آشنایی با Spec Kit (1 از 3)

گیت هاب Spec Kit یک چارچوب متن‌باز برای Spec-Driven Development است که توسط GitHub معرفی شده و هدف آن این است که فرآیند توسعه با Agentهای هوش مصنوعی از «کدنویسی مستقیم» به «توسعه مبتنی بر Specification» تغییر کند.
در این روش، ابتدا نیازمندی‌های پروژه به‌صورت یک Specification سطح بالا و بدون وابستگی به فناوری یا جزئیات پیاده‌سازی تعریف می‌شوند. سپس Agent بر اساس همین Specification، اسناد فنی، برنامه پیاده‌سازی، فهرست Taskها و در نهایت کد را تولید می‌کند. Spec Kit برای Agentهایی مانند GitHub Copilot، Codex، Claude Code و Gemini قالب‌های Prompt، Script و Template آماده در اختیار قرار می‌دهد تا همه آن‌ها از یک Workflow استاندارد پیروی کنند.
لینک دوره کامل
---------------------------------------------------------
#AIEngineering #SpecKit #CodingAgent #هوش_مصنوعی
➡️@AIDeveloperNotes

ساختار داخلی Memory در Hermes
#Hermes (5/15)

اطلاعات اصلی Hermes در پوشه .hermes ذخیره می‌شود و بخش مهمی از Memory به صورت فایل‌های Markdown قابل مشاهده است. اطلاعات مربوط به کاربر، تنظیمات کلی و هویت Agent در فایل‌های جداگانه نگهداری می‌شوند و همین موضوع باعث می‌شود Memory علاوه بر استفاده توسط Agent، برای توسعه‌دهنده نیز قابل بررسی و درک باشد. این ساختار امکان مشاهده مستقیم داده‌های ذخیره‌شده را فراهم می‌کند.

---------------------------------------------------------
#Educational #هوش_مصنوعی #برنامه_نویسی #AIEngineering #CodingAgent
➡️@AIDeveloperNotes

تفاوت Tool، Integration و MCP
#Hermes (6/15)

هرمس برای گسترش قابلیت‌های خود از چند سازوکار متفاوت استفاده می‌کند. Toolها امکانات داخلی مانند Web Search یا Browser Automation را فراهم می‌کنند، در حالی که Integrationها ارتباط با Providerها و سرویس‌های خارجی را برقرار می‌کنند. زمانی که قابلیت موردنیاز به‌صورت بومی وجود نداشته باشد، می‌توان از MCP برای افزودن Toolهای Third-party استفاده کرد و دامنه توانایی‌های Agent را گسترش داد.

---------------------------------------------------------
#Educational #هوش_مصنوعی #برنامه_نویسی #AIEngineering #CodingAgent
➡️@AIDeveloperNotes

یادگیری مهارت‌های جدید توسط Agent
#Hermes (7/15)

یک Skill در Hermes تنها یک دستور آماده نیست، بلکه مجموعه‌ای از قوانین برای انجام یک Task مشخص است. Agent می‌تواند علاوه بر استفاده از Skillهای آماده، Skillهای جدیدی را نیز در جریان همکاری با کاربر ایجاد کند. پس از پایان یک Workflow، همان فرآیند به Skill تبدیل می‌شود و شامل هدف، شیوه اجرا و نحوه استفاده در آینده خواهد بود تا همان فرآیند بدون طراحی مجدد قابل استفاده باشد.

---------------------------------------------------------
#Hermes #هوش_مصنوعی #برنامه_نویسی #AIEngineering #CodingAgent
➡️@AIDeveloperNotes

خودکارسازی فرآیندهای تکراری با Cron Jobs
#Hermes (8/15)

باCron Job امکان اجرای خودکار Taskها در زمان‌های مشخص را فراهم می‌شود. این قابلیت برای تهیه Daily Brief، خلاصه‌سازی اطلاعات، بررسی وضعیت سرویس‌ها و سایر فعالیت‌های دوره‌ای استفاده می‌شود. به‌جای اجرای دستی Workflowهای تکراری، Hermes آن‌ها را طبق زمان‌بندی تعیین‌شده اجرا می‌کند و همین موضوع باعث می‌شود بسیاری از کارهای روزانه بدون دخالت مستقیم کاربر انجام شوند.

---------------------------------------------------------
#️⃣ #Hermes #هوش_مصنوعی #AIEngineering #CodingAgent
➡️@AIDeveloperNotes

بازیابی اطلاعات از Sessionهای گذشته
#Hermes (9/15)

حافظه Memory در Hermes تنها به اطلاعات کوتاه ذخیره‌شده محدود نیست. تمام Conversationها در یک پایگاه داده آرشیو می‌شوند و هنگام نیاز، Agent با استفاده از Session Search اطلاعات مرتبط را بازیابی می‌کند. این روش باعث می‌شود Context اصلی کوچک باقی بماند و تنها در زمان لازم، اطلاعات گذشته وارد فرآیند تصمیم‌گیری شوند.

---------------------------------------------------------
#️⃣ #Hermes #هوش_مصنوعی #AIEngineering #CodingAgent
➡️@AIDeveloperNotes

تقویت Memory با Honcho
#Hermes (10/15)

حالا Hermes امکان افزودن یک لایه جدید به Memory از طریق Honcho را فراهم می‌کند. این افزونه جایگزین Memory داخلی نمی‌شود، بلکه الگوهای رفتاری، تعامل‌ها و اطلاعات ضمنی را جمع‌آوری کرده و هنگام نیاز در اختیار Agent قرار می‌دهد. نتیجه این فرایند، درک بهتر پروژه‌ها و رفتار کاربر در تعامل‌های آینده است، بدون اینکه ساختار اصلی Memory تغییر کند.

---------------------------------------------------------
#️⃣ #Hermes #هوش_مصنوعی #AIEngineering #CodingAgent
➡️@AIDeveloperNotes

ساخت Second Brain با Obsidian
#Hermes (11/15)

هرمس می‌تواند اطلاعات مهم را در یک Obsidian Vault ذخیره کند و بعداً دوباره از همان اطلاعات استفاده کند. Projectها، Researchها و سایر اسناد در Vault نگهداری می‌شوند و Agent قادر است آن‌ها را بازیابی کرده و ادامه همان کار را انجام دهد. این ساختار باعث می‌شود اطلاعات پروژه‌ها تنها در Conversationها باقی نمانند و به یک مخزن دائمی دانش تبدیل شوند.

---------------------------------------------------------
#️⃣ #Hermes #هوش_مصنوعی #AIEngineering #CodingAgent
➡️@AIDeveloperNotes

استفاده از Modelهای Open-source
#Hermes (12/15)

استفاده از Modelهای Open-source امکان اجرای کامل Hermes روی سخت‌افزار محلی را فراهم می‌کند و وابستگی به Providerهای Cloud را کاهش می‌دهد. این رویکرد علاوه بر کاهش هزینه، باعث می‌شود اجرای Modelها روی همان سیستم انجام شود. برای مدیریت و دانلود Modelها می‌توان از ابزارهایی مانند Ollama استفاده کرد و Agent نیز در مراحل راه‌اندازی آن راهنمایی ارائه می‌دهد.

---------------------------------------------------------
#️⃣ #Hermes #هوش_مصنوعی #AIEngineering #CodingAgent
➡️@AIDeveloperNotes

تفاوت Ollama و llama.cpp
#Hermes (13/15)

برای اجرای Modelهای محلی دو مسیر معرفی می‌شود. Ollama فرآیند نصب و مدیریت Modelها را ساده می‌کند و برای شروع گزینه مناسبی است. در مقابل، استفاده مستقیم از `llama.cpp` کنترل بیشتری روی اجرای Model فراهم می‌کند و امکان تنظیمات دقیق‌تر و عملکرد سریع‌تر را در اختیار توسعه‌دهنده قرار می‌دهد، هرچند راه‌اندازی آن به مراحل بیشتری نیاز دارد.

---------------------------------------------------------
#️⃣ #Hermes #هوش_مصنوعی #AIEngineering #CodingAgent
➡️@AIDeveloperNotes

آشنایی با Spec Kit (2 از 3)

هسته اصلی Spec Kit یک چرخه توسعه مرحله‌ای است. ابتدا در فایل Constitution قوانین و اصول ثابت پروژه مانند معماری، استانداردهای کدنویسی، تست‌پذیری یا تجربه کاربری ثبت می‌شود. سپس با دستور Specify نیازمندی Feature به یک Specification قابل‌بررسی تبدیل می‌شود، Clarify ابهام‌های باقی‌مانده را با پرسش از توسعه‌دهنده برطرف می‌کند، Plan تصمیم‌های فنی مانند Frameworkها و فناوری‌های موردنیاز را ثبت می‌کند و Tasks این برنامه را به مجموعه‌ای از کارهای کوچک و قابل اجرا تبدیل می‌کند.
در نهایت، Agent با اجرای مرحله Implement کد را تولید می‌کند و آن را با Specification، Plan و قوانین Constitution تطبیق می‌دهد. علاوه بر این، دستور Analyze نیز برای بررسی سازگاری بین تمام Artifactهای پروژه و جلوگیری از تناقض‌ها استفاده می‌شود.
لینک دوره کامل
---------------------------------------------------------
#AIEngineering #SpecKit #CodingAgent #هوش_مصنوعی
➡️@AIDeveloperNotes

ارتباط Hermes با سرویس‌های پیام‌رسان
#Hermes (14/15)

هرمس از طریق Integrationهای پیام‌رسان می‌تواند خارج از Desktop App نیز در دسترس باشد. اتصال به سرویس‌هایی مانند Discord یا Telegram امکان دریافت اعلان‌ها، مشاهده خروجی Workflowها و تعامل با Agent را از محیط‌های مختلف فراهم می‌کند. این ارتباط باعث می‌شود بسیاری از فرآیندهای خودکار بدون نیاز به حضور دائمی در محیط اصلی Hermes قابل مدیریت باشند.

---------------------------------------------------------
#️⃣ #Hermes #هوش_مصنوعی #AIEngineering #CodingAgent
➡️@AIDeveloperNotes

هماهنگی چند Agent در Workflowهای پیچیده
#Hermes (15/15)

پس از آماده شدن زیرساخت Hermes، امکان اجرای هم‌زمان چند Agent برای انجام Taskهای مختلف فراهم می‌شود. Workflowها می‌توانند به‌صورت موازی اجرا شوند و وضعیت آن‌ها از طریق سازوکار Orchestration و Kanban مدیریت شود. در این ساختار، چند فرآیند مستقل به‌طور هم‌زمان پیش می‌روند و هرکدام بدون ایجاد تداخل، بخشی از کار را انجام می‌دهند تا مجموعه‌ای از فعالیت‌ها به شکل هماهنگ مدیریت شود.

---------------------------------------------------------
#️⃣ #Hermes #هوش_مصنوعی #AIEngineering #CodingAgent
➡️@AIDeveloperNotes

#Codex (1/13)
آشنایی با Codex فراتر از تولید کد
اگر Codex را فقط ابزاری برای نوشتن کد بدانیم، بخش مهمی از قابلیت‌های آن نادیده گرفته می‌شود. این محیط علاوه بر تولید کد، می‌تواند اجرای کارهای تکراری را بر عهده بگیرد، وظایف مختلف را خودکار کند و حتی از طریق کنترل مستقیم کامپیوتر، عملیات مشخصی را انجام دهد. به همین دلیل استفاده از آن صرفاً به مرحله توسعه نرم‌افزار محدود نیست و می‌تواند در بسیاری از فعالیت‌های روزمره نیز نقش یک Agent اجرایی را داشته باشد.

نکته مهم این است که Codex تنها در یک محیط ارائه نمی‌شود. نسخه Desktop، افزونه IDE، نسخه CLI و نسخه تحت وب هر کدام برای سناریوی متفاوتی طراحی شده‌اند. Desktop محیط کامل‌تری در اختیار قرار می‌دهد، افزونه IDE تجربه توسعه را به ویرایشگر منتقل می‌کند، CLI امکان اجرا روی ماشین‌های Remote را فراهم می‌کند و نسخه Web نیز بدون نصب نرم‌افزار قابل استفاده است. انتخاب هر کدام به نوع کاری بستگی دارد که قرار است انجام شود، نه صرفاً به ترجیح شخصی.




منبع

---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes

#Codex (2/13)
شروع کار با محیط Desktop
اولین تجربه کار با Codex تا حد زیادی به شناخت اجزای محیط آن وابسته است. بخش اصلی برنامه، پنجره Chat است که از همان نقطه می‌توان Model را انتخاب کرد، حالت Approval را تغییر داد، Context یا Skill جدید اضافه کرد و Commandهای مختلف را با استفاده از `/` اجرا کرد. همین ساختار باعث می‌شود بیشتر قابلیت‌های مهم برنامه بدون خروج از محیط اصلی در دسترس باشند.

در کنار Chat، بخش‌های دیگری نیز برای مدیریت پروژه‌ها، مشاهده Browser، Terminal و تنظیمات وجود دارد. Browser و Terminal صرفاً ابزارهای جانبی نیستند؛ این دو پنجره زمانی اهمیت پیدا می‌کنند که Codex خودش مرورگر یا Shell را کنترل می‌کند و نتیجه اجرای دستورات را به‌صورت زنده نمایش می‌دهد. همچنین امکان سازمان‌دهی Chatها در قالب Project، مشاهده میزان مصرف، تنظیم حالت Everyday Work یا محیط توسعه و دسترسی به تنظیمات مختلف، باعث می‌شود فضای کاری برای پروژه‌های طولانی نیز قابل مدیریت باقی بماند.

منبع

---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes

#Codex (3/13)
انتخاب Model متناسب با نوع کار
همه درخواست‌ها به یک سطح از Reasoning نیاز ندارند. در Codex می‌توان بین سطوح مختلف Reasoning انتخاب کرد و این انتخاب مستقیماً روی زمان اجرای درخواست اثر می‌گذارد. هرچه سطح Reasoning بالاتر باشد، معمولاً پاسخ دقیق‌تر خواهد بود اما اجرای همان درخواست زمان بیشتری نیاز دارد. در مقابل، برای سؤال‌های کوتاه یا تغییرات کوچک، استفاده از سطح پایین‌تر باعث می‌شود پاسخ بسیار سریع‌تر آماده شود.

در کنار Reasoning، انتخاب Model نیز اهمیت دارد. GPT 5.5 به‌عنوان Model اصلی برای بیشتر فعالیت‌های توسعه پیشنهاد می‌شود و در اغلب پروژه‌ها نیازی به تغییر آن وجود ندارد. Modelهای سبک‌تر بیشتر برای کارهای سریع یا زمانی مناسب هستند که محدودیت مصرف وجود داشته باشد. همچنین امکان فعال کردن Fast Mode نیز وجود دارد تا اجرای درخواست‌ها با سرعت بیشتری انجام شود. ترکیب صحیح Model و Reasoning باعث می‌شود بین کیفیت خروجی و زمان اجرا تعادل مناسبی برقرار شود.

منبع

---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes

#Codex (4/13)
قدرت واقعی Codex با Pluginها آغاز می‌شود
بخش مهمی از قابلیت‌های Codex از طریق Pluginها فعال می‌شود. با نصب Plugin مناسب، Agent می‌تواند علاوه بر تولید کد، به ابزارهای مختلف متصل شود و عملیات واقعی روی سیستم انجام دهد. Plugin مربوط به Computer امکان کنترل مستقیم کامپیوتر را فراهم می‌کند و Plugin مربوط به Chrome اجازه می‌دهد مرورگر نیز بخشی از فرایند اجرا باشد.

اتصال GitHub نیز نقش مهمی در فرایند توسعه دارد. با این اتصال، پروژه‌ها می‌توانند در Repository ذخیره شوند، تغییرات نسخه‌بندی شوند و در صورت نیاز به نسخه‌های قبلی بازگردند. علاوه بر این، Pluginهای دیگری مانند Google Drive، Spreadsheet، Gmail و Slack نیز قابل نصب هستند تا ارتباط Codex با سرویس‌های مختلف برقرار شود. این ساختار باعث می‌شود Agent فقط روی فایل‌های محلی کار نکند و بتواند در تعامل با ابزارهای مختلف، فرایندهای کامل‌تری را اجرا کند.

منبع

---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes

🚨 شرکت OpenAI قیمت API مدل‌های GPT-5.6 را کاهش داد
در ادامه رقابت فشرده بازار OpenAI ، قیمت API دو مدل از خانواده GPT-5.6 را کاهش داد:
🔹 مدل GPT-5.6 Luna: کاهش ۸۰٪ قیمت (Input از ۱ دلار به ۰.۲ دلار برای هر یک میلیون Token)
🔹 مدل GPT-5.6 Terra: کاهش ۲۰٪ قیمت (Input از ۲.۵ دلار به ۲ دلار برای هر یک میلیون Token)
این شرکت اعلام کرده بهبود بهره‌وری داخلی مدل‌ها باعث شده بتواند این کاهش قیمت را اعمال کند. این خبر برای توسعه‌دهندگانی که از API استفاده می‌کنند، به معنای کاهش محسوس هزینه ساخت Agentها، Workflowهای هوشمند و سرویس‌های مبتنی بر AI خواهد بود.
---------------------------------------------------------
#️⃣ #News #OpenAI #GPT56 #API #AI #LLM #AIDevelopers
➡️ @AIDeveloperNotes

#Codex (5/13)
کنترل کامپیوتر با Computer Plugin
پس از فعال شدن Computer Plugin، Codex می‌تواند وظایفی را که معمولاً به تعامل مستقیم کاربر با سیستم نیاز دارند، خودش اجرا کند. باز کردن برنامه‌ها، نوشتن متن، جابه‌جایی بین پنجره‌ها یا انجام عملیات تکراری نمونه‌هایی از کارهایی هستند که می‌توانند به این Agent سپرده شوند. در زمان اجرا نیز کنترل سیستم کاملاً از دست کاربر خارج نمی‌شود و هر دو می‌توانند هم‌زمان روی کامپیوتر فعالیت کنند.

این قابلیت فقط به برنامه‌های نصب‌شده محدود نیست. در صورت نیاز، Codex می‌تواند از طریق Browser نیز ادامه کار را انجام دهد و عملیات موردنظر را در محیط وب پیش ببرد. چنین ساختاری باعث می‌شود اجرای سناریوهایی مانند تست یک وب‌سایت، طی کردن مراحل یک فرم یا انجام کارهای تکرارشونده بدون نیاز به اجرای دستی هر مرحله امکان‌پذیر شود و بسیاری از فعالیت‌های روزمره به شکل خودکار انجام شوند.

منبع

---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes

#Codex (6/13)
سازمان‌دهی پروژه‌ها و Chatها
برای هر پروژه بهتر است فضای کاری مستقلی ایجاد شود تا تمام Chatها، فایل‌ها و تغییرات مرتبط در همان محدوده باقی بمانند. هر Project در عمل به یک پوشه روی سیستم متصل است و می‌تواند از ابتدا ساخته شود یا به یک Repository موجود متصل گردد. این ساختار پیدا کردن مکالمه‌های قبلی و ادامه توسعه را ساده‌تر می‌کند و از پراکندگی اطلاعات جلوگیری خواهد کرد.

پس از ایجاد Project، امکان انتخاب حالت Local، اتصال به نسخه Cloud یا ایجاد Worktree وجود دارد. همچنین Codex به‌صورت خودکار ارتباط پروژه با Git را برقرار می‌کند و Branch اولیه را ایجاد می‌کند. هنگام توسعه نیز می‌توان وضعیت فایل‌ها، تغییرات، Branchها، Terminal و Preview برنامه را از همان محیط مشاهده کرد و حتی پروژه را مستقیماً در IDE دلخواه باز کرد. نتیجه این ساختار، یک محیط یکپارچه برای توسعه، مدیریت کد و پیگیری تغییرات است که بدون خروج از Codex قابل استفاده خواهد بود.

منبع

---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes

#KIMI(1/2)
کیمی K3؛ مدلی فراتر از بهبود Benchmark

در ژانویه ۲۰۲۵، DeepSeek نشان داد که می‌توان با هزینه‌ای بسیار کمتر، به عملکردی نزدیک به مدل‌های برتر دست یافت. اکنون Kimi K3 همین مسیر را ادامه داده و علاوه بر رقابت با مدل‌های OpenAI و Anthropic، نگاه‌ها را به تغییرات بنیادی در معماری مدل‌ها و اقتصاد هوش مصنوعی جلب کرده است.

چرا Kimi K3 مهم است؟

مزیت اصلی Kimi K3 فقط امتیازهای Benchmark نیست؛ بلکه کاهش هزینه Inference و افزایش بهره‌وری است؛ موضوعی که می‌تواند بر زیرساخت‌های هوش مصنوعی، مراکز داده و حتی صنعت نیمه‌رساناها تأثیر بگذارد.

معماری مبتنی بر Mixture of Experts (MoE)

مدلKimi K3 بر پایه معماری Mixture of Experts (MoE) ساخته شده است. در این معماری، به‌جای فعال شدن کل مدل، تنها بخش کوچکی از آن برای هر درخواست اجرا می‌شود و همین موضوع هزینه محاسبات را به‌طور چشمگیری کاهش می‌دهد.

---------------------
#️⃣ #KIMI #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes