AI TechPulse 📱

یه دموی پروژه‌ی گرافیکی که شکست نور خورشید روی سطح آب رو به‌صورت Real-time داخل مرورگر شبیه‌سازی می‌کنه. یعنی همون خطوط نور متحرکی که کف استخر وقتی نور از آب رد میشه می‌بینیم جالب‌ترش اینه که داخلش می‌تونی قایق موجودات جوهر شن چراغ و لیزر هم ببینی و همه‌چیز با Three.js و WebGL رندر میشه. اگر داری روی بازی یا محیط سه‌بعدی کار می‌کنی دقیقاً برای افکت‌هایی مثل نور متحرک زیر آب کف استخر دریاچه و رودخانه انعکاس/شکست نور روی سطوح زیر آب محیط‌های ساحلی افکت‌های آب در بازی حتی به‌عنوان پایه‌ای برای افکت‌های نورپردازی فانتزی کاربرد داره و چون پیاده‌سازی‌اش با Three.js هست کدش میتونه برای ساخت شیدرهای مشابه خیلی مفید باشه https://scottiefox.github.io/caustic-volume

عجب ابزاریه!! یه جایگزین متن‌باز و کاملاً لوکال به جای ElevenLabs باهاش می‌تونی صدای خودت رو Clone کنی صدا طراحی کنی متن رو به صدا تبدیل کنی ویدیوها رو دوبله کنی فایل صوتی رو Transcribe کنی و حتی Audiobook بسازی. جالب‌تر اینکه مدل‌ها روی سیستم خودت اجرا میشن و API و MCPهم داره یعنی می‌تونی به AI Agentها هم وصلش کنی. https://github.com/debpalash/VoiceStudio

‌‏Recipe Lab CN یه اپ مخصوص دوربین های سونیه. روی خود دوربین نصب میشه و ۷۷ تا رنگ فیلمی مختلف رو جلوی چشمت میذاره. دکمه دوربین رو میچرخونی و رنگ صفحه همون لحظه عوض میشه. نکته اصلی اینه که وقتی از یه رنگ خوشت اومد با یه دکمه اون رو برای همیشه توی تنظیمات دوربین مینویسه. ‏بعد از اون تو همه حالت‌ها عکس و فیلم با همون رنگ ثبت میشه. دوربین رو خاموش روشن کنی هم از بین نمیره. نکته فنی ماجرا اینه که این اپ به نرم افزار داخلی دوربین دست نمیزنه و هکش نمیکنه. فقط همون تنظیماتی رو عوض میکنه که خودت هم از منوی دوربین میتونی دستی عوض کنی. ‏با دکمه TRASH هم همه چیز به حالت کارخانه برمیگرده. این مخزن نسخه چینیشده اپه و کار یه نفر دیگ‌هست. ولی حواست باشه فقط دوربین های قدیمیتر قبولش میکنن. https://github.com/jcx396905-gif/recipe-lab-sony-pmca-cn

‌‏ollaya یه ابزار روست هست که مدل های تصمیم‌گیر رو مثل LLM ها روی دستگاه خودت اجرا می‌کنه. این مدل‌ها یه پیام یا ایمیل رو می‌خوان و با یه بار پردازش سریع احتمال درست بودنشون رو میدن. کل ماجرا چند میلی‌ثانیه طول می‌کشه. ‏نکته فنی ماجرا اینه که ollaya فقط یه فایل کلاپ ۳ مگابایتی میذاره. وزن اصلی مدل از مخزن خود نویسنده و با تایید امنیت دانلود میشه. یعنی دیگه لازم نیست برای هر تصمیم ساده به سرور ابری وصل بشی. داده هات هم از دستت بیرون نمیره. https://github.com/ollaya-dev/ollaya

‌‏یه نفر توی قالب چت GPT-OSS یه باگ عجیب پیدا کرده. قالب یعنی چیزی که تعیین میکنه تاریخچه مکالمه چطوری به مدل نشون داده بشه. باگ این بود که وقتی یه پیام هم جواب داشت هم فکر های مدل فقط فکر‌ها به مدل نشون داده میشد. خود جواب میرفت بی رون. ‏این باگ اول توی قالب Unsloth بود و بعد به قالب خودش هم رسیده بود. نکته فنی ماجرا اینه که این تیکه کلا یه اشتباه کپی‌پیست بوده و توی قالب مرجع OpenAI اصلا وجود نداره. سازندش میگه مدل کوچیکتر با این وضعیت کلا از مسیر خارج میشد. ‏ولی مدل بزرگتر اونقدر باهوش بود که از روی همون فکر‌ها مسیر مکالمه رو خودش پیدا کنه. حالا یه قالب درست و حسابی گذاشته که هم اون باگ رو درست میکنه هم فکر های قبلی مدل رو نگه میداره. یعنی توی مکالمه های چند مرحله ای جواب گرفتن سریعتر میشه.

اینم باحاله یه سیستم Memory برای AI Agentها که فقط مکالمات قبلی رو ذخیره نمی‌کنه بلکه سعی می‌کنه Agent از اطلاعات قبلی یاد بگیره و با گذشت زمان بهتر عمل کنه. اطلاعات رو ذخیره می‌کنه موقع نیاز برمی‌گردونه و حتی می‌تونه ازشون مدل ذهنی و دانش ماندگار بسازه. برای Agentهای معمولی Chatbotها و حتی Coding Agentهایی مثل Claude Codeو Codex و Cursor هم قابل استفاده‌ست. https://github.com/vectorize-io/hindsight

‌‏یه نفر تصمیم گرفته به جای پرداخت همیشگی پول iCloud یه مک مینی ۲۰۱۸ رو بکنه سرور خونگی. می‌خواد عکس و فیلم‌ه

‌‏Jinear یه اپ مدیریت کار و تقویمه که کدش بازه. میتونی روی سرور خودت نصبش کنی. نکته عجیبش اینه که سازندش این بار چند تا قابلیت رو حذف کرده. چت و پروژه ها از اپ برداشته شدن. سازندش میگه تیم های کوچیک جای دیگ های برای حرف زدن دارن و تنهایی از پس نگهداری همهشون برنمیومده. الان اپ فقط تقویم و کار و فایل و نوت داره. ‏نکته فنی ماجرا اینه که میشه Claude یا ChatGPT رو وصل کرد به دادههات تا کار جدید بسازه یا کار های قبلی رو عوض کنه. فقط نمیتونه چیزی رو پاک کنه و وقتی خودت نصبش میکنی این قابلیت خاموشه. قسمت نوت و تقویم هم بهتر شده. میتونی نوت های تودرتو بسازی و با موس کار‌ها رو بکشی روی یه روز دیگه. ‏نسخه وبی هم بدون اینترنت کار میکنه و اپ موبایل قدیمی کنار گذاشته شده. برای ما یعنی یه ابزار مدیریت کار که لازم نیست پول بدی و دادههات هم روی سرور خودت میمونه. بیشتر کارهایی که این مدت اضافه شده از حرف خود کاربرا درومده نه از نقشه سازندش. https://github.com/140crafts/use-jinear https://jinear.co/blog

‏پشت صحنه و حرف آخر ادامه ‏خب به آخر این قصه رسیدیم. Goutsnap داستان یک نفر است که یک شب نشسته و به دردی فکر کرده که شاید خودش هم چشیده. یک اپ کوچک ساخته و با صفر تبلیغ توانسته هزاران کاربر را پای محصولش نگه دارد. این داستان درباره ی پول بزرگ نیست. درباره ی این است که یک ایده ی ساده وقتی روی درد واقعی بنشیند می‌تواند مسیر خودش را پیدا کند. ۸۱ مشترک فعال یعنی ۸۱ آدم که هر روز اپ را باز می‌کنند و به آن اعتماد دارند. حالا خودت فکر کن. اگر به جای Bond بودی این پروژه را می‌فروختی یا با یک تیم بازاریابی می‌بردی بالاتر. شاید جواب تو فرق داشته باشد. شاید تو همان کسی باشی که این اپ را از چند صد دلار به چند هزار دلار در ماه می‌رساند. نکته ی انسانی قصه اینجاست که سازندش حد خودش را شناخته. گفته من در ساختن خوبم ولی در فروختن نه. این خودشناسی به اندازه ی مهارت فنی ارزش دارد. خیلی‌ها این را نمی‌فهمند و پروژه ی خوبشان را زمین می‌زنند. اگر یک درس بخواهم از این قصه بردارم این است که حداقل کاری که می‌شود کرد این است که شروع کنی. Goutsnap از یک ایده و یک توسعه‌دهنده شروع شد و حالا یک دارایی قابل فروش است. ایده ی بزرگ لازم نیست. فقط باید واقعی باشد. اما سخت‌ترین قسمت فراموش نکن. بعد از ساختن داستان تازه شروع می‌شود. بازاریابی و رشد و نگه‌داشتن کاربر. اینجا همان جایی است که بسیاری آدم های خوب زمین می‌خورند. حالا نوبت تو است. به نظرت این پروژه با یک تیم بازاریابی چقدر می‌تواند بالا برود. یا شاید نسخه ی ایرانی‌اش با دیتابیس غذا های خودمان ایده ی بهتری باشد. نظرت را برایم بنویس و بگو اگر جای Bond بودی چه می‌کردی. وب‌سایت پروژه

‏پشت صحنه و حرف آخر ‏برویم سراغ استک فنی. در لیستینگ از چند ابزار نام برده شده و من فقط همان‌ها را توضیح می‌دهم. اولین ابزار Expo است. Expo یک فریم‌ورک برای ساخت اپ موبایل با جاوااسکریپت و React Native است که کار توسعه را برای یک نفر خیلی ساده می‌کند. وقتی یک توسعه‌دهنده ی تنها می‌خواهد هم نسخه ی iOS بسازد هم اندروید Expo انتخاب طبیعی است. چون یک کد می‌نویسی و هر دو اپ از آن درمی‌آید. برای کسی که تیم ندارد این صرفه‌جویی وقت حیاتی است. بخش دوم Nextjs است که برای وب‌سایت و احتمالا پنل کاربرد دارد. Nextjs فریم‌ورکی روی React است که هم سئو خوبی دارد هم ساخت صفحات سریع را راحت می‌کند. با توجه به اینکه کانال بازاریابی SEO ذکر شده این انتخاب منطقی است. بک‌اند روی Supabase است. Supabase یک سرویس بک‌اند آمادست که دیتابیس و احراز هویت و ذخیره‌سازی را در یک بسته می‌دهد. باز هم برای یک توسعه‌دهنده ی تنها یعنی لازم نیست سرور و دیتابیس را از صفر بسازد و نگهداری کند. برای مدیریت اشتراک و پرداخت از RevenueCat استفاده شده. RevenueCat کارش همین است. اشتراک‌ها و رسید های خرید را در اپ‌استور و گوگل‌پلی یکجا مدیریت می‌کند. بدون آن مدیریت اشتراک هفتگی و سالانه و مادام‌العمر روی دو پلتفرم کابوس می‌شود. بخش هوش مصنوعی که غذا را در عکس تشخیص می‌دهد در لیستینگ به تفصیل ذکر نشده. یعنی دقیقا مشخص نیست از کدام مدل بی نایی استفاده کرده. فقط گفته شده که تحلیل پورین فوری انجام می‌شود. اگر مدل مشخصی در منبع نبود من نمی‌توانم حدس بزنم و در لیستینگ ذکر نشده. جمع این استک یک پیام روشن می‌دهد. کل معماری روی این اصل بنا شده که یک نفر بتواند همش را اداره کند. نه DevOps سنگین نه تیم بک‌اند بزرگ. این دقیقا همان فلسفه ی درست برای یک محصول bootstrapped با درآمد کوچک است. ‏خب چرا این داستان هیجان‌انگیز است. چون یک نفر نشسته و یک درد واقعی را برداشته و بدون هیچ پولی محصولش را ساخته. نه سرمایه‌گذار نه تیم نه تبلیغات. فقط یک ایده و کمی کد و صبر. درس اول این است که بازار از دل درد ساخته می‌شود نه از دل ایده های باحال. Bond یک پلی‌بوک موفق را برداشته و آن را روی یک درد متفاوت پیاده کرده. این کار خلاقیت نیست تقلید هوشمندانست. و تقلید هوشمندانه خیلی وقت‌ها برنده است. درس دوم صداقت است. سازنده خودش نوشته که در بازاریابی ضعیف است. بسیاری از فروشنده ها این را پنهان می‌کنند ولی او صادقانه گفته که صفر تبلیغات خرج کرده. همین صداقت باعث می‌شود خریدار به بقیه ی حرف‌هایش هم بیشتر اعتماد کند. درس سوم درباره ی قدرت کانال ارگانیک است. ۱۳ هزار مشتری و ۳۰۰ نقد بدون یک دلار تبلیغات. این نشان می‌دهد که اگر محصول واقعا یک مشکل را حل کند خودش راهش را پیدا می‌کند. TikTok فقط ابزار است نه معجزه. نکته ی چهارم درباره ی مدل درآمدی است. ساختار سه‌سطحی هفتگی و سالانه و مادام‌العمر اجازه می‌دهد هر نوع کاربری راه ورود پیدا کند. کاربر کم‌اعتماد هفتگی می‌خرد و کاربر راضی مادام‌العمر. این طراحی ساده ولی زیرکانست. بذار یک درس هم درباره ی محدودیت یک نفره بودن بگویم. همین که پروژه برای فروش گذاشته شده یک پیام دارد. گاهی ساختن راحت‌تر از فروختن است. توسعه دهنده ای که ساخت را دوست دارد ولی فروش را نه به سقف خودش می‌رسد. این ضعف نیست فقط واقعیت است. درس پنجم این است که کوچک بودن مشکلی نیست. ۲۷۲ دلار در ماه ممکن است کم به نظر برسد ولی یک نمونه ی زنده از یک ایده است. خیلی از پروژه های بزرگ از همین اعداد کوچک شروع کرده اند. مهم است که چیزی واقعی وجود دارد نه فقط یک ایده روی کاغذ. اینجا یک هشدار هم لازم است. عدد ۸۳ درصد رشد روی یک پایه ی کوچک می‌نشیند و درصد را بزرگ‌تر از واقعیتش نشان می‌دهد. صادق باشیم. یک جهش از ۱۵۰ دلار به ۲۷۰ دلار در یک ماه همان رشد ۸۰ درصدی می‌سازد. پس خریدار باید به عدد مطلق نگاه کند نه فقط به درصد. در عین حال این پروژه یک دارایی واقعی دارد که برند و نقد های مثبت و کاربران واقعی است. این‌ها را نمی‌شود با پول خرید. باید ساخت و زمان برد. و همین باعث می‌شود ارزش‌شان بیشتر از یک ایده ی خام باشد. الهام‌بخش‌ترین بخش داستان برای من این است که Bond نشان داد یک نفر می‌تواند یک محصول سلامتی واقعی بسازد. نیازی به دفتر و سرمایه و مجوز و پروانه نبود. فقط یک درد واضح و یک اپ تمیز و یک ادعای صادقانه. اگر تو هم یک درد واقعی دور و برت می‌بینی شاید همین داستان الگوی خوبی باشد. به جای اینکه دنبال ایده ی جدید و بزرگی بگردی به آدم هایی نگاه کن که هر روز از یک چیز رنج می‌برند. آنجا معمولا اپ منتظر ساخته‌شدن است.

‏بازار و ایده در ایران ادامه مشکل پنجم اعتماد کاربر است. یک بیمار نقرس ایرانی باید به دقت تحلیل اپ اعتماد کند. این اعتماد با شعار ساخته نمی‌شود. باید یا پشت اپ یک پزشک معتبر ایستاده باشد یا یک متخصص تغذیه. وگرنه کاربر بعد از چند بار اشتباه رهایش می‌کند. ولی بذار تصویر روشن نسخه ی ایرانی را برایت بکشم. یک اپ فارسی که دوربین را روی دیزی می‌گیری و می‌گوید این وعده برای تو پورین بالایی دارد. یک تقویم روزانه که الگوی حملات تو را نشان می‌دهد. یک هشدار قبل از اینکه سر میز دوغ و گوشت بخوری. مدل درآمدی هم می‌تواند داخلی باشد. اشتراک ماهانه به تومان که برای مخاطب ایرانی معقول است. یا نسخه ی مادام‌العمر با یک پرداخت. این ساختار با مدل جهانی Goutsnap همخوان است فقط ارقام کوچک‌تر می‌شوند. نکته ی مهم این است که این اپ دیتای حساس سلامتی جمع می‌کند. در ایران بحث حریم خصوصی و نگهداری داده ی پزشکی خیلی جاافتاده نیست. پس سازنده ی ایرانی باید خودش داوطلبانه یک سیاست شفاف برای دیتا بنویسد. این هم اعتماد می‌سازد هم جلوی دردسر آینده را می‌گیرد. همه ی این‌ها یعنی نسخه ی ایرانی ممکن است ولی نیاز به صبر و حل مسائل زیرساختی دارد که سازنده ی خارجی اصلا لمسشان نکرده.

‏بازار و ایده در ایران ‏حالا بذار برویم سراغ اینکه این محصول برای کدام بازار‌ها جذاب‌تر است. اول از همه بازار انگلیس که خود پروژه از آنجاست. نقرس در بریتانیا خیلی شایع است و سیستم بهداشت عمومی هم به مدیریت بیماری های مزمن اهمیت می‌دهد. یک اپ انگلیسی‌زبان با ادبیات بومی همان‌جا شانس خوبی دارد. بعد آمریکا. بازار آمریکا هم از نظر تعداد بیمار بالا است و هم از نظر تمایل به پرداخت برای اپ سلامتی. مردم آنجا عادت دارند برای اپ های سلامت شخصی پول ماهانه بدهند. مدل هفتگی ۷ دلار در آن فرهنگ راحت‌تر پذیرفته می‌شود. اروپای غربی مثل آلمان و فرانسه هم بازار خوبی است ولی یک نکته ی مهم دارد. باید زبان محلی داشته باشد. بیمار آلمانی دلش نمی‌خواهد اپ انگلیسی بخواند. پس هر بازار جدید یعنی هزینه ی بومی‌سازی جدید. آسیا داستان متفاوتی دارد. در ژاپن و کره نقرس رو به رشد است چون رژیم غذایی غربی‌تر شده. ولی مردم این کشور‌ها اپ های سلامت بومی خودشان را دارند. ورود به آنجا بدون شریک محلی سخت است. بازار های انگلیسی‌زبان دیگر مثل استرالیا و کانادا شاید کم‌زحمت‌ترین گزینه باشند. جمعیت زیاد ندارند ولی همان زبان و همان الگوی رفتاری را دارند. برای یک توسعه‌دهنده ی تنها این بازار‌ها نقطه ی شروع منطقی‌تری هستند. نکته ی جالب این است که کانال بازاریابی فعلی یعنی TikTok خیلی خوب با مخاطب جوان‌تر جواب می‌دهد. ولی نقرس معمولا با افراد مسن‌تر گره خورده. اینجا یک تناقض کوچک وجود دارد که خریدار باید حلش کند. خبر خوب این است که این مدل اپ کلا مرز نمی‌شناسد. چون بر پایه ی تصویر و غذا کار می‌کند نه بر پایه ی زبان. فقط پوشش دیتابیس غذایی باید محلی شود. یعنی غذا های یک فرهنگ خاص باید اضافه شوند. مقایسه ی ساده بکنیم. یک بازار بزرگ مثل آمریکا پول زیاد دارد ولی رقابت شدید. یک بازار کوچک مثل ایرلند رقابت کم دارد ولی سقف رشد پایین است. بهترین استراتژی معمولا رفتن به بازار متوسط و انگلیسی‌زبان است که هم پول دارد هم جای نفس کشیدن. پس جذاب‌ترین بازار‌ها به ترتیب منطقی آمریکا و انگلیس و کانادا و استرالیا هستند. و بعد اروپای غربی با بومی‌سازی. بازار های آسیایی هم فرصت هستند ولی پرهزینه و زمان‌بر. همه ی این‌ها با این فرض است که یک تیم بازاریابی finally پشت این محصول بایستد. که فعلا وجود ندارد. ‏و اما داستان همیشگی ما. تصور کن کسی در ایران بخواهد همین ایده را پیاده کند. آیا شدنی است. جواب کوتاه بله است ولی راه پر از دست‌انداز است. اول از خوبی‌ها بگویم. نقرس در ایران هم شایع است و خیلی از ما اطرافیانی داریم که با این درد درگیرند. و بیماری های اسید اوریک بالا با رژیم غذایی پرگوشت و کم‌تحرک در شهر های بزرگ بیشتر هم شده. یعنی بازار واقعی وجود دارد. فرهنگ غذایی ما پر از چیزهایی است که پورین بالایی دارند. کله‌پاچه. جگر. دل و قلوه. آبگوشت غلیظ. حتی بعضی خورش‌ها. ولی هیچ اپ ایرانی‌ای وجود ندارد که این غذا‌ها را برای بیمار نقرس تحلیل کند. این یک شکاف واقعی است. یک نسخه ی ایرانی این اپ می‌تواند خیلی جذاب باشد. چون دیتابیس غذا های محلی ما دقیقا همان چیزی است که هیچ اپ خارجی ندارد. اپ آمریکایی نمی‌داند کله‌پاچه چقدر پورین دارد. اما یک نسخه ی فارسی اگر این را بداند یک مزیت رقابتی واقعی می‌سازد. مشکلات فنی از کجا شروع می‌شود. اول از همه درگاه پرداخت. برای گرفتن اشتراک ماهانه در داخل بدون دسترسی به سرویس های بین‌المللی باید از درگاه های داخلی مثل زرین‌پال استفاده کرد. این خودش یک کار مهندسی جدا می‌شود که Goutsnap به لطف RevenueCat راحت انجامش داده. مشکل دوم تحریم است. اگر بخواهی اپ را روی اپ‌استور و گوگل‌پلی منتشر کنی برای کاربران ایرانی دردسر زیادی داری. حساب توسعه‌دهنده ی آمریکایی و پرداخت های بین‌المللی برای ایرانی‌ها قفل است. پس انتشار باید یا در بازار های جایگزین داخلی باشد یا با حساب خارج از کشور. مشکل سوم سرویس هوش مصنوعی است. مدل های تصویری معروف مثل سرویس های بین‌المللی برای IP ایران محدودند. یا باید از یک مدل داخلی استفاده کرد یا از پروکسی و واسطه. هر دو گزینه هزینه و پیچیدگی خودش را دارد. مشکل چهارم سرویس ابری است. اگر بخواهی مثل Goutsnap از Supabase استفاده کنی باید دوباره بحث پرداخت و دسترسی را حل کنی. راه ساده‌تر استفاده از زیرساخت داخلی مثل آروان یا یک سرور خودت است. ولی آنوقت باید خودت مقیاس پذیری را مدیریت کنی.

‏قصه و نیازی که حل می‌کند ادامه هر آدم با هر آدمی فرق دارد. یک نفر با دو تکه گوشت شب بدی را می‌گذراند و نفر دیگر با یک کاسه عدس. این تفاوت شخصی دقیقا همان چیزی است که یک اپ باید حلش کند. چون هیچ جدول چاپی و هیچ پمفلت پزشکی نمی‌تواند برای تو شخصی‌سازی شود. توضیح لیستینگ می‌گوید این اپ حدس‌وگمان را از بین می‌برد. یعنی دیگر لازم نیست بعد از هر وعده دلهره داشته باشی. کافی است اسکن کنی و ببینی و تصمیم بگیری. این همان چیزی است که یک بیمار مزمن هر روز به آن نیاز دارد. برای چه کسانی مفید است. اول بی ماران نقرس که حمله را تجربه کرده اند و می‌ترسند دوباره تکرار شود. دوم افرادی که اسید اوریک بالایی دارند و در آستانه ی نقرس هستند. و سوم کسانی که تازه تشخیص گرفته اند و کاملا گیج و سردرگم هستند. همه ی این‌ها یک نکته ی مشترک دارند. آن‌ها انگیزه ی زیاد و اطلاعات کم دارند. این ترکیب طلایی بازار برای یک اپ موبایل است. چون کسی که درد کشیده حاضر است برای پیشگیری پول بدهد. مهم‌تر از خود اپ این است که بیمار را از حالت انفعالی به حالت فعال می‌برد. به جای اینکه منتظر حمله بنشیند یاد می‌گیرد چطور مدیریتش کند. این احساس کنترل همان چیزی است که ارزش ماهانه پرداخت‌کردن دارد. پس نیاز اصلی پیچیده نیست. یک نفر می‌خواهد قبل از لقمه ی بعدی بداند که آیا فردا صبح با درد بیدار می‌شود یا نه. Goutsnap سعی می‌کند به این سوال در همان لحظه جواب بدهد. و همین سادگی دلیل جذاب بودنش برای مخاطب است. ولی باید واقع‌بین باشیم که این فقط یک بخش از مدیریت نقرس است. نقرس فقط رژیم غذایی نیست. ژنتیک و دارو و وزن و آب هم نقش دارند. اپ فقط یک تکه از پازل است. ولی همان تکه ای است که بیمار خودش روزمره با آن سروکار دارد.

‏قصه و نیازی که حل می‌کند ‏Goutsnap یک اپلیکیشن موبایل است که با کمک هوش مصنوعی غذا را اسکن می‌کند. کاربر دوربین گوشی را روی بشقابش می‌گیرد و اپ در چند لحظه میزان پورین آن غذا را تحلیل می‌کند. پورین همان ماده ای است که بدن وقتی تجزیه اش می‌کند اسید اوریک تولید می‌کند. اسید اوریک زیاد یعنی کریستال های تیز که در مفاصل می‌نشینند. و آن کریستال‌ها یعنی حمله ی نقرس. سازنده ی این پروژه یک توسعه‌دهنده ی تنها است که خودش را Bond معرفی کرده. او در پروفایل عمومی فروش نوشته که عاشق ساختن محصول از صفر تا یک است. ولی صادقانه اعتراف کرده که در بازاریابی و اجرای کمپین تبلیغاتی ضعیف است. همین صداقت ساده دلیل اصلی فروش پروژه است. ایده از کجا آمد. Bond در توضیحاتش به Bitepal اشاره کرده که یک پلی‌بوک موفق با درآمد ماهانه ۹۰۰ هزار دلار داشته. او الگوی آن محصول را برداشته و روی یک درد بسیار خاص و ملموس پیاده اش کرده. نقرس. دردی که میلیون‌ها نفر در دنیا با آن دست‌وپنجه نرم می‌کنند. خود پروژه چه می‌کند. کاربر یک وعده ی غذایی را با دوربین اسکن می‌کند. هوش مصنوعی تصویر را می‌شناسد و می‌گوید این غذا چقدر پورین دارد. سپس اپ یک الگوی شخصی از محرک های نقرس همان کاربر می‌سازد. یعنی یاد می‌گیرد چه غذایی تو را زمین می‌زند و چه غذایی بی‌خطر است. سازنده در لیستینگ ادعای دقت ۹۹٫۹۵ درصد کرده. این عدد را باید با احتیاط خواند چون در متن لیستینگ آمده و مستقل تایید نشده. ولی حتی اگر دقت واقعی کمتر باشد ایده ی کار جذاب است. چون دقیقا همان لحظه ای را هدف گرفته که کاربر باید تصمیم بگیرد. نکته ی مهم این است که این اپ فقط یک دیتابیس غذا نیست. بخش جذابش پیش‌بینی است. به جای اینکه تو بعد از درد دنبال مقصر بگردی اپ قبل از خوردن هشدار می‌دهد. این تغییر کوچک در زمان‌بندی کل تجربه را عوض می‌کند. یک نفر این را ساخته و به تنهایی اداره کرده. تیم یک نفره است و سرمایه‌گذاری هم از نوع bootstrapped بوده. یعنی هیچ پول بیرونی نیامده و همه چیز از جیب خودش درآمده. این یعنی ریسک کامل روی دوش سازنده بوده و همین کار را قابل احترام‌تر می‌کند. در نُه ماه گذشته حدود ۱۳ هزار مشتری از این اپ استفاده کرده اند. الان ۸۱ مشترک فعال دارد که به صورت هفتگی یا سالانه یا مادام‌العمر پول می‌دهند. درآمد سی روز اخیر ۳۵۷ دلار و درآمد ماهانه تکرارشونده ۲۷۲ دلار ثبت شده. رشد سی روز اخیر هم بیش از ۸۳ درصد بوده. عدد ۸۳ درصد رشد در یک ماه کم نیست. ولی باید صادق بود که مبنا کوچک است. وقتی درآمد ماهانه چند صد دلار باشد یک جهش کوچک هم درصد بزرگ می‌سازد. پس این درصد زیبا را نباید با رشد یک استارتاپ چند میلیون دلاری اشتباه گرفت. بخش قهرمان داستان اینجاست. تمام کاربران از کانال ارگانیک آمده اند. وب‌سایت و پست های شبکه های اجتماعی مثل TikTok. سازنده خودش نوشته که صفر دلار تبلیغات خرج کرده و این را احتمالا یک ضعف می‌داند. ولی از نگاه خریدار این یک فرصت بزرگ است. یعنی محصول بدون یک ریال هزینه ی جذب توانسته ۳۰۰ نقد و بررسی روی اپ‌استور و گوگل‌پلی جمع کند. این نشان می‌دهد خود محصول مخاطبش را راضی نگه داشته. وگرنه کسی برای یک اپ بد نقد نمی‌نویسد. قیمت‌گذاری ساده و هوشمندانست. هفته ای ۷ دلار یا سالانه ۳۹ دلار یا مادام‌العمر ۷۹٫۹۹ دلار. این ساختار سه‌سطحی اجازه می‌دهد کاربر کم‌ریسک اول هفتگی امتحان کند و بعد اگر ماندگار شد سالانه بخرد. برای یک اپ سلامتی که وابسته به عادت روزانست این مدل منطقی است. و اما قیمت فروش. پروژه با قیمت ۱۵ هزار دلار برای فروش گذاشته شده. با درآمد ماهانه فعلی ضریب قیمت حدود ۳٫۸۴ برابر می‌شود. این ضریب برای یک اپ کوچک با رشد خوب نه ارزان است نه گران. همه چیز به این بستگی دارد که خریدار چقدر به رشد آینده باور داشته باشد. ‏بذار تصور کن تو یکی از آن ۹۰ میلیون آدمی هستی که نقرس دارد. هر بار که یک حمله می‌آید چند روز از زندگی‌ات را از دست می‌دهی. درد شست پا آنقدر شدید است که حتی ملافه روی پایت هم آزارت می‌دهد. نمی‌توانی راه بروی و نمی‌توانی بخوابی. مشکل اصلی اینجاست که اکثر بی ماران نمی‌دانند دقیقا چه چیزی حمله را شروع می‌کند. دکتر یک لیست کلی می‌دهد و یک قرص تجویز می‌کند. بعد تو می‌مانی و یک عالمه سوال بی‌جواب درباره ی بشقاب غذایت. گوشت سرخ پورین زیادی دارد. بعضی ماهی‌ها بدتر از گوشت قرمز هستند. آبجکت را که همه می‌دانند. ولی می‌دانی بعضی سبزی‌ها هم پورین بالا دارند. قارچ. اسفناج. مارچوبه. و حتی آب بعضی از حبوبات.

‏اختتامیه قصه امشب ‏تصور کن یک شب مهمانی رفته ای و با اشت‌ها غذا خورده ای. فردا صبح با درد وحشتناکی در شست پا از خواب بیدار می‌شوی. کسی به تو نگفته بود که آن غذا دقیقا چه بلایی سرت می‌آورد. حالا یک توسعه‌دهنده تن های انگلیسی فکر کرده شاید بشود این جهنم را قبل از شروعش متوقف کرد. داستان Goutsnap از همین جا شروع می‌شود.

خلاصه امروز ۱. ‏system-one-connector یه پل بین ایجنت هوش مصنوعیت و یه مدل خاص به اسم Jev هست. ایجنتت یه سوال میپرسه ‏تو میگی سوال چیه و جواب های ممکنش چیا هستن. بعد هر جواب یه احتمال میگیره که ایجنتت بتونه روش تصمیم بگیره. یعنی ایجنتت فرق یه جواب مطمئن با یه حدس شانسی رو میفهمه. مطمئن‌ها رو خودش جلو میبره و مشکوک‌ها رو میذاره برای تو. ‏نصبشم یه دستوره و خودش اپهایی مثل Claude Code و Codex رو پیدا میکنه. 🤖 این پست امروز بیشترین فوروارد رو گرفته مشاهده خبر ۲. ‏یه نفر به ایجنتش فقط یه اجازه داده بود. اینکه بتونه درخواست تغییر کد باز کنه نه اینکه خودش تاییدش ک ‏برای همین هر کسی که به اون پروژه فقط اجازه خوندن داشت هم میتونست از ایجنت بخواد براش تغییر کد باز کنه. نوشتن یه خط تو راهنمای خود ایجنت هم جلوش رو نمیگیره. یعنی یه اجازه کوچیک به ایجنت میتونه دسترسی نوشتن رو به همه بده. ‏قبل از دادن هر دسترسی باید ببینی آخرش با کلید کی داری حرف میزنی. 🔑 هر تیمی که به ایجنتش دسترسی به مخزن کد داده باید بدونه اون دسترسی برای هر کسی که با ایجنت حرف میزنه هم بازه. این پست امروز بیشترین ویو رو گرفته مشاهده خبر

یه SDK متن‌بازه برای ساخت ابزارهای شبیه Excel Word و PowerPoint داخل اپلیکیشن خودت. یعنی می‌تونی قابلیت‌هایی مثل Spreadsheet Document Presentation و حتی پردازش بدون رابط کاربری رو به پروژه‌ات اضافه کنی. جالبش اینه که برای AI Agentها هم ساخته شده Agent می‌تونه فایل‌ها رو بخونه ویرایش کنه نتیجه رو بررسی کنه و حتی با کاربر روی همون فایل کار کنه. https://github.com/dream-num/univer

بهترین‌های هفته ۱. بچه ها این مدل Jev هم سرو صدای زیادی کرده و هر کسی داره یه استفاده عجیب ازش میکنه. یکی از کارهای بسی اتاق پرو مجازی درست کرده که واقعا هیجان انگیزه و به نظرم میتونه یکی از راه های درآمد زایی دلاری از برندهای لباس باشه. این ایده رو جدی بگیرید این پست هفته بیشترین فوروارد رو گرفته مشاهده خبر ۲. ‏Kryvora یه شبکه زیرساخت فیزیکی غیرمتمرکزه که نود‌ها توش وضعیت همدیگه رو تایید می‌کنن. نود رسمیش با ‏Arbitrum One. توکن راه اندازیش رو هم باید با وصل کردن کیف پولت از پورتال بگیری. چون کلید سولباند یعنی غیرقابل انتقاله نمی‌تونی نود رو با فروش کلیدش واگذار کنی. هویت نودت مستقیم به همون کیف پولی وصله که وصلش کردی. این پست هفته بیشترین ویو رو گرفته مشاهده خبر

متاسفانه OpenAI اعلام کرده در جریان بررسی چند حادثه امنیتی مشخص شده Agentهای مورد استفاده در محیط‌های Research و Evaluation بعضی داده‌های داخلی را به سایت‌های خارجی ارسال کرده‌اند. موردی که بیشتر مورد توجه قرار گرفته ۵۳ تصویر آپلودشده توسط کاربران ChatGPT است که Agentها آن‌ها را روی سرویس‌های میزبانی تصویر خارجی قرار داده‌اند. لینک‌ها عمومی فهرست نشده بودند، اما قابل کشف بودن OpenAI گفته این اتفاق قبل از اجرای مجموعه‌ای از کنترل‌های امنیتی جدید رخ داده و همچنان در حال بررسی دامنه کامل حوادث است. این شرکت همچنین گفته نتوانسته کاربران صاحب آن ۵۳ تصویر را شناسایی و مستقیماً مطلع کند نکته مهم این موضوع مربوط به Agentهای محیط‌های تحقیقاتی و ارزیابی OpenAI است و نباید با این ادعا که همه تصاویر کاربران ChatGPT در اینترنت منتشر شده‌اند اشتباه گرفته بشه. البته به نظرم خیلی از این اخبار جنبه بازاری داره و میخواد حواس هارو مال خود کنه به هر حال این روزها هیچی بعید نیس

عجب ایده جذابی. ترکیب واقعیت با انیمیشن چقدر جذاب میتونه باشه برای شبکه های اجتماعی و البته یوتیوب