پرش به محتوای اصلی

موضوع

عامل‌محور

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

۱٬۵۱۹ مقاله منتشر شده

چرا حفاظ‌های احتمالی عامل‌های هوش مصنوعی خودمختار شکست می‌خورند و چگونه راه‌حل قطعی ساختیم
آموزش کاربردی

Aegis-Layer: سد ریاضی برای توقف نشت داده‌های عامل‌های هوش مصنوعی در ۲ میلی‌ثانیه

پروژه‌ی متن‌باز Aegis-Layer امنیت عامل‌های هوش مصنوعی را از تکیه بر پرامپت‌های احتمالی به اعتبارسنجی ریاضی تغییر داد. این ابزار با استفاده از توکن‌های رمزنگاری‌شده، جلوی نشت…

۴ دقیقه خواندن
چرا Trae دسترسی رایگان به مدل‌های برتر را با داده‌های کاربران معامله می‌کند؟
آموزش کاربردی

چرا Trae دسترسی رایگان به مدل‌های برتر را با داده‌های کاربران معامله می‌کند؟

بایت‌دنس با معرفی Trae، یک ویرایشگر کد رایگان بر پایه VS Code، دسترسی نامحدود به مدل‌های پیشرفته‌ای چون Claude و GPT را ممکن کرده است. با این حال، حذف هزینه اشتراک در این ابزار،…

۵ دقیقه خواندن
چرا مهندسی پرامپت جای خود را به «معماری گردش کار» می‌دهد؟
آموزش کاربردی

چرا مهندسی پرامپت جای خود را به «معماری گردش کار» می‌دهد؟

متخصصان مستقل در حوزه‌های حقوقی و مالی در حال جایگزینی چت‌های ساده با چارچوب‌های اتوماسیون استاندارد هستند. این روش با تمرکز بر «پوسته‌های» آماده، کارهای تکراری با ارزش بالا را به…

۱ دقیقه خواندن
Nucleus: کاهش زمان Cold Start عامل‌های هوش مصنوعی از ۵۰۰ به ۱۲ میلی‌ثانیه
آموزش کاربردی

Nucleus: کاهش زمان Cold Start عامل‌های هوش مصنوعی از ۵۰۰ به ۱۲ میلی‌ثانیه

پروژه Nucleus با جایگزینی لایه‌های سنگین داکر با بستارهای Nix، زمان شروع به کار عامل‌های هوش مصنوعی را به ۱۲ میلی‌ثانیه رساند. این ابزار ضمن حفظ امنیت، تأخیرهای عملیاتی در…

۱۰ دقیقه خواندن۱
کلود فیبل انثروپیک؛ نسخه‌ای از میتوس که امروز در دسترس عموم است

چرا Anthropic برای دستیابی به دقت ۹۰٪، حریم خصوصی شرکت‌ها را قربانی کرد؟

شرکت Anthropic مدل Claude Fable 5 را با دقت ۹۰ درصدی در تحلیل‌های پیچیده عرضه کرد. این مدل در کنار قدرت بالا، هزینه توکن‌ها را دو برابر کرده و ذخیره اجباری داده‌ها برای ۳۰ روز را…

۴ دقیقه خواندن
ای.ال.ال.ا — عامل منطق محلی توکار
آموزش کاربردی

جایگزینی «اعتماد» با «معماری»: استراتژی E.L.L.A برای توقف نشت داده‌ها

پروژه E.L.L.A با حذف فیزیکی مسیرهای ارسال داده به ابر، نشت اطلاعات را از طریق محدودیت‌های معماری غیرممکن می‌کند. این دستیار محلی ویندوز، امنیت را به جای تکیه بر قوانین اخلاقی، بر…

۴ دقیقه خواندن
راهکار «صف اقدامات»: چگونه جلوی هدررفت توکن‌ها در عامل‌های هوش مصنوعی را بگیریم؟
آموزش کاربردی

راهکار «صف اقدامات»: چگونه جلوی هدررفت توکن‌ها در عامل‌های هوش مصنوعی را بگیریم؟

برای جلوگیری از تلاش بیهودهٔ عامل‌های هوش مصنوعی برای انجام کارهای غیرممکن، روش «صف اقدامات» معرفی شده است. این سیستم با جداسازی کارهای انسانی از وظایف مدل، جلوی «انحراف اجرا» و…

۷ دقیقه خواندن
معرفی North Mini Code، نخستین مدل Cohere برای توسعه‌دهندگان
آموزش کاربردی

چگونه مدل ۳۰ میلیاردی North Mini Code غول‌های ۱۲۰ میلیاردی کدنویسی را شکست داد؟

شرکت Cohere مدل North Mini Code را معرفی کرد؛ یک مدل ۳۰ میلیاردی که در مهندسی نرم‌افزار عامل‌محور، عملکرد مدل‌های ۱۲۰ میلیاردی را پشت سر می‌گذارد. این دستاورد مدیون استفاده از…

۹ دقیقه خواندن
اتوماسیون مستندات GDD: چگونه بازخوردهای دیسکورد را به تغییرات فنی تبدیل کنیم؟
آموزش کاربردی

اتوماسیون مستندات GDD: چگونه بازخوردهای دیسکورد را به تغییرات فنی تبدیل کنیم؟

توسعه‌دهندگان مستقل با استفاده از هوش مصنوعی، مستندات طراحی بازی (GDD) خود را به صورت پویا و بر اساس بازخوردهای واقعی بازیکنان به‌روزرسانی می‌کنند. این سیستم با تبدیل داده‌های…

۷ دقیقه خواندن۱
نمودار معماری عوامل پایدار با تأیید، درخت کار، مهارت، زیرعامل و بازبینی انسانی
آموزش کاربردی

چگونه Atomic با استفاده از TypeScript جلوی توهم عامل‌های کدنویسی را می‌گیرد؟

بسیاری از عامل‌های کدنویسی در وظایف پیچیده شکست می‌خورند چون محدودیت ساختاری ندارند. Atomic با ایجاد یک لایه اجرایی در TypeScript، کنترل دقیق‌تری بر توکن‌ها و خروجی مدل‌ها ایجاد…

۱۵ دقیقه خواندن۵
چرا بازگشت «ساعت‌های آزاد» در عصر عامل‌های هوش مصنوعی یک تله است؟

چرا بازگشت «ساعت‌های آزاد» در عصر عامل‌های هوش مصنوعی یک تله است؟

هوش مصنوعی زمان آزاد برنامه‌نویسان را بازمی‌گرداند، اما این زمان به‌جای بلوک‌های سازمان‌یافته، به شکاف‌های پراکنده در توجه (Attention) تبدیل شده است. این تغییر خطر «فرسودگی ذهنی»…

۶ دقیقه خواندن