کامیونیتی رادار
الذهاب إلى القناة على Telegram
تمامی پست های مفید کامیونیتی برنامه نویسی من: @call_me_nouh لینکدین من : https://www.linkedin.com/in/mahdi-nouri-7aa043227
إظهار المزيد1 196
المشتركون
-124 ساعات
-47 أيام
-2130 أيام
جارٍ تحميل البيانات
القنوات المماثلة
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
جذب المشتركين
أكتوبر '26أكتوبر '26
أكتوبر '26
+26
في 0 قنوات
سبتمبر '26
+48
في 0 قنوات
Get PRO
أغسطس '26
+49
في 0 قنوات
Get PRO
يوليو '26
+50
في 0 قنوات
Get PRO
يونيو '26
+53
في 0 قنوات
Get PRO
مايو '26
+26
في 0 قنوات
Get PRO
أبريل '26
+13
في 0 قنوات
Get PRO
مارس '26
+5
في 0 قنوات
Get PRO
فبراير '26
+34
في 0 قنوات
Get PRO
يناير '26
+16
في 0 قنوات
Get PRO
ديسمبر '25
+32
في 0 قنوات
Get PRO
نوفمبر '25
+30
في 0 قنوات
Get PRO
أكتوبر '25
+30
في 1 قنوات
Get PRO
سبتمبر '25
+24
في 0 قنوات
Get PRO
أغسطس '25
+41
في 3 قنوات
Get PRO
يوليو '25
+41
في 0 قنوات
Get PRO
يونيو '25
+30
في 0 قنوات
Get PRO
مايو '25
+24
في 0 قنوات
Get PRO
أبريل '25
+12
في 0 قنوات
Get PRO
مارس '25
+41
في 0 قنوات
Get PRO
فبراير '25
+51
في 0 قنوات
Get PRO
يناير '25
+69
في 0 قنوات
Get PRO
ديسمبر '24
+78
في 0 قنوات
Get PRO
نوفمبر '24
+89
في 3 قنوات
Get PRO
أكتوبر '24
+69
في 1 قنوات
Get PRO
سبتمبر '24
+84
في 0 قنوات
Get PRO
أغسطس '24
+75
في 0 قنوات
Get PRO
يوليو '24
+51
في 0 قنوات
Get PRO
يونيو '24
+173
في 0 قنوات
Get PRO
مايو '24
+250
في 10 قنوات
Get PRO
أبريل '24
+254
في 10 قنوات
Get PRO
مارس '24
+655
في 2 قنوات
Get PRO
فبراير '240
في 1 قنوات
Get PRO
يناير '24
+55
في 0 قنوات
| التاريخ | نمو المشتركين | الإشارات | القنوات | |
| 28 أكتوبر | +1 | |||
| 27 أكتوبر | +1 | |||
| 26 أكتوبر | +4 | |||
| 25 أكتوبر | +1 | |||
| 24 أكتوبر | 0 | |||
| 23 أكتوبر | +1 | |||
| 22 أكتوبر | +2 | |||
| 21 أكتوبر | 0 | |||
| 20 أكتوبر | 0 | |||
| 19 أكتوبر | +1 | |||
| 18 أكتوبر | 0 | |||
| 17 أكتوبر | 0 | |||
| 16 أكتوبر | 0 | |||
| 15 أكتوبر | +1 | |||
| 14 أكتوبر | 0 | |||
| 13 أكتوبر | 0 | |||
| 12 أكتوبر | +1 | |||
| 11 أكتوبر | +1 | |||
| 10 أكتوبر | +1 | |||
| 09 أكتوبر | +2 | |||
| 08 أكتوبر | +1 | |||
| 07 أكتوبر | +1 | |||
| 06 أكتوبر | 0 | |||
| 05 أكتوبر | 0 | |||
| 04 أكتوبر | +3 | |||
| 03 أكتوبر | +1 | |||
| 02 أكتوبر | +2 | |||
| 01 أكتوبر | +1 |
منشورات القناة
Repost from ذهن زیبا - A beautiful Mind
اگر دوست دارید با کمک میوز، کاری راه بندازید این ویدئو برای شماست:
https://youtu.be/tpZOU1ugODQ
گرچه ساخت پول انقدر راحت نیست که این یوتوبرها نشون می‌دن ولی خب، اطلاعات خوبی داره که بهتون ایده میده.
@haghiri75_blog
| 2 |  یه کتابخونه کامپوننت React که احتمالاً هنوز ندیدیش!
چرا؟ چون سازنده‌اش خودش طراحی‌ش کرده تا هر کامپوننت حرکت کنه، واکنش نشون بده و ظاهری متفاوت از قالب‌های تکراری داشته باشه.
اگه دنبال ایده‌های تازه برای طراحی رابط کاربری و ساخت سایت‌های متفاوتی، این یکی رو ببین:
https://scrolltide.co
@DevTwitter | <Yarad/> | 43 |
| 3 |  اگه تو این دنیای ai تو حجم اطلاعات گم شدین و از هر موضوعی یه تیکه میدونین
پیشنهاد میکنم doctree-ai.com رو یه تست بکنین
و یه لیستی از مقاله برای خودتون با سطحتون درست کنین و هر هفته پیش ببرینشون بعد یه ماه تاثیرش رو میبینن که چقدر دانشتون بهتر شده تو یه موضوعی
@DevTwitter | <Amin Torabi/> | 53 |
| 4 | EC-Council Network Defender Essentials (v2026)
Module 1 - Network Security Fundamentals
این کتاب بیشتر به صورت تئوری هست و به شما سرنخ ها و کلمات کلیدی ای رو میده که بعد از خوندن در کتاب باید به یاد داشته باشید که خودتون برید دنبال یادگیری بیشترش و همینطور در فصل های بعد از اون استفاده کنید
از اونجایی که کتاب بیشتر توصیفی هستش و از تصاویر برای تفهیم استفاده شده بسیار مناسب هست
اگر اشکالی ایرادی در نگارش و در متون ترجمه شده دیدید حتما خوشحال میشم بهم اطلاع بدید | 87 |
| 5 |  یه استارتاپی تو ایران اومده یه نسخه مشابه openRouter توی ایران ساخته به اسم IranRouter
و برای مدت محدود
مدل های gpt6-luna و DeepSeekV4-flash رایگان کردن
نکته باحال اینجاس که قیمتاشون با قیمت های شرکت های ai دقیقا یکسانه بدون کارمزد
چرا ساختنش؟(طبق چیزی که تو سایتشون گفتن)
• شارژ پلتفرم های ai با ایرانی‌کارت دشوار طولانی و خسته کننده است
• پلتفرم های مشابه قیمت گذاری مشخصی ندارند
• در زمان نت ملی دسترسی به api ها سخت است
• نیازه تا توی چند جای مختلف اکانت هاتون رو شارژ و مدیریت کنید.
چه مزیتی داره؟
• قیمت های یکسان با ai های مادر
• مهاجرت سریع(فقط کافیه لینک endpoint رو بزارید روی ایران روتر تا از openai یا deepseek یا grok منتقل بشید به ایران روتر)
• پرداخت ریالی
• تیم پشتبانی قوی
😱لینکش: https://iranrouter.net
بعد از ورود به بخش ثبت نام برید و کلید api خودتون رو بگیرید. | 59 |
| 6 |  این Skillعه خیلی عجیبه. بهش میگی یه مفهوم مثلا TCP handshake یا LRU cache رو توضیح بده به جای نمودار کشیدن با فلش و ... میاد لیترالی یه دستگاه مکانیکی که همون فرآیند رو شبیه سازی میکنه میسازه. interactiveهم هست و میشه با چیزی که میسازه کار کرد :))
skills.wheresryan.sh/anatomy
@DevTwitter | <Mahdi MirMohamadi/> | 54 |
| 7 |  مدل هوش مصنوعی Kimi K3.1 Pro توسط شرکت Moonshot AI رسما معرفی شد، مدلی چندوجهی با ۲.۸ تریلیون پارامتر و پنجره زمینه یک میلیون توکنی.
مدل Kimi K3.1 Pro در بنچمارک مهندسی نرم‌افزار SWE Marathon امتیاز ۵۱.۷ درصد را گرفت و از مدل‌های پرچمدار Claude Opus 5.5 (با ۴۶.۳ درصد) و GPT-6 Astra (با ۴۲.۵ درصد) جلو زد.
این مدل در آزمون استدلال و دانش Humanity's Last Exam هم با کسب ۷۸ درصد امتیاز، بالاتر از Opus 5.5 (با ۶۷.۷ درصد) قرار گرفت.
در کنار قدرت بالای این مدل، هزینه کمتر برگ برنده این مدل است. مدل K3.1 Pro در بنچمارک Terminal-Bench 4.0 امتیاز ۶۵.۷ درصد را گرفته (تقریباً برابر با Opus 5.5 با ۶۶.۴ درصد)، اما هزینه اجرای هر تسک آن تنها ۵ تا ۶ دلار است. این در حالی است که Opus 5.5 برای همین عملکرد، حدود ۱۵ دلار به ازای هر تسک هزینه دارد!
مدل K3.1 Pro از امروز هم از طریق api و هم از طریق اشتراک کیمی در دسترس است.
@DevTwitter | <MohammadMSFT/> | 88 |
| 8 | ⚡ سری Bash برای باگ هانترها
قسمت ۲
چندین folder رو با one-liner بساز:
mkdir {dev,test,prod}
این command همزمان ۳ directory (dev، test، prod) میسازه.
ایجاد چندین File به طور Efficient:
touch {file1,file2,file3}.txt
Fileها مثل file1.txt، file2.txt، file3.txt ساخته میشن.
تولید Fileها با Numeric Sequences:
seq -w 1 10 | xargs -I {} touch file{}.txt
این sequence fileهایی مثل:
file01.txt، file02.txt، file03.txt.... تا file10.txt میسازه.
با pro Bash commandها bug huntingت رو boost کن must برای هر hacker!
فراموش نکن react کن 🔥
@TryHackBox
#باگ_بانتی | 87 |
| 9 |  چند روزیه ذهنم درگیر شده بود چطوری بهتر با AI کد بزنم و در تلاش بودم که روند توسعه رو مدل بکنم و فقط اونجایی که نیاز بود درگیر بشم
امشب متوجه شدم این سیستم یک یک اسم داره:
software-factory:
https://aicodingdictionary.com/?term=software-factory
@DevTwitter | <Reza Ghasemi/> | 98 |
| 10 |  اگه با AI کدنویسی می‌کنی و می‌خوای برای سایتت طراحی‌های جذاب‌تری بسازی، این ابزار رو ببین!
اسمش SceneAI هست؛ یک کتابخونه از Promptهای آماده برای طراحی بخش‌های مختلف سایت و ساخت Landing Pageهای مدرن و انیمیشنی.
چه چیزهایی توش پیدا می‌کنی؟
طراحی Hero Sectionهای جذاب برای صفحه اول سایت
نمونه‌های آماده برای طراحی Landing Page
پس‌زمینه‌های انیمیشنی
مجموعه‌های Gradient برای ساخت ظاهرهای حرفه‌ای‌تر
Promptهای آماده که می‌تونی کپی کنی و در ابزارهای AI کدنویسی استفاده کنی
نکته جالب اینه که می‌تونی به‌جای شروع از یک صفحه خالی، از طراحی‌های آماده ایده بگیری و با تغییر Prompt، اون‌ها رو متناسب با پروژه خودت بسازی.
هر هفته هم طراحی‌ها و نمونه‌های جدید به مجموعه اضافه میشن. بعضی محتواها رایگان هستن و برای دسترسی کامل باید اشتراک تهیه کنی.
اگه با Claude Code یا ابزارهای دیگه Vibe Coding کار می‌کنی، این کتابخونه می‌تونه برای پیدا کردن ایده‌های بصری و ساخت رابط‌های کاربری جذاب به کارت بیاد.
مشاهده پروژه:
https://sceneai.art/
@DevTwitter | <Yarad/> | 86 |
| 11 | 🔗 معرفی LayerFS برای وقتی ایجنت‌ها زیاد میشن!
فرض کنین یه پروژه نرم‌افزاری بزرگ دارین و به‌جای اینکه یه ایجنت رو مأمور Refactoring کنین، تصمیم می‌گیرین ۲۰ تا ایجنت رو همزمان به کار بگیرین؛ ۵ تا برای refactoring، پنج‌تا هم برای پیدا کردن و رفع Bug، پنج‌تا برای نوشتن تست و پنج‌تای دیگه هم برای امتحان کردن روش‌های مختلف بهینه‌سازی performance. خب؟
روی کاغذ خوبه؛ ولی یه مشکل اساسی داریم: هر Agent برای کارش به سورس‌کد پروژه، dependencyها و یه محیط اجرایی مستقل نیاز داره.
راه‌حل‌های دوران پیشاهوشواره (ماقبل AI) مثل git تا حد خوبی این نیاز رو برطرف میکنن، ولی وقتی تعداد Agentها به ده‌ها یا صدها برسه، مدیریت این محیط‌ها، نگهداری فایل‌های تکراری، آماده‌سازی dependencyها و هماهنگی تغییرات، خودش تبدیل به یه چالش جدی میشه.
مثلاً وقتی یه پروژه با سورس‌کد ۱۰۰ گیگابایتی دارین؛ چرا باید برای هر Agent یک کپی جداگانه از همه‌چیز داشته باشین؟ از طرفی هم نمی‌شه همه از یه نسخه مشترک استفاده کنن و فقط تغییرات خودشون رو مستقل نگه دارن؟
دلیل پیدایش پروژه متن‌باز LayerFS همین مسئله بود! ایده اصلیش Ephemeral Workspaces, Durable Shared History است؛ یعنی محیط‌های کاری موقت، با تاریخچه تغییرات ماندگار و مشترک.
به زبون ساده، هر ایجنت یه workspace مستقل داره، بدون اینکه لازم باشه همه فایل‌ها و dependencyهای پروژه براش کپی بشن. همه از یه پایه مشترک استفاده میکنن و فقط تغییرات اختصاصی خودشون رو نگه می‌دارن.
قابلیت جذاب‌ترش اینکه تغییرات می‌تونن به‌صورت checkpoint ثبت بشن. فرض کنین یه ایجنت برای refactoring چهار مرحله جلو رفته، ولی توی مرحله چهارم به بن‌بست رسیده. میشه از مرحله دوم یه branch جدید ساخت و به چند ایجنت دیگه سپرد تا مسیرهای متفاوتی رو امتحان کنن.
حتی میشه ۵۰ تا ایجنت رو روی ۵۰ راه‌حل متفاوت برای یه مسئله به کار گرفت، بعد خروجی‌ها رو تست و مقایسه کرد و بهترین گزینه رو انتخاب کرد. البته انتخاب بهترین راه‌حل کار خود LayerFS نیست؛ این زیرساخت فقط اجرای چنین الگویی رو ساده‌تر میکنه.
از نظر فنی هم پروژه با ترکیبی از تکنیک‌های شناخته‌شده و حتی قدیمی مثل Copy-on-Write، Content-Addressed Storage و SQLite پیاده‌سازی شده و ادعاهای جالبی درباره کاهش مصرف استورج و زمان آماده‌سازی Workspaceها داره.
البته هنوز محدودیت‌هایی هم داره، مثل محدودیت اشتراک Store بین ماشین‌های مستقل، یا مدیریت Conflictهای منطقی و بعضی ملاحظات مربوط به Durability.
بنابراین فعلاً نباید بهش به‌عنوان «امروزه، عصر، عسر LayerFS است و هر کس بلد نباشه یا استفاده نکنه، ابله است» نگاه کنیم.
💡 اما به نظرم نکته مهم‌تر از خود LayerFS؛ مسئله‌ایه که داره حل میکنه.
ما داریم به سمتی می‌ریم که توسعه نرم‌افزار لزوماً به معنی همکاری یه برنامه‌نویس با یه ایجنت نیست. ممکنه به معنی اجرای ده‌ها یا صدها ایجنت باشه که همزمان فرضیه‌های مختلف رو امتحان میکنن، شکست می‌خورن، به عقب برمی‌گردن و مسیرهای جدیدی رو پیش می‌گیرن.
برای چنین آینده‌ای، فقط مدل‌های هوشمندتر کافی نیستن. به زیرساخت‌هایی نیاز داریم که این شکل از توسعه رو از نظر هزینه، سرعت، مدیریت state و قابلیت ردیابی عملی کنن.
و LayerFS قرار نیست ایجنت‌ها رو باهوش‌تر کنه؛ می‌خواد کاری کنه که بتونیم تعداد خیلی بیشتری از اون‌ها رو به شکل مؤثر، کنار هم به کار بگیریم و هزینه منابع رو در سطح استورج و زمان، کنترل کنیم.
و شاید این بخشِ کمتر دیده‌شده یا کمتر پرداخته‌شده‌ای از تحول AI-Native Software Engineering باشه: تحول توی زیرساخت توسعه، نه صرفاً ابزار تولید کد یا حتی محصول.
🔗 وب‌سایتش
🔗 سورس‌کدش | 83 |
| 12 |  سورس‌کد Claude لو رفت؛ حالا یکی کل کدبیسش رو تبدیل به کتاب کرده!
یادتونه سورس‌کد فرانت‌اند Claude لو رفت؟
ماجرا از انتشار اشتباهی فایل‌های Source Map شروع شد، اما تحلیل چنین کدی برای خیلی‌ها کار ساده‌ای نبود.
Claude یه پروژه کوچیک با چندتا کامپوننت ساده نیست؛ با یه کدبیس پیچیده و بزرگ طرفیم که فهمیدن معماری و جزئیاتش کار هر کسی نیست.
حالا یه نفر اومده کل این کدبیس رو تحلیل کرده و نتیجه رو توی یه کتاب حدوداً ۴۰۰ صفحه‌ای منتشر کرده!
اگه به مهندسی نرم‌افزار، معماری فرانت‌اند و نحوه کار Claude Code علاقه دارید، این منبع واقعاً ارزش خوندن داره.
https://claude-code-from-source.com/
@DevTwitter | <Shahram boroukanlou/> | 49 |
| 13 |  گیت برای انسان‌های آفلاین طراحی شده بود؛ آنتروپیک رسماً اونو کنار گذاشت!
هممون خیلی ساله که داریم با گیت کار میکنیم. خود من به شخصه همیشه فکر میکردم که گیت یه استاندارد ابدیه.
ولی وقتی سرعت تولید کد با ایجنت جوری بالا میره که حتی بنیادین‌ترین ابزار دنیای نرم‌افزار هم زیر بار ترافیک زانو میزنه.
چند روز پیش آنتروپیک اعلام کرد که تعداد مرج روزانه‌ش از ۲,۵۰۰ مورد تو ماه مه، به بیش از ۳۰,۰۰۰ مرج در روز در سپتامبر رسیده.
نتیجه؟ گیت و گیت‌هاب زیر این حجم کد تولیدشده توسط ایجنت‌ها قفل شدن.
آنتروپیک چی کار کرد؟ اونا طی ۵ ماه سیستم کنترل نسخه اختصاصی خودشون به نام Scion رو ساختن و کل مونوریپو رو از Git بردن روی Scion.
حالا معماری Scion دقیقا چطوری کار میکنه که Git نتونست؟
آنتروپیک نیومد صرفا گیت رو دستکاری کنه؛ فرض‌های پایه‌ای کنترل ورژن رو از صفر بازتعریف کرد. به چه شکلی؟
۱. حذف کپی کامل ریپو (Sparse & Server-Side):
تو Git فرض بر اینه که هر کلاینت یه نسخه کامل از تاریخچه و درختی از کل ریپو رو به صورت محلی داشته باشه. وقتی حجم مونوریپو به صدها گیگابایت میرسه، این مدل قفل میکنه. در Scion، سورس اصلی و محاسبات سنگین (مث Diff، Blame و ساخت Commit) کلا روی سرور انجام میشه. ایجنت ها صرفا با یه کلاینت سبک و در حد چند فایل مشخص که نیاز دارن با سرور کار میکنن، نه کل تاریخچه پروژه.
۲. عملیات Commit و Merge بدون قفل (Lock-Free):
توی سیستم سنتی، وقتی ۵۰۰ ایجنت بخوان همزمان تغییر ثبت کنن، صف‌های مرج (Merge Queues) داستان میشن. تو Scion هر تغییر یک Change Set سبک روی دیتابیس توزیع‌شده‌ست که بدون نیاز به Push جداگانه یا قفل کردن مخزن، بلافاصله ثبت میشه.
۳. اولویت با ریکاوری سریعه، نه جلوگیری وسواسی از تغییر:
به جای اینکه هزار لایه اصطکاک و تایید قبل از مرج بذارن تا هیچ باگی وارد نشه، موانع رو برداشتن تا کدهای آماده با سرعت ثانیه ادغام بشن؛ در عوض، خط لوله‌های تست خودکار و سیستم‌های بازگشت (Revert) آنی طراحی کردن تا اگر باگی ایجاد شد، مدل‌ها در کسری از ثانیه حلش کنن.
آینده‌ی توسعه نرم‌افزار متعلق به زیرساخت‌هاییه که برای سرعت ماشین بهینه‌سازی شده باشن، نه کندی انسان.
@DevTwitter | <Hossein Moradi/> | 59 |
| 14 | آی آی بوی جنگ میاد | 63 |
| 15 |  مدیرعامل بنیاد ملی بازی‌های رایانه‌ای: زیرساخت فنی اتصال بازی‌های آنلاین هنگام قطع اینترنت بین‌الملل آماده شده است
🔹محمد حاجی‌میرزایی، مدیرعامل بنیاد ملی بازی‌های رایانه‌ای، روز سه‌شنبه ۲۸ مهر ۱۴۰۵ در گفت‌وگو با سیتنا از آماده‌سازی طرحی برای اتصال بازی‌های آنلاین در صورت قطع مجدد اینترنت بین‌الملل خبر داد و بر ارائه عمومی این خدمات تأکید کرد.
🔹حاجی‌میرزایی درباره راهکار این بنیاد برای کاهش مشکلات گیمرها در صورت قطع مجدد اینترنت بین‌الملل گفت: «سامانه‌ای که در هفته پایانی جنگ رمضان فعال بود، امکان ارائه خدمات به بازی‌های منتخب را فراهم می‌کرد، اما توسعه این راهکار به تأمین زیرساخت‌های سخت‌افزاری نیاز دارد.»
متن کامل خبر
@iranianstartup_com | 91 |
| 16 | ترکیب بشه با چارت ترید | 134 |
| 17 |  اینم جالبه یه نمودار می‌کشی و ادامش رو پیشبینی میکنه و می‌کشه
تست آنلاین:
huggingface.co/spaces/townbox/sketch-a-series
مدلش:
huggingface.co/mistralai/Timestral-5M
@Linuxor | 122 |
| 18 | بابا باشه دیگه فهمیدیم کامپوننت های ایزومتریک خوبن | 129 |
| 19 | 🤖 اهمیت تخصص «امنیت AI» در آینده شغلی!
اخیراً لابه‌لای اخبار، مرتب از سرکشی و افسارگسیختگی ایجنت‌های هوش مصنوعی می‌خونیم؛ اینکه فلان ایجنت به سیستم‌های یک شرکت، سازمان دولتی یا حتی بیمارستان نفوذ کرده و به اطلاعاتی که نباید، دسترسی پیدا کرده، یا به طور خلاصه، یه غلطی کرده!
اما به نظر من قبل از اینکه مثل اکثر رسانه‌ها، داستان‌سرایی کنیم که «هوش مصنوعی از کنترل خارج شد!» و واویلا شده و پس‌فردا میاد می‌خورتمون؛ باید یه سؤال اساسی رو جواب بدیم:
اصلاً چی میشه که یه Agent تصمیم می‌گیره بره یه جایی رو هک کنه؟!
طبیعتاً ماجرا این نبوده که ایجنت صبح از خواب بیدار شده، مسواک زده، بعد موقع سرکشیدن قهوه با خودش گفته: «خب امروز چیکار کنیم؟ آها! بریم Hugging Face رو هک کنیم!» 😁
این ایجنت‌ها مأموریتی داشتن که هدف اولیه‌اش توسط انسان تعیین شده بوده. برای رسیدن به اون هدف هم می‌تونستن برنامه‌ریزی کنن، از ابزارهای مختلف استفاده کنن، نتیجه کارشون رو بررسی کنن و اگر راهی به نتیجه نرسید، راه دیگه‌ای امتحان کنن.
گزارش رسمی Hugging Face میگه ایجنت‌های درگیر، در یک ارزیابی امنیتی با استفاده از آسیب‌پذیری‌ها و دسترسی‌های به‌دست اومده، در نهایت وارد زیرساختشون شدن. تحلیلشون اینه که ایجنت احتمالاً می‌خواستی پاسخ‌های مربوط به آزمون رو به دست بیاره، نه اینکه صرفاً یک هدف تصادفی رو هک کنه.
ولی مسئله از اونجایی شروع میشه که ایجنت (یا ایجنت‌ها در تعامل با هم) توی مسیر رسیدن به هدف، با محدودیتی مواجه میشن و به‌جای اینکه متوقف بشن، اون محدودیت رو هم به چشم یک مسئله قابل‌حل میبینن!
و ماجرا وقتی پیچیده‌تر میشه که مسئله، خودش به چند مسئله دیگه شکسته میشه. ایجنت برای حل مسئله اول، سراغ مسئله دوم میره، بعد سوم و همینطور جلوتر میره. حالا ممکنه توی مسئله دهم یا بیستم، محدودیت‌های مأموریت اولیه به‌درستی لحاظ نشده باشن و ایجنت مسیری رو انتخاب کنه که با هدف اصلی سازگاره، ولی با قواعد یا محدودیت‌هاش نه!
البته همه رخدادهای امنیتی ایجنت‌ها از این جنس نیستن؛ گاهی هم پای Prompt Injection وسطه، گاهی ضعف زیرساخت و گاهی هم خود مأموریت یا اختیاراتی که به Agent داده میشه مشکل‌سازه.
ولی نکته مهم اینه که مجاز بودن هدف، لزوماً به معنی مجاز بودن تمام مسیرهای رسیدن به اون هدف نیست.
راه‌حل چیه؟ از این به بعد فقط مأموریت‌هایی به ایجنت‌ها بدیم که هیچ خطری نداشته باشن؟ یا توی پرامپت بنویسیم «لطفاً برای رسیدن به هدفت مرتکب هیچ نوع وندالیسمی نشو!» و امیدوار باشیم حرف‌گوش‌کن باشن؟!
طبیعتاً نه!
داستان روش‌های امنیت ایجنت، اینجا وسط میاد. همون‌طور که با گسترش شبکه‌ها و اینترنت، به‌تدریج فایروال‌ها، سیستم‌های تشخیص نفوذ، کنترل دسترسی و لایه‌های مختلف امنیتی شکل گرفتن، حالا هم با گسترش سیستم‌های Agentic، به مکانیزم‌هایی نیاز داریم که متناسب با قابلیت‌های جدید این سیستم‌ها طراحی شده باشن.
ابزارهایی که فقط به نمی‌گن ایجنت چه کاری رو نباید انجام بده، بلکه بتونن جلوی عملیات غیرمجاز رو هم بگیرن (Preventive)، رفتارهای مشکوک رو شناسایی کنن (Detective) و در صورت وقوع تخلف، فعالیتش رو محدود یا متوقف کنن (Containment/Response).
و این دقیقاً یکی از حوزه‌هاییه که در آینده جزو تخصص‌های مهندس و معماران نرم‌افزار و متخصصان امنیت خواهد بود و جایگزین برخی تخصص‌هایی میشه که شاید کمرنگ‌تر یا کم‌درخواست‌تر میشن.
شرکت‌هایی پیشرو مثل SpaceXSI, NVIDIA، Microsoft، Google، AWS و بقیه هم دارن برای حل این مسئله راهکارهایی ارائه می‌دن و هر کدوم هم یه بخشی از مسئله رو هدف گرفتن...
مثلاً NVIDIA اخیراً پلتفرم Open Agent Safety رو معرفی کرده. و OpenShell یکی از اجزاء این پلتفرمه که یه محیط اجرای ایزوله با کنترل دسترسی به شبکه، فایل‌ها و ابزارها فراهم میکنه. Sentry هم یکی دیگه از اجزائشه که هم با استفاده از DPU یه لایه مستقل نظارتی در سطح زیرساخت اضافه میکنه و هم می‌تونه ایجنت سرکش و از محدودیت‌ها خارج‌شده رو بگیره قرنطینه کنه.
البته همه شرکت‌ها از یه مسیر به مسئله نگاه نمی‌کنن. مثلاً Microsoft روی هویت و مدیریت دسترسی Agentها، AWS روی اعمال Policy قبل از اجرای ابزارها، و NVIDIA روی ایزوله‌سازی و کنترل در سطح Runtime و زیرساخت تمرکز کردن. طبیعتاً هیچ‌کدوم از این رویکردها هم به‌تنهایی تمام مسئله رو حل نمی‌کنن.
خلاصه اینکه به نظرم امنیت سیستم‌های ایجنتیک یا به‌صورت کلی امنیت AI یکی از حوزه‌هاییه که طی سال‌های آینده اهمیت بیشتری پیدا میکنه و یادگیری مفاهیم، روش‌ها و ابزارهاش برای مهندس‌های نرم‌افزار و متخصصین امنیت، می‌تونه فرصت‌های تازه‌ای ایجاد کنه.
شاید به‌جای اینکه تمام وقتمون رو صرف اخبار آخرالزمانی درباره بیکارشدن برنامه‌نویس‌ها کنیم و نگران باشیم که بالاخره کی باید تحت پوشش مؤسسات خیریه و بهزیستی قرار بگیریم، بد نباشه بخشی از اون زمان رو صرف شناختن همین تغییرات و یادگرفتن تخصص‌های جدید کنیم!
مسیر مهندسی نرم‌افزار بارها تغییر کرده و باز هم تغییر میکنه. مسئله این نیست که جاده چرا پیچ می‌خوره؛ مسئله اینه که آیا ما هم مهارت پیچیدن باهاش رو داریم یا نه!
جاده داره می‌پیچه؛ باید یاد گرفت که چجوری فرمون رو هم چرخوند؛ چون با صاف‌رفتن، پیچ مستقیم نمی‌شه! 😉 | 147 |
| 20 |  گوگل پروژه‌ی متن‌باز Harness² رو معرفی کرده؛ سیستمی که به AI Agentها اجازه میده هارنس خودشون رو به‌مرور بهینه کنن. هارنس شامل تمام چیزهاییه که اطراف مدل قرار می‌گیره سیستم پرامپت، ابزارها، حافظه، مهارت‌ها و ساب ایجنت ها.
به‌جای تغییر وزن‌های مدل، Harness² چند نسخه از هارنس رو میسازه، اجرا میکنه و نتایجشون رو با هم مقایسه میکنه تا به تنظیمات بهتری برسه؛ حتی بدون نیاز به پاسخ صحیح یا ارزیاب اختصاصی برای هر وظیفه.
اما بخش جذاب‌تر اینجاست تجربه‌های موفق هر وظیفه ذخیره میشن تا Agent در وظایف بعدی از صفر شروع نکنه. یعنی هر تسک می‌تونه به بهبود عملکرد تسک‌های بعدی کمک کنه؛ قدمی به سمت Agentهای واقعاً خودبهبوددهنده!
github.com/google-research/harness2
@Linuxor | 108 |
