پرش به محتوای اصلی

موضوع

عامل‌محور

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

۳٬۵۱۶ مقاله منتشر شده

آزمایش عکاسی پرتره با قفل چهره توسط هوش مصنوعی - بدون رتوش
آموزش کاربردی

استودیو پرتره AI Model Hub با حذف فیلترهای نرم‌کننده پوست، واقع‌گرایی را

یک استودیو پرتره جدید در AI Model Hub با جایگزینی فیلترهای تک‌مرحله‌ای با یک «تیم مجازی»، عکس‌های پروفایل با بافت واقعی پوست تولید می‌کند. این رویکرد با حفظ منافذ پوست، اثر «دره…

۲ دقیقه خواندن۲
عامل هوش مصنوعی Prime Agent: ابزار کدنویسی خودبهبود یافته در ترند امروز گیت‌هاب
آموزش کاربردی

Prime Agent: تبدیل پرامپت‌ها به متغیرهای برنامه‌ریزی برای کدنویسی خودکار

پروژه متن‌باز Prime Agent با معرفی مدل‌های زبانی بازگشتی، دستیاران کدنویسی را از چت‌بات‌های ساده به سرویس‌های پس‌زمینه تبدیل می‌کند که قادر به یادگیری از تجربیات خود و اجرای…

۴ دقیقه خواندن۱
فراتر از داشبوردهای قرمز: پیاده‌سازی رصد پیش‌بینانه با هوش مصنوعی عامل‌محور
آموزش کاربردی

نظارت پیش‌بینانه در برابر رویکرد واکنشی در مدیریت منابع ابری

نظارت سنتی بر زیرساخت‌ها بر پایه آستانه‌های ایستا است که پس از وقوع خطا فعال می‌شوند. با ادغام عامل‌های هوش مصنوعی در اکوسیستم OpenTelemetry، مهندسان اکنون می‌توانند پیش از تجربهٔ…

۴ دقیقه خواندن۱
باز کردن قفل بهره‌وری توسعه‌دهندگان با عامل‌های هوش مصنوعی
آموزش کاربردی

آیا عامل‌های هوشمند جایگزین بازبین‌های انسانی در چرخه توسعه می‌شوند؟

عامل‌های هوش مصنوعی از ابزارهای واکنشی ساده به شرکای پیش‌کننده تبدیل شده‌اند که کارهای تکراری برنامه‌نویسی را بر عهده می‌گیرند. این ابزارها با خودکارسازی بازبینی کد و شناسایی…

۳ دقیقه خواندن
اجرای هوش مصنوعی محلی با n8n و Ollama روی مک: گردش کار هوش مصنوعی بدون نیاز به اینترنت
آموزش کاربردی

پشتهٔ n8n و Ollama در برابر سرویس‌های ابری برای مدیریت داده‌ها

یک پشتهٔ نرم‌افزاری جدید با ترکیب n8n برای مدیریت گردش‌کار و Ollama برای سرویس‌دهی مدل‌ها، امکان اجرای عامل‌های هوش مصنوعی را به‌صورت کاملاً محلی فراهم می‌کند. این ساختار با حذف…

۴ دقیقه خواندن
«همان پاسخ‌های ثابت را ۱۵ بار قضاوت کردیم. قاضی بخش پرنویز نبود.»
آموزش کاربردی

«ضعف در دستورالعمل‌ها»؛ علت اصلی نوسان عملکرد عامل‌های هوش مصنوعی

پژوهشی از AgentVitals نشان می‌دهد نوسان در عملکرد عامل‌های هوش مصنوعی بیش از آنکه به ناپایداری مدل مربوط باشد، ناشی از ابهام در دستورالعمل‌های داوری است. این تیم دریافت که طراحی…

۵ دقیقه خواندن
ضبط مهارت در Claude: دیگر هرگز دستیار مجازی استخدام نمی‌کنم
آموزش کاربردی

«همکار دیجیتال مستقل»؛ چشم‌انداز جدید Anthropic برای اتوماسیون گردش‌های کاری

قابلیت جدید Record a Skill در ابزار Claude Cowork به کاربران اجازه می‌دهد با ضبط صفحه و صدا، گردش‌های کاری تکراری دسکتاپ را به «مهارت‌های» قابل بازیافت تبدیل کنند. این ابزار تجربه…

۱۳ دقیقه خواندن۱
درگاه بازبینی دستی برای نوشتن حافظه عامل هوش مصنوعی: چرا RufRoot اهمیت آن را ثابت می‌کند
آموزش کاربردی

گیتِ بازبینی انسانی؛ راهکار جلوگیری از فساد حافظه در عامل‌های هوش مصنوعی

یک الگوی معماری جدید برای عامل‌های هوش مصنوعی، لایه‌ای از بازبینی انسانی را برای جلوگیری از تخریب حافظه بلندمدت معرفی کرده است. این رویکرد با انتقال تصمیم نهایی ثبت داده از مدل به…

۴ دقیقه خواندن۲
تولید محتوای فنی با هوش مصنوعی: راهنمای کسب درآمد
آموزش کاربردی

چگونه بات‌های مسیریابی فروش، نرخ تبدیل ترافیک AI را افزایش می‌دهند؟

یک چارچوب عملی برای ساخت بات‌های هوش مصنوعی که با اتوماسیون احراز صلاحیت و مسیریابی فروش، درآمدزایی می‌کنند. این سیستم به‌جای دنبال کردن هایپ، بر حل مسائل خسته‌کننده تجاری مثل…

۶ دقیقه خواندن
مدیریت ناوگان ۱۰۰+ ربات هوشمند: درس‌های آموخته شده
آموزش کاربردی

مدل‌های بدون وضعیت در برابر سیستم‌های یکپارچه برای مقیاس‌پذیری عامل‌ها

یک توسعه‌دهنده با تغییر معماری از مدل‌های یکپارچه به سیستم‌های بدون وضعیت (Stateless)، مدیریت بیش از ۱۰۰ عامل هوش مصنوعی را ممکن کرد. این سامانه با ترکیب محدودکننده نرخ توزیع‌شده…

۵ دقیقه خواندن۲
شبکه اعتماد عامل‌های هوشمند به روی عامل‌های خارجی باز شد
آموزش کاربردی

درون شبکهٔ اعتماد Ekurhive؛ رمزنگاری پساکوانتومی برای عامل‌های هوش مصنوعی

پلتفرم Ekurhive با استفاده از امضاهای رمزنگاری پساکوانتومی و امتیازات مبتنی بر نتیجه، شبکهٔ داخلی عامل‌های خود را برای توسعه‌دهندگان خارجی باز کرد. این سیستم مسیرهای انتقال وظایف…

۱ دقیقه خواندن۱