Ship Safe یه ابزار CLI امنیتیه که با اجرای ۲۳ ایجنت بهصورت موازی، کدبیس توسعهدهندهها رو از نظر آسیبپذیریهای مختلف بررسی میکنه. از SQL Injection و XSS گرفته تا حملات زنجیره تأمین، آسیبپذیریهای مدلهای هوش مصنوعی و Prompt Injection رو پوشش میده. ابزار برای هر مشکل یه diff پیشنهاد میده، قبل از اعمال تغییر تأیید میگیره، و همه چیز رو قابل بازگشت نگه میداره. نیازی به ثبتنام یا API Key برای اسکن نداره و آفلاین هم کار میکنه.
ServiceNow نسخه گسترشیافتهای از AI Control Tower خودش رو معرفی کرده که از یه داشبورد ساده حاکمیتی به یه مرکز فرمان کامل برای مدیریت تمام داراییهای هوش مصنوعی در سطح سازمان تبدیل شده. این سیستم حالا با ۳۰ کانکتور جدید به AWS، Google Cloud، Azure و اپلیکیشنهایی مثل SAP و Oracle متصل میشه و میتونه ایجنتها، مدلها و پرامپتهایی که خارج از پلتفرم ServiceNow هم اجرا میشن رو شناسایی و مدیریت کنه. دو تا اکویزیشن اخیر این شرکت، یعنی Veza و Traceloop، امنیت و observability سیستم رو تأمین میکنن و
Amazon CloudFront حالا امکان invalidate کردن آبجکتهای کششده بر اساس cache tag رو داره. با این قابلیت، دیگه نیازی نیست URL به URL بری یا با wildcard کل محتوا رو پاک کنی؛ کافیه یه تگ مشترک به آبجکتهای مرتبط بدی و با یه درخواست همهشون رو invalidate کنی. این کار خیلی از فرآیندهای رایج مثل بهروزرسانی اطلاعات محصول، مدیریت درخواستهای حقوقی یا رفرش محتوا در پلتفرمهای چند-tenant رو سادهتر میکنه. invalidationها در کمتر از ۵ ثانیه اعمال میشن و زمان کامل اتمام عملیات هم زیر ۲۵ ثانیهست.
نشون دادن یه محتوای یکسان به همه کاربرا دیگه جواب نمیده. در این مقاله یاد میگیریم چطور یه موتور پیشنهاد محتوای هوشمند با لاراول، MongoDB و وکتور امبدینگ بسازیم که بهجای تگ و کلیدواژه، بر اساس «معنا» محتوا پیشنهاد میده. مثلاً کاربری که داره پست «شروع با لاراول API» رو میخونه، پستهایی مثل «احراز هویت در لاراول API» رو هم پیشنهاد میگیره؛ نه بهخاطر تشابه کلمات، بلکه بهخاطر نزدیکی مفهومی. این سیستم از مدل رایگان BAAI/bge-small-en-v1.5 روی Hugging Face و MongoDB Vector Search استفاده میکنه.
Laravel Brain یه پکیج برای لاراوله که کل چرخه درخواستهای اپلیکیشنت رو بهصورت یه گراف تعاملی و بصری نشون میده. روتها، کنترلرها، سرویسها، مدلها، جابها، ایونتها و خیلی چیزهای دیگه رو با هم میتونی ببینی و بررسی کنی. یه قابلیت جالب داره که کانتکست پروژهات رو برای ابزارهای هوش مصنوعی مثل Claude و Cursor آماده میکنه. همه اینا از طریق آدرس /_laravel-brain مستقیم توی خود اپت قابل دسترسه و نیازی به راهاندازی جداگانه نداره.
reconFTW یه ابزار قدرتمند و خودکار برای Reconnaissance (شناسایی اولیه) هست که مخصوص محققان امنیتی و تسترهای نفوذ طراحی شده. این ابزار با طراحی ماژولار، از صدها تکنیک مثل کشف سابدامین، اسکن آسیبپذیری، OSINT و فازینگ پشتیبانی میکنه. reconFTW با ابزارها و APIهای متنوعی ادغام شده و حتی از اسکن توزیعشده با AX Framework هم پشتیبانی میکنه. این پروژه برای استفاده قانونی و مسئولانه در چارچوب تست نفوذ با مجوز طراحی شده.
سازمان بهداشت ملی بریتانیا (NHS) دستور داده تمام ریپوهای عمومی گیتهابشون تا ۱۱ مه به حالت خصوصی تغییر پیدا کنن. دلیل اصلی، نگرانی از مدلهای پیشرفته هوش مصنوعی مثل Mythos شرکت آنتروپیکه که میتونن کدها رو بهصورت گسترده بخونن و آسیبپذیریها رو شناسایی کنن. NHS این اقدام رو موقتی توصیف کرده و گفته در طول این مدت وضعیت امنیت سایبریشون رو تقویت میکنه. بعضی از متخصصان اما میگن این تصمیم تأثیر عملی چندانی نداره، چون کدها سالهاست برای آموزش مدلهای هوش مصنوعی ایندکس و آرشیو شدن.
Laravel Chronicle یه پکیج لاراول هست که به جای نوشتن ساده ردیفهای لاگ در دیتابیس، یه زنجیره هش رمزنگاریشده با SHA-256 میسازه. هر رکورد جدید شامل هش رکورد قبلیشه، پس اگه کسی حتی یه ورودی رو ویرایش یا حذف کنه، زنجیره میشکنه و Chronicle بهت خبر میده. علاوه بر این، میشه در لحظههای مشخص چکپوینت امضاشده ثبت کرد یا کل دفتر لاگ رو به صورت یه دیتاست مستقل و قابل تأیید export کرد. این پکیج برای سیستمهایی که نیاز به لاگهای حسابرسی قابل اعتماد دارن، مثل گردشکارهای انطباق، سوابق مالی یا لاگهای ا
سال ۲۰۲۶ برای برنامهنویسها یه دوره عجیب و بیسابقهست. ابزارهایی مثل Claude Code الان میتونن کل یه پروژه نرمافزاری رو فقط با پرامپتهای زبان طبیعی بنویسن، بدون اینکه برنامهنویس حتی یه خط کد دستی بزنه. این اتفاق باعث شده دو دسته احساس کاملاً متضاد در جامعه برنامهنویسها شکل بگیره: یه عده هیجانزدهان که حالا میتونن خیلی سریعتر بسازن، و یه عده نگرانن که سالها مهارتآموزیشون داره بیارزش میشه. Anthropic با دیدن این موج تصمیم گرفت ابزار Claude Cowork رو در فقط ۱۰ روز بسازه تا همین قابلیته
مدیریت محصول از دهه ۱۹۳۰ تا امروز چندین بار بازنویسی شده، و حالا هوش مصنوعی دوباره همه چیز رو زیر و رو کرده. یه PM باتجربه توضیح میده که چطور با ابزارهایی مثل Claude Code، کارهایی که قبلاً ساعتها وقت میبردن رو در چند دقیقه انجام میده. اساس کارش اینه که مکالمه با AI خودِ کار شده، نه ابزار جانبیش. محور اصلی این رویکرد یه سند استراتژی ساختارمنده که با مصاحبهی تعاملی یه ایجنت پر میشه.
اوپنای مدل GPT-5.5 Instant رو بهعنوان مدل پیشفرض جدید ChatGPT معرفی کرد و جای GPT-5.3 Instant رو گرفت. این مدل جوابهای کوتاهتر، دقیقتر و شخصیسازیشدهتری ارائه میده و طبق اعلام اوپنای، ۵۲.۵ درصد کمتر ادعاهای اشتباه (هالوسینیشن) نسبت به نسخه قبلی داره. این مدل از حافظه مکالمات گذشته، فایلهای آپلودشده و حتی Gmail متصلشده برای شخصیسازی پاسخها استفاده میکنه. رولاوت برای همه کاربران ChatGPT شروع شده و از طریق API هم با نام chat-latest در دسترسه.
دیجیتالاوشن در رویداد Deploy 2026 از پلتفرم جدیدش به اسم AI-Native Cloud رونمایی کرد؛ یه زیرساخت هدفمند برای عصر اینفرنس و ایجنتهای هوش مصنوعی. این پلتفرم پنج لایه کامل از سختافزار اختصاصی تا ایجنتهای مدیریتشده رو در یه استک یکپارچه و اپنسورس کنار هم جمع کرده. دیجیتالاوشن در این رویداد یهجا ۱۵ محصول جدید منتشر کرد که از جملهشون Inference Router، Dedicated Inference، و Knowledge Bases هستن. هدف اصلی اینه که توسعهدهندههای AI بتونن بدون نگرانی از پیچیدگیهای زیرساخت، مستقیماً روی ساخت مح
WorkOS یه پلتفرم آمادهست که بهت کمک میکنه قابلیتهای سازمانی مثل SSO، SCIM، Audit Logs و مدیریت کاربران رو خیلی سریع به اپلیکیشنت اضافه کنی. به جای اینکه ماهها وقت بذاری روی پیادهسازی این ویژگیها، با چند خط کد و SDK های آماده میتونی شروع کنی. این ابزار از زبانهای مختلفی مثل Node.js، Python، PHP، Go و جاوا پشتیبانی میکنه و یه پنل مدیریتی شیک هم برای IT Admin های مشتریانت داره. در نهایت WorkOS کمک میکنه که درهای بازار Enterprise برای محصولت باز بشه بدون اینکه تیمت از مسیر اصلی خارج بشه.
آزمایشگاه هوش مصنوعی چینی DeepSeek دو مدل جدید پیشنمایش به نامهای V4-Pro و V4-Flash معرفی کرده که هر دو از معماری Mixture of Experts با پنجره کانتکست یک میلیون توکن بهره میبرن. V4-Pro با ۱.۶ تریلیون پارامتر کلی، بزرگترین مدل open-weights تاریخ به حساب میاد. نکته جالبتر قیمتگذاریه: V4-Flash با ۰.۱۴ دلار به ازای هر میلیون توکن ورودی، ارزونتر از GPT-5.4 Nano اوپنایآیه و V4-Pro هم با ۱.۷۴ دلار، از همه مدلهای بزرگ فرانتیر مقرونبهصرفهتره. این مدلها با لایسنس MIT منتشر شدن و میشه از طری
Chevere Workflow یه پکیج PHPه که بهت اجازه میده فرآیندهای چندمرحلهای رو بهصورت declarative تعریف کنی و وابستگیهای بین جابها رو مشخص کنی. موتور خودش گراف وابستگی رو میسازه و جابهای مستقل رو بهصورت موازی اجرا میکنه. پشتیبانی اولدرجه از لاراول هم داره و یه افزونه VS Code برای نمایش بصری گراف جریان کار ارائه میده. برای فرآیندهایی مثل ثبتنام کاربر که چند مرحله وابسته و مستقل دارن، ایدهآله.
اوپنایآی یه آپدیت جالب برای اپ دسکتاپ Codex منتشر کرده که مهمترین بخشش یه ویژگی کاملاً بازیگوشانهست: حیوانات خانگی انیمیتدِ پیکسلآرت که روی صفحه بهعنوان overlay نشون داده میشن و حتی وقتی Codex مینیمایز باشه هم حضور دارن. علاوه بر این، Codex حالا میتونه تنظیمات ابزارهای دیگهای مثل Claude Code رو بهصورت خودکار شناسایی و ایمپورت کنه. یه دیکشنری صوتی هم اضافه شده که بهت اجازه میده اختصارات و عبارات خاص خودت رو ثبت کنی تا دیکته صوتی دقیقتر بشه.
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.
یه آزمایشگاه واقعی با ترافیک مختلط نشون داد که یه پول مشترک vLLM برای همه نوع درخواست، گزینه بدیه. بهترین نتیجه با پروفایل class-aware-router به دست اومد که اولین توکن، ریتم تولید توکن، و ایزولاسیون کلاینتهای کند رو با هم بهینه میکنه. توصیه اصلی اینه که قبل از هر تغییری در کرنلها، لاینهای ترافیکی رو از هم جدا کنی. ترافیک تعاملی باید روی یه پول کوچیکتر با بودجه توکن محدودتر بمونه، و کارهای سنگینتر مثل long-context و batch به یه پول جداگانه منتقل بشن.
Replit در ۱۸ ماه گذشته رشد باورنکردنی داشته و از ۲.۸ میلیون دلار درآمد سالانه به مسیر یک میلیارد دلار رسیده. مدیرعامل Replit، امجد مصعب، میگه شرکت برخلاف رقیبش Cursor که با حاشیه سود منفی ۲۳ درصد کار میکنه، بیش از یک سال است که حاشیه سود مثبت داره. او فروش شرکت رو رد نمیکنه اما تأکید میکنه که هدف اصلیشون موندن به عنوان یه شرکت مستقله. درگیری با اپل بر سر اپ استور هم یکی از داغترین بخشهای این مصاحبهست.
محققان مایکروسافت روشی ارائه دادن به اسم «Synthetic Computers at Scale» که توش محیطهای کامپیوتری واقعگرایانه با ساختار پوشهبندی و فایلهای محتوامحور شبیهسازی میشه. روی هر کامپیوتر مصنوعی، یک ایجنت هوش مصنوعی وظایف بلندمدت تعریف میکنه و ایجنت دیگهای اونها رو انجام میده — کاری که معادل حدود یک ماه کار انسانیه. این روش میتونه پایهای برای یادگیری تقویتی و خودبهبودی ایجنتهای هوش مصنوعی در سناریوهای کاری واقعی باشه.