اگر تا به حال یک ساعت وقت صرف کرده‌اید تا ایمیلی را که چت‌بات نوشته «کمتر رباتیک» کنید، با دیوار «تغییر بافت» برخورد کرده‌اید. این اصطکاک ذهنی دقیقاً همان چیزی است که توسعه‌دهنده‌ی AivaDesk را ترغیب کرد تا در ۸ ژوئن ۲۰۲۶ مجموعه‌ای از ابزارهای هدفمند را عرضه کند.
اکثر کاربران برای هر تسک از یک رابط گفتگو استفاده می‌کنند. اما این روش باعث می‌شود کنترل لحن متن دشوار شود. مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری است که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — اما برای هر تکلیف جدید، باید دوباره به او بگویید چه کسی باشد.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی مهندسی پرامپت (Prompt Engineering) — هنر سؤال درست پرسیدن، شبیه به کسی که می‌داند چطور از یک مشاور باتجربه بهترین جواب را بگیرد — اشاره کردیم، تکیه بر دستورات طولانی همیشه پاسخگو نیست. به نقل از گزارش وب‌سایت dev.to، پلتفرم AivaDesk شامل ۵ ابزار مجزا است که بر پایه مدل‌های Qwen از سرویس Alibaba Cloud DashScope ساخته شده‌اند:
- بازنویسی (Rewrite): تغییر سریع لحن بین حالت‌های رسمی، دوستانه، خلاقانه و آکادمیک.
- ایمیل اداری: تبدیل یادداشت‌های پراکنده به پیش‌نویس‌های صیقل‌خورده.
- رزومه‌ساز: تبدیل تجربیات شغلی به دستاوردهایی که با افعال کنشی شروع می‌شوند.
- خلاصه‌ساز جلسات: استخراج نقاط کلیدی و کارهای اجرایی از یادداشت‌های خام.
- درخواست مرخصی: تولید سریع یادداشت‌های رسمی برای مرخصی.
این پروژه از Vercel Serverless Functions برای بک‌اند، Prisma Postgres برای پایگاه داده و Tailwind CSS برای رابط کاربری استفاده می‌کند. دسترسی به این ابزارها در سه سطح است: نسخه‌ی رایگان (۳ استفاده در روز)، طرح حرفه‌ای (۵ دلار در ماه) و سطح API برای توسعه‌دهندگان (۱۵ دلار در ماه).
بر اساس بررسی منابع متعدد، این تغییر رویکرد نشان می‌دهد مرحله بعدی پذیرش هوش مصنوعی نه در مدل‌های بزرگ‌تر، بلکه در «تحویل کیلومتر آخری» است. برای یک کارمند عادی، این یعنی زمان کمتری برای کلنجار رفتن با پرامپت‌ها و زمان بیشتر برای ویرایش محتوا. با تثبیت نقش و هدف در سطح رابط کاربری، متغیرهایی که باعث نوسان خروجی مدل می‌شدند، حذف شده‌اند.
گام بعدی شما
- به جای استفاده از یک چت‌بات همه‌کاره، برای هر تسک تکراری یک «پوشش» (Wrapper) تخصصی بسازید.
- روی خروجی‌های مدل‌های Qwen برای متون اداری تمرکز کنید.
- منتظر عرضه ربات تلگرامی این پروژه برای دریافت راهنمایی‌های لحظه‌ای در گروه‌ها باشید.
اما تأثیر این رویکرد بر کاهش هزینه‌های استنتاج (Inference) در مدل‌های کوچک‌تر، موضوع دیگری است که در گزارش بعدی بررسی خواهیم کرد.
گفتگو