پرش به محتوای اصلی

موضوع

عامل‌محور

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

۶٬۱۳۶ مقاله منتشر شده

درگاه حریم خصوصی تفاضلی برای جلوگیری از افشای داده‌های حساس در پرس‌وجوی عامل‌های LLM غیرقابل اعتماد از طریق پروتکل MCP.
آموزش کاربردی

چگونه Noisegate با اعمال نویز، امنیت داده‌های عامل‌های هوشمند را تضمین می‌کند؟

سامانه Noisegate با ایجاد یک مرز اعتماد ریاضی از طریق حریم خصوصی تفاضلی، مانع از افشای رکوردهای حساس توسط عامل‌های هوش مصنوعی می‌شود. این ابزار با اعمال نویز و مدیریت بودجهٔ حریم…

۲۰ دقیقه خواندن۱
صف‌های Postgres در عمل مقیاس‌پذیرند
آموزش کاربردی

Postgres در برابر RabbitMQ؛ بهینه‌سازی قفل‌ها جایگزین ابزارهای مجزا شد

تیم DBOS ثابت کرد که با بهینه‌سازی‌های خاص در قفل‌گذاری و ایندکس‌گذاری، پایگاه‌داده Postgres می‌تواند جایگزین سیستم‌های پیچه‌ای مثل RabbitMQ شود. این دستاورد باور رایج صنعت مبنی…

۵ دقیقه خواندن
بلوم سکیوریتی با ۲۰ میلیون دلار سرمایه از حالت مخفی خارج شد تا نقاط پایانی مبتنی بر هوش مصنوعی را ایمن کند.

Bloom Security با سرمایه ۲۰ میلیون دلاری به جنگ ریسک‌های عامل‌های هوش مصنوعی آمد

شرکت Bloom Security با جذب ۲۰ میلیون دلار سرمایه، سامانه‌ای برای حفاظت از نقاط انتهایی سازمان‌ها در برابر تهدیدات عامل‌های هوش مصنوعی و افزونه‌های مرورگر عرضه کرد. این پلتفرم…

۴ دقیقه خواندن۲
آرون هایرمات، مدیر ارشد تجاری و هم‌بنیان‌گذار ایولوت آی‌کیو

کمبود مالکیت در سازمان‌ها؛ دلیل اصلی شکست پروژه‌های هوش مصنوعی در مقیاس تجاری

آرون هیرمث، هم‌بنیان‌گذار EvoluteIQ، معتقد است شکست مقیاس‌پذیری هوش مصنوعی نه به دلیل ضعف تکنولوژی، بلکه ناشی از «کمبود مالکیت» در مدل‌های عملیاتی شرکت‌هاست. او تأکید می‌کند که…

۶ دقیقه خواندن۱
چرا mem0، Graphiti و Cognee حافظه تصمیم مشترک Claude Code را کامل حل نمی‌کنند
آموزش کاربردی

kgai: ثبت تصمیمات فنی تیم‌ها به‌جای حافظهٔ کلی هوش مصنوعی

ابزارهای حافظه عمومی هوش مصنوعی در ثبت تاریخچه تصمیمات تیم‌های برنامه‌نویسی شکست می‌خورند زیرا حقایق را به‌جای تاریخچه، به‌روزرسانی می‌کنند. ابزار جدید kgai با رویکرد «محلی‌محور»،…

۷ دقیقه خواندن۲
مقایسه مهارت‌ها و MCP: تحول ابزارهای هوش مصنوعی
آموزش کاربردی

رویکرد Skills جایگزین MCP شد تا حافظهٔ عامل‌های هوش مصنوعی اشغال نشود

تکامل عامل‌های هوش مصنوعی از بارگذاری سنگین پروتکل MCP به سمت «مهارت‌ها» (Skills) در حال حرکت است. این تغییر با استفاده از دستورالعمل‌های سبکِ متنی، مشکل اشباع حافظه را حل کرده و…

۱ دقیقه خواندن۴
پرداخت ۲۰۰ دلار برای API تا یک عامل استارتر بسازد؛ چرا هنوز از قالب‌های آماده استفاده می‌کنم.
آموزش کاربردی

هزینه‌ی ۱۸۰ دلاری برای یک شروع ساده؛ شکست عامل‌های هوش مصنوعی در مقیاس تولید

تلاش یک برنامه‌نویس برای ساخت اپلیکیشن با عامل‌های پیشرفته نشان داد که مدیریت متون طولانی و فراخوانی‌های مکرر ابزار، هزینه‌های API را به‌شدت افزایش می‌دهد. نتایج این آزمایش ثابت…

۵ دقیقه خواندن
گرداننده، برنامه‌ریز، شش متخصص: خط لوله چندعاملی که در محیط عملیاتی دوام آورد

سامانهٔ چندعاملی GenePattern تولید ماژول‌های بیوانفورماتیک را ۵۰۰٪ افزایش داد

یک مهندس نرم‌افزار با طراحی خط‌لولهٔ عامل‌محور و پیاده‌سازی سیستم‌های تأیید قطعی، سرعت تولید ابزار در GenePattern را ۵ برابر کرد. این دستاورد ثابت می‌کند که ساختار مهندسی پیرامون…

۱۴ دقیقه خواندن۱
مرز قیمت-عملکرد را با GPT-5.6 پیش می‌بریم

«تسهیل استقرار عامل‌های صنعتی»؛ هدف OpenAI از ارزان‌سازی مدل‌های Luna و Terra

شرکت OpenAI قیمت مدل‌های GPT-5.6 Luna و Terra را به‌شدت کاهش داد تا استقرار عامل‌های هوش مصنوعی در مقیاس صنعتی به‌صرفه شود. این تغییرات، به‌ویژه در مدل Luna، هزینه‌های عملیاتی…

۵ دقیقه خواندن۴
شرکت سیمیل بیش از ۲۰۰ میلیون دلار جذب سرمایه کرد تا شبیه‌سازی رفتار انسان را گسترش دهد.

«پیش‌بینی تصمیمات انسانی»؛ هدف Simile از جذب ۲۰۰ میلیون دلار سرمایه

شرکت Simile با جذب ۲۰۰ میلیون دلار سرمایه و رسیدن به ارزش‌گذاری ۲ میلیارد دلاری، در حال توسعه مدل‌های بنیادی برای پیش‌بینی تصمیمات انسانی است. این پلتفرم برخلاف هوش مصنوعی زاینده،…

۶ دقیقه خواندن