پرش به محتوای اصلی

موضوع

عامل‌محور

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

۶٬۲۶۳ مقاله منتشر شده

اتاق پیش‌نویس و کلید انتشار: تفکیک کار نماینده هوش مصنوعی
آموزش کاربردی

معماری تفکیک‌شده در برابر حلقه‌های یکپارچه برای مدیریت امن عامل‌های AI

یک الگوی معماری جدید پیشنهاد می‌دهد که حلقه‌های کاری عامل‌های هوش مصنوعی به دو مسیر مجزای «برنامه‌ریزی» و «اجرا» تقسیم شوند. این رویکرد با ایزوله‌کردن ابزارهای تغییردهنده، از…

۸ دقیقه خواندن۱
طراحی چیدمان انبار با ToolJet MCP
آموزش کاربردی

«فراتر از رابط کاربری»؛ رویکرد جامع ToolJet در طراحی اپلیکیشن

پلتفرم ToolJet نشان داد که چگونه می‌توان با یک پرامپت جامع، یک اپلیکیشن عملیاتی برای مدیریت چیدمان انبار شامل مدل‌های داده و سیستم بررسی قوانین زنده ایجاد کرد. این رویکرد فراتر از…

۹ دقیقه خواندن۱
هنگامی که هوش مصنوعی عمل می‌کند، چه کسی به یاد می‌آورد چه اتفاقی افتاد؟ لایه عملیاتی گمشده برای عامل‌های خودکار

«پایان دروغ‌های عامل‌های خودکار»؛ رویکرد جدید COGEXT در انتقال وضعیت

زیرساخت جدیدی به نام COGEXT با اجباری کردن انتقال وضعیت بر اساس شواهد، مانع از ادعاهای دروغین عامل‌های خودکار دربارهٔ تکمیل وظایف می‌شود. این لایه با تبدیل تعهدات به داده‌های قابل…

۹ دقیقه خواندن۱
دستیار فروشنده آمازون به کلود و آمازون کویک اضافه شد
اخبار کوتاه روزانه

آمازون: تبدیل دستیار فروش از چت‌بات به عاملِ خودکار در پس‌زمینه

آمازون با معرفی افزونه‌ای برای Claude و Amazon Quick، امکان مدیریت داده‌های فروش را مستقیماً از طریق عامل‌های هوش مصنوعی فراهم کرد. این به‌روزرسانی ابزار دستیار فروش را از یک…

۴ دقیقه خواندن
نمایی از فرآیند نصب بسته در فدورا که نشان‌دهنده دسترسی غیرمنتظره عامل نرم‌افزاری است.
آموزش کاربردی

کانتینرهای داکر برای مهار عامل‌های هوش مصنوعی امن نیستند

یک حادثه امنیتی در سیستم‌عامل فدورا نشان داد که کانتینرهای استاندارد داکر نمی‌توانند مانع از عملیات تخریبی عامل‌های خودمختار روی سیستم میزبان شوند. متخصصان هشدار می‌دهند که…

۴ دقیقه خواندن۱
مقایسه لایه معنایی LookML در برابر dbt و لایه معنایی کامپایل‌شده
آموزش کاربردی

لایه معنایی دستی؛ گلوگاه جدید عامل‌های هوش مصنوعی در مقیاس صنعتی

سیستم‌های سنتی مدیریت داده مانند LookML و dbt به‌دلیل اتکای شدید به تعریف دستی متریک‌ها، سرعت عمل عامل‌های هوش مصنوعی را محدود می‌کنند. برای مقیاس‌پذیری واقعی، صنعت باید از…

۲ دقیقه خواندن۲
ساخت کنسول SRE برای عامل‌های هوش مصنوعی: رصد لحظه‌ای تا سطح ردیف
آموزش کاربردی

ردیابی سطری در برابر معیارهای تأخیری برای شناسایی خطاهای کوئری

بسیاری از ابزارهای نظارت بر هوش مصنوعی تنها بر معیارهای ظاهری مثل تأخیر تمرکز می‌کنند و خطاهای منطقی در کوئری‌ها را نمی‌بینند. رویکرد جدید مبتنی بر مهندسی قابلیت اطمینان سایت…

۸ دقیقه خواندن۲
پلتفرم هوش مصنوعی دانش استرایپ
آموزش کاربردی

درون پلتفرم دانش Stripe؛ زیرساختی برای مدیریت خطای داده‌های مالی

استرایپ یک پلتفرم تخصصی هوش مصنوعی برای توسعه‌دهندگان ساخته است تا عامل‌های هوشمند بتوانند داده‌های پیچیده مالی را بدون خطا مدیریت کنند. تمرکز این سیستم بر تبدیل مستندات ایستا به…

۱ دقیقه خواندن۱
کد کلود فقط زمانی فایل AGENTS.md را می‌خواند که قابلیت تله‌متری فعال باشد.
آموزش کاربردی

تنظیمات حریم خصوصی Claude Code دسترسی به دستورالعمل‌های محلی را مسدود می‌کند

بررسی‌های فنی نشان می‌دهد غیرفعال کردن تلمتری در نسخه ۲.۱.۲۸۰ ابزار Claude Code باعث نادیده گرفته شدن فایل‌های AGENTS.md می‌شود. این نقص باعث می‌شود کاربران به اشتباه تصور کنند…

۴ دقیقه خواندن
حلقه یادگیری توالی - شماره ۹۳۸: با Jev شگفت‌انگیز، Gemini و Paper2Agent آشنا شوید
اخبار کوتاه روزانه

رابط‌های کاربری هوش مصنوعی بر قدرت مدل‌ها پیشی گرفتند

یافته‌های جدید گوگل، استنفورد و TypeSafe نشان می‌دهد هوش مصنوعی بدون رابطی متناسب با هر وظیفه، عملاً بی‌فایده است. تمرکز صنعت اکنون از افزایش قدرت خام مدل‌ها به سمت نحوه تعامل…

۱ دقیقه خواندن