خیلی از توسعهدهندهها بهجای فهمیدن CORS دورش میزنن؛ همین کار بود که یه آسیبپذیری بزرگ برای Zoom درست کرد و اجازه میداد هر سایتی وبکم کاربر رو صدا بزنه.
توکنهای JWT ستون فقرات احراز هویت مدرنان، ولی اگه درست ازشون استفاده نکنی به یه ریسک امنیتی تبدیل میشن؛ این مطلب هم ساختارشون رو باز میکنه هم یه ابزار آنلاین برای دیکود کردنشون معرفی میکنه.
بریتیش کلمبیا تایمزونش رو دائمی کرد و همین میتونه قرارهای آیندهٔ ذخیرهشده در ستونهای timestamptz رو یک ساعت جابهجا کنه؛ نویسنده الگویی نشون میده که در برابر این تغییرها دوام میاره.
انویدیا با پردازنده Vera که برای هوش مصنوعی نسل بعد ساخته شده، امسال تبدیل به بزرگترین تأمینکننده CPU دنیا میشه و اینتل و AMD رو پشت سر میذاره.
بیشتر پکیجهای audit فقط میگن چه فیلدی و کِی عوض شده؛ یامی میره سراغِ اینکه وقتی تغییر چند تا صف اونطرفتر تو یه جاب اتفاق میافته، واقعاً کی شروعش کرده.
الیوت اسمیت یه آزمایش کرده تا ببینه میشه یه ایجنت AI رو با یه هدف کمّی و چند قید، مستقل روی بهبود نرمافزار گذاشت یا نه؛ و مسئلهٔ فشردهسازی فایل رو انتخاب کرده.
لامبروس پترو یک دیتابیس کلید-مقداری از صفر ساخته که هر پارتیشنش یک Durable Object جداست و مثل یک درخت B+ خودش رو split میکنه.
goja یه موتور ECMAScript نوشتهشده با زبان Go خالصه که بدون هیچ وابستگی به cgo، کد جاوااسکریپت رو داخل برنامههای Go اجرا میکنه.
ورسل نسخهٔ ۷ کیت توسعهٔ هوش مصنوعیاش رو منتشر کرد؛ این بار تمرکز روی چیزهایی که ایجنت رو آمادهٔ پروداکشن میکنه: کنترل استدلال، کانتکست ابزار و آپلود فایل.
یه Web API مدیریتشده و پشتیبانیشده توسط موزیلا که با یه فراخوانی از هر URL دیتای ساختارمند، جواب پژوهشیِ ارجاعدار، یا تسک مرورگریِ کاملشده تحویل میده.
سازنده Gin میگه فریمورکهای زیادی وجودن که اولین مثالشون خوب به نظر میرسه ولی وقتی کد پیر میشه همه چیز پیچیده میشه. Gin برعکس این رو هدف گرفته.
دکستر هورتی میگه محصولاتی که اسم خودشون رو ایجنت گذاشتن، عمدتاً کد قطعیان با چند نقطهٔ هوشمند — و ۱۲ اصل رو برای رسیدن به همون کیفیت پیشنهاد میده.
AWS از فریمورک متنبازی به اسم AWS Blocks رونمایی کرد که با اون میشه بکاند اپلیکیشن رو روی AWS ساخت، بدون اینکه لازم باشه ابزارهای زیرساخت رو یاد بگیری.
PHP 8.4 یه کلاس جدید برای کار با HTML آورده که استانداردمحورتر و سریعتره؛ ولی جایگزین drop-in کلاس قدیمی نیست.
پستمن میگه ایجنتهای AI که تو دمو خوب کار میکنن ولی تو تولید میشکنن، مشکلشون مدل نیست؛ داده و API و اجرای بیکیفیته.
بهجای اینکه یه توکن دائمی و پرقدرت رو تو env نگه داری تا هر وقت لازم شد ایجنت استفاده کنه، Vercel Connect لحظهٔ نیاز یه توکن کوتاهعمر و محدود به همون کار بهت میده.
یه پکیج لاراولی که هم با Cloud API رسمی متا کار میکنه، هم با یه sidecar غیررسمی روی whatsapp-web.js؛ کد اپلیکیشن اصلاً نمیفهمه پیام از کدوم مسیر رفته.
یه تحلیلگر داده میگه برای تشخیص تقلب تو تراکنشها لازم نیست سراغ یادگیری ماشین بری؛ شش الگوی SQL روی جدول تراکنشها بیشتر چیزهای مشکوک رو پیدا میکنن.
خیلی از شرکتها منطق سادهی کسبوکارشون رو بهجای کد، با پرامپتهای Markdown به LLM میسپرن؛ این نوشته میگه چرا این کار کند، گران و ناامنه و کجا واقعاً به AI نیاز داری.
وقتی داری با AI یه اپ یا ورکفلو میسازی، یکی از اساسیترین سوالاته: یه ایجنت کافیه یا باید چند تا باهم کار کنن؟ اشتباه گرفتن این تصمیم میتونه همه چیز رو خراب کنه.