پرش به محتوای اصلی

موضوع

عامل‌محور

Autonomous agents, tool use, planning, multi-step workflows

۶٬۲۸۰ مقاله منتشر شده

واگذاری صندوق پشتیبانی به هوش مصنوعی؛ سخت‌ترین بخش: آموزش سکوت به آن
آموزش کاربردی

پروژه Agno: حذف ۴۰ دقیقه کار تکراری با عامل‌های هوش مصنوعی سبک

یک توسعه‌دهنده مستقل با طراحی یک عامل هوش مصنوعی سبک، ۴۰ دقیقه از کارهای تکراری مدیریت ایمیل‌های پشتیبانی را حذف کرد. این پروژه اهمیت حیاتی «درگاه‌های خروج» و مدیریت وضعیت برای…

۶ دقیقه خواندن
۳۰ اصطلاح کلیدی هوش مصنوعی عامل‌محور که تیم ما واقعاً از آن‌ها استفاده می‌کند
آموزش کاربردی

۳۰ اصطلاح کلیدی برای استانداردسازی زبان فنی تیم‌های توسعه عامل‌های هوش مصنوعی

یک راهنمای کاربردی جدید با تعریف ۳۰ اصطلاح ضروری، تلاش می‌کند تا سردرگمی میان «حلقه‌های عامل» و «گردش‌کارهای عامل‌محور» را از بین ببرد. این واژه‌نامه ابزاری برای ایجاد زبان مشترک…

۲ دقیقه خواندن۲
جعبه‌ای که عامل در آن اجرا می‌شود — روهان ادووانکار

درون Claude Code و Instinct؛ مدیریت وضعیت عامل‌ها با میکرو-ماشین‌های مجازی

تحلیل فنی جدید نشان می‌دهد Anthropic و Instinct برای اجرای امن عامل‌های هوش مصنوعی از میکرو-ماشین‌های مجازی Firecracker استفاده می‌کنند. در حالی که Claude Code بر کنترل سخت‌گیرانه…

۱۰ دقیقه خواندن۲
کارایی استفاده عامل‌های هوشمند از روش‌های آزمون و تأیید چقدر است؟

تأیید رسمی در برابر استدلال مدل‌ها؛ شکافی در یافتن باگ‌های پیچیده

تحلیلی فنی نشان می‌دهد عامل‌های هوش مصنوعی حتی با دستورات صریح، قادر به استفاده مؤثر از کتابخانه‌های تست پیشرفته یا متدهای تأیید رسمی نیستند. این مدل‌ها به‌جای یافتن باگ‌های…

۵۱ دقیقه خواندن۲
هوش مصنوعی در مدیریت خدمات میدانی: چه چیزی را خودکار کنیم
آموزش کاربردی

۵ گردش‌کار هوش مصنوعی برای مقیاس‌پذیری مدیریت خدمات میدانی

یک چارچوب عملیاتی جدید برای مدیریت خدمات میدانی (FSM)، پنج نقطه کلیدی برای اتوماسیون با ارزش بالا را شناسایی کرده است. این راهنما هشدار می‌دهد که تصمیمات حساس ایمنی هرگز نباید به…

۸ دقیقه خواندن۲
شرکت‌های Alibaba Cloud و Cambricon به بنیاد PyTorch پیوستند و Ant Group عضو طلایی شد.

«استقلال از سازنده»؛ هدف علی‌بابا و کمبریکون از پیوستن به PyTorch

شرکت‌های علی‌بابا کلاود، کمبریکون و آنت گروپ با عضویت در بنیاد PyTorch به دنبال کاهش وابستگی به انویدیا و بهینه‌سازی مدل‌ها روی تراشه‌های متنوع هستند. این اقدام گامی استراتژیک…

۴ دقیقه خواندن
عکاسی محصول با هوش مصنوعی بدون نیاز به پرامپت: سیستم بینایی پرامپت را می‌نویسد، نه کاربر
آموزش کاربردی

درون سیستم CherryShot؛ حذف متون توصیفی برای جلوگیری از تغییر شکل کالا

پلتفرم CherryShot با جایگزینی پرامپت‌های متنی با نقشه‌های ساختاریافته (JSON)، مشکل تغییر شکل محصولات در عکاسی هوش مصنوعی را حل کرد. این سیستم با تحلیل بصری محصول، جزئیات فنی صحنه…

۲ دقیقه خواندن۲
رابط خط فرمان و مهارت عامل متن‌باز برای aispace.sh
آموزش کاربردی

«بهبود جریان‌های کاری خودکار»؛ هدف از توسعهٔ ابزار متن‌باز aispace-client

ابزار متن‌باز aispace-client با ارائه رابط خط فرمان (CLI)، امکان اشتراک‌گذاری فایل‌های حجیم و موقت را برای عامل‌های هوش مصنوعی فراهم می‌کند. این ابزار با حذف پرامپت‌های تعاملی و…

۵ دقیقه خواندن