AI
前往频道在 Telegram
🕸 AI Labdon بروز ترین مرجع خبری در مورد دنیایی هوش مصنوعی حمایت مالی: https://www.coffeete.ir/mrbardia72 ادمین: @mrbardia72
显示更多551
订阅者
+224 小时
+47 天
+4030 天
数据加载中...
吸引订阅者
九月 '26
九月 '26
+3
在0个频道中
八月 '26
+50
在2个频道中
Get PRO
七月 '26
+33
在2个频道中
Get PRO
六月 '26
+21
在7个频道中
Get PRO
五月 '26
+16
在0个频道中
Get PRO
四月 '26
+19
在1个频道中
Get PRO
三月 '26
+1
在0个频道中
Get PRO
二月 '26
+18
在2个频道中
Get PRO
一月 '26
+36
在8个频道中
Get PRO
十二月 '25
+73
在2个频道中
Get PRO
十一月 '25
+69
在6个频道中
Get PRO
十月 '25
+94
在6个频道中
Get PRO
九月 '25
+265
在6个频道中
Get PRO
八月 '250
在7个频道中
Get PRO
七月 '25
+7
在8个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 03 九月 | +2 | |||
| 02 九月 | +1 | |||
| 01 九月 | 0 |
频道帖子
🔵 عنوان مقاله
Bring any AI agent into Slack, Teams, and Discord in minutes with Switch (Sponsor)
🟢 خلاصه مقاله:
با استفاده از Switch، هر چه سریعتر و بدون دردسر، هر عامل هوشمند را در Slack، Teams یا Discord راهاندازی کنید. این ابزار قدرتمند به شما امکان میدهد مدلها، زیرساختها و عوامل هوشمند خود را بدون نیاز به بازسازی کامل یا مهاجرت به سادگی در پلتفرمهای محبوب وارد کنید. دیگر نگران قفلشدن روی یک پلتفرم یا نیاز به ایجاد حسابهای جدید نباشید، چون Switch به صورت محلی روی سیستم شما اجرا میشود و کار کردن با آن بسیار آسان است. با این رویکرد، زمان و هزینههای توسعه را کاهش میدهید و میتوانید به سرعت بهرهبرداری از فناوریهای هوشمند را آغاز کنید.
با استفاده از این قابلیت، امکانات جدید و کارآمدی در همکاری تیمی و ارتباطات آنلاین خود خواهید داشت، بدون آن که نگران مشکلات فنی یا محدودیتهای سیستم باشید. Switch راهکاری است که تمامی نیازهای شما برای یکپارچهسازی و بهکارگیری هوش مصنوعی در بسترهای رایج را برآورده میکند، تنها کافی است چند دقیقه وقت بگذارید و آن را راهاندازی کنید. بنابراین، فرصت را از دست ندهید و همین حالا نحوه کار آن را بررسی کنید.
#هوش_مصنوعی #برنامه_نویسی #نقش_هوشمند #تسهیل_کار
🟣لینک مقاله:
https://flintai.dev/products/switch?utm_source=tldrAI&utm_medium=newsletter&utm_campaign=Quicklink09022026&utm_content=product
➖➖➖➖➖➖➖➖
👑 @ai_Labdon
| 2 | 🔵 عنوان مقاله
44% on ARC-AGI-1 in 67 cents (22 minute read)
🟢 خلاصه مقاله:
در دنیای هوش مصنوعی، پیشرفتهای مداوم در زمینه آموزش مدلهای بزرگ و پیچیده به منابع و زمان زیادی نیاز دارد. اما پژوهشگری توانسته است با روشی متفاوت، یک ترانسفورمر کوچک را در زمانی تنها 1.5 ساعت بر روی دستگاه 5090 آموزش دهد؛ این کار را بدون نیاز به منابع عظیم و در مدت زمان کوتاه انجام داده است. نتایج حاصله بسیار قابل توجه است؛ این مدل توانسته است نمرهای معادل بسیاری از مدلهای زبان بزرگ را کسب کند، با عملکردی همراستا با مدلهای TRM و HRM، و حتی در آزمون ARC-2 به دست آوردن 7٪ امتیاز.
تمرکز اصلی این پژوهشگر بر بهبود بهرهوری نمونهگیری در فرآیند آموزش مدلهای ترانسفورمر است. هدف اصلی او کشف حد و مرزهای بهرهوری نمونه در حیطه فریمورکهای فعلی و روشهای یادگیری عمیق است، به طوری که بتوان هزینهها و زمان آموزش را به طور قابل توجهی کاهش داد. این کار نه تنها میتواند توسعه و آزمایش ایدههای جدید را سرعت بخشد، بلکه دسترسی به فناوریهای پیشرفتهتر را برای تیمهای تحقیقاتی کوچکتر و افراد مستقل ممکن میسازد. در مقاله، جزئیات فنی این روش و نوآوریهای انجام شده به شکلی واضح و دقیق شرح داده شده است، که نشاندهنده پتانسیل بالای این رویکرد در آینده هوش مصنوعی است.
در نتیجه، این دستاورد نشان میدهد که با تمرکز بر بهرهوری نمونه و استفاده بهینه از منابع، میتوان به نتایج قابلتوجه در توسعه مدلهای هوشمند رسید، بدون نیاز به تجهیزات و هزینههای سنگین. این رویکرد میتواند انقلابی در فرآیند آموزش و توسعه مدلهای زبانی و دیگر کاربردهای یادگیری عمیق باشد.
#هوش_مصنوعی #یادگیری_عمیق #ترانسفورمر #پیشرفتهای_هوش
🟣لینک مقاله:
https://mvakde.github.io/blog/44-on-arc-1/?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon | 19 |
| 3 | 🔵 عنوان مقاله
Keenable builds a web index and query layer for AI agents (6 minute read)
🟢 خلاصه مقاله:
شرکت Keenable پس از مدتی پنهانکاری، با اعلام داشتن یک شاخص قدرتمند حاوی بیش از صد میلیارد سند، به عرصه فناوری وارد شده است. این شاخص عظیم، امکان دسترسی سریع و کارآمد به حجم وسیعی از اطلاعات را برای هوش مصنوعی فراهم میکند و به نظر میرسد که در حال حاضر توسط چند آزمایشگاه هوشمند ناشناس مورد استفاده قرار میگیرد. هدف اصلی این شرکت ساخت یک لایه پرسوجو است که بتواند شواهد و اطلاعات مختلف را از چندین منبع جمعآوری و تحلیل کند، تا هوش مصنوعی بتواند پاسخهای دقیقتر و کاملتری ارائه دهد.
Keenable برای تسهیل دسترسی و بهرهبرداری بهتر از دادههای گسترده، در حال توسعه یک زبان پرسوجو خاص است که امکان ترکیب و همپوشانی شواهد و اطلاعات را از منابع مختلف فراهم میکند. این فناوری نوآورانه به هوش مصنوعی کمک میکند تا نه تنها به دادهها دسترسی داشته باشد، بلکه بتواند رابطهها و ارتباطهای میان اطلاعات متنوع را نیز ببینید و تحلیل کند، فعالیتی که پیش از این بسیار پیچیده و زمانبر بود.
این رویکرد نوآورانه، احتمالاً انقلاب بزرگی در حوزه هوش مصنوعی و اتوماسیون جستجو و تحلیل دادهها ایجاد خواهد کرد، و به شرکتها و توسعهدهندگان ابزارهای قدرتمندتری در عرصه مدیریت و استفاده از دادههای کلان ارائه خواهد داد. با توجه به توسعه سریع این فناوری، میتوان انتظار داشت که در آینده نزدیک، تأثیرات آن در حوزههای مختلف فناوری، تحقیقات و کاربردهای عملی نمایان شود.
#هوش_مصنوعی #داده_بزرگ #تکنولوژی #پرسوجو
🟣لینک مقاله:
https://techcrunch.com/2026/08/25/accel-backed-keenable-is-indexing-the-web-for-ai-agents/?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon | 25 |
| 4 | 🔵 عنوان مقاله
Anthropic could be worth $2 trillion when it goes public (4 minute read)
🟢 خلاصه مقاله:
شرکت آنتروپیک ممکن است هنگام عرضه اولیه سهام (IPO) ارزش بیش از ۲ تریلیون دلار داشته باشد، رقمی که میتواند رکورد بزرگترین عرضه عمومی تاریخ را بشکند. این برآورد اعتماد سرمایهگذاران را جلب کرده است، چرا که این شرکت به سرعت در حال رشد است و تقاضا برای مدلهای هوش مصنوعی آن رو به افزایش است. علیرغم چالشهای نظارتی و رقابت شدید در بازار، این استارتاپ پیشبینی میکند که تا پایان سال ۲۰۲۶، درآمد سالانهاش به رقم قابل توجهی در حدود ۱۰۰ تا ۱۲۵ میلیارد دلار برسد. سرمایهگذاران همچنان با خوشبینی به آینده آنتروپیک نگاه میکنند، زیرا این شرکت موقعیت قوی در بازار دارد و عملکردی بهتر نسبت به رقبایی چون OpenAI و گوگل نشان داده است.
#هوش_مصنوعی #استراتژی_تجاری #سرمایه_گذاری #تکنولوژی
🟣لینک مقاله:
https://arstechnica.com/ai/2026/08/anthropic-could-be-worth-2-trillion-when-it-goes-public/?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon | 25 |
| 5 | 🔵 عنوان مقاله
Vercel Agent comes to Slack (1 minute read)
🟢 خلاصه مقاله:
شرکت ورسل به تازگی قابلیت جدیدی را اعلام کرده است که امکان ارتباط با هوشمند کارگزار خود را مستقیماً از طریق برنامه Slack فراهم میکند. این آپدیت به تیمها اجازه میدهد تا بدون نیاز به ترک محیط گفتگوهای روزمره، بتوانند دستورات و درخواستهای خود را از طریق یک رابط کاربری ساده و کارآمد وارد کنند.
این ویژگی به بهبود فرآیندهای همکاری و افزایش سرعت پاسخدهی تیمها کمک میکند، چرا که اعضای تیم میتوانند سوالات فنی، درخواستهای پشتیبانی یا اجرای عملیاتهای مختلف را به صورت مستقیم و در حین گفتگوهای روزمره انجام دهند. با این قابلیت، وِرسل قصد دارد تجربه کاربری را به سطح جدیدی برساند و فرآیندهای توسعه و مدیریت پروژه را سادهتر و موثرتر سازد.
در نتیجه، افزودن این قابلیت به محیط تیمی، هم به صرفهجویی در زمان کمک میکند و هم همکاری را بهبود میبخشد، چرا که ارتباط و دسترسی سریع و مستقیم به ابزارهای مدیریت و توسعه، دیگر نیازمند چندین مرحله و نرمافزار جداگانه نیست. این تحولی مهم در زمینه همکاری تیمی محسوب میشود و انتظار میرود استقبال خوبی از آن صورت گیرد.
#هوشمند #توسعه_فناوری #همکاری_تیمی #ورسل
🟣لینک مقاله:
https://x.com/vercel/status/2090172360410406988?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon | 35 |
| 6 | 🔵 عنوان مقاله
Anthropic's Model Hardware Standard (4 minute read)
🟢 خلاصه مقاله:
شرکت انتروپیک به تازگی پیشنمایشی از استاندارد سختافزار مدل را منتشر کرده است که هدف آن ایجاد یک چارچوب کلی و مستقل از نوع مدلهای هوش مصنوعی است. این استاندارد، به عنوان راهکاری جامع و قابل انطباق، قابلیتهای هوش مصنوعی را قادر میسازد تا به طور مؤثر بر تجهیزات علمی و تولیدی فرمان دهند و آنها را کنترل کنند. با توسعه این نوع استاندارد، انتظار میرود روند همکاری میان سیستمهای هوشمند و دستگاههای فنی به شکل قابل توجهی بهبود یابد، چرا که انعطافپذیری و سازگاری میان مدلهای مختلف هوشمند افزایش پیدا میکند و عملیاتها سریعتر و کارآمدتر انجام میگیرد.
در این پیشنمایش، تمرکز بر طراحی ساختاری است که بدون وابستگی به نوع خاصی از مدل هوش مصنوعی، بتواند عملکردهای متنوعی را به راحتی پشتیبانی کند. این استاندارد امکان ایجاد یک بستر مشترک را فراهم میآورد که در آن تجهیزات مختلف، چه در مراکز تحقیقاتی و چه در فضاهای صنعتی، به شکل هماهنگ با سیستمهای هوشمند ارتباط برقرار میکنند. به این ترتیب، فرآیندهای علمی و تولیدی به سمت اتوماسیون کاملتر و هوشمندسازی پیش میروند، که در نتیجه بهرهوری و دقت کار افزایش مییابد. توسعه این استاندارد نشان از تلاشهای شرکت انتروپیک برای تسهیل روند توسعه فناوریهای هوشمند و بهبود عملیاتهای صنعتی و علمی دارد، که آیندهای هوشمندتر و کارآمدتر را نوید میدهد.
پیشنهاد میشود که این پیشنمایش، گامی مهم در راه همافزایی فناوریهای هوشمند و تجهیزات فنی باشد و راه را برای توسعه سیستمهایی با قابلیتهای برتر هموار سازد، تا بتوانند در بحرانهای آینده، به شکل سریعتر و با دقت بیشتری پاسخ دهند.
#هوشمندسازی #تکنولوژی_پیشرفته #هوش_مصنوعی #سازماندهی_سختافزار
🟣لینک مقاله:
https://www.anthropic.com/news/model-hardware-standard-research-preview?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon | 33 |
| 7 | https://github.com/tlgrcli/tlgr
چه مشکلی رو حل میکنه: تا الان برای اتومیشن تلگرام یا باید بات API میزدی که به اکانت شخصیت دسترسی نداره، یا هر بار از صفر اسکریپت Telethon مینوشتی. tlgr این وسط رو پر میکنه: یه اینترفیس تمیز و پایدار روی اکانت خود کاربر که هم آدم باهاش راحته هم ایجنت. | 35 |
| 8 | 🔵 عنوان مقاله
Unsloth Dynamic 3.0 GGUFs (12 minute read)
🟢 خلاصه مقاله:
شرکت Unsloth نسخه جدید با عنوان Dynamic 3.0 GGUFs را منتشر کرده است که در مقایسه با روشهای قبلی کوانتیزاسیون، دقت به مراتب بهتری را ارائه میکند، در حالی که اندازه مدل را حفظ مینماید. این بهروزرسانی براساس یک مجموعه دادهی کالیبراسیون بهبود یافته به نام imatrix طراحی شده است که عملکرد چندزبانه مدل را نیز ارتقاء میبخشد. نکته مهم این است که در این نسخه، از تکنیک QAT بهرهگیری نشده است؛ بنابراین، خطر بیشبرازش کاهش یافته و مدل از نظر عمومی بودن بهتر عمل میکند.
نسخهی جدید، در اندازههای کوچکتر کوانتیزاسیون، تا ۱۰ درصد در شناساییهای برتر (Top-1%) بهتر عمل میکند و در عین حال، صرفهجویی قابلتوجهی در فضای دیسک حاصل شده است. این بهبودها مدیون تکنیکهای کالیبراسیون و کوانتیزاسیون پیشرفته است که بهطور خاص در بهبود دقت و کاهش نیازمندیهای حافظه موثر بوده است. به طور کلی، این نسخه نشاندهندهی پیشرفت قابل توجه در بهینهسازی مدلهای زبانی است که میتواند در کاربردهای مختلف، از جمله پردازش چندزبانه، کارایی بالایی داشته باشد.
#یادگیری_الکترونیکی #هوش_مصنوعی #کوانتیزاسیون #مدلهای_زبان
🟣لینک مقاله:
https://unsloth.ai/docs/basics/dynamic-3.0-ggufs?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon | 37 |
| 9 | 🔵 عنوان مقاله
Brad Lightcap, OpenAI's longtime COO, is leaving to ‘start something new' (2 minute read)
🟢 خلاصه مقاله:
براد لایتکپ، مدیر اجرایی ارشد و یکی از اعضای اصلی تیم OpenAI، قصد دارد از سمت خود کنارهگیری کند و «آغازچهای جدید» را رقم بزند. اگرچه جزئیات دقیقی درباره پروژه یا هدف این تغییر اعلام نشده است، اما لایتکپ اشاره کرده است که این تغییر مسیر به منظور پیشبرد هدفهای مأموریت OpenAI از زاویهای متفاوت است. اوضاع در این شرکت در حال حاضر با تغییرات و جابجاییهای مدیریتی زیادی روبهروست، چرا که OpenAI در آستانه عرضه عمومی سهام (IPO) قرار دارد.
در کنار لایتکپ، چند تن دیگر از مدیران ارشد مثل فیدجی سیمو، بیل پیبلز و کوین ویل نیز اخیراً از شرکت جدا شدهاند. این تحولات نشان میدهد که OpenAI در حال سازماندهی مجدد و برنامهریزی برای آیندهای جدید است و تمرکز روی درآمدزایی و توسعه پروژههای نوین در اولویت قرار دارد. البته هنوز مشخص نیست که لایتکپ چه برنامههایی در ذهن دارد، اما قطعاً این خبر نشاندهنده روزهای پرتحول در این شرکت است.
در کل، تغییرات در تیم اجرایی OpenAI، نشانگر تحولات استراتژیک این غول هوش مصنوعی است؛ تحولاتهایی که قرار است آینده این شرکت را شکل دهند و مسیر توسعه فناوریهای نوین را هموار کنند.
#هوش_مصنوعی #تکنولوژی #سرمایهگذاری #تحول
🟣لینک مقاله:
https://techcrunch.com/2026/08/11/brad-lightcap-openais-longtime-coo-is-leaving-to-start-something-new/?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon | 36 |
| 10 | 💻 برای کدنویسی بیشتر از کدام ادیتور استفاده میکنید؟ | 15 |
| 11 | شما بیشتر برای نوشتن، دیباگ و بررسی کد روی کدام AI حساب میکنید؟ | 14 |
| 12 | 🔵 عنوان مقاله
An update on AI's most important number (8 minute read)
🟢 خلاصه مقاله:
در سه سال اخیر، شاهد جهش قابلتوجهی در حوزه هوش مصنوعی بودهایم. شرکتهای بزرگ مانند OpenAI و Anthropic توانستهاند رشد بیسابقهای را تجربه کنند، بهطوری که مجموع درآمدهای این شرکتها از مرز ۱۰۰ میلیارد دلار عبور کرده است. این رشد سریع و چشمگیر عمدتاً نتیجه بهکارگیری تکنولوژیهای نوین و استقبال بینظیر کاربران از محصولات هوشمند است. چنین پیشرفتی نه تنها نشانی از تحول در صنایع فناوری است بلکه نشان میدهد که هوش مصنوعی چگونه میتواند تغییرات بنیادی در اقتصاد جهانی ایجاد کند. در عین حال، این رشد سریع، بازار را به چالشی جدید میکشاند؛ چرا که در مسیر رشد سریع، انتظار میرفت که روند توسعه در حوزه فناوری کمی کاهش یابد، اما اینگونه نیست. اگر این روند ادامه یابد، ممکن است استانداردهای اقتصادی و شیوههای سرمایهگذاری بهکلی متحول شوند و فضای رقابتی در حوزه فناوری به سمت جدیدی سوق داده شود. در نتیجه، آیندهی این صنعت نوپا بسیار مهیج و پرپتانسیل است و برای فعالان اقتصادی و کاربران اهمیت فزایندهای پیدا کرده است.
#هوش_مصنوعی #تکنولوژی #رشد_بیسابقه #اقتصاد
🟣لینک مقاله:
https://epochai.substack.com/p/an-update-on-ais-most-important-number?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon | 27 |
| 13 | 🔵 عنوان مقاله
Anthropic (Re-)Enlists for War (5 minute read)
🟢 خلاصه مقاله:
شرکت انتروپیک در تلاش است تا فردی جدید را به عنوان رئیس بخش فروش امنیت ملی معرفی کند، هدف از این تغییر راهبردی احیای قراردادهای دفاعی است. این شرکت در گذشته به دلیل نگرانیهای مربوط به استفاده از فناوریهای خاص، در فهرست شرکتهای تحریمشده وزارت دفاع قرار گرفته بود و این مسئله لطمههایی جدی به فعالیتهای تجاریاش وارد کرد. اکنون، انتروپیک قصد دارد با جذب یک مدیر مجرب و متخصص در حوزه امنیت ملی، اعتماد دوباره دولت را جلب کند و پروژههای دفاعی بزرگتری را بر عهده گیرد.
این اقدام نشاندهنده اراده شرکت برای بازسازی تصویر و بهبود روابط با نهادهای دولتی است، چرا که از نظر استراتژیک، بخش امنیت ملی نقش حیاتی در توسعه فناوریهای حساس و تامین امنیت کشور دارد. انتخاب فرد مناسب برای این جایگاه کلیدی، میتواند تاثیر چشمگیری بر آینده فعالیتهای انتروپیک در حوزه دفاع داشته باشد و فرصتی برای بازیابی جایگاه از دست رفته این شرکت در بازارهای دولتی و نظامی باشد.
#امنیت_ملی #فناوری_دفاع #انتروپیک #قراردادهای_دفاعی
🟣لینک مقاله:
https://prospect.org/2026/08/27/anthropic-reenlists-for-war-defense-department-ai/?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon | 31 |
| 14 | 🔵 عنوان مقاله
Testing Fable vs Sol in terms of taste (they are both bad) (40 minute read)
🟢 خلاصه مقاله:
در مطالعهای مقایسهای، پژوهشگران توانستند ابزارهای هوشمند Fable 5 و Sol 5.6 را در یک آزمون مشابه مورد ارزیابی قرار دهند تا با بررسی کیفیت طعم و خلاقیت این دو مدل مصنوعی، تواناییهای آنها را بسنجند. در این آزمون، هر دو مدل وظیفه داشتند فرآیند خلاقانه مشابهی را طی کرده و چهار ویدئو ۱۵ ثانیهای متفاوت شامل سه تبلیغ و یک مستند کوتاه تولید کنند. هدف از این آزمایش، بررسی میزان توانایی این مدلها در ساخت محتواهای تولیدی و کاربرپسند بود. نتایج نشان داد که هنوز راه زیادی در پیش است تا مدلهای پیشرفته بتوانند به صورت کاملاً خودکار مفاهیم آماده برای تولید انبوه و ویدئوهای با کیفیت بالا بسازند. اگرچه این مدلها در زمینه خلاقیت و کمک به ایدهپردازی و پالایش آنها مفید هستند، اما در حال حاضر جایگزین قضاوت انسانی نمیشوند و نیازمند توسعه و بهبود بیشتری هستند.
در این بررسی، مشخص شد که هرچند این فناوریها پتانسیل بالایی دارند، اما هنوز فاصله زیادی تا تولید محتواهای نهایی و حرفهای با کیفیت انسانی دارند. این نتیجهگیری نشان میدهد که توسعه مدلهای هوشمند در حوزه خلاقیت و تولید محتوا نیازمند مسیر طولانیتری است تا بتوانند به طور کامل مستقل و بدون نیاز به نظارت انسانی عمل کنند.
#هوش_مصنوعی #تولیدمحتوا #خلاقیت_هوشمند #توسعه_فناوری
🟣لینک مقاله:
https://magichour.ai/blog/fable-vs-sol-taste-test?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon | 37 |
| 15 | 🌐 گوگل از جمینای Omni 1.1 Flash رونمایی کرد | تحولی در صنعت ساخت ویدیو
▪️مدل Gemini Omni 1.1 Flash امکان تولید ویدیوهای هوش مصنوعی تا 40 ثانیه و با خروجی 4K رو فراهم کرده. این مدل با قابلیتهایی مانند ادامه صحنه و کنترل فریم اول و آخر ، فرایند ساخت ویدیو رو کاربردیتر و به نوعی متحول کرده.
▪️مدل Omni 1.1 Flash از طریق Gemini API و سرویسهایی مانند Flow و Gemini در دسترسه و به محصولات Adobe Firefly و Google Vids نیز راه پیدا کرده.
❔حالا چجوری به رایگان بهش دسترسی داشته باشیم؟!
1️⃣اول به یه VPN با آیپی آمریکا یا اروپا متصل بشید بعد برید به آدرس :
www.Labs.google
2️⃣وارد که شدید روی New Project بزنید و تو قسمت بعدی ویدیو رو انتخاب کنید.
3️⃣از بین مدل های موجود Gemini 1.1 Flash رو انتخاب کنید و تمام :)
| 45 |
| 16 | یکی از جالبترین افزونههایی که میتوانید به ایجنت AI خود اضافه کنید، «Ponytail» است؛ افزونهای که یک ایدهی ساده اما مهم دارد:
قبل از اینکه هوش مصنوعی شروع به کدنویسی کند، اول از خودش میپرسد: «اصلاً لازم است این کد را بنویسم؟»
فرایند کار تقریباً اینطور است:
۱. آیا اصلاً به این قابلیت نیاز داریم؟
۲. آیا چیزی مشابه از قبل در پروژه وجود دارد؟
۳. آیا کتابخانهی استاندارد میتواند کار را انجام دهد؟
۴. آیا خود پلتفرم این قابلیت را دارد؟
۵. آیا وابستگی موجود پروژه میتواند آن را انجام دهد؟
۶. آیا میشود با یک خط کد حلش کرد؟
۷. فقط اگر هیچکدام جواب نداد، کد جدید نوشته شود.
نتیجه چیست؟
کد کمتر، وابستگی کمتر، توکن کمتر و احتمال کمتری برای پیچیدهکردن بیدلیل پروژه.
طبق بنچمارک خود پروژه، Ponytail در ۱۲ وظیفهی واقعی برنامهنویسی، بهطور میانگین ۵۴٪ خطوط کد کمتر، ۲۲٪ توکن کمتر، ۲۰٪ هزینه کمتر و ۲۷٪ زمان اجرای کمتر ثبت کرده است.
نکتهی جذابتر این است که این افزونه خودش را به «کد کمتر به هر قیمتی» محدود نمیکند؛ مواردی مثل امنیت، اعتبارسنجی، جلوگیری از از دست رفتن داده و دسترسیپذیری همچنان حفظ میشوند.
یعنی بهجای اینکه به عامل بگوییم «بیشتر کدنویسی کن»، به آن یاد میدهیم:
اول فکر کن؛ شاید اصلاً نیازی به کد جدید نباشد.
https://github.com/DietrichGebert/ponytail
@ | <کدنویس اسطورهای/> | 43 |
| 17 | اگر قرار باشد فقط یک ویژگی را از Claude-Mem انتخاب کنم، برای من «حافظهی خودکار» است.
این ابزار بدون اینکه هر بار مجبور باشید به ایجنت بگویید «این را به خاطر بسپار»، پرامپها، تغییرات، ابزارهای استفادهشده و اتفاقات مهم حین کار را مشاهده میکند، آنها را به خلاصههای مفید تبدیل میکند و در جلسات بعدی، زمینهی مرتبط را دوباره در اختیار ایجنت میگذارد.
تفاوت مهمش با بسیاری از سیستمهای Memory همینجاست: حافظه قرار نیست چیزی باشد که شما دستی مدیریت کنید؛ خودش در جریان کار شکل میگیرد.
البته این قابلیت خودکار به یک پیشنیاز مهم وابسته است: ایجنت باید از Hookهای مناسب در چرخهی اجرای خود پشتیبانی کند. بنابراین نمیتوان انتظار داشت Claude-Mem با هر Agent یا Extensionی دقیقاً همین تجربه را ارائه دهد.
بهعبارت ساده، Claude-Mem بیشتر از اینکه یک «محل ذخیرهی Memory» باشد، یک لایهی حافظهی خودکار برای Agent است.
https://github.com/thedotmack/claude-mem
@ | <کدنویس اسطورهای/> | 30 |
| 18 | یکی از مهندسان ارشد AWS در این ویدیوی جدید تجربیات عملی تیمهای آمازون را در استفاده از ایجنتهای کدنویسی بررسی کرده؛ جایی که بهرهوری از ۱۰ تا ۲۰ درصد به ۴٫۵ تا ۱۰ برابر رسیده است.
تفاوت اصلی نه در ابزار، بلکه در پنج عادت کاری تیمهای پیشتاز است:
۱. دست کشیدن از کدنویسی دستی: ایجنتها بیش از ۹۸٪ کد را مینویسند و تمرکز مهندسان روی معماری و تصمیمگیری است.
۲. تغذیه ایجنت بهجای نظارت لحظهای: ارائه تسکهای مشخص و معیارهای سنجش خودکار تا ایجنت بتواند ساعتها مستقل کار و خوداصلاحی کند.
۳. اولویت شفافسازی نیازمندیها (Spec-first): چکشکاری سند طراحی فنی بسیار کمهزینهتر از اصلاح کدهای اشتباه است.
۴. انتقال تستها به محیط محلی (Shift-Left): استفاده از سرویسهای شبیهساز محلی (Mock) برای حلقههای بازخورد سریع به ایجنت.
۵. سرمایهگذاری روی کانتکست و ابزارها: توسعه سرورهای MCP اختصاصی و بهینهسازی مداوم فایلهای راهنما (steering).
ویدیو:
https://youtube.com/watch?v=pqlWNihgdjI
@ | <Mehdi Allahyari/> | 20 |
| 19 | شرکت Anthropic ظرفیت Claude رو برای Cursor بیشتر میکنه
بعد از قطع دسترسی مدلهای OpenAI به Cursor، تام براون از Anthropic خبر داد ظرفیت محاسباتی Claude رو برای Cursor بالا میبرن. مدلهای اوپنایآی تنها حدود ۵ درصد ترافیک Cursor رو پوشش میدادن و Cursor میگه با گروه اوپنایآی در حال مذاکرهست.
@ | <Diego Jr/> | 22 |
| 20 | ابزار OpenWiki: مستندات خودکار برای ایجنتها
تیم LangChain ابزار OpenWiki را منتشر کرد که مستندات codebase را خودکار تولید و بهروز نگه میدارد. این ابزار برای AI agents طراحی شده و یک حافظهی شخصی از منابع مختلف ایجاد میکند.
https://github.com/langchain-ai/openwiki
@ | <Mti /> | 24 |
