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
#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
Forwarded from AI Developer Notes
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
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
#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
#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
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
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
YouTube
Codex - Full Course for Beginners
Click this link https://boot.dev/?promo=TECHWITHTIM and use my code TECHWITHTIM to get 25% off your first payment for boot.dev.
Codex is OpenAI's answer to Claude Code — and most people have no idea how much it can actually do. In this full beginner course…
Codex is OpenAI's answer to Claude Code — and most people have no idea how much it can actually do. In this full beginner course…
#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
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
YouTube
Codex - Full Course for Beginners
Click this link https://boot.dev/?promo=TECHWITHTIM and use my code TECHWITHTIM to get 25% off your first payment for boot.dev.
Codex is OpenAI's answer to Claude Code — and most people have no idea how much it can actually do. In this full beginner course…
Codex is OpenAI's answer to Claude Code — and most people have no idea how much it can actually do. In this full beginner course…
#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
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
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
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
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
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
#KIMI(2/2)
کارایی بالاتر با فعال‌سازی کمتر
این مدل ۸۹۶ Expert دارد، اما برای هر توکن فقط ۱۶ Expert فعال می‌شوند؛ یعنی حدود ۱.۸٪ از کل مدل. این یکی از پایین‌ترین نرخ‌های فعال‌سازی در میان مدل‌های MoE است و نسبت به Kimi K2 نیز با افزایش تعداد Expertها و کاهش تعداد Expertهای فعال، بهره‌وری بیشتری ارائه می‌دهد.
چالش مراکز داده
با وجود بهینه‌سازی، Kimi K3 همچنان مدلی بسیار بزرگ است و برای اجرا روی چندین GPU توزیع می‌شود. بنابراین طراحی آن تلاش می‌کند ضمن حفظ کیفیت، هزینه‌های پردازشی و مصرف منابع مراکز داده را تا حد ممکن کاهش دهد.
جمع‌بندی
مدل Kimi K3 تنها یک مدل با Benchmark بهتر نیست؛ بلکه نمونه‌ای از نسل جدید مدل‌های هوش مصنوعی است که تمرکز آن‌ها بر افزایش کارایی، کاهش هزینه Inference و استفاده هوشمندانه‌تر از منابع محاسباتی است؛ مسیری که می‌تواند آینده توسعه و استقرار مدل‌های هوش مصنوعی را تغییر دهد.
---------------------
#️⃣ #KIMI #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
کارایی بالاتر با فعال‌سازی کمتر
این مدل ۸۹۶ Expert دارد، اما برای هر توکن فقط ۱۶ Expert فعال می‌شوند؛ یعنی حدود ۱.۸٪ از کل مدل. این یکی از پایین‌ترین نرخ‌های فعال‌سازی در میان مدل‌های MoE است و نسبت به Kimi K2 نیز با افزایش تعداد Expertها و کاهش تعداد Expertهای فعال، بهره‌وری بیشتری ارائه می‌دهد.
چالش مراکز داده
با وجود بهینه‌سازی، Kimi K3 همچنان مدلی بسیار بزرگ است و برای اجرا روی چندین GPU توزیع می‌شود. بنابراین طراحی آن تلاش می‌کند ضمن حفظ کیفیت، هزینه‌های پردازشی و مصرف منابع مراکز داده را تا حد ممکن کاهش دهد.
جمع‌بندی
مدل Kimi K3 تنها یک مدل با Benchmark بهتر نیست؛ بلکه نمونه‌ای از نسل جدید مدل‌های هوش مصنوعی است که تمرکز آن‌ها بر افزایش کارایی، کاهش هزینه Inference و استفاده هوشمندانه‌تر از منابع محاسباتی است؛ مسیری که می‌تواند آینده توسعه و استقرار مدل‌های هوش مصنوعی را تغییر دهد.
---------------------
#️⃣ #KIMI #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
#Codex (7/13)
مدیریت توسعه با Commandهای داخلی
بخش مهمی از تعامل با Codex از طریق Commandهایی انجام می‌شود که با
با افزایش حجم مکالمه، Tool Callها و تغییرات پروژه، Context نیز بزرگ‌تر می‌شود و همین موضوع می‌تواند بر کیفیت پاسخ‌ها اثر بگذارد. برای همین
منبع
---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
مدیریت توسعه با Commandهای داخلی
بخش مهمی از تعامل با Codex از طریق Commandهایی انجام می‌شود که با
/ آغاز می‌شوند. این Commandها فقط میانبر نیستند، بلکه هر کدام بخشی از مدیریت پروژه و Session را بر عهده دارند. برای مثال، status/ وضعیت مصرف، محدودیت زمانی و میزان استفاده از Context را نمایش می‌دهد تا مشخص شود چه مقدار از ظرفیت فعلی باقی مانده است و چه زمانی لازم است وضعیت Session مدیریت شود.با افزایش حجم مکالمه، Tool Callها و تغییرات پروژه، Context نیز بزرگ‌تر می‌شود و همین موضوع می‌تواند بر کیفیت پاسخ‌ها اثر بگذارد. برای همین
compact/ تمام اطلاعات مهم Session را در قالب یک خلاصه فشرده می‌کند و آن را به یک گفت‌وگوی جدید منتقل می‌کند تا Context دوباره فضای کافی در اختیار داشته باشد. همچنین امکان Fork کردن Chat، Pin کردن گفتگوها و ایجاد Chatهای جدید در همان Project نیز وجود دارد تا بتوان چند مسیر کاری مختلف را بدون از دست دادن ساختار پروژه مدیریت کرد.منبع
---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
#Codex (8/13)
برنامه‌ریزی قبل از شروع پیاده‌سازی
شروع مستقیم پیاده‌سازی همیشه بهترین انتخاب نیست، مخصوصاً زمانی که پروژه قرار است به چند بخش مختلف تقسیم شود یا مسیر توسعه هنوز کاملاً مشخص نشده باشد. در چنین شرایطی Plan Mode کمک می‌کند ابتدا هدف کلی پروژه مشخص شود و سپس با دریافت اطلاعات تکمیلی، مسیر اجرای آن مرحله‌به‌مرحله طراحی شود.
در این حالت، Codex قبل از ایجاد Plan، سؤال‌هایی مطرح می‌کند تا جزئیات مبهم پروژه مشخص شوند. پاسخ این سؤال‌ها مبنای تولید یک Plan کامل خواهد بود؛ Planی که شامل بخش‌های مختلف پروژه و مراحل اجرای آن است. پس از تولید نیز این Plan داخل Project ذخیره می‌شود و در ادامه می‌تواند مستقیماً مبنای پیاده‌سازی قرار گیرد. به این ترتیب، قبل از تولید اولین خط کد، مسیر توسعه به‌صورت ساخت‌یافته مشخص می‌شود و همه مراحل بعدی بر اساس همان برنامه پیش می‌روند.
منبع
---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
برنامه‌ریزی قبل از شروع پیاده‌سازی
شروع مستقیم پیاده‌سازی همیشه بهترین انتخاب نیست، مخصوصاً زمانی که پروژه قرار است به چند بخش مختلف تقسیم شود یا مسیر توسعه هنوز کاملاً مشخص نشده باشد. در چنین شرایطی Plan Mode کمک می‌کند ابتدا هدف کلی پروژه مشخص شود و سپس با دریافت اطلاعات تکمیلی، مسیر اجرای آن مرحله‌به‌مرحله طراحی شود.
در این حالت، Codex قبل از ایجاد Plan، سؤال‌هایی مطرح می‌کند تا جزئیات مبهم پروژه مشخص شوند. پاسخ این سؤال‌ها مبنای تولید یک Plan کامل خواهد بود؛ Planی که شامل بخش‌های مختلف پروژه و مراحل اجرای آن است. پس از تولید نیز این Plan داخل Project ذخیره می‌شود و در ادامه می‌تواند مستقیماً مبنای پیاده‌سازی قرار گیرد. به این ترتیب، قبل از تولید اولین خط کد، مسیر توسعه به‌صورت ساخت‌یافته مشخص می‌شود و همه مراحل بعدی بر اساس همان برنامه پیش می‌روند.
منبع
---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
#Codex (9/13)
اجرای هدف تا رسیدن به نتیجه با Goal Mode
در بسیاری از سناریوها، یک بار اجرای Agent برای تکمیل کار کافی نیست. Goal Mode برای همین شرایط طراحی شده است. به‌جای اینکه پس از هر مرحله دوباره Prompt جدید نوشته شود، تنها یک هدف سطح بالا تعریف می‌شود و Codex تا زمانی که شرایط آن هدف برآورده نشود، اجرای فرایند را ادامه می‌دهد.
در طول این چرخه، Agent ابتدا Plan را بررسی می‌کند، مراحل لازم را اجرا می‌کند، نتیجه را ارزیابی می‌کند و اگر هنوز بخشی از هدف باقی مانده باشد، دوباره وارد مرحله اجرا می‌شود. این Loop تا زمان تحقق کامل شرایط تعیین‌شده ادامه پیدا می‌کند. البته چنین فرایندی معمولاً مدت بیشتری اجرا می‌شود و مصرف بیشتری نیز خواهد داشت، بنابراین تعریف دقیق هدف و معیار پایان کار نقش مهمی در عملکرد صحیح Goal Mode دارد.
منبع
---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
اجرای هدف تا رسیدن به نتیجه با Goal Mode
در بسیاری از سناریوها، یک بار اجرای Agent برای تکمیل کار کافی نیست. Goal Mode برای همین شرایط طراحی شده است. به‌جای اینکه پس از هر مرحله دوباره Prompt جدید نوشته شود، تنها یک هدف سطح بالا تعریف می‌شود و Codex تا زمانی که شرایط آن هدف برآورده نشود، اجرای فرایند را ادامه می‌دهد.
در طول این چرخه، Agent ابتدا Plan را بررسی می‌کند، مراحل لازم را اجرا می‌کند، نتیجه را ارزیابی می‌کند و اگر هنوز بخشی از هدف باقی مانده باشد، دوباره وارد مرحله اجرا می‌شود. این Loop تا زمان تحقق کامل شرایط تعیین‌شده ادامه پیدا می‌کند. البته چنین فرایندی معمولاً مدت بیشتری اجرا می‌شود و مصرف بیشتری نیز خواهد داشت، بنابراین تعریف دقیق هدف و معیار پایان کار نقش مهمی در عملکرد صحیح Goal Mode دارد.
منبع
---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
#Codex (10/13)
اجرای هم‌زمان Agentها با Worktree
وقتی چند Agent به‌طور هم‌زمان روی یک Repository کار کنند، احتمال ایجاد تداخل بین تغییرات افزایش پیدا می‌کند. دلیل این موضوع آن است که همه Agentها روی فایل‌های مشترک تغییر ایجاد می‌کنند و همین مسئله می‌تواند باعث Conflict شود. Worktree برای حل همین مسئله به کار می‌رود.
در این ساختار، هر Agent روی یک نسخه مستقل از همان Repository فعالیت می‌کند. هر نسخه محیط کاری جداگانه‌ای دارد و تغییرات بدون تداخل انجام می‌شوند. پس از پایان توسعه، امکان ترکیب نتایج و مدیریت Merge نیز وجود خواهد داشت. Worktree بر پایه Git کار می‌کند و برای استفاده از آن باید ابتدا محیط مربوطه آماده شود. این قابلیت بیشتر در پروژه‌هایی کاربرد دارد که چند مسیر توسعه یا چند Agent به‌صورت موازی روی بخش‌های مختلف پروژه فعالیت می‌کنند.
منبع
---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
اجرای هم‌زمان Agentها با Worktree
وقتی چند Agent به‌طور هم‌زمان روی یک Repository کار کنند، احتمال ایجاد تداخل بین تغییرات افزایش پیدا می‌کند. دلیل این موضوع آن است که همه Agentها روی فایل‌های مشترک تغییر ایجاد می‌کنند و همین مسئله می‌تواند باعث Conflict شود. Worktree برای حل همین مسئله به کار می‌رود.
در این ساختار، هر Agent روی یک نسخه مستقل از همان Repository فعالیت می‌کند. هر نسخه محیط کاری جداگانه‌ای دارد و تغییرات بدون تداخل انجام می‌شوند. پس از پایان توسعه، امکان ترکیب نتایج و مدیریت Merge نیز وجود خواهد داشت. Worktree بر پایه Git کار می‌کند و برای استفاده از آن باید ابتدا محیط مربوطه آماده شود. این قابلیت بیشتر در پروژه‌هایی کاربرد دارد که چند مسیر توسعه یا چند Agent به‌صورت موازی روی بخش‌های مختلف پروژه فعالیت می‌کنند.
منبع
---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
#Codex (11/13)
بازبینی تغییرات قبل از Commit
پس از ایجاد تغییرات گسترده در پروژه، بررسی دوباره کد اهمیت زیادی پیدا می‌کند. Command مربوط به `review/` این امکان را فراهم می‌کند که تغییرات Session فعلی با Branch مرجع یا حتی تغییرات Commitنشده مقایسه شوند و نتیجه این بررسی به‌صورت خودکار در اختیار توسعه‌دهنده قرار گیرد.
فرایند Review فقط نمایش تفاوت فایل‌ها نیست، بلکه Codex تغییرات را تحلیل می‌کند و در صورت مشاهده ایراد، آن‌ها را گزارش می‌دهد تا پیش از Commit یا Push بتوان مشکلات را برطرف کرد. این قابلیت باعث می‌شود بررسی اولیه تغییرات بدون خروج از محیط توسعه انجام شود و بسیاری از خطاها قبل از ورود به Repository اصلی شناسایی شوند. به همین دلیل استفاده از Review پس از اعمال تغییرات بزرگ می‌تواند بخشی از روند عادی توسعه پروژه باشد.
منبع
---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
بازبینی تغییرات قبل از Commit
پس از ایجاد تغییرات گسترده در پروژه، بررسی دوباره کد اهمیت زیادی پیدا می‌کند. Command مربوط به `review/` این امکان را فراهم می‌کند که تغییرات Session فعلی با Branch مرجع یا حتی تغییرات Commitنشده مقایسه شوند و نتیجه این بررسی به‌صورت خودکار در اختیار توسعه‌دهنده قرار گیرد.
فرایند Review فقط نمایش تفاوت فایل‌ها نیست، بلکه Codex تغییرات را تحلیل می‌کند و در صورت مشاهده ایراد، آن‌ها را گزارش می‌دهد تا پیش از Commit یا Push بتوان مشکلات را برطرف کرد. این قابلیت باعث می‌شود بررسی اولیه تغییرات بدون خروج از محیط توسعه انجام شود و بسیاری از خطاها قبل از ورود به Repository اصلی شناسایی شوند. به همین دلیل استفاده از Review پس از اعمال تغییرات بزرگ می‌تواند بخشی از روند عادی توسعه پروژه باشد.
منبع
---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
#Codex (12/13)
حفظ اطلاعات پروژه با AGENTS.md
شروع یک Chat جدید به معنی ادامه خودکار تمام اطلاعات Session قبلی نیست. Codex در آغاز هر گفتگو، اطلاعات موردنیاز را از فایل‌های موجود در Project استخراج می‌کند و به‌صورت پیش‌فرض همه جزئیات مکالمات گذشته یا ترجیحات پروژه را در اختیار ندارد. به همین دلیل، اطلاعاتی که باید همیشه در دسترس باشند، بهتر است به‌صورت پایدار داخل پروژه ذخیره شوند.
فایل `AGENTS.md` دقیقاً برای همین هدف استفاده می‌شود. این فایل می‌تواند Conventionهای پروژه، Tech Stack، روش اجرای پروژه و سایر اطلاعات مهمی را نگهداری کند که لازم است در هر Session به‌صورت خودکار بارگذاری شوند. پس از ایجاد این فایل، Codex در ابتدای هر گفتگو آن را به Context اضافه می‌کند و دیگر نیازی نیست همان اطلاعات بارها در Prompt تکرار شوند. این رویکرد باعث می‌شود اطلاعات کلیدی پروژه در تمام Sessionها به‌شکل یکنواخت در دسترس باقی بمانند.
منبع
---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
حفظ اطلاعات پروژه با AGENTS.md
شروع یک Chat جدید به معنی ادامه خودکار تمام اطلاعات Session قبلی نیست. Codex در آغاز هر گفتگو، اطلاعات موردنیاز را از فایل‌های موجود در Project استخراج می‌کند و به‌صورت پیش‌فرض همه جزئیات مکالمات گذشته یا ترجیحات پروژه را در اختیار ندارد. به همین دلیل، اطلاعاتی که باید همیشه در دسترس باشند، بهتر است به‌صورت پایدار داخل پروژه ذخیره شوند.
فایل `AGENTS.md` دقیقاً برای همین هدف استفاده می‌شود. این فایل می‌تواند Conventionهای پروژه، Tech Stack، روش اجرای پروژه و سایر اطلاعات مهمی را نگهداری کند که لازم است در هر Session به‌صورت خودکار بارگذاری شوند. پس از ایجاد این فایل، Codex در ابتدای هر گفتگو آن را به Context اضافه می‌کند و دیگر نیازی نیست همان اطلاعات بارها در Prompt تکرار شوند. این رویکرد باعث می‌شود اطلاعات کلیدی پروژه در تمام Sessionها به‌شکل یکنواخت در دسترس باقی بمانند.
منبع
---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
#Codex (13/13)
خودکارسازی کارهای تکراری با Scheduled Tasks
همه فعالیت‌ها لازم نیست با اجرای دستی یک Chat آغاز شوند. Codex امکان تعریف Scheduled Task را فراهم می‌کند تا برخی وظایف در زمان مشخص و بدون نیاز به شروع دوباره توسط کاربر اجرا شوند. این قابلیت زمانی کاربرد دارد که یک فعالیت باید به‌صورت منظم تکرار شود یا اجرای آن به زمان خاصی وابسته باشد.
برای ایجاد چنین Taskهایی می‌توان آن‌ها را مستقیماً از طریق Chat ساخت یا از Templateهای آماده استفاده کرد. هنگام تعریف Task نیز امکان انتخاب Project، Chat یا Worktree، تعیین زمان اجرای تکرارشونده و انتخاب Model مورد استفاده وجود دارد. پس از تنظیم این موارد، Task به‌صورت خودکار در زمان مشخص اجرا خواهد شد، البته به شرط آنکه سیستم در دسترس باشد. این ساختار باعث می‌شود بسیاری از فعالیت‌های تکراری بدون نیاز به مداخله مداوم کاربر انجام شوند و فرایندهای روزانه یا دوره‌ای به شکل منظم اجرا شوند.
منبع
---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
خودکارسازی کارهای تکراری با Scheduled Tasks
همه فعالیت‌ها لازم نیست با اجرای دستی یک Chat آغاز شوند. Codex امکان تعریف Scheduled Task را فراهم می‌کند تا برخی وظایف در زمان مشخص و بدون نیاز به شروع دوباره توسط کاربر اجرا شوند. این قابلیت زمانی کاربرد دارد که یک فعالیت باید به‌صورت منظم تکرار شود یا اجرای آن به زمان خاصی وابسته باشد.
برای ایجاد چنین Taskهایی می‌توان آن‌ها را مستقیماً از طریق Chat ساخت یا از Templateهای آماده استفاده کرد. هنگام تعریف Task نیز امکان انتخاب Project، Chat یا Worktree، تعیین زمان اجرای تکرارشونده و انتخاب Model مورد استفاده وجود دارد. پس از تنظیم این موارد، Task به‌صورت خودکار در زمان مشخص اجرا خواهد شد، البته به شرط آنکه سیستم در دسترس باشد. این ساختار باعث می‌شود بسیاری از فعالیت‌های تکراری بدون نیاز به مداخله مداوم کاربر انجام شوند و فرایندهای روزانه یا دوره‌ای به شکل منظم اجرا شوند.
منبع
---------------------
#️⃣ #Codex #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
#AGENTS_MD (1/9)
آشنایی با AGENTS.md
وقتی یک AI Agent وارد پروژه می‌شود، اولین مشکل معمولاً ناتوانی در درک ساختار، قوانین و انتظارات تیم است. حتی اگر بهترین Model را انتخاب کنید، بدون داشتن Context مناسب، خروجی‌ها ناپایدار و گاهی کاملاً متفاوت خواهند بود. فایل **AGENTS.md** برای حل همین مسئله به وجود آمده است. این فایل مانند یک قرارداد میان پروژه و Agent عمل می‌کند و اطلاعاتی را در اختیار Agent قرار می‌دهد که معمولاً در Promptهای روزانه تکرار می‌شوند.
در عمل، AGENTS.md مشخص می‌کند پروژه چگونه سازمان‌دهی شده، چه استانداردهایی باید رعایت شوند، کدام بخش‌ها حساس هستند و هنگام ایجاد یا تغییر کد چه محدودیت‌هایی وجود دارد. نتیجه این است که Agent زمان کمتری صرف حدس زدن می‌کند و از همان ابتدا رفتار خود را با قواعد پروژه هماهنگ می‌سازد. به همین دلیل، AGENTS.md امروز به یکی از مهم‌ترین اجزای Context Engineering در پروژه‌های مبتنی بر AI تبدیل شده است.
---------------------
#️⃣ #AGENTS_MD #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes
آشنایی با AGENTS.md
وقتی یک AI Agent وارد پروژه می‌شود، اولین مشکل معمولاً ناتوانی در درک ساختار، قوانین و انتظارات تیم است. حتی اگر بهترین Model را انتخاب کنید، بدون داشتن Context مناسب، خروجی‌ها ناپایدار و گاهی کاملاً متفاوت خواهند بود. فایل **AGENTS.md** برای حل همین مسئله به وجود آمده است. این فایل مانند یک قرارداد میان پروژه و Agent عمل می‌کند و اطلاعاتی را در اختیار Agent قرار می‌دهد که معمولاً در Promptهای روزانه تکرار می‌شوند.
در عمل، AGENTS.md مشخص می‌کند پروژه چگونه سازمان‌دهی شده، چه استانداردهایی باید رعایت شوند، کدام بخش‌ها حساس هستند و هنگام ایجاد یا تغییر کد چه محدودیت‌هایی وجود دارد. نتیجه این است که Agent زمان کمتری صرف حدس زدن می‌کند و از همان ابتدا رفتار خود را با قواعد پروژه هماهنگ می‌سازد. به همین دلیل، AGENTS.md امروز به یکی از مهم‌ترین اجزای Context Engineering در پروژه‌های مبتنی بر AI تبدیل شده است.
---------------------
#️⃣ #AGENTS_MD #AI_Agents #AIEngineering #CodingAgent #هوش_مصنوعی
➡️ @AIDeveloperNotes