🚀 کرسر از Origin رونمایی کرد؛ رقیب جدید گیت‌هاب با تمرکز بر عامل‌های هوش مصنوعی
کرسر (Cursor)، محیط توسعه محبوب برنامه‌نویسی مبتنی بر هوش مصنوعی، از سرویس میزبانی کد جدید خود به نام Origin رونمایی کرده است. هدف اصلی Origin، تبدیل شدن به گیت‌هاب برای عامل‌های هوش مصنوعی است.
---
🔍 تفاوت اصلی با گیت‌هاب چیست؟
گیت‌هاب برای سرعت و جریان کار انسانی طراحی شده: یک توسعه‌دهنده، یک شاخه، و چند درخواست کشش (PR) در روز. اما عامل‌های هوش مصنوعی با سرعت بسیار بالاتری کد می‌نویسند و کامیت می‌زنند. برای نمونه، Cursor نشان داده که Origin می‌تواند ۲۲.۶ کامیت در ثانیه را در یک مخزن پردازش کند! این تفاوت اصلی است که Origin را از گیت‌هاب متمایز می‌کند.
---
✨ قابلیت‌های کلیدی Origin
🔹 ساخت مخزن از صفر یا همگام‌سازی با گیت‌هاب: می‌توانید مخازن جدید ایجاد کرده یا مخازن موجود گیت‌هاب را در کمتر از یک دقیقه همگام‌سازی کنید.
🔹 مدیریت PRها: مشاهده، بررسی و ادغام درخواست‌های کشش با قابلیت همگام‌سازی دوطرفه با گیت‌هاب (نظرات و واکنش‌ها در هر دو طرف دیده می‌شوند).
🔹 یکپارچه‌سازی هوش مصنوعی: عامل‌های کدنویسی Cursor مستقیماً در محیط Origin کار می‌کنند. می‌توانید از هوش مصنوعی درباره‌ی کد سؤال کنید، آن را تغییر دهد، PRها را به‌روز کند یا شاخه‌ها را تغییر دهد.
🔹 اکوسیستم یکپارچه‌سازی: اتصال به Vercel برای استقرار پیش‌نمایش خودکار هر PR، و همچنین یکپارچه‌سازی با ابزارهای CI/CD مثل Depot و Buildkite.
---
⚡️ حالت انتشار
سرویس Origin در حال حاضر به‌صورت بتای اولیه برای کاربران پلن‌های پولی در دسترس است. ویژگی‌های پیشرفته‌تر مخصوص عامل‌ها به‌زودی اضافه خواهند شد.
---
🔗 اطلاعات بیشتر:
https://cursor.com/changelog/origin-code-hosting
---
#Cursor #Origin #توسعه_نرم‌افزار #عامل_هوشمند
🆔 @asrgooyeshpardaz
کرسر (Cursor)، محیط توسعه محبوب برنامه‌نویسی مبتنی بر هوش مصنوعی، از سرویس میزبانی کد جدید خود به نام Origin رونمایی کرده است. هدف اصلی Origin، تبدیل شدن به گیت‌هاب برای عامل‌های هوش مصنوعی است.
---
🔍 تفاوت اصلی با گیت‌هاب چیست؟
گیت‌هاب برای سرعت و جریان کار انسانی طراحی شده: یک توسعه‌دهنده، یک شاخه، و چند درخواست کشش (PR) در روز. اما عامل‌های هوش مصنوعی با سرعت بسیار بالاتری کد می‌نویسند و کامیت می‌زنند. برای نمونه، Cursor نشان داده که Origin می‌تواند ۲۲.۶ کامیت در ثانیه را در یک مخزن پردازش کند! این تفاوت اصلی است که Origin را از گیت‌هاب متمایز می‌کند.
---
✨ قابلیت‌های کلیدی Origin
🔹 ساخت مخزن از صفر یا همگام‌سازی با گیت‌هاب: می‌توانید مخازن جدید ایجاد کرده یا مخازن موجود گیت‌هاب را در کمتر از یک دقیقه همگام‌سازی کنید.
🔹 مدیریت PRها: مشاهده، بررسی و ادغام درخواست‌های کشش با قابلیت همگام‌سازی دوطرفه با گیت‌هاب (نظرات و واکنش‌ها در هر دو طرف دیده می‌شوند).
🔹 یکپارچه‌سازی هوش مصنوعی: عامل‌های کدنویسی Cursor مستقیماً در محیط Origin کار می‌کنند. می‌توانید از هوش مصنوعی درباره‌ی کد سؤال کنید، آن را تغییر دهد، PRها را به‌روز کند یا شاخه‌ها را تغییر دهد.
🔹 اکوسیستم یکپارچه‌سازی: اتصال به Vercel برای استقرار پیش‌نمایش خودکار هر PR، و همچنین یکپارچه‌سازی با ابزارهای CI/CD مثل Depot و Buildkite.
---
⚡️ حالت انتشار
سرویس Origin در حال حاضر به‌صورت بتای اولیه برای کاربران پلن‌های پولی در دسترس است. ویژگی‌های پیشرفته‌تر مخصوص عامل‌ها به‌زودی اضافه خواهند شد.
---
🔗 اطلاعات بیشتر:
https://cursor.com/changelog/origin-code-hosting
---
#Cursor #Origin #توسعه_نرم‌افزار #عامل_هوشمند
🆔 @asrgooyeshpardaz
Cursor
Origin Code Hosting · Cursor
❤2👍1
🔄 چالش‌های میزبانی Git در مقیاس بزرگ و راه‌حل جدید Cursor
تیم Cursor مقاله‌ای فنی منتشر کرده که به بررسی عمیق چالش‌های میزبانی Git در مقیاس بزرگ، به‌خصوص در مواجهه با مونورپوها (Monorepo) و عامل‌های هوش مصنوعی پرداخته است. در این مقاله، آنها توضیح می‌دهند که چطور بدون جایگزین‌کردن Git، موفق به بازطراحی لایه‌های ذخیره‌سازی و تکثیر (Replication) شده‌اند.
---
🧩 چالش اصلی کجاست؟
سیستم Git به‌عنوان یک سیستم کنترل نسخه‌ی توزیع‌شده طراحی شده، اما در عمل، اکثر پروژه‌ها به شدت به پلتفرم‌های متمرکز متکی هستند. میزبانی مخازن Git در مقیاس بزرگ، به دلیل طراحی داخلی آن (استفاده از فایل‌های Packfile و ساختار گرافی داده‌ها) با چالش‌های جدی روبرو است. این چالش‌ها شامل عملکرد ضعیف در خواندن تصادفی و مشکلات مقیاس‌پذیری می‌شوند.
---
⚙️ سیستم Spokes؛ راه‌حل قدیمی گیت‌هاب
سیستم Spokes که توسط گیت‌هاب توسعه داده شد، برای سال‌ها به‌عنوان استاندارد صنعت شناخته می‌شد. این سیستم با تکثیر مخازن روی چندین سرور و استفاده از الگوریتم Three-Phase Commit (3PC) ، سعی در ایجاد توافق (Consensus) بین نسخه‌های مختلف داشت. با این حال، این روش در دنیای امروز با دو مشکل اساسی روبرو است:
· مقیاس‌پذیری محدود: برای مخازن بزرگ، ۳ نسخه کافی نیست و افزایش تعداد نسخه‌ها، سرعت را کاهش می‌دهد.
· پیچیدگی عملیاتی: نگهداری از این سیستم بسیار دشوار است و هر نسخه از مخزن مانند یک «حیوان خانگی» (Pet) باید مدیریت شود.
---
🚀 سیستم Continuity؛ راه‌حل جدید Cursor
تیم Cursor سیستمی به نام Continuity طراحی کرده که با نگاهی تازه به معماری Git، این مشکلات را حل کرده است. ایده‌ی کلیدی: گیت دیگر منبع نهایی حقیقت نیست!
🔹 منبع حقیقت، یک پیش‌نوشت (WAL) در S3 است: به‌جای اینکه خود مخزن Git منبع اصلی باشد، هر بار که کدی به مخزن ارسال (Push) می‌شود، ابتدا به‌عنوان یک ورودی در یک پیش‌نوشت (Write-Ahead Log) در فضای ابری (مثل S3) ذخیره می‌شود. تنها پس از ذخیره‌سازی کامل، عملیات تأیید می‌شود.
🔹 مخازن Git به‌عنوان کش (Cache) : نسخه‌های محلی مخزن روی دیسک‌های سریع (NVMe) فقط به‌عنوان یک کش عمل می‌کنند. اگر نسخه‌ای در دسترس نباشد، به‌سرعت از روی پیش‌نوشت در S3 بازسازی می‌شود.
🔹 تکثیر (Replication) بدون دردسر: با این روش، هر تعداد نسخه که نیاز باشد می‌توان ایجاد کرد. حتی مخازن خالی می‌توانند بدون اشغال فضا وجود داشته باشند و در صورت نیاز، دوباره ساخته شوند.
🔹 کاهش پیچیدگی: دیگر نیازی به جدول مسیریابی عظیم برای یافتن محل دقیق مخازن نیست. هر سروری می‌تواند میزبان هر مخزنی باشد و برای اطمینان از به‌روز بودن، فقط کافی است با S3 ارتباط برقرار کند.
🔹 مقیاس‌پذیری بی‌نهایت: این معماری هم در تعداد مخازن کوچک و هم در حجم ترافیک مخازن بزرگ، به‌خوبی مقیاس می‌شود.
---
💡 پیام اصلی مقاله
این مقاله نشان می‌دهد که برای مقابله با نیازهای جدید (عامل‌های هوش مصنوعی و مخازن عظیم)، گاهی باید به‌جای تغییر خود Git، زیرساخت اطراف آن را بازطراحی کرد. رویکرد Continuity با استفاده از مفاهیم ساده‌ای مثل پیش‌نوشت و ذخیره‌سازی ابری، راهی کارآمد و قابل‌اعتماد برای میزبانی Git در هر مقیاسی ارائه می‌دهد.
---
🔗 مطالعه‌ی کامل مقاله:
cursor.com/blog/git-at-any-scale
---
#Cursor #Git #مهندسی_نرم_افزار #زیرساخت #مونورپو
🆔 @asrgooyeshpardaz
تیم Cursor مقاله‌ای فنی منتشر کرده که به بررسی عمیق چالش‌های میزبانی Git در مقیاس بزرگ، به‌خصوص در مواجهه با مونورپوها (Monorepo) و عامل‌های هوش مصنوعی پرداخته است. در این مقاله، آنها توضیح می‌دهند که چطور بدون جایگزین‌کردن Git، موفق به بازطراحی لایه‌های ذخیره‌سازی و تکثیر (Replication) شده‌اند.
---
🧩 چالش اصلی کجاست؟
سیستم Git به‌عنوان یک سیستم کنترل نسخه‌ی توزیع‌شده طراحی شده، اما در عمل، اکثر پروژه‌ها به شدت به پلتفرم‌های متمرکز متکی هستند. میزبانی مخازن Git در مقیاس بزرگ، به دلیل طراحی داخلی آن (استفاده از فایل‌های Packfile و ساختار گرافی داده‌ها) با چالش‌های جدی روبرو است. این چالش‌ها شامل عملکرد ضعیف در خواندن تصادفی و مشکلات مقیاس‌پذیری می‌شوند.
---
⚙️ سیستم Spokes؛ راه‌حل قدیمی گیت‌هاب
سیستم Spokes که توسط گیت‌هاب توسعه داده شد، برای سال‌ها به‌عنوان استاندارد صنعت شناخته می‌شد. این سیستم با تکثیر مخازن روی چندین سرور و استفاده از الگوریتم Three-Phase Commit (3PC) ، سعی در ایجاد توافق (Consensus) بین نسخه‌های مختلف داشت. با این حال، این روش در دنیای امروز با دو مشکل اساسی روبرو است:
· مقیاس‌پذیری محدود: برای مخازن بزرگ، ۳ نسخه کافی نیست و افزایش تعداد نسخه‌ها، سرعت را کاهش می‌دهد.
· پیچیدگی عملیاتی: نگهداری از این سیستم بسیار دشوار است و هر نسخه از مخزن مانند یک «حیوان خانگی» (Pet) باید مدیریت شود.
---
🚀 سیستم Continuity؛ راه‌حل جدید Cursor
تیم Cursor سیستمی به نام Continuity طراحی کرده که با نگاهی تازه به معماری Git، این مشکلات را حل کرده است. ایده‌ی کلیدی: گیت دیگر منبع نهایی حقیقت نیست!
🔹 منبع حقیقت، یک پیش‌نوشت (WAL) در S3 است: به‌جای اینکه خود مخزن Git منبع اصلی باشد، هر بار که کدی به مخزن ارسال (Push) می‌شود، ابتدا به‌عنوان یک ورودی در یک پیش‌نوشت (Write-Ahead Log) در فضای ابری (مثل S3) ذخیره می‌شود. تنها پس از ذخیره‌سازی کامل، عملیات تأیید می‌شود.
🔹 مخازن Git به‌عنوان کش (Cache) : نسخه‌های محلی مخزن روی دیسک‌های سریع (NVMe) فقط به‌عنوان یک کش عمل می‌کنند. اگر نسخه‌ای در دسترس نباشد، به‌سرعت از روی پیش‌نوشت در S3 بازسازی می‌شود.
🔹 تکثیر (Replication) بدون دردسر: با این روش، هر تعداد نسخه که نیاز باشد می‌توان ایجاد کرد. حتی مخازن خالی می‌توانند بدون اشغال فضا وجود داشته باشند و در صورت نیاز، دوباره ساخته شوند.
🔹 کاهش پیچیدگی: دیگر نیازی به جدول مسیریابی عظیم برای یافتن محل دقیق مخازن نیست. هر سروری می‌تواند میزبان هر مخزنی باشد و برای اطمینان از به‌روز بودن، فقط کافی است با S3 ارتباط برقرار کند.
🔹 مقیاس‌پذیری بی‌نهایت: این معماری هم در تعداد مخازن کوچک و هم در حجم ترافیک مخازن بزرگ، به‌خوبی مقیاس می‌شود.
---
💡 پیام اصلی مقاله
این مقاله نشان می‌دهد که برای مقابله با نیازهای جدید (عامل‌های هوش مصنوعی و مخازن عظیم)، گاهی باید به‌جای تغییر خود Git، زیرساخت اطراف آن را بازطراحی کرد. رویکرد Continuity با استفاده از مفاهیم ساده‌ای مثل پیش‌نوشت و ذخیره‌سازی ابری، راهی کارآمد و قابل‌اعتماد برای میزبانی Git در هر مقیاسی ارائه می‌دهد.
---
🔗 مطالعه‌ی کامل مقاله:
cursor.com/blog/git-at-any-scale
---
#Cursor #Git #مهندسی_نرم_افزار #زیرساخت #مونورپو
🆔 @asrgooyeshpardaz
Cursor
Git at any scale · Cursor
👏2