پرش به محتوای اصلی

موضوع

عامل‌محور

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

۵٬۸۸۲ مقاله منتشر شده

هرگز آرگومان‌های ابزار را در شل جایگذاری نکنید. argv را اجرا کنید یا کار را متوقف کنید.
آموزش کاربردی

بردار‌های ثابت argv؛ راهکاری برای توقف تزریق کد در عامل‌های هوش مصنوعی

یک الگوی معماری جدید برای فراخوانی ابزارها، جایگزینی امن برای دستورات متنی خطرناک معرفی کرده است. این روش با استفاده از بردارهای ثابت argv و اعتبارسنجی سخت‌گیرانه JSON Schema،…

۸ دقیقه خواندن
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 خواندن
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 خواندن
دستیار فروشنده آمازون به کلود و آمازون کویک اضافه شد

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
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 خواندن۱
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 خواندن