home.social

#fullstack — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #fullstack, aggregated by home.social.

fetched live
  1. Пишу русскоязычный ЯП. Помогите выбрать самый читаемый вариант синтаксиса

    Если честно, я давно планировал написать свой язык. Просто надоело на каждом проекте писать одинаковый бойлерплейт, ловить неожиданные ошибки в рантайме, натыкаться на компоненты аля LoanPreloanInterractNDFL6.2ReportViewComponent - и гадать - что имел ввиду художник... В итоге получился язык "Марка" — штука статически-типозированная, но в которой типы живут во время выполнения, ошибки обрабатываются сами, а из REPL можно сразу дергать запросы и смотреть, что приходит на клиенте и сервере. Как давно мечтал. Но раскидав исходники по знакомым, получил неутешительный фидбэк: читать трудно! Встал дурацкий вопрос: как это должно выглядеть в коде, чтобы было удобно? Я набросал 4 варианта синтаксиса — от LISP-стиля до почти Python - нотации. У каждого есть плюсы и минусы, и я уже неделю не могу выбрать. Т.к. язык русскоязычный, все варинаты сделаны так, чтобы в процессе кодинга не пришлось переключать раскадку. Для некоторых действиет правило: - `фун(эл1 эл2)` символ без пробела перед скобкой - значит вызов функции - `(эл1 эл2)` нет символа без пробел перед скобкой - значит список Поэтому хочу обратиться за помощью к вам: какой вариант был бы реально удобен в ежедневной работе? Не теоретически, а когда надо быстро накидать фичу и не думать о запятых. Какой вариант Вам читать и писать было бы удобнее?

    habr.com/ru/articles/1070114/

    #языки_программирования #lisp #функциональное_программирование #синтаксис #fullstack #backend #frontend #статическая_типизация #typescript #python

  2. Пишу русскоязычный ЯП. Помогите выбрать самый читаемый вариант синтаксиса

    Если честно, я давно планировал написать свой язык. Просто надоело на каждом проекте писать одинаковый бойлерплейт, ловить неожиданные ошибки в рантайме, натыкаться на компоненты аля LoanPreloanInterractNDFL6.2ReportViewComponent - и гадать - что имел ввиду художник... В итоге получился язык "Марка" — штука статически-типозированная, но в которой типы живут во время выполнения, ошибки обрабатываются сами, а из REPL можно сразу дергать запросы и смотреть, что приходит на клиенте и сервере. Как давно мечтал. Но раскидав исходники по знакомым, получил неутешительный фидбэк: читать трудно! Встал дурацкий вопрос: как это должно выглядеть в коде, чтобы было удобно? Я набросал 4 варианта синтаксиса — от LISP-стиля до почти Python - нотации. У каждого есть плюсы и минусы, и я уже неделю не могу выбрать. Т.к. язык русскоязычный, все варинаты сделаны так, чтобы в процессе кодинга не пришлось переключать раскадку. Для некоторых действиет правило: - `фун(эл1 эл2)` символ без пробела перед скобкой - значит вызов функции - `(эл1 эл2)` нет символа без пробел перед скобкой - значит список Поэтому хочу обратиться за помощью к вам: какой вариант был бы реально удобен в ежедневной работе? Не теоретически, а когда надо быстро накидать фичу и не думать о запятых. Какой вариант Вам читать и писать было бы удобнее?

    habr.com/ru/articles/1070114/

    #языки_программирования #lisp #функциональное_программирование #синтаксис #fullstack #backend #frontend #статическая_типизация #typescript #python

  3. Пишу русскоязычный ЯП. Помогите выбрать самый читаемый вариант синтаксиса

    Если честно, я давно планировал написать свой язык. Просто надоело на каждом проекте писать одинаковый бойлерплейт, ловить неожиданные ошибки в рантайме, натыкаться на компоненты аля LoanPreloanInterractNDFL6.2ReportViewComponent - и гадать - что имел ввиду художник... В итоге получился язык "Марка" — штука статически-типозированная, но в которой типы живут во время выполнения, ошибки обрабатываются сами, а из REPL можно сразу дергать запросы и смотреть, что приходит на клиенте и сервере. Как давно мечтал. Но раскидав исходники по знакомым, получил неутешительный фидбэк: читать трудно! Встал дурацкий вопрос: как это должно выглядеть в коде, чтобы было удобно? Я набросал 4 варианта синтаксиса — от LISP-стиля до почти Python - нотации. У каждого есть плюсы и минусы, и я уже неделю не могу выбрать. Т.к. язык русскоязычный, все варинаты сделаны так, чтобы в процессе кодинга не пришлось переключать раскадку. Для некоторых действиет правило: - `фун(эл1 эл2)` символ без пробела перед скобкой - значит вызов функции - `(эл1 эл2)` нет символа без пробел перед скобкой - значит список Поэтому хочу обратиться за помощью к вам: какой вариант был бы реально удобен в ежедневной работе? Не теоретически, а когда надо быстро накидать фичу и не думать о запятых. Какой вариант Вам читать и писать было бы удобнее?

    habr.com/ru/articles/1070114/

    #языки_программирования #lisp #функциональное_программирование #синтаксис #fullstack #backend #frontend #статическая_типизация #typescript #python

  4. Реалтайм на WebSocket со сквозной типизацией: TypeScript, Bun, React, Point0

    Бывает так: есть фулстек проект, и в нём всё хорошо. Откуда-то есть сквозные типы (tRPC, генерация из OpenAPI), есть авторизация, есть основной функционал. А потом вы решаете добавить реалтайм: уведомление о новом посте в ленте, чат между пользователями, интерактивную доску. И появляется целый новый слой абстракций, в котором надо заново изобрести всё, что в проекте уже есть, только на новый лад. И дальше поддерживать две разные системы. В своём фреймворке Point0 я добавил четыре новых реалтайм-поинта (структурные единицы наравне со страницами, лэйаутами, квери, мутациями): канал, спейс, клиентский хэндлер, серверный хэндлер. На них собирается практически любая реалтайм-функциональность, кода получается мало, и читается он интуитивно. Эти поинты несут те же свойства, что и все остальные: код сервера и клиента живут в одном файле, компилятор вырезает клиентский код из серверной сборки, а серверный из клиентской типизация сквозная и выводится из дженериков самого фреймворка, без генерации типов Под катом покажу на примерах, как это работает, и объясню суть парадигмы, чтобы вы могли собрать любое реалтайм-приложение.

    habr.com/ru/articles/1069716/

    #react #typescript #nodejs #point0 #bun #websocket #webdevelopment #realtime #fullstack

  5. Реалтайм на WebSocket со сквозной типизацией: TypeScript, Bun, React, Point0

    Бывает так: есть фулстек проект, и в нём всё хорошо. Откуда-то есть сквозные типы (tRPC, генерация из OpenAPI), есть авторизация, есть основной функционал. А потом вы решаете добавить реалтайм: уведомление о новом посте в ленте, чат между пользователями, интерактивную доску. И появляется целый новый слой абстракций, в котором надо заново изобрести всё, что в проекте уже есть, только на новый лад. И дальше поддерживать две разные системы. В своём фреймворке Point0 я добавил четыре новых реалтайм-поинта (структурные единицы наравне со страницами, лэйаутами, квери, мутациями): канал, спейс, клиентский хэндлер, серверный хэндлер. На них собирается практически любая реалтайм-функциональность, кода получается мало, и читается он интуитивно. Эти поинты несут те же свойства, что и все остальные: код сервера и клиента живут в одном файле, компилятор вырезает клиентский код из серверной сборки, а серверный из клиентской типизация сквозная и выводится из дженериков самого фреймворка, без генерации типов Под катом покажу на примерах, как это работает, и объясню суть парадигмы, чтобы вы могли собрать любое реалтайм-приложение.

    habr.com/ru/articles/1069716/

    #react #typescript #nodejs #point0 #bun #websocket #webdevelopment #realtime #fullstack

  6. Реалтайм на WebSocket со сквозной типизацией: TypeScript, Bun, React, Point0

    Бывает так: есть фулстек проект, и в нём всё хорошо. Откуда-то есть сквозные типы (tRPC, генерация из OpenAPI), есть авторизация, есть основной функционал. А потом вы решаете добавить реалтайм: уведомление о новом посте в ленте, чат между пользователями, интерактивную доску. И появляется целый новый слой абстракций, в котором надо заново изобрести всё, что в проекте уже есть, только на новый лад. И дальше поддерживать две разные системы. В своём фреймворке Point0 я добавил четыре новых реалтайм-поинта (структурные единицы наравне со страницами, лэйаутами, квери, мутациями): канал, спейс, клиентский хэндлер, серверный хэндлер. На них собирается практически любая реалтайм-функциональность, кода получается мало, и читается он интуитивно. Эти поинты несут те же свойства, что и все остальные: код сервера и клиента живут в одном файле, компилятор вырезает клиентский код из серверной сборки, а серверный из клиентской типизация сквозная и выводится из дженериков самого фреймворка, без генерации типов Под катом покажу на примерах, как это работает, и объясню суть парадигмы, чтобы вы могли собрать любое реалтайм-приложение.

    habr.com/ru/articles/1069716/

    #react #typescript #nodejs #point0 #bun #websocket #webdevelopment #realtime #fullstack

  7. 📈 Metrics that actually matter for a web app:

    Don't track:
    ❌ Pageviews (vanity metric)
    ❌ Registered users (who cares if they don't return)

    Do track:
    ✅ DAU/MAU ratio (engagement health)
    ✅ Core action completion rate
    ✅ p99 API latency
    ✅ Error rate by endpoint
    ✅ Revenue per user

    Build a dashboard you check daily.

    #Metrics #WebDev #Analytics #FullStack #SoftwareEngineering #Startups

  8. 📈 Metrics that actually matter for a web app:

    Don't track:
    ❌ Pageviews (vanity metric)
    ❌ Registered users (who cares if they don't return)

    Do track:
    ✅ DAU/MAU ratio (engagement health)
    ✅ Core action completion rate
    ✅ p99 API latency
    ✅ Error rate by endpoint
    ✅ Revenue per user

    Build a dashboard you check daily.

    #Metrics #WebDev #Analytics #FullStack #SoftwareEngineering #Startups

  9. 📈 Metrics that actually matter for a web app:

    Don't track:
    ❌ Pageviews (vanity metric)
    ❌ Registered users (who cares if they don't return)

    Do track:
    ✅ DAU/MAU ratio (engagement health)
    ✅ Core action completion rate
    ✅ p99 API latency
    ✅ Error rate by endpoint
    ✅ Revenue per user

    Build a dashboard you check daily.

    #Metrics #WebDev #Analytics #FullStack #SoftwareEngineering #Startups

  10. 📈 Metrics that actually matter for a web app:

    Don't track:
    ❌ Pageviews (vanity metric)
    ❌ Registered users (who cares if they don't return)

    Do track:
    ✅ DAU/MAU ratio (engagement health)
    ✅ Core action completion rate
    ✅ p99 API latency
    ✅ Error rate by endpoint
    ✅ Revenue per user

    Build a dashboard you check daily.

    #Metrics #WebDev #Analytics #FullStack #SoftwareEngineering #Startups

  11. 🧠 I've used 6 different AI coding assistants. My verdict:

    → Cursor: Best overall for complex refactors
    → GitHub Copilot: Great autocomplete, weaker chat
    → Claude in editor: Best for reasoning + architecture
    → Tabnine: Privacy-focused teams
    → Codeium: Free tier is impressive
    → Supermaven: Speed king

    I use Cursor + Claude daily. Productivity is 2-3x vs without.

    #AI #CodingTools #WebDev #FullStack #Developer #GenerativeAI

  12. 🧠 I've used 6 different AI coding assistants. My verdict:

    → Cursor: Best overall for complex refactors
    → GitHub Copilot: Great autocomplete, weaker chat
    → Claude in editor: Best for reasoning + architecture
    → Tabnine: Privacy-focused teams
    → Codeium: Free tier is impressive
    → Supermaven: Speed king

    I use Cursor + Claude daily. Productivity is 2-3x vs without.

    #AI #CodingTools #WebDev #FullStack #Developer #GenerativeAI

  13. 🧠 I've used 6 different AI coding assistants. My verdict:

    → Cursor: Best overall for complex refactors
    → GitHub Copilot: Great autocomplete, weaker chat
    → Claude in editor: Best for reasoning + architecture
    → Tabnine: Privacy-focused teams
    → Codeium: Free tier is impressive
    → Supermaven: Speed king

    I use Cursor + Claude daily. Productivity is 2-3x vs without.

    #AI #CodingTools #WebDev #FullStack #Developer #GenerativeAI

  14. 🧠 I've used 6 different AI coding assistants. My verdict:

    → Cursor: Best overall for complex refactors
    → GitHub Copilot: Great autocomplete, weaker chat
    → Claude in editor: Best for reasoning + architecture
    → Tabnine: Privacy-focused teams
    → Codeium: Free tier is impressive
    → Supermaven: Speed king

    I use Cursor + Claude daily. Productivity is 2-3x vs without.

    #AI #CodingTools #WebDev #FullStack #Developer #GenerativeAI

  15. 🧪 Testing AI systems — what actually works:

    Unit tests: ❌ (too brittle for LLM output)
    E2E tests: ⚠️ (expensive, flaky)
    LLM-as-judge: ✅ (ask GPT-4 to grade outputs)
    Golden datasets: ✅ (curate 50-100 examples)
    Human eval spot checks: ✅ (weekly)

    Track: accuracy, hallucination rate, latency, cost per call.

    Evals are your safety net. Build them early.

    #AI #LLM #Testing #GenerativeAI #RAG #FullStack #MachineLearning

  16. 🧪 Testing AI systems — what actually works:

    Unit tests: ❌ (too brittle for LLM output)
    E2E tests: ⚠️ (expensive, flaky)
    LLM-as-judge: ✅ (ask GPT-4 to grade outputs)
    Golden datasets: ✅ (curate 50-100 examples)
    Human eval spot checks: ✅ (weekly)

    Track: accuracy, hallucination rate, latency, cost per call.

    Evals are your safety net. Build them early.

    #AI #LLM #Testing #GenerativeAI #RAG #FullStack #MachineLearning

  17. 🧪 Testing AI systems — what actually works:

    Unit tests: ❌ (too brittle for LLM output)
    E2E tests: ⚠️ (expensive, flaky)
    LLM-as-judge: ✅ (ask GPT-4 to grade outputs)
    Golden datasets: ✅ (curate 50-100 examples)
    Human eval spot checks: ✅ (weekly)

    Track: accuracy, hallucination rate, latency, cost per call.

    Evals are your safety net. Build them early.

    #AI #LLM #Testing #GenerativeAI #RAG #FullStack #MachineLearning

  18. 🧪 Testing AI systems — what actually works:

    Unit tests: ❌ (too brittle for LLM output)
    E2E tests: ⚠️ (expensive, flaky)
    LLM-as-judge: ✅ (ask GPT-4 to grade outputs)
    Golden datasets: ✅ (curate 50-100 examples)
    Human eval spot checks: ✅ (weekly)

    Track: accuracy, hallucination rate, latency, cost per call.

    Evals are your safety net. Build them early.

    #AI #LLM #Testing #GenerativeAI #RAG #FullStack #MachineLearning

  19. Фронтенд никогда не умрёт

    Каждые пять лет я слышу одно и то же: фронтенд больше не нужен, ему остался последний год. Сначала говорили про визуальные конструкторы - Wix, Tilda, все дела. Потом, когда ИИ выстрелил, начали хоронить разработчиков под флагом «AI напишет тебе кнопку за секунду». А сейчас новая мода - фулстекеры. Приходят такие ребята и говорят: «Да зачем нам отдельный фронт, я сам и бэк, и фронт на коленке соберу, проект сэкономит, все будут счастливы». Давай просто выдохнем и разберемся, что на самом деле происходит, без паники и хайпа.

    habr.com/ru/articles/1063144/

    #fullstack #frontend #backend

  20. Фронтенд никогда не умрёт

    Каждые пять лет я слышу одно и то же: фронтенд больше не нужен, ему остался последний год. Сначала говорили про визуальные конструкторы - Wix, Tilda, все дела. Потом, когда ИИ выстрелил, начали хоронить разработчиков под флагом «AI напишет тебе кнопку за секунду». А сейчас новая мода - фулстекеры. Приходят такие ребята и говорят: «Да зачем нам отдельный фронт, я сам и бэк, и фронт на коленке соберу, проект сэкономит, все будут счастливы». Давай просто выдохнем и разберемся, что на самом деле происходит, без паники и хайпа.

    habr.com/ru/articles/1063144/

    #fullstack #frontend #backend

  21. Фронтенд никогда не умрёт

    Каждые пять лет я слышу одно и то же: фронтенд больше не нужен, ему остался последний год. Сначала говорили про визуальные конструкторы - Wix, Tilda, все дела. Потом, когда ИИ выстрелил, начали хоронить разработчиков под флагом «AI напишет тебе кнопку за секунду». А сейчас новая мода - фулстекеры. Приходят такие ребята и говорят: «Да зачем нам отдельный фронт, я сам и бэк, и фронт на коленке соберу, проект сэкономит, все будут счастливы». Давай просто выдохнем и разберемся, что на самом деле происходит, без паники и хайпа.

    habr.com/ru/articles/1063144/

    #fullstack #frontend #backend

  22. Ваш AI-агент не понимает код. Он просто очень уверенно угадывает — поэтому мы создали SLICER

    AI-агенты отлично решают локальные задачи, но часто теряют связи между частями большой кодовой базы. Из-за этого изменение одной функции может незаметно сломать frontend, backend-роут, сервис, repository, background task или тест. В статье разбирается CodeSlicer — локальный CLI, MCP-сервер и визуальный анализатор, который строит проверяемый граф влияния проекта. Он связывает функции, классы, DI-провайдеры, HTTP-endpoint’ы, frontend-компоненты и тесты, сохраняя evidence chain, provenance, confidence и причины каждой связи. Показывается полный pipeline: inventory, extraction, semantic resolution, support packs, unknown regions, mutation testing, runtime observation и impact analysis. Отдельно разобрано, почему система не должна превращать предположение AI в подтверждённое ребро. На размеченных Python-сценариях протестированы 21 тестовый сценарий, 29 mutation-сценариев, 20 обязательных semantic edges, 0 false positive и 0 false negative. Для TypeScript и frontend-backend bridge проверены 12 сценариев, 15 мутаций и 4 cross-language цепочки с endpoint precision 1.0. Также рассматриваются интеграции с AI-агентами через CLI, MCP и skills, отличие CodeSlicer от обычных графов кода и дальнейшее развитие проверенного registry библиотек

    habr.com/ru/articles/1063004/

    #AIагенты #статический_анализ #граф_зависимостей #Python #TypeScript #MCP #code_review #рефакторинг #fullstack #developer_tools

  23. Ваш AI-агент не понимает код. Он просто очень уверенно угадывает — поэтому мы создали SLICER

    AI-агенты отлично решают локальные задачи, но часто теряют связи между частями большой кодовой базы. Из-за этого изменение одной функции может незаметно сломать frontend, backend-роут, сервис, repository, background task или тест. В статье разбирается CodeSlicer — локальный CLI, MCP-сервер и визуальный анализатор, который строит проверяемый граф влияния проекта. Он связывает функции, классы, DI-провайдеры, HTTP-endpoint’ы, frontend-компоненты и тесты, сохраняя evidence chain, provenance, confidence и причины каждой связи. Показывается полный pipeline: inventory, extraction, semantic resolution, support packs, unknown regions, mutation testing, runtime observation и impact analysis. Отдельно разобрано, почему система не должна превращать предположение AI в подтверждённое ребро. На размеченных Python-сценариях протестированы 21 тестовый сценарий, 29 mutation-сценариев, 20 обязательных semantic edges, 0 false positive и 0 false negative. Для TypeScript и frontend-backend bridge проверены 12 сценариев, 15 мутаций и 4 cross-language цепочки с endpoint precision 1.0. Также рассматриваются интеграции с AI-агентами через CLI, MCP и skills, отличие CodeSlicer от обычных графов кода и дальнейшее развитие проверенного registry библиотек

    habr.com/ru/articles/1063004/

    #AIагенты #статический_анализ #граф_зависимостей #Python #TypeScript #MCP #code_review #рефакторинг #fullstack #developer_tools

  24. Ваш AI-агент не понимает код. Он просто очень уверенно угадывает — поэтому мы создали SLICER

    AI-агенты отлично решают локальные задачи, но часто теряют связи между частями большой кодовой базы. Из-за этого изменение одной функции может незаметно сломать frontend, backend-роут, сервис, repository, background task или тест. В статье разбирается CodeSlicer — локальный CLI, MCP-сервер и визуальный анализатор, который строит проверяемый граф влияния проекта. Он связывает функции, классы, DI-провайдеры, HTTP-endpoint’ы, frontend-компоненты и тесты, сохраняя evidence chain, provenance, confidence и причины каждой связи. Показывается полный pipeline: inventory, extraction, semantic resolution, support packs, unknown regions, mutation testing, runtime observation и impact analysis. Отдельно разобрано, почему система не должна превращать предположение AI в подтверждённое ребро. На размеченных Python-сценариях протестированы 21 тестовый сценарий, 29 mutation-сценариев, 20 обязательных semantic edges, 0 false positive и 0 false negative. Для TypeScript и frontend-backend bridge проверены 12 сценариев, 15 мутаций и 4 cross-language цепочки с endpoint precision 1.0. Также рассматриваются интеграции с AI-агентами через CLI, MCP и skills, отличие CodeSlicer от обычных графов кода и дальнейшее развитие проверенного registry библиотек

    habr.com/ru/articles/1063004/

    #AIагенты #статический_анализ #граф_зависимостей #Python #TypeScript #MCP #code_review #рефакторинг #fullstack #developer_tools

  25. Does #FullStack Software developer imply #JavaScript and #NodeJS? these days? Or something other, more broad than this?

  26. Databases can be classified by how they organize, store, retrieve, and distribute data, as well as how they handle performance and scalability. Here are the main types of databases 😎👇

    Find high-res pdf ebooks with all my DevOps related infographics at study-notes.org

    #database #devops #technology #backend #fullstack

  27. Databases can be classified by how they organize, store, retrieve, and distribute data, as well as how they handle performance and scalability. Here are the main types of databases 😎👇

    Find high-res pdf ebooks with all my DevOps related infographics at study-notes.org

    #database #devops #technology #backend #fullstack

  28. Databases can be classified by how they organize, store, retrieve, and distribute data, as well as how they handle performance and scalability. Here are the main types of databases 😎👇

    Find high-res pdf ebooks with all my DevOps related infographics at study-notes.org

    #database #devops #technology #backend #fullstack

  29. Hey gang, I'm looking for a new full-time role for the first time since… I think 2012?

    I've been building software for more than 20 years, I have deep experience with a variety of languages and platforms, and I've led multiple successful engineering teams.

    I'm open to remote work, or in-person local to Pittsburgh, PA.

    I appreciate any boosts you're willing to give.

    #fedihire #web #ios #macos #swift #python #typescript #frontend #backend #fullstack #pittsburgh

  30. Hey gang, I'm looking for a new full-time role for the first time since… I think 2012?

    I've been building software for more than 20 years, I have deep experience with a variety of languages and platforms, and I've led multiple successful engineering teams.

    I'm open to remote work, or in-person local to Pittsburgh, PA.

    I appreciate any boosts you're willing to give.

    #fedihire #web #ios #macos #swift #python #typescript #frontend #backend #fullstack #pittsburgh

  31. Hey gang, I'm looking for a new full-time role for the first time since… I think 2012?

    I've been building software for more than 20 years, I have deep experience with a variety of languages and platforms, and I've led multiple successful engineering teams.

    I'm open to remote work, or in-person local to Pittsburgh, PA.

    I appreciate any boosts you're willing to give.

    #fedihire #web #ios #macos #swift #python #typescript #frontend #backend #fullstack #pittsburgh

  32. Hey gang, I'm looking for a new full-time role for the first time since… I think 2012?

    I've been building software for more than 20 years, I have deep experience with a variety of languages and platforms, and I've led multiple successful engineering teams.

    I'm open to remote work, or in-person local to Pittsburgh, PA.

    I appreciate any boosts you're willing to give.

    #fedihire #web #ios #macos #swift #python #typescript #frontend #backend #fullstack #pittsburgh

  33. 🔄 CI/CD pipeline I use for every project:

    1/ GitHub Actions (lint, typecheck, test on PR)
    2/ Preview deployments on Vercel/Railway
    3/ Automated DB migrations via Drizzle
    4/ Sentry for error monitoring
    5/ Lighthouse CI for performance regression

    Merge to main = deployed in ~3min.

    Fast feedback loops = faster product iteration.

    #DevOps #CI #CD #WebDev #FullStack #GitHub #Programming

  34. ⚡ Edge computing for AI apps — here's when it makes sense:

    ✅ Auth checks (middleware)
    ✅ A/B testing logic
    ✅ Geolocation routing
    ✅ Rate limiting

    ❌ Don't put on edge:
    → Heavy AI inference
    → Database queries (no persistent connections)
    → File processing

    Edge is fast but limited. Use it surgically.

    #CloudComputing #WebDev #NextJS #AI #FullStack #Performance #Edge

  35. ⚡ Edge computing for AI apps — here's when it makes sense:

    ✅ Auth checks (middleware)
    ✅ A/B testing logic
    ✅ Geolocation routing
    ✅ Rate limiting

    ❌ Don't put on edge:
    → Heavy AI inference
    → Database queries (no persistent connections)
    → File processing

    Edge is fast but limited. Use it surgically.

    #CloudComputing #WebDev #NextJS #AI #FullStack #Performance #Edge

  36. ⚡ Edge computing for AI apps — here's when it makes sense:

    ✅ Auth checks (middleware)
    ✅ A/B testing logic
    ✅ Geolocation routing
    ✅ Rate limiting

    ❌ Don't put on edge:
    → Heavy AI inference
    → Database queries (no persistent connections)
    → File processing

    Edge is fast but limited. Use it surgically.

    #CloudComputing #WebDev #NextJS #AI #FullStack #Performance #Edge

  37. Mermaid как платная AI функция в проекте Django/Next

    Mermaid это текстовый формат описания диаграмм. В строках задаются тип схемы, узлы и связи. На выходе получается SVG. Формат подходит для API и базы данных. Код можно сгенерировать, проверить, сохранить, открыть повторно и отрендерить на клиенте. В mermind/ views.py добавлен 503 , если ответ модели не начинается с валидной головы Mermaid. Без этой проверки запрос завершается успешно, ответ от модели приходит, но диаграмма не строится. В ответе остаются fenced-блоки, Markdown, строки с # , служебный текст и фрагменты до первой строки диаграммы. В проекте собран полный серверный и клиентский контур. Генерация, очистка ответа, проверка, рендер, повторная правка, сохранение и библиотека. Как извлекать Mermaid-код из ответа модели. Ответ сначала режется до fenced-блока. Потом проверяется первая строка.

    habr.com/ru/articles/1061160/

    #Mermaid #Nextjs #Django #TypeScript #OpenRouter #LLM #AI #Fullstack #API #SVG

  38. Mermaid как платная AI функция в проекте Django/Next

    Mermaid это текстовый формат описания диаграмм. В строках задаются тип схемы, узлы и связи. На выходе получается SVG. Формат подходит для API и базы данных. Код можно сгенерировать, проверить, сохранить, открыть повторно и отрендерить на клиенте. В mermind/ views.py добавлен 503 , если ответ модели не начинается с валидной головы Mermaid. Без этой проверки запрос завершается успешно, ответ от модели приходит, но диаграмма не строится. В ответе остаются fenced-блоки, Markdown, строки с # , служебный текст и фрагменты до первой строки диаграммы. В проекте собран полный серверный и клиентский контур. Генерация, очистка ответа, проверка, рендер, повторная правка, сохранение и библиотека. Как извлекать Mermaid-код из ответа модели. Ответ сначала режется до fenced-блока. Потом проверяется первая строка.

    habr.com/ru/articles/1061160/

    #Mermaid #Nextjs #Django #TypeScript #OpenRouter #LLM #AI #Fullstack #API #SVG

  39. Mermaid как платная AI функция в проекте Django/Next

    Mermaid это текстовый формат описания диаграмм. В строках задаются тип схемы, узлы и связи. На выходе получается SVG. Формат подходит для API и базы данных. Код можно сгенерировать, проверить, сохранить, открыть повторно и отрендерить на клиенте. В mermind/ views.py добавлен 503 , если ответ модели не начинается с валидной головы Mermaid. Без этой проверки запрос завершается успешно, ответ от модели приходит, но диаграмма не строится. В ответе остаются fenced-блоки, Markdown, строки с # , служебный текст и фрагменты до первой строки диаграммы. В проекте собран полный серверный и клиентский контур. Генерация, очистка ответа, проверка, рендер, повторная правка, сохранение и библиотека. Как извлекать Mermaid-код из ответа модели. Ответ сначала режется до fenced-блока. Потом проверяется первая строка.

    habr.com/ru/articles/1061160/

    #Mermaid #Nextjs #Django #TypeScript #OpenRouter #LLM #AI #Fullstack #API #SVG

  40. Our next #JCON2026 session is live: 'Why Full-Stack Is the #Future of #Web Application Development' with Leif Åstrand

    There's currently a trend away from typical #SPA frameworks and towards #fullstack solutions where both the #frontend and …

    Grab your coffee and hit play: youtu.be/1_Vn8UZ-N64

  41. Our next #JCON2026 session is live: 'Why Full-Stack Is the #Future of #Web Application Development' with Leif Åstrand

    There's currently a trend away from typical #SPA frameworks and towards #fullstack solutions where both the #frontend and …

    Grab your coffee and hit play: youtu.be/1_Vn8UZ-N64

  42. Our next #JCON2026 session is live: 'Why Full-Stack Is the #Future of #Web Application Development' with Leif Åstrand

    There's currently a trend away from typical #SPA frameworks and towards #fullstack solutions where both the #frontend and …

    Grab your coffee and hit play: youtu.be/1_Vn8UZ-N64

  43. Our next #JCON2026 session is live: 'Why Full-Stack Is the #Future of #Web Application Development' with Leif Åstrand

    There's currently a trend away from typical #SPA frameworks and towards #fullstack solutions where both the #frontend and …

    Grab your coffee and hit play: youtu.be/1_Vn8UZ-N64

  44. 🌱 OSS contribution tips for devs in 2026:

    1/ Start with docs — underrated, high-impact
    2/ Fix typos, then bugs, then features
    3/ Read CONTRIBUTING.md before anything
    4/ Comment before coding ("I'm working on X")
    5/ Small PRs merge faster than large ones

    My first merged PR was a one-line fix. Now I maintain packages with 10k+ stars.

    Every expert was once a beginner.

    #OpenSource #GitHub #WebDev #FullStack #CareerTips #Programming

  45. 💻 Why I choose TypeScript for everything — even scripts:

    ✅ Catch bugs before runtime
    ✅ Self-documenting code
    ✅ Refactoring with confidence
    ✅ Better IDE experience
    ✅ Works with Zod for runtime safety too

    The one-time cost of typing = saved hours of debugging.

    If you're still on plain JS for your backend — try ts-node or Bun today.

    #TypeScript #JavaScript #NodeJS #WebDev #FullStack #Programming

  46. 🧩 Building a chatbot with memory in 2026:

    Step 1: Short-term memory → Conversation history in context
    Step 2: Long-term memory → User facts in vector DB (pgvector)
    Step 3: Episodic memory → Summarise past sessions
    Step 4: Semantic memory → RAG over your knowledge base

    The magic: combine all 4 layers.

    This is how you build AI that feels like it "knows" you.

    #AI #LLM #RAG #GenerativeAI #FullStack #ChatBot #MachineLearning

  47. 🧩 Building a chatbot with memory in 2026:

    Step 1: Short-term memory → Conversation history in context
    Step 2: Long-term memory → User facts in vector DB (pgvector)
    Step 3: Episodic memory → Summarise past sessions
    Step 4: Semantic memory → RAG over your knowledge base

    The magic: combine all 4 layers.

    This is how you build AI that feels like it "knows" you.

    #AI #LLM #RAG #GenerativeAI #FullStack #ChatBot #MachineLearning

  48. 🧩 Building a chatbot with memory in 2026:

    Step 1: Short-term memory → Conversation history in context
    Step 2: Long-term memory → User facts in vector DB (pgvector)
    Step 3: Episodic memory → Summarise past sessions
    Step 4: Semantic memory → RAG over your knowledge base

    The magic: combine all 4 layers.

    This is how you build AI that feels like it "knows" you.

    #AI #LLM #RAG #GenerativeAI #FullStack #ChatBot #MachineLearning

  49. 📊 Database decisions that scale:

    For most apps:
    → PostgreSQL (with pgvector for AI apps)
    → Redis for cache/sessions
    → S3 for files

    When to reach for something else:
    → MongoDB: truly schemaless docs (rare)
    → ClickHouse: analytics at massive scale
    → DynamoDB: infinite write throughput (AWS-locked)

    Don't over-engineer. PostgreSQL handles more than you think.

    #Database #WebDev #PostgreSQL #FullStack #Backend #NodeJS

  50. 📊 Database decisions that scale:

    For most apps:
    → PostgreSQL (with pgvector for AI apps)
    → Redis for cache/sessions
    → S3 for files

    When to reach for something else:
    → MongoDB: truly schemaless docs (rare)
    → ClickHouse: analytics at massive scale
    → DynamoDB: infinite write throughput (AWS-locked)

    Don't over-engineer. PostgreSQL handles more than you think.

    #Database #WebDev #PostgreSQL #FullStack #Backend #NodeJS

  51. 📊 Database decisions that scale:

    For most apps:
    → PostgreSQL (with pgvector for AI apps)
    → Redis for cache/sessions
    → S3 for files

    When to reach for something else:
    → MongoDB: truly schemaless docs (rare)
    → ClickHouse: analytics at massive scale
    → DynamoDB: infinite write throughput (AWS-locked)

    Don't over-engineer. PostgreSQL handles more than you think.

    #Database #WebDev #PostgreSQL #FullStack #Backend #NodeJS

  52. 📊 Database decisions that scale:

    For most apps:
    → PostgreSQL (with pgvector for AI apps)
    → Redis for cache/sessions
    → S3 for files

    When to reach for something else:
    → MongoDB: truly schemaless docs (rare)
    → ClickHouse: analytics at massive scale
    → DynamoDB: infinite write throughput (AWS-locked)

    Don't over-engineer. PostgreSQL handles more than you think.

    #Database #WebDev #PostgreSQL #FullStack #Backend #NodeJS