پرش به محتوای اصلی

دسته‌بندی

آموزش کاربردی

راهنماهای گام‌به‌گام، دوره‌ها و آموزش‌های کاربردی استفاده از هوش مصنوعی — از مهندسی پرامپت تا فاین‌تیون و RAG.

۸٬۳۸۹ مقاله منتشر شده

نشست ModCon 2026: متن‌باز، ابر متن‌باز، سیلیکون متن‌باز
آموزش کاربردی

متن‌باز شدن ابزارهای Mojo چه تأثیری بر بهینه‌سازی نرم‌افزارهای AI دارد؟

زبان برنامه‌نویسی Mojo اکنون تمام کدهای منبع کامپایلر و ابزارهای توسعه خود را به‌صورت متن‌باز منتشر کرده است. این اقدام به توسعه‌دهندگان اجازه می‌دهد با شفافیت کامل، نرم‌افزارهای…

۳ دقیقه خواندن۲
کد Slack عامل‌های کدنویسی AI را در کانال‌های اختصاصی پروژه قرار می‌دهد

اسلک کد: انتقال توسعه نرم‌افزار از چت‌های خصوصی به کانال‌های مشترک

اسلک قابلیت Slack Code را معرفی کرد تا عامل‌های کدنویس هوش مصنوعی به‌جای گفتگوهای تک‌نفره، در کانال‌های تیمی و به‌صورت شفاف فعالیت کنند. در این مدل جدید، تمام تغییرات کد توسط…

۴ دقیقه خواندن
هک ساعت هوشمند ۲۷ دلاری با کلود
آموزش کاربردی

«جریان‌های کاری عامل‌محور»؛ راهکاری برای ساخت سریع رابط‌های سخت‌افزاری

مایک کاسبرگ با استفاده از Claude و مدل‌های متن‌باز، یک صفحه ساعت سفارشی برای سخت‌افزار ارزان‌قیمت PineTime ساخت. این پروژه نشان می‌دهد چگونه جریان‌های کاری عامل‌محور می‌توانند…

۴ دقیقه خواندن
وقتی عامل می‌تواند صفحه را بخواند، کاربر را تبدیل به OCR نکنید
آموزش کاربردی

تحلیل جریان‌های کاری: ترکیب DOM و اسکرین‌شات ابهامات عامل‌ها را می‌زداید

یک نقص طراحی در جریان‌های کاری باعث می‌شود عامل‌های هوش مصنوعی حتی با دسترسی به کد صفحه، از کاربر بخواهند وضعیت را تأیید کند. با مقایسهٔ هم‌زمان تصویر و کد، این عامل‌ها می‌توانند…

۲ دقیقه خواندن
تحلیل ابزار DeepSeek (۱): مقدمه‌ای بر عامل‌ها و چارچوب ارزیابی
آموزش کاربردی

DeepSeek: تبدیل قابلیت‌های LLM به پلاگین برای ساخت عامل‌های خودمختار

دیپ‌سیک با معرفی مفهوم Harness، محیطی برای تبدیل مدل‌های زبانی به عامل‌های خودمختار ایجاد کرده است. این سیستم با تبدیل هر قابلیت به یک پلاگین، از پیچیدگی و سنگینی جریان‌های کاری…

۵ دقیقه خواندن
مدل همیشه بخش کند استنتاج محلی نیست
آموزش کاربردی

اولاما با حافظهٔ متاداده تأخیر استنتاج محلی را کاهش داد

نسخه پیش‌انتشار ۰.۳۲.۱۵ اولاما با معرفی حافظهٔ متاداده، سربار هر درخواست را حذف می‌کند. این به‌روزرسانی نشان می‌دهد که سرعت نهایی تجربه کاربر، فراتر از نرخ تولید توکن و وابسته به…

۲ دقیقه خواندن۲
نرده حفاظ می‌تواند نتیجه ابزار را پنهان کند بدون اینکه عمل را لغو کند
آموزش کاربردی

حفاظ‌های OpenAI نتایج ابزارها را پنهان می‌کنند اما اثرات واقعی را لغو نمی‌کنند

یک نقص ساختاری در SDK جدید OpenAI Agents JS نشان می‌دهد که پنهان کردن خروجی یک ابزار از مدل، باعث بازگشت یا لغو عملیات انجام‌شده در دنیای واقعی نمی‌شود. توسعه‌دهندگان باید برای…

۲ دقیقه خواندن۲
پرسیدن از مدل درباره اطمینانش، خطاهای خواندنش را آشکار نمی‌کند
آموزش کاربردی

خطای بصری در مدل‌های زبانی؛ وقتی اطمینان بالا ماسکی برای توهم است

بررسی اسناد مالی نشان می‌دهد مدل‌های زبانی بزرگ حتی هنگام خوانش اشتباه داده‌ها، سطح اطمینان بالایی گزارش می‌کنند. راهکار این مشکل نه در مهندسی پرامپت، بلکه در پیاده‌سازی بررسی‌های…

۶ دقیقه خواندن۱
انتخاب پلتفرم تست عامل صوتی مناسب: ۱۴ سؤال کلیدی
آموزش کاربردی

شبیه‌سازی کاربرهای «آشفته»؛ راهکار جدید برای جلوگیری از شکست عامل‌های صوتی

تست عامل‌های صوتی با پرامپت‌های تک‌مرحله‌ای باعث شکست آن‌ها در محیط واقعی می‌شود، زیرا کاربران واقعی جملات را قطع می‌کنند یا نظرشان تغییر می‌کند. چارچوب جدیدی بر شبیه‌سازی مکالمات…

۵ دقیقه خواندن۲