پرش به محتوای اصلی

موضوع

عامل‌محور

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

۳٬۶۳۳ مقاله منتشر شده

نمودار مقایسه عملکرد عوامل کدنویسی هوش مصنوعی در مهندسی نرم‌افزار واقعی

Claude Opus 4.8 با نرخ موفقیت ۲۶ درصدی در صدر بنچمارک SWE-Marathon قرار گرفت

محک جدید SWE-Marathon نشان می‌دهد پیشرفته‌ترین عامل‌های کدنویسی هنوز در پروژه‌های نرم‌افزاری عظیم شکست می‌خورند. Claude Opus 4.8 با موفقیت در ۲۶ درصد موارد، پیشتازی می‌کند اما…

۶ دقیقه خواندن
گیت‌هاب - bkuan001/halo-record: سوابق زمان اجرای ضد دستکاری برای عامل‌های هوش مصنوعی. زنجیره هش‌شده، بدون وابستگی، قابل تأیید
آموزش کاربردی

پروژه halo-record ردپای اقدامات عامل‌های هوش مصنوعی را غیرقابل‌تغییر کرد

پروژه halo-record سامانه‌ای متن‌باز برای ثبت وقایع عامل‌ها ارائه می‌دهد که هرگونه تغییر در تاریخچه اقدامات آن‌ها را غیرممکن می‌کند. این ابزار با تبدیل فراخوانی‌های ابزار و دسترسی…

۵ دقیقه خواندن۲
همکار هوش مصنوعی متن‌باز با حافظه
آموزش کاربردی

Rowboat با گراف دانش محلی حافظهٔ دائمی به عامل‌های هوش مصنوعی داد

Rowboat یک دستیار عامل‌محور متن‌باز است که داده‌های ایمیل، جلسات و کدها را در یک گراف دانش محلی ذخیره می‌کند. این سیستم برخلاف مدل‌های رایج، حافظه‌ای قابل ویرایش در قالب فایل‌های…

۳ دقیقه خواندن
رابط خط فرمان GitHub برای هوش مصنوعی: خواندن، ویرایش و نظردهی فایل‌های docx با حفظ کامل قالب‌بندی
آموزش کاربردی

docx-cli: ویرایش فایل‌های ورد توسط عامل‌های هوش مصنوعی با دقت ۱۰۰ درصدی

یک رابط خط فرمان جدید به عامل‌های هوش مصنوعی اجازه می‌دهد بدون تخریب فرمت XML، فایل‌های .docx را ویرایش کنند. بنچمارک‌ها نشان می‌دهند مدل‌های ارزان‌قیمت با این ابزار، عملکرد…

۲۷ دقیقه خواندن
ساخت حافظه پایدار برای عامل هوشمندم: کدی که بالاخره کار کرد
آموزش کاربردی

«جایگزینی گزارش‌های متنی با پایگاه‌داده»؛ روش جدید مدیریت حافظه در OpenClaw

جیمز میلر با جایگزینی گزارش‌های متنی دستی با یک پایگاه‌داده SQLite، مشکل فراموشی در عامل‌های OpenClaw را حل کرد. این سیستم تمام فراخوانی‌های ابزار و خطاها را در سطح زمان اجرا ثبت…

۵ دقیقه خواندن
خروجی ساختاریافته با NVIDIA NIM: بازگرداندن داده به جای متن توسط عامل هوشمند
آموزش کاربردی

درون مکانیسم NIM؛ تبدیل متون پیش‌بینی‌ناپذیر به فرمت‌های سخت‌افزاری

بی توکیان، متخصص NVIDIA، متدی را برای اجبار عامل‌های هوش مصنوعی به تولید داده‌های ساختاریافته به جای متون پیش‌بینی‌ناپذیر معرفی کرد. این رویکرد بر یک حلقه «تجزیه-اعتبارسنجی-اصلاح»…

۹ دقیقه خواندن
محدودیت هزینه در سطح پرامپت کار نمی‌کند: چگونه واقعاً از هزینه اضافی عامل هوش مصنوعی جلوگیری کنیم (x402، AP2 و مسیر پرداخت)
آموزش کاربردی

«نقص معماری در پرامپت‌ها»؛ علت شکست محدودیت‌های مالی عامل‌های هوشمند

اتکای به پرامپت‌های سیستمی برای محدود کردن هزینه‌های عامل‌های هوش مصنوعی یک نقص معماری است که منجر به تخطی از بودجه می‌شود. راهکار جدید، انتقال نظارت از متن دستور به لایه‌ی پرداخت…

۳ دقیقه خواندن
راهنمای اینتل‌بوکس: مقایسه هوش مصنوعی عامل‌محور و AutoGPT در خودکارسازی سازمانی
آموزش کاربردی

معماری‌های ماژولار جایگزین حلقه‌های خودکار AutoGPT در مقیاس سازمانی شدند

پلتفرم Intellibooks معتقد است برای اتوماسیون واقعی در کسب‌وکارها، باید از حلقه‌های بازگشتی AutoGPT به سمت عامل‌های متخصص و همکاری‌کننده حرکت کرد. تفکیک برنامه‌ریزی، حافظه و اجرا،…

۳ دقیقه خواندن