پرش به محتوای اصلی

موضوع

عامل‌محور

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

۶٬۲۷۵ مقاله منتشر شده

تبلیغ‌شده اما پیاده‌نشده: تنظیماتی که همه‌جا هستند جز در مسیر اجرای کد
آموزش کاربردی

گزارش فنی: شناسایی باگ‌های خاموش در لایه‌های پیکربندی مدل‌ها

کلاسی جدید از باگ‌های خاموش در اکوسیستم عامل‌های هوش مصنوعی شناسایی شده است که در آن تنظیمات در رابط کاربری نمایش داده می‌شوند اما در کد اجرا نمی‌شوند. این وضعیت باعث می‌شود…

۶ دقیقه خواندن
حافظه پایدار بومی Git برای عامل‌های کدنویسی هوشمند با جستجوی فوق‌سریع BM25 و کاهش ۸۰٪ توکن، بدون وابستگی خارجی.
آموزش کاربردی

حافظهٔ Git-native در OKF مصرف توکن‌های عامل‌های هوش مصنوعی را ۸۰٪ کاهش داد

ابزار جدید okf-agent-memory با جایگزینی پایگاه‌داده‌های برداری با لایه‌ای از حافظه مبتنی بر Git، هزینه‌های توکن را به‌شدت کاهش می‌دهد. این سیستم با استفاده از جست‌وجوی محلی BM25،…

۶ دقیقه خواندن۱
راهنمای گام‌به‌گام اشکال‌زدایی مدل‌های زبانی بزرگ
آموزش کاربردی

اتوماسیون رفع خطای مدل‌های زبانی با ترکیب Qwen 3 و Oxlo.ai

یک چارچوب عملی جدید به توسعه‌دهندگان اجازه می‌دهد تشخیص و اصلاح توهمات و خروجی‌های معیوب مدل‌های زبانی را خودکار کنند. این سیستم با استفاده از یک مدل «دیباگر» ثانویه، پرامپت‌ها را…

۴ دقیقه خواندن۳
نمودار هزینه‌های زیرساخت استارتاپ هوش مصنوعی: اعداد واقعی ماهانه
آموزش کاربردی

هزینه‌های پنهان عامل‌های هوش مصنوعی؛ چرا لایه‌های رایگان در تولید شکست می‌خورند؟

بررسی زیرساختی استقرار عامل‌های هوش مصنوعی نشان می‌دهد که به دلیل نرخ بالای بازراه‌اندازی و هزینه‌های متغیر توکن‌ها، لایه‌های رایگان ابری به‌سرعت ناکارآمد می‌شوند. هزینه واقعی از…

۷ دقیقه خواندن۲
مسدودسازی زیرساخت اختراع‌شده پیش از ادغام
آموزش کاربردی

فایل JSON؛ سدی در برابر هزینه‌های پنهان زیرساختی عامل‌های کدنویس

یک گردش‌کار جدید با استفاده از «منشور» (Charter) و دفتر ثبت فرضیات، از اضافه شدن سرویس‌های گران‌قیمت و تأییدنشده توسط عامل‌های هوش مصنوعی جلوگیری می‌کند. این روش با اجبار مدل به…

۷ دقیقه خواندن۳
درگاه پذیرش میزبان برای اسپایک‌های عامل
آموزش کاربردی

پروتکل رسید میزبان؛ سدی در برابر توهمات عامل‌های کدنویس درباره محیط اجرا

یک پروتکل جدید با استفاده از هش‌های رمزنگاری‌شده، مانع از تخیل عامل‌های هوش مصنوعی درباره جزئیات سیستم می‌شود. این روش با جداسازی مشاهده از استناد، اجازه نمی‌دهد عامل‌ها بدون مدرک…

۷ دقیقه خواندن۲
مسیریاب هوشمند برای تخصیص کار به عامل‌های محلی و میزبان‌های فعال
آموزش کاربردی

مکانیسم مسیریاب وظایف؛ سدی در برابر نشت داده‌های حساس در عامل‌های محلی

یک الگوی معماری جدید با استفاده از «مسیریاب وظایف» (Job Router)، تسک‌های هوش مصنوعی را پیش از اجرا بر اساس امنیت و سخت‌افزار طبقه‌بندی می‌کند. این رویکرد مانع خروج داده‌های حساس…

۱۰ دقیقه خواندن۳
لوله‌کشی چندعاملی هوش مصنوعی: چرا به ساخت افزایشی نیاز داریم
آموزش کاربردی

رویکرد هشینگ محتوا: حذف اجرای مجدد خط لوله‌های پیچیده در هوش مصنوعی

توسعه سامانه‌های پیچیده چندعاملی به‌دلیل نیاز به اجرای مجدد کل خط لوله برای تغییرات کوچک، بسیار هزینه‌بر است. رویکرد جدیدی با تبدیل جریان‌های کاری به گراف‌های وابستگی و استفاده از…

۶ دقیقه خواندن۱
عامل هوشمند بازیابی پرداخت: چرا مدل‌های زبانی نباید مستقیماً با پول کار کنند
آموزش کاربردی

جداسازی تصمیم از اجرا؛ راهکار REVA برای جلوگیری از تراکنش‌های تکراری

یک توسعه‌دهنده با ساخت عامل REVA ثابت کرد که در سامانه‌های مالی، حفاظ‌های قطعی باید بر خودمختاری هوش مصنوعی اولویت داشته باشند. این سیستم از مدل‌های زبانی برای تحلیل علت شکست…

۲ دقیقه خواندن۲
تبدیل یک مقاله پژوهشی به مهارت هوش مصنوعی با NotebookLM
آموزش کاربردی

تبدیل مقالات آکادمیک به دستورالعمل‌های دقیق برای عامل‌های هوش مصنوعی

یک گردش‌کار جدید نشان می‌دهد چگونه می‌توان با استفاده از NotebookLM، قواعد مستند را از مقالات پژوهشی استخراج و به فایل‌های مهارت (skill.md) تبدیل کرد. این روش جایگزینی برای…

۵ دقیقه خواندن۱
نمودار تحلیل هوش مصنوعی برای معاملات ارز دیجیتال
آموزش کاربردی

ربات‌های معاملاتی از مدل‌های آماری به مدیریت مدل‌های زبانی بزرگ کوچ کردند

معامله‌گری ارزهای دیجیتال از تحلیل دستی نمودارها به سمت سامانه‌هایی حرکت می‌کند که پیش‌بینی سری‌های زمانی را با تحلیل احساسات مبتنی بر LLM ترکیب می‌کنند. ربات‌های مدرن اکنون از…

۲ دقیقه خواندن۳