هوش مصنوعی - رضا شکرزاد

12 October 2026 06:52

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

🎨 خبر ۱: توسعه‌دهنده‌ها یک جایگزین متن‌باز برای Adobe Creative Suite ساخته‌اند که با Rust و هوش مصنوعی نوشته شده و به طراحان ویرایش رایگان و محلی می‌دهد.

🧠 خبر ۲: تحقیقی نشان داد فقط ده دقیقه کار با هوش مصنوعی پشتکار را در کارهای سخت کم می‌کند و به کاربران همیشگی ربات‌های چت هشدار می‌دهد.

🔒 خبر ۳: مدیرعامل Microsoft، Satya Nadella، می‌گوید شرکت‌ها باید هر مدل هوش مصنوعی را هک‌شده فرض کنند و امنیت عامل‌های هوش مصنوعی مستقر را محکم‌تر کنند.

🧑🎨 خبر ۴: با تولید تصویرهای بی‌پایان توسط هوش مصنوعی، هنر دست انسان به خاطر انسانی بودن گرانتر شده و هنرمندان قیمت‌گذاری و معرفی کارشان را عوض کرده‌اند.

📝 خبر ۵: یک برنامه‌نویس به غریبه‌ها پول داد تا راهنمای پروژه یعنی README را دنبال کنند و هر جا گیر کردند یادداشت کند؛ درسی عملی برای مستندسازی.

@dslanders

هوش مصنوعی - رضا شکرزاد

10 October 2026 06:30

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

🤖 خبر ۱: عامل جدید Gemini از گوگل می‌تواند کارهای چندمرحله‌ای مثل تحقیق، تولید محتوا و کدنویسی را خودش و بدون کمک شما در برنامه‌های Workspace انجام دهد.

🎨 خبر ۲: Midjourney در حال آزمایش حالت «Thinking» است؛ یعنی تصویرسازش پیش از ساختن عکس کمی فکر و استدلال می‌کند تا نتیجه دقیق‌تر شود. فعلاً فقط روی سایت Alpha.

💸 خبر ۳: Anthropic قیمت خواندن cache مدل Sonnet 5.5 را نصف کرده؛ یعنی کدنویسی با عامل‌های هوشمند و کارهای طولانی و تکراری حدود ۲۰٪ ارزان‌تر شده است.

🛡️ خبر ۴: ابزار Security Swarm از Devin کدها را دنبال حفره‌های امنیتی می‌گردد؛ از تزریق SQL تا اجرای کد از راه دور، آن هم با چند عامل که کار را بین خودشان تقسیم می‌کنند.

🔭 خبر ۵: پژوهشگران هوش مصنوعی را روی آرشیوهای دیجیتال چهارصدساله گذاشتند و چیزهای فراموش‌شده‌ای کشف شد؛ از یک شهاب‌سنگ گمشده تا کرگدن‌های ناپدیدشده.

@dslanders

هوش مصنوعی - رضا شکرزاد

09 October 2026 07:29

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

💻 خبر ۱: مایکروسافت مدل کدنویسی MAI-Code-1.1-Flash را معرفی کرد که هم سریع‌تر از نسخه‌های قبلی است و هم هزینه‌اش یک‌چهارم شده، یعنی برنامه‌نویس‌ها پول کمتری برای هوش مصنوعی می‌دهند.

📸 خبر ۲: یک برنامه رایگان و متن‌باز به‌عنوان جایگزین Adobe Lightroom ساخته شده که کاملاً روی کامپیوتر خودتان اجرا می‌شود و با هوش مصنوعی عکس‌ها را ویرایش می‌کند، بدون فرستادن آن‌ها به اینترنت.

🔍 خبر ۳: گوگل ابزار SynthID Detector را برای همه‌جای دنیا در دسترس گذاشت؛ با آن می‌توانید عکس، ویدیو و صدا را بررسی کنید تا بفهمید نشانه پنهان هوش مصنوعی دارد یا نه.

🪐 خبر ۴: یک برنامه‌نویس با کمک Claude Code سیاره‌ای را پیدا کرد که تا حالا کسی ثبتش نکرده بود؛ نشانه‌ای از اینکه هوش مصنوعی کمکم در اکتشاف‌های واقعی هم نقش می‌گیرد.

🎮 خبر ۵: Google Playground یک پلتفرم آزمایشی است که در آن هر کسی فقط با نوشتن یک توضیح ساده می‌تواند بازی بسازد و همان‌جا بازی کند، بدون اینکه کدنویسی بلد باشد.

@dslanders

هوش مصنوعی - رضا شکرزاد

08 October 2026 06:58

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

📝 خبر ۱: کلود حالا برای کاربران پولی به Google Docs و Sheets و Slides وصل می‌شود، پس می‌توانید سند را مستقیم داخل خودش ویرایش کنید.

🛒 خبر ۲: شرکت Hark یک عامل هوش مصنوعی ساخته که خرید خواروبار انجام می‌دهد، ماشین رزرو می‌کند و قبض‌ها را می‌پردازد تا کارهای روزمره خودکار شوند.

🇪🇺 خبر ۳:
کمپانی Mistral مدل Large 4 را با هزار میلیارد پارامتر و توانایی پردازش متن و تصویر منتشر کرد؛ جایگزینی مستقل از آمریکا برای شرکت‌های اروپایی.

🖼️ خبر ۴: نانو بنانا ۲.۱ روی Gemini 3.6 Flash ساخته شده و با متن و تصویر، عکس ویرایش‌شده می‌سازد؛ یعنی تولید تصویر سریع‌تر شده است.

⚡ خبر ۵: رابط Decisions API از OpenAI وارد بتای عمومی شد و تصمیم‌گیری را تا ۱۰ برابر سریع‌تر از GPT-6 Luna برای برنامه‌نویسان انجام می‌دهد.

@dslanders

هوش مصنوعی - رضا شکرزاد

07 October 2026 13:00

لینک ثبت‌نام جلسه صفر رایگان (امشب ساعت۱۹):
https://ctdrs.ir/cr18687

لینک اطلاعات و ثبت‌نام در بوت کمپ:

https://cafetadris.com/agenticai

هوش مصنوعی - رضا شکرزاد

06 October 2026 18:30

🪞 تیپ #15

حلقه خوداصلاحی: اصلاح مسیر در میانه اجرا
به‌جای اینکه بازبینی را به پایان اجرا بسپارید، بگذارید عامل همان‌جا خروجی میانی خودش را نقد کند و پیش از ادامه اصلاحش کند 🪞. این بازخورد درون‌اجرا خطاهای فراخوانی ابزار، نقشه‌های خراب و واقعیت‌های ساختگی را وقتی هنوز وقت جبران هست می‌گیرد. حلقه را کراندار نگه دارید، مثلاً یک نقد و یک بازنگری در هر گام، تا کار از کنترل خارج نشود. هر نقد را ثبت کنید تا بفهمید کدام اصلاح واقعاً نتیجه نهایی را بهتر می‌کند.

Self-correction loops: fix the agent mid-run
Instead of waiting for a final review, have your agent critique its own intermediate output and revise it before continuing. This mid-run feedback loop catches wrong tool calls, broken plans, and hallucinated facts while there is still time to recover 🪞. Keep the loop bounded, for example one critique plus one revision per step, so the agent does not spiral. Log every critique so you can see which corrections actually improve the final result.

@dslanders

هوش مصنوعی - رضا شکرزاد

06 October 2026 06:30

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

🎙️ خبر ۱: مدل رایگان Whistle با حجم فقط ۱۶.۹ مگابایت صدا را به متن تبدیل می‌کند و روی سی‌پی‌یوهای معمولی، بدون کارت گرافیک، انگلیسی و آلمانی و فرانسه و اسپانیایی را می‌نویسد.

🛠️ خبر ۲: Meta کد عامل هوش مصنوعی Muse را متن‌باز کرد تا هر کسی بتواند آن را داخل گجت‌های سفارشی خودش بگذارد و سخت‌افزار هوش مصنوعی شخصی بسازد.

🎓 خبر ۳: یک آزمایش دو ساله در کلاس‌های درس نشان می‌دهد معلم هوش مصنوعی Khanmigo کجا واقعاً به یادگیری بچه‌ها کمک کرد و کجا بی‌اثر ماند.

🧪 خبر ۴: روش Dust مدل‌های زبانی ترنسفورمر را بدون الگوریتم پس‌انتشار آموزش می‌دهد؛ یک مسیر جایگزین که توسعه‌دهنده‌ها همین حالا می‌توانند آزمایشش کنند.

🏛️ خبر ۵: مدل GPT-6 Astra از OpenAI رمزی ۲۱۷ ساله از دوران ناپلئون را در شش ساعت شکست و سفارش‌های گم‌شده نظامی را از دل یک عکس بیرون کشید.

@dslanders

هوش مصنوعی - رضا شکرزاد

05 October 2026 06:30

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

🛰️ خبر ۱: یک توسعه‌دهنده با Claude یک ایستگاه فضایی چرخان و قابل قدم‌زدن ساخته که فیزیک واقعی دارد و ایده‌های پیچیده سه‌بعدی را به نمایشی تعاملی تبدیل می‌کند.

🔎 خبر ۲: راهنمایی گام‌به‌گام که نشان می‌دهد چطور جست‌وجوی کد را طوری بسازیم که به‌جای کلیدواژه، معنی و مفهوم کد را پیدا کند.

🖼️ خبر ۳: اپلیکیشنی برای مک با هوش مصنوعی همه عکس‌ها و حتی تک‌تک فریم‌های ویدیو را جست‌وجو می‌کند تا هر لحظه از آرشیو شخصی فوری پیدا شود.

🎬 خبر ۴: ویدیویی آموزشی که نشان می‌دهد تیم‌های خلاق چطور با هوش مصنوعی سرعت، کیفیت و ظرافت کار تولید محتوا را بالا ببرند.

⚖️ خبر ۵: تجربه برگزاری یک دوره فشرده ایمنی هوش مصنوعی برای حقوقدانان و متولیان حکمرانی، با درس‌هایی از اجرای قوانین AI در سازمان‌های واقعی.

@dslanders

هوش مصنوعی - رضا شکرزاد

04 October 2026 18:31

🚦 تیپ #13

جلوگیری از اقدام‌های برگشت‌ناپذیر با الگوی پیشنهاد و تأیید
مؤثرترین محافظ در برابر اقدام‌های برگشت‌ناپذیر، پرامپت بهتر نیست؛ حذف کردن دسترسی است. ابزارهای حساس مثل حذف، پرداخت، ارسال پیام و دیپلوی را از جعبه‌ابزار پیش‌فرض ایجنت بیرون بگذارید و فقط از مسیر «پیشنهاد بده، بعد تأیید بگیر» در اختیارش قرار دهید. ایجنت یک طرح ساخت‌یافته می‌سازد، یک لایه قطعی آن را اعتبارسنجی می‌کند و تا وقتی انسان یا موتور سیاست تأیید نکند هیچ چیز اجرا نمی‌شود 🚦. کنارش dry-run و کلید idempotency هم بگذارید تا تلاش دوباره به حذف یا پرداخت تکراری منتهی نشود.

Stop Irreversible Actions With a Confirm Gate
The strongest guardrail against irreversible actions is not a better prompt, it is a missing capability: keep delete, pay, send, and deploy tools out of the agent's default toolset and expose them only through a propose-then-confirm flow. The agent emits a structured plan, a deterministic layer validates it, and nothing executes until a human or a policy engine approves 🚦. Pair that with a dry-run and an idempotency key so a retry can never double-charge or double-delete. If the model can call the destructive tool directly, assume some bad token will eventually call it.

@dslanders

هوش مصنوعی - رضا شکرزاد

04 October 2026 06:31

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

💸 خبر ۱: گوگل دسترسی رایگان به مدل‌های Flash و Pro جمینای را قطع کرده و کاربران باید به پلن‌های پولی بروند یا سراغ گزینه‌های دیگر.

🐧 خبر ۲: توزیع لینوکسی Pop!_OS استفاده از کدهای ساخته‌شده با هوش مصنوعی را در بخش بزرگی از پروژه‌اش ممنوع کرد؛ الگویی تازه برای پروژه‌های متن‌باز.

🇩🇪 خبر ۳: شرکت Aleph Alpha مدل زبانی آلمانی «Kolibri» را با وزن باز عرضه کرد تا سازمان‌های اروپایی بدون وابستگی به ابرهای آمریکایی هوش مصنوعی اجرا کنند.

🤖 خبر ۴: یک عامل هوش مصنوعی خودش به صدها پژوهشگر ایمیل زد و درخواست کمک کرد، بعد دلیل کارهایش را توضیح داد؛ نشان می‌دهد این عامل‌ها در کارهای واقعی چطور شکست می‌خورند.

⚖️ خبر ۵: حکم یک پرونده قتل در آمریکا پس از نمایش ویدیوی قربانی که با هوش مصنوعی ساخته شده بود نقض شد و نگرانی درباره اعتبار شواهد بالا گرفت.

@dslanders

هوش مصنوعی - رضا شکرزاد

03 October 2026 06:30

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

🔬 خبر ۱: فیزیکدانی از دانشگاه Harvard با کمک Claude ۳۶ مقالهٔ علمی نوشته و نشان داده هوش مصنوعی حالا در پژوهش واقعی سهم دارد.

💻 خبر ۲: سازندهٔ Redis ابزاری به نام ds4 ساخته که هر کسی می‌تواند مدل‌های زبانی بزرگ را روی کامپیوتر خودش اجرا کند، بدون نیاز به سرور.

🧱 خبر ۳: یک برنامه‌نویس سازندهٔ لگوی هوش مصنوعی ساخته که رایگان و متن‌باز است و متن شما را به طرح قابل ساخت با آجرهای لگو تبدیل می‌کند.

🎙️ خبر ۴: مدل جدید Microsoft به نام MAI در جدول Artificial Analysis اول شد و تبدیل گفتار به متن را سریع، دقیق و ارزان می‌کند.

🎲 خبر ۵: بر اساس مقاله‌ای در Nature، هوش مصنوعی بالاخره بازی فکری Stratego را حل کرد؛ بازی‌ای که بیشتر مهره‌های حریف پنهان می‌مانند.

@dslanders

هوش مصنوعی - رضا شکرزاد

02 October 2026 08:06

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

🧠 خبر ۱: گوگل مدل تازه‌ای به نام Gemini 4 Argon معرفی کرد؛ مدلی که برای فکر کردن طولانی و پیوسته روی کدنویسی، کارهای سازمانی و امنیت سایبری ساخته شده.

🎨 خبر ۲: Ideogram 4.5 ویرایشگر تصویر جدیدی است که می‌توانی فقط یک بخش مشخص عکس را دقیق تغییر بدهی و بقیه تصویر کاملاً دست‌نخورده بماند.

🛡️ خبر ۳: انویدیا ابزار رایگان OpenShell را منتشر کرد؛ این برنامه تعیین می‌کند عوامل هوش مصنوعی خودکار به چه چیزهایی دسترسی داشته باشند: فایل‌ها، شبکه، رمزها و دستورهای سیستمی.

🏭 خبر ۴: پژوهش تازه Anthropic می‌گوید ربات‌ها امروز می‌توانند ۷۴ درصد کارهای فیزیکی آمریکا را انجام دهند، اما گرانی باعث می‌شود فقط ۰.۳ درصدشان الان ارزش خودکارسازی داشته باشد.

🕵️ خبر ۵: OpenAI توضیح داد چطور کمپینی را کشف و متوقف کرد که می‌خواست با مدل‌های این شرکت، توانایی‌های یک هوش مصنوعی رقیب را کپی کند.

@dslanders

هوش مصنوعی - رضا شکرزاد

01 October 2026 06:30

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

🤖 خبر ۱: OpenAI مدل تازه‌ای به نام GPT-6.1 Sol را معرفی کرد که هوشی نزدیک به مدل گران‌قیمت Astra دارد، اما هزینه‌اش حدود یک‌پنجم آن است؛ یعنی کارهای حرفه‌ای روزمره با هوش مصنوعی سطح بالا حالا خیلی ارزان‌تر تمام می‌شود.

🔔 خبر ۲: قابلیت MCP Events به ChatGPT اجازه می‌دهد عضو خبرنامه‌ی یک سرور MCP شود و هر وقت داده‌های شما تغییر کرد، خودش بدون دخالت انسان واکنش نشان دهد.

🔑 خبر ۳: با گزینه‌ی «ورود با ChatGPT» می‌توانید به‌جای ساختن حساب جدید، با همان حساب ChatGPT وارد اپلیکیشن‌های دیگر شوید و یک هویت واحد در وب داشته باشید.

🧮 خبر ۴: Lathoa یک اپلیکیشن آموزش ریاضی است که در آن یک ربات عمداً یک قدم را اشتباه حل می‌کند تا بچه‌ها یاد بگیرند خطای هوش مصنوعی را پیدا کنند.

🔍 خبر ۵: شرکت Cohere مدل‌های Embed 5 را منتشر کرد که جست‌وجو در اسناد مالی، فایل‌های PDF پردازش‌شده، کد و متن‌های چندزبانه را برای سیستم‌های بازیابی اطلاعات هوش مصنوعی دقیق‌تر می‌کند.

@dslanders

هوش مصنوعی - رضا شکرزاد

30 September 2026 07:28

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

💻 خبر ۱: پروژهٔ متن‌باز TurboGPT یک مدل زبانی کوچک ۲۲ کیلوبایتی را فقط در ۱۳ ثانیه آموزش می‌دهد؛ حالا هر علاقه‌مندی می‌تواند روی GPU خانگی خودش مدل زبانی بسازد و آزمایش کند.

🔊 خبر ۲: ElevenLabs مدل صوتی جدید Eleven v4 را معرفی کرده که لحن، سرعت و احساس جمله‌ها را می‌فهمد؛ نتیجه‌اش دوبله، کتاب صوتی و صدای شخصیت‌های طبیعی‌تر است.

🧩 خبر ۳: رجیستری skills.sh شرکت Vercel به یک میلیون مهارت آمادهٔ قابل استفاده در ایجنت‌ها رسید؛ یعنی هر کسی می‌تواند توانایی‌های دلخواهش را به ایجنت هوش مصنوعی وصل کند.

🍔 خبر ۴: مک‌دونالدز در حال آزمایش قیمت‌گذاری پویا با هوش مصنوعی است؛ یعنی قیمت منو بر اساس تقاضا بالا و پایین می‌شود و نگرانی از گران‌شدن ناگهانی سفارش در ساعات شلوغی بالا گرفته.

🎰 خبر ۵: DraftKings با هوش مصنوعی قماربازان حرفه‌ای را شناسایی و با پیشنهادهای شخصی‌سازی‌شده هدف گرفته است؛ این موضوع پرسش‌هایی جدی دربارهٔ سوءاستفاده از اعتیاد برای تبلیغات ایجاد کرده.

@dslanders

هوش مصنوعی - رضا شکرزاد

29 September 2026 06:30

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

🔬 خبر ۱: فیزیک‌دان‌ها با Claude محاسبه‌ای در فیزیک ذرات انجام دادند که تا حالا برای کامپیوترها تقریباً غیرممکن به نظر می‌رسید.

🧪 خبر ۲: MicroLLM Lab هفت مدل زبانی کوچک را مستقیم داخل مرورگر اجرا می‌کند؛ راهی رایگان و عملی برای دیدن اینکه مدل‌های زبانی چطور کار می‌کنند.

⚡ خبر ۳: OpenAI آماده می‌شود حالت Ultrafast را برای کاربران بیشتری فعال کند؛ یعنی پاسخ‌های سریع‌تر برای برنامه‌نویسان بیشتر.

📝 خبر ۴: یک راهنمای کاربردی منتشر شده که یاد می‌دهد چطور از مدل تازه Claude Opus 5.5 نتیجه بهتری بگیریم.

🛡️ خبر ۵: ابزار متن‌باز OpenAPPA جلوی کارهای خطرناک ایجنت‌های هوش مصنوعی را می‌گیرد، بدون اینکه روند کارشان را خراب کند.

@dslanders

هوش مصنوعی - رضا شکرزاد

11 October 2026 06:31

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

🛠️ خبر ۱: Talorys یک پروژه متن‌باز است که یک عامل هوش مصنوعی شخصی را روی سرویس رایگان Cloudflare بالا می‌آورد، پس بدون اجاره سرور می‌توانید امتحانش کنید.

🎮 خبر ۲: پس از پردازش ۵۰۰ میلیارد توکن، عامل‌های هوش مصنوعی کد یک بازی تیراندازی اول‌شخص را رمزگشایی و بازسازی کردند؛ نشانه‌ای از پیشرفت سریع کدنویسی خودکار.

🔒 خبر ۳: هکرها با سوءاستفاده از تبلیغات Google Ads و ریدایرکت‌های Bing بدافزاری جعلی به نام Claude پخش می‌کنند؛ پس هر لینک دانلود را با دقت بررسی کنید.

🎬 خبر ۴: نیکلاس کیج امضای رضایت‌نامه هوش مصنوعی آمازون را رد کرد و گفت بازیگر طرفدار هوش مصنوعی نیست؛ همین بحث حقوق چهره و تصویر بازیگران را داغ کرد.

⚠️ خبر ۵: عامل‌های هوش مصنوعی Anthropic تلاش کردند فرم ویزا را در سایت وزارت خارجه آمریکا پر کنند اما ناکام ماندند؛ نمونه‌ای واقعی از ضعف این ابزارها.

@dslanders

هوش مصنوعی - رضا شکرزاد

09 October 2026 18:30

🚦 تیپ #18

خودمختاری ایجنت‌ها یک طیف است، نه کلید روشن و خاموش
در محیط کار واقعی، ایجنت‌هایی دوام می‌آورند که به‌جای آزادی کامل، دامنه‌ی محدود و ابزار مشخص دارند. بهترین راه این است که استقلال را پله‌پله بالا ببرید: اول یک کار باریک، چند ابزار ثابت و یک معیار موفقیت که خود ایجنت بتواند آن را بررسی کند 🚦. گسترش دامنه را به بعد از اثبات عملکرد موکول کنید و مراحل برگشت‌ناپذیر مثل پرداخت، حذف داده یا ارسال ایمیل را همیشه زیر نظر انسان نگه دارید.

Autonomy Is a Dial, Not a Switch
The workplace agent that survives real operations is rarely the one with the most freedom. Treat autonomy as a dial you turn up one notch at a time: give the agent a narrow task, a fixed toolset, and a success check it can verify on its own 🚦. Widen the scope only after it has a track record, and keep a human on the irreversible steps such as payments, deletions, and outbound email. Full autopilot is something you earn, not a starting configuration.

@dslanders

هوش مصنوعی - رضا شکرزاد

08 October 2026 18:30

🔁 تیپ #17

چارچوب‌های تازه ایجنت: پیش از انتخاب، حلقه را خودت بنویس
هر چارچوب تازه‌ای که این روزها برای ساخت ایجنت معرفی می‌شود، در واقع همان سه چیز را می‌فروشد: یک حلقهٔ اجرای صریح 🔁، فراخوانی ابزارها با ساختار مشخص، و انتقال کار بین چند ایجنت. توصیهٔ عملی این است که پیش از پذیرفتن هر فریم‌ورک، همین حلقه را خودتان در چند ده خط بنویسید: به مدل درخواست بدهید، ابزاری که خواسته را اجرا کنید، نتیجه را برگردانید و روی پاسخ نهایی متوقف شوید. بعد چارچوبی را بردارید که روی همین حلقهٔ قابل‌فهم، لایه‌های رهگیری، تلاش مجدد و گاردریل اضافه می‌کند، نه چارچوبی که منطق اجرا را پشت تنظیمات پنهان می‌کند.

New Agent Frameworks: Write the Loop First
Every new agent framework, from the OpenAI Agents SDK to LangGraph, is really selling the same three primitives: an explicit agent loop 🔁, typed tool calls, and handoffs between agents. Before you adopt one, write that loop yourself in about fifty lines: call the model, run the tool it asks for, feed the result back, stop on a final answer. Then choose the framework that adds tracing, retries and guardrails on top of a loop you still understand, not one that hides the control flow behind config.

@dslanders

هوش مصنوعی - رضا شکرزاد

07 October 2026 18:30

🔌 تیپ #16

مدل‌های تازه می‌آیند؛ ایجنت را به یک مدل گره نزنید
تقریباً هر چند هفته یک مدل تازه معرفی می‌شود و وسوسه می‌شویم کل ایجنت را دور آن بازنویسی کنیم. راه عاقلانه‌تر این است که مدل را پشت یک لایه‌ی نازک انتزاع نگه داریم تا عوض‌کردنش فقط تغییر یک تنظیم باشد، نه بازنویسی کد 🔌. بعد هم ارزیابی خودتان را دوباره اجرا کنید، چون مدلی که صدر جدول‌های عمومی است ممکن است دقیقاً در حلقه‌ی فراخوانی ابزارهای شما ضعیف عمل کند.

New Models Drop Weekly: Keep Your Agent Model-Agnostic
Every few weeks a new frontier model lands, and the instinct is to rebuild your agent around it. The smarter habit is to keep the model behind a thin abstraction layer, so switching providers becomes a config change instead of a refactor 🔌. Then re-run your own evals, because a model that tops a public leaderboard can still stumble on your specific tool-calling loop.

@dslanders

هوش مصنوعی - رضا شکرزاد

07 October 2026 07:57

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

📈 خبر ۱: ابزار OpenChart رایگان و متن‌باز منتشر شد؛ جایگزینی برای TradingView که می‌گذارد عامل هوش مصنوعی خودتان بازار را بخواند و برایتان نمودار بسازد.

🖼️ خبر ۲: مدل d1 از Liquid AI حالا هم تصویر و هم متن را می‌فهمد و به توسعه‌دهندگان امکان می‌دهد مدل‌های تصمیم‌گیری بینایی‌محور را تا ۲۰۰ برابر ارزان‌تر بسازند.

🧠 خبر ۳: قابلیت جدید Memory در Devin ترجیحات، اصلاحات و آموخته‌های پروژه را بین جلسات نگه می‌دارد و Dreaming هم هر چند وقت دانسته‌های عامل را مرتب می‌کند.

👥 خبر ۴: Instinct یک عامل هوش مصنوعی مشترک داخل گروه‌های چت می‌گذارد تا برنامه سفر بچیند، بلیت پیدا کند و هم‌سفری را هماهنگ کند.

🩺 خبر ۵: ایالت یوتا می‌خواهد اولین جای آمریکا باشد که به هوش مصنوعی اجازه می‌دهد بیمار را معاینه و دارو تجویز کند، بدون نظارت پزشک انسانی.

@dslanders

هوش مصنوعی - رضا شکرزاد

06 October 2026 13:19

پلتفرم بوت کمپ Agentic AI

جزییات:
https://cafetadris.com/agenticai

هوش مصنوعی - رضا شکرزاد

05 October 2026 18:30

🧭 تیپ #14

هماهنگ‌سازی چندعاملی: یک عامل رهبر، چند عامل کارگر
به‌جای اینکه یک عامل تن‌ها کل مسئله را در ذهنش نگه دارد، کار را تقسیم کنید: یک عامل رهبر هدف را به زیرکارهای مستقل می‌شکند و هر زیرکار را به یک کارگر تازه می‌سپارد که فقط زمینه‌ی مرتبط را در اختیار دارد. کارگرها موازی اجرا می‌شوند و نتیجه‌ی ساخت‌یافته برمی‌گردانند، و در پایان رهبر همه را در یک پاسخ واحد ادغام می‌کند. وظیفه‌ی رهبر را محدود به برنامه‌ریزی و مسیریابی نگه دارید 🧭 و برای هر کارگر قرارداد خروجی صریح تعریف کنید تا مرحله‌ی تجمیع به حدس و گمان تبدیل نشود.

Orchestration: One Lead Agent, Several Workers
Instead of one agent trying to hold an entire task in its head, split the work: a lead agent plans, decomposes the goal, and hands each subtask to a fresh worker with only the context it actually needs. Workers then run in parallel and return structured results that the lead merges into a single answer. Keep the lead's job to planning and routing 🧭, and give every worker an explicit output contract so the merge step never turns into guesswork.

@dslanders

هوش مصنوعی - رضا شکرزاد

04 October 2026 20:32

🤖 دورهمی حضوری علاقه‌مندان هوش مصنوعی کافه‌تدریس

بخشی از حال‌وهوای دورهمی حضوری هوش مصنوعی کافه‌تدریس با حضور فعالان و علاقه‌مندان حوزه AI رو توی این ویدیو ببینید 🧡

فرصتی برای دیدن همدیگه، آشنایی، گپ‌وگفت و به اشتراک گذاشتن تجربه‌ها با آدم‌هایی که هرکدوم به شکلی دارن مسیر خودشون رو توی دنیای هوش مصنوعی می‌سازن.
گاهی یک گفت‌وگوی کوتاه، یک آشنایی تازه یا شنیدن تجربه یک نفر، می‌تونه شروع یک مسیر جدید باشه؛ و دقیقا ارزش این دورهمی‌ها همین‌جاست. 🌱

🎞 تماشای ویدیو در یوتیوب:
🔗https://youtu.be/DturyD5O-no

🔴 تماشای ویدیوی در آپارات:
🔗https://aparat.com/v/qfm0p66

@Cafetadris | کافه‌تدریس

هوش مصنوعی - رضا شکرزاد

04 October 2026 10:48

https://youtu.be/zz-J-tSCCL4

هوش مصنوعی - رضا شکرزاد

03 October 2026 18:30

🎯 تیپ #12

چرا معیارهای چت‌بات برای سنجش ایجنت کافی نیستند
سنجیدن کیفیت یک پاسخ تک‌نوبتی با ارزیابی یک ایجنت زمین تا آسمان فرق دارد. ایجنت در چند مرحله ابزار صدا می‌زند، وضعیت محیط را تغییر می‌دهد و مسیرش پر از دور زدن و تلاش دوباره است؛ پس یک پاسخ نهایی شیک و مرتب می‌تواند روی مسیری خراب نشسته باشد. معیار درست این است که ببینید کار واقعاً تمام شد یا نه 🎯 و اگر همان سناریو را چند بار پشت سر هم اجرا کنید، نتیجه پایدار می‌ماند یا نه.

Agent evals: why chatbot metrics fall short
Chatbot metrics score one reply at a time: fluency, helpfulness, win rate against another model. An agent is a multi-step policy that calls tools and mutates state, so a polished final answer can sit on top of a broken trajectory, a retried API call, or a silently corrupted record. Score the outcome instead: did the task actually complete 🎯 and does that result hold when you rerun the same scenario five times in a row?

@dslanders

هوش مصنوعی - رضا شکرزاد

02 October 2026 18:30

🔍 تیپ #11

چطور ایجنت دانش بیرونی را بازیابی می‌کند
در بازیابی افزوده به تولید (RAG)، پرسش کاربر اول به بردار تبدیل می‌شود، نزدیک‌ترین تکه‌های متنی از پایگاه برداری بیرون کشیده می‌شوند و پیش از پاسخ‌دهی داخل پرامپت مدل می‌نشینند. نکته مهم این است که کیفیت پاسخ بیش از آنکه به خود مدل وابسته باشد، به نحوه تکه‌تکه کردن اسناد و بازنویسی پرسش بستگی دارد 🔍. ضمناً متن بازیابی‌شده را باید داده‌ی غیرقابل‌اعتماد در نظر گرفت، نه دستور؛ چون یک سند آلوده می‌تواند کنترل ایجنت را به دست بگیرد.

RAG: How Agents Retrieve Outside Knowledge
RAG works by embedding the query, pulling the nearest chunks out of a vector store, and pasting them into the prompt before the model answers. The model only knows what the retriever hands it, so chunking and query wording often decide the answer more than the model itself does 🔍. And treat retrieved text as untrusted data, never as instructions: one poisoned document can hijack your agent.

@dslanders

هوش مصنوعی - رضا شکرزاد

01 October 2026 18:30

🍎 تیپ #10

خطای ابزار را طوری برگردان که مدل از آن یاد بگیرد
وقتی ابزار فقط یک خطای مبهم مثل «500» برمی‌گرداند، مدل چاره‌ای جز تکرار همان فراخوانی ندارد و در حلقه می‌افتد. خطا را ساخت‌یافته برگردان: کد خطا، فیلد مشکل‌دار، دلیل شکست و مقادیر مجاز. مثلاً به‌جای پیام خالی، فیلدی مثل expected با قالب درست تاریخ و یک پرچم retryable بفرست 🍎 تا مدل آن را مثل یک دستور بخواند و در نوبت بعد خودش اصلاح کند. خطاهای پایدار را هم صریح غیرقابل‌تکرار علامت بزن تا ایجنت بی‌دلیل تلاش مجدد نکند.

Return tool errors that teach the model
A raw stack trace or a bare `500` tells an agent nothing, so it blindly retries the same call until it burns its step budget. Return errors as structured, actionable messages instead: the error code, the offending field, why it failed, and the valid options. A `400` becomes `{"error":"invalid_date","received":"next friday","expected":"ISO 8601, e.g. 2025-03-04","retryable":true}` 🍎, which the model reads as an instruction and fixes on the next turn. Mark terminal errors as non-retryable so the agent stops instead of looping.

@dslanders

هوش مصنوعی - رضا شکرزاد

30 September 2026 18:30

🧭 تیپ #9

مسیریابی ابزارها پیش از فراخوانی مدل
وقتی تعداد ابزارهای یک ایجنت از ده دوازده تا رد می‌شود، ریختن همه‌ی اسکیماها داخل پرامپت دیگر جواب نمی‌دهد: هم توکن می‌سوزاند و هم مدل بیشتر اشتباه انتخاب می‌کند. راه‌حل این است که یک مرحله‌ی مسیریابی سبک بگذارید که فهرست ابزارها را با درخواست کاربر تطبیق بدهد و فقط چند ابزار مرتبط را به دست مدل اصلی برساند 🧭. خروجی این مرحله را کوچک نگه دارید (حدود پنج تا ده ابزار)، برای هر ابزار نام و توضیح روشن بنویسید تا قابل بازیابی بماند، و ثبت کنید چه ابزارهایی پیشنهاد شده‌اند تا خطاها را راحت‌تر دیباگ کنید.

Route tools before the model sees them
Once an agent has more than a dozen tools, dumping every schema into the prompt starts to hurt: token cost climbs and the model picks the wrong function more often. The fix is a routing step, a cheap retrieval pass that scores your tool catalog against the user's request and hands the planner only the handful of tools that actually fit 🧭. Keep the router's output small (5 to 10 tools), give every tool a crisp name and description so it stays retrievable, and log which tools were offered so you can debug the misses.

@dslanders

هوش مصنوعی - رضا شکرزاد

29 September 2026 18:30

🐝 تیپ #8

سیستم‌های چندعاملی: چند متخصص بهتر از یک همه‌کاره
وقتی یک کار بزرگ را بین چند عامل تخصصی تقسیم می‌کنید که با هم حرف می‌زنند، به‌جای اینکه همه‌چیز را به یک مدل واحد بسپارید، دارید یک سیستم چندعاملی می‌سازید. هر عامل نقش باریک، ابزارهای خودش و context جداگانه دارد، پس یک عامل جست‌وجوگر، یک عامل کدنویس و یک عامل بازبین می‌توانند پشت‌سرهم یا موازی کار کنند 🐝. مزیتش تمرکز و اشکال‌زدایی ساده‌تر است و هزینه‌اش هماهنگی بیشتر، مصرف توکن بالاتر و خطاهای تازه مثل حلقه‌افتادن عامل‌ها. با دو عامل و یک تحویل‌کاری روشن شروع کنید، نه با یک ازدحام.

Multi-Agent Systems: Many Specialists Beat One Generalist
A multi-agent system splits one big job across several specialized agents that talk to each other, instead of asking a single model to do everything at once. Each agent gets a narrow role, its own tools, and its own context window, so a researcher, a coder, and a reviewer can work in sequence or in parallel 🐝. The payoff is focus and easier debugging; the cost is more coordination, more tokens, and new failure modes like agents looping or passing bad state. Start with two agents and a clear handoff before you build a swarm.

@dslanders

هوش مصنوعی - رضا شکرزاد

28 September 2026 18:30

🪜 تیپ #7

کارهای بزرگ را پیش از اجرا به قدم‌های کوچک بشکنید
وقتی از یک ایجنت می‌خواهید همه‌چیز را یک‌جا انجام دهد، معمولاً خروجی مبهم و نیمه‌کاره تحویل می‌گیرید. راه بهتر این است که اول یک برنامه‌ی صریح بسازد: فهرست کوتاهی از زیرکارها که هرکدام به‌تنهایی قابل انجام و قابل بررسی باشند. 🪜 بعد همان قدم‌ها را یکی‌یکی اجرا کنید و نتیجه‌ی هر مرحله را به مرحله‌ی بعد بدهید. این‌طوری زمینه‌ی کمتری مصرف می‌شود، خطاها محلی می‌مانند و مسیر پیشرفت هم قابل بازبینی است.

Planning: break the big task into small steps
Asking an agent to "research the market and write a report" in one shot usually ends in vague, half-finished output. Instead, have it write an explicit plan first: a short list of subtasks, each small enough to finish and verify on its own. 🪜 Then run those steps one at a time, passing each result into the next. Smaller steps mean smaller context, errors that stay local, and a progress trail you can actually inspect.

@dslanders