I am experimenting Tegami.js, a simple tool for custom versioning pipelines inspired by changesets

I won't pretend I'm switching back to CDK over this. CloudFormation pains are real. Slow ChangeSets, a diff command that lies by default. Terraform stays my all-time favorite.

huge performance fix from @elucid_ont just landed if you saw sluggish performance on large changesets, give 0.15.3 a try github.com/modem-dev/hunk/pu…

are you only working on small changesets? thats the only scenario I can think of where you might be able to avoid this problem or minimize this problem otherwise its pretty ever present, either in large forms or small forms

What IS stored: the incremental diffs from players altering the world. A block mined here, a structure built there. All flowing through our SQL API as changesets. GridScript is being adjusted right now to expose that SQL API natively, alongside the existing JavaScript surface.

tangential - but I just looked into auth stuff for Changesets and how to support package managers... and it seems that only pnpm doesn't support some way to have default auth not depend on a file at all

Microsoft Edge moves to a two-week Stable release cycle starting version 152 in August, halving its current monthly cadence. Smaller changesets mean faster security patches, tighter validation windows for IT teams not on Extended Stable. thecircuitry.to/article/micr…

Alibaba just open-sourced its internal AI code reviewer — the one that's been running their codebase for 2 years. open-code-review — battle-tested by 20,000 Alibaba engineers, 1M reviews executed, millions of defects caught. Now it's free. Apache-2.0. One command to install. And here's the kicker: it's not "yet another LLM wrapper." Everyone who's tried code review with generic agents knows the pain: → Agent skips files on big changesets → Line numbers drift off target → Quality changes every time you tweak the prompt Alibaba's fix is brutal in its simplicity: don't let the LLM do everything. Deterministic engineering handles what must never fail — file selection, smart bundling, rule matching, comment positioning. The agent handles what it's actually good at — reading context, searching the codebase, deep reasoning. The result: → 1/5 the token cost of a generic agent skills → Precise line-level comments that don't drift → Stable on massive PRs (each bundle runs as an isolated sub-agent) → Built-in rules for NPE, thread-safety, XSS, SQL injection Setup is genuinely this: npm install -g @alibaba-group/open-code-review ocr review Bring any model — Claude, GPT, Qwen, whatever. Works as a CLI, in CI/CD, or as a slash command inside Claude Code and Codex. Big tech spent two years debugging AI code review at scale so you don't have to. The repo is already climbing fast. Link in comments 👇

Manual SQL scripts can turn your deployments into guessing games. In this guide, @ashutoshkrris shows you how to version-control database changes with Liquibase and Spring Boot. You'll create changeLogs and changeSets, track migration history, handle rollbacks, avoid schema drift, and ship database updates safely. freecodecamp.org/news/databa…

في كثير من مشاريع البرمجيات، يتم التعامل مع قاعدة البيانات بطريقة مختلفة عن الكود البرمجي. فبينما تتم إدارة الكود باستخدام Git وأنظمة التحكم بالإصدارات، غالبًا ما تُنفذ تعديلات قاعدة البيانات يدويًا عبر أوامر SQL متناثرة بين أعضاء الفريق. ومع مرور الوقت يؤدي ذلك إلى مشكلة شائعة تُعرف باسم Schema Drift، حيث تصبح بيئات التطوير والاختبار والإنتاج غير متطابقة، مما يسبب أخطاء يصعب تتبعها ويزيد من تعقيد عمليات النشر. تتناول هذه المقالة مفهوم التحكم في إصدارات قواعد البيانات (Database Version Control) باستخدام Liquibase وSpring Boot، وتوضح كيف يمكن التعامل مع بنية قاعدة البيانات بنفس الانضباط الذي نتعامل به مع الكود البرمجي. تشرح المقالة التحديات التي تواجه الفرق البرمجية عند إدارة التعديلات على قواعد البيانات يدويًا، مثل فقدان ملفات SQL، أو تنفيذ التعديلات بترتيب غير صحيح، أو اختلاف هيكلية الجداول بين البيئات المختلفة. كما توضح كيف يؤدي ذلك إلى زيادة المخاطر أثناء النشر وصعوبة التعاون بين أعضاء الفريق. ويأتي Liquibase كحل لهذه المشكلة من خلال تحويل تغييرات قاعدة البيانات إلى مكونات قابلة للتتبع والإدارة داخل المستودع البرمجي نفسه. فبدلًا من مشاركة ملفات SQL بشكل منفصل، يتم تعريف التعديلات على شكل Migrations أو ChangeSets تُنفذ تلقائيًا عند تشغيل التطبيق. كما تستعرض المقالة المفاهيم الأساسية في Liquibase، مثل ChangeLog الذي يمثل الملف الرئيسي لإدارة التعديلات، وChangeSet الذي يمثل وحدة تغيير مستقلة داخل قاعدة البيانات، بالإضافة إلى آلية DATABASECHANGELOG التي تستخدمها الأداة لتتبع جميع التعديلات المنفذة ومنع تكرارها أو تنفيذها بشكل خاطئ. ومن الجوانب المهمة التي تناقشها المقالة استخدام Checksums للتحقق من سلامة ملفات الترحيل واكتشاف أي تعديل غير متوقع بعد تنفيذها، مما يضيف طبقة إضافية من الحماية والموثوقية. تمثل هذه الممارسات جزءًا أساسيًا من ثقافة DevOps الحديثة، حيث يتم التعامل مع قاعدة البيانات باعتبارها جزءًا من دورة تطوير البرمجيات وليس مكونًا منفصلًا عنها. ولذلك تعد هذه المقالة مفيدة لمطوري Java، ومهندسي البرمجيات، وفرق DevOps، وكل من يعمل على بناء تطبيقات تعتمد على قواعد بيانات قابلة للتوسع والصيانة طويلة الأمد. #برمجة #تقنية #Liquibase freecodecamp.org/news/databa…

🚢 Squad v0.10.0 shipped. 97 changesets since April. `squad loop` · `squad upgrade --self` · `squad discover`/`delegate` for cross-squad orchestration · 2.9x faster /fleet dispatch · rework rate OTEL metrics · built-in RAI reviewer github.com/bradygaster/squad…

I found the code review tool Alibaba has been using internally for 2 years before open-sourcing it. It's called Open Code Review. 3.9K GitHub stars and climbing. Here's the part that got my attention: Most AI code review tools send your diff to an LLM and let the model figure everything out. File selection, line matching, coverage, all of it. The problem is LLMs cut corners on large changesets. They report wrong line numbers. Their output quality changes with minor prompt variations. Alibaba's approach splits the work: → Deterministic pipelines handle file selection, bundling related files together, line-number positioning, and rule routing → The LLM agent handles risk detection, context exploration, and issue classification → Each file bundle runs as a sub-agent with isolated context The agent can read full file contents, search the codebase, and inspect other changed files. But it never decides which files to review. That's handled by engineering logic that doesn't hallucinate. Built-in rulesets catch NPE, thread-safety issues, XSS, and SQL injection out of the box. Install globally with npm, or add it as a Claude Code / Codex skill. Open source. Free.

Btw asking since it’s been a while: is this still your approach wrt changesets and programming?

اینکه با وجود ابزارهایی مثل semantic-release و changesets و ... هنوز تو یه سری پروژه‌ها changelog رو دستی تو هر MR آپدیت میکنن رو درک نمیکنم!