیه می‌کنه و هر بخش رو مستقل ارزیابی می‌کنه. قلب این سیستم یه مدل پاداش مبتنی بر استدلال زنجیره‌وار (CoT) به اسم Edit-RRM هست که خیلی دقیق‌تر از مدل‌های قبلیه. این رویکرد روی مدل‌هایی مثل FLUX.1-kontext هم آزمایش شده و نتایج قابل توجهی داشته. با افزایش پارامترها از ۳ میلیارد به ۷ میلیارد، عملکرد سیستم به طور مداوم بهتر می‌شه.

۱۵ هفته پیشarxiv.org

نیک نیسی از WorkOS تعریف می‌کنه که چطور دو ابزار هوش مصنوعی ساخت، ولی بعد از مدتی متوجه شد هیچ راهی برای سنجش کیفیت خروجی‌شون نداره. راه‌حلش نوشتن یه سیستم ارزیابی (eval) بود؛ چیزی فراتر از تست‌های معمولی. تست‌های سنتی برای رفتار قطعی طراحی شدن، ولی LLMها هر بار خروجی متفاوتی می‌دن و باید با نرخ موفقیت سنجیده بشن، نه pass/fail ساده. این مقاله داستان ساختن دو سیستم eval کاملاً متفاوت برای دو مشکل متفاوته که یه درس مشترک داشتن.

۱۵ هفته پیشworkos.com