🎙️ بعد از شنیدن این پادکست، چند سؤال مهم مطرح میشه...

🧠 ۱. آیا واقعاً برای هر تصمیم کوچیک، به یک مدل بزرگ مثل GPT نیاز داریم؟

⚡ ۲. اگر یک مدل بتونه فقط در چند میلی‌ثانیه تصمیم بگیره، به‌نظرتون چه بخش‌هایی از نرم‌افزارهای امروزی می‌تونن سریع‌تر و ارزان‌تر بشن؟

🎯 ۳. به‌نظرتون آینده‌ی Agentهای هوش مصنوعی بیشتر به سمت یک مدل بزرگ و همه‌کاره میره، یا ترکیبی از چند مدل تخصصی که هرکدوم یک کار مشخص انجام میدن؟

🔐 ۴. اگر یک AI برای تصمیم خودش Confidence هم ارائه بده، آیا حاضرین تصمیم‌های مهم رو به‌صورت خودکار بهش بسپارین؟ یا همچنان باید انسان در حلقه باقی بمونه؟

💭 سؤال برای تفکر:

اگر قرار باشه برای یک پروژه واقعی، بین Ruleهای معمولی، یک مدل تصمیم‌گیر مثل Jev و یک LLM قدرتمند انتخاب کنید...

کدوم بخش پروژه رو به کدوم می‌سپارید؟ و چرا؟ 👀

نظرتون رو برام بنویسید 👇

بدین‌وسیله از حمایت‌های ارزشمند شما عزیزان از کانال کد نورون صمیمانه سپاسگزاری می‌نماییم. 🙏 این همراهی موجب دلگرمی و ارتقای مستمر کیفیت و حجم فعالیت‌های ما شده است. 📈

لطفاً جهت حمایت بیشتر از کانال، از لینک زیر استفاده فرمایید:

https://t.me/boost/Code_Neuron

پیشاپیش از توجه و همراهی شما کمال تشکر را دارد. 🌟

یه فکت جالب:

به نظرم نرم‌افزار هیچ‌وقت فقط کدنویسی نبوده.
قرار بوده یه سری کارایی که از توان آدم خارجه رو برامون انجام بده و دست و ذهنمون رو قوی‌تر کنه.

#فکت
#Software
#Programming

یه چیزی که این روزا خیلی از برنامه‌نویسا حسش می‌کنن:

ما کلی وقت گذاشتیم یاد گرفتیم، تمرین کردیم و مهارت ساختیم؛ ولی بازار با سرعت زیادی داره تغییر می‌کنه.

چیزی که دیروز مهم بود، شاید امروز دیگه کافی نباشه.

به نظرم الان مهم‌تر از بلد بودن یه تکنولوژی خاص، توانایی یادگیری و سازگار شدن با تغییره. ⚡️

#Programming
#AI
#Developer

دوستان از Jev سوال کردن و توی یک خط میخام بگم نظر شخصی ام رو :

به نظرم مدل‌هایی مثل Jev آینده‌ی دفاع سایبری هوشمند و خودکارن.
سیستم‌هایی که فقط تهدید رو تشخیص ندن، و غیر از اون حتی بتونن خودشون تحلیل کنن و سریع واکنش نشون بدن.

ولی قرار نیست برای همه‌چی بهترین گزینه باشه.

پ.ن : مخصوصاً چون خروجی‌اش به یه Type-safe struct محدود میشه و همین می‌تونه دست مدل رو تو بعضی کارها ببنده.

#توصیه
#AIAgents
#AI
#LLM
#JEv

فکر کنم بیرون از Tech خیلیا اصلاً نمی‌دونن داستان چیه!
مشکل پلن 20x کلاد اینه که 20 برابر شدنش روی Session Limit هست، نه محدودیت هفتگی.
وقتی وسط یه پروژه سنگین باشی، Session Cap واقعاً می‌تونه اذیت‌کننده باشه.!!!

#AI
#LLM

یه چیزی که درباره Jev برام خیلی جالبه:

به نظرم توی Agentها لازم نیست برای هر تصمیم کوچیکی مستقیم سراغ LLM بریم. خیلی وقت‌ها میشه Decision Layer رو جدا کرد و تصمیم‌های سریع و Type-safe رو سپرد به Jev.

معماری کلی تقریباً این شکلی میشه:


ساختار : Prompt → Orchestrator → Jev Decision → Policy → Tool → Observation
چیزی که برای من جذابه اینه که LLM فقط جایی وارد میشه که واقعاً به تولید یا درک زبان نیاز داریم، نه برای هر تصمیم ساده.

از طرف دیگه، با Kafka، Idempotency، Execution Log و Human Review میشه اجرای Agent رو قابل‌کنترل‌تر و قابل‌اعتمادتر کرد.

در نهایت هم قبل از Production، سیستم رو مدتی در Shadow Mode اجرا می‌کنیم تا ببینیم تصمیم‌های Jev در دنیای واقعی چقدر با رفتار مورد انتظار هماهنگه.
به نظرم این مدل معماری می‌تونه مسیر جالبی برای ساخت Agentهای سریع‌تر و قابل‌کنترل‌تر باشه.
#AI
#Jev

هرچی جلوتر می‌ریم و بیشتر با Coding Agentها کار می‌کنیم، یه تغییر جالب بیشتر به چشمم میاد:

ما کم‌کم داریم به‌جای اینکه فقط با هم پیام رد و بدل کنیم، Context رد و بدل می‌کنیم.

این روزها خیلی وقت‌ها می‌بینم با همکارها Citationهای Agentها و فایل‌های Markdown به اشتراک می‌ذاریم؛ چیزی که حتی توی پادکستی که والرا مجریش بود هم بهش اشاره شد.

اولش شاید یه چیز ساده به نظر بیاد، ولی به‌نظرم پشتش یه تغییر مهم وجود داره.

مثلاً به‌جای اینکه توی Jira یه تیکت طولانی بنویسیم یا چندین پیام رد و بدل کنیم، می‌تونیم یه فایل MD داشته باشیم که داخلش مشخص باشه:

- مشکل دقیقاً چیه
- چه چیزی باید بررسی بشه
-خود Agent باید روی چه بخش‌هایی تمرکز کنه
- چه فایل‌ها یا منابعی مرتبط هستن
- چه محدودیت‌هایی وجود داره
- نتیجه یا خروجی مورد انتظار چیه

بعد هم کنارش فقط یه پیام کوتاه:

«این فایل Context مسئله‌ست، یه نگاه بنداز.»

به‌نظرم این می‌تونه کم‌کم تبدیل بشه به یکی از Good Practiceهای کار با Agentها.

همون‌طور که امروز انتظار داریم وقتی یه سؤال می‌پرسیم، به‌جای «سلام» و چند پیام رفت‌وبرگشتی، مستقیم و کامل مسئله رو توضیح بدیم؛ یا وقتی توی یک Ticket به منبعی اشاره می‌کنیم، لینک اون منبع رو بذاریم.

حتی Documentation پروژه هم داره به همین سمت می‌ره:

یه ساختار مرتب، Markdownهای قابل فهم، لینک‌ها، Index و Context کافی برای اینکه هم انسان و هم Agent سریع‌تر بفهمن با چی طرف هستن.

شاید در آینده، Context Engineering فقط برای Agentها نباشه؛ بخشی از فرهنگ همکاری تیم‌های نرم‌افزاری بشه.

پ.ن. به‌نظرم Markdown داره از «فرمت مستندسازی» کم‌کم به یکی از مهم‌ترین فرمت‌های ارتباطی بین انسان و Agent تبدیل می‌شه.


#Ai
#Coding

🔥 یک UI Library فارسی برای پروژه‌های وب!

اگه با ساخت سایت یا وب‌اپلیکیشن فارسی کار کرده باشین، احتمالاً یکی از دردسرهای همیشگی RTL و راست‌چین کردن رابط کاربری بوده.

یه پروژه جالب پیدا کردم به اسم VibeFarsi که از پایه برای زبان فارسی و رابط‌های راست‌به‌چپ طراحی شده؛ یعنی خیلی از دردسرهای مربوط به RTL رو از همون اول براتون کم می‌کنه.

برای ساخت رابط‌های فارسی می‌تونه گزینه جالبی باشه

🔗 VibeFarsi.ir

#Frontend
#UI
#RTL
#React
#WebDevelopment

یک Skill کاربردی برای Claude Code
با Brag، ریپوی پروژه رو در اختیار Claude Code قرار می‌دید و خودش پروژه رو بررسی می‌کنه و یک ویدیوی معرفی کوتاه برای اون می‌سازه.
از Motion Graphics و Sound Design گرفته تا متن مناسب برای معرفی پروژه، همه رو در یک اجرا آماده می‌کنه.

اگر پروژه Open Source یا شخصی دارید، به نظرم ارزش داره یک بار تستش کنید.

https://github.com/latent-spaces/brag

#AI
#LLM

چیزی که توی Pexo برای من جالبه، فقط ساخت کلیپ با AI نیست.
مشکل اصلی تولید ویدیو معمولاً خود ساختن کلیپ نیست؛ صدا، کپشن، ریتم و تدوین نهایی زمان زیادی می‌گیرن.

و Pexo سعی کرده کل این فرایند رو یک‌جا انجام بده. شما Brief رو می‌دید و خودش ویدیوی نهایی رو با Voiceover، موسیقی و Caption آماده می‌کنه.
حتی تغییرات بعدی رو هم میشه با Chat انجام داد، بدون اینکه وارد Timeline بشید.

به نظرم برای تولید سریع محتوای Social Media می‌تونه جالب باشه. اگر اهل ساخت ویدیو هستید، توصیه می‌کنم یه تستی باهاش بگیرید.


http://invite.pexo.ai/4AioGJm


#LLM
#AI
#SoftwareEngineering
#Technology

بعضی‌ها معتقدن تا سال ۲۰۳۶، هوش مصنوعی می‌تونه بخش بزرگی از بیماری‌هایی که امروز درمان قطعی براشون نداریم، مثل سرطان و آلزایمر، رو قابل‌درمان یا قابل‌کنترل کنه.

به نظرم بخش جذاب ماجرا اینه که AI فقط برای تشخیص بیماری نیست؛ می‌تونه در کشف دارو، طراحی درمان‌های شخصی‌سازی‌شده و تحلیل حجم عظیمی از داده‌های پزشکی هم نقش داشته باشه.

البته اینکه بگیم «تا ۲۰۳۶ همه بیماری‌ها درمان میشن» فعلاً بیشتر یک پیش‌بینی خوش‌بینانه‌ست تا یک واقعیت علمی قطعی. ولی سرعت پیشرفت این حوزه واقعاً قابل توجهه.

البته من با این گزاره تا سال 2036 مخالفم!!!!

#Ai
#SoftwareEngineering
#LLM
#Technology
#AIAgents
#Cancer

فاین‌تیون کردن مدل‌های Open Source حالا می‌تونه تا ۲.۸ برابر سریع‌تر انجام بشه.

با یک مدل پایه مثل Llama، Qwen یا Mistral، فقط یک فایل YAML و Halo می‌تونید این فرایند رو ساده‌تر و کم‌مصرف‌تر اجرا کنید.

نکته جالبش کاهش مصرف VRAM و حذف تبدیل Checkpointهاست.

این روزها یکی از بحث‌های جالب دنیای AI، مدل‌هایی مثل JEV هستن که به‌جای تولید متن، روی تصمیم‌گیری تمرکز می‌کنن.

مثلاً وقتی یه مشتری ناراضی پیام میده، JEV می‌تونه سریع تصمیم بگیره Refund لازمه یا نه و آیا نیاز به دخالت انسان هست یا نه.

یعنی به‌جای اینکه برای هر تصمیم کوچیک از یک LLM بزرگ استفاده کنیم، تصمیم رو مستقیم و سریع می‌گیره.

بعد کد معمولی کارهای اجرایی رو انجام میده و Claude یا GPT فقط برای بخش‌هایی مثل نوشتن پاسخ وارد میشن.

این مدل می‌تونه هزینه و زمان اجرای Agentها رو خیلی کمتر کنه.

البته تصمیم‌های حساس یا با اطمینان پایین همچنان بهتره به انسان سپرده بشن!!!!!

به نظرم همین ترکیب AI، کد و انسان می‌تونه یکی از مسیرهای جالب آینده Agentها باشه.


#LLM
#AI

چیزی که این روزها توی دنیای AI خیلی به چشم میاد، فرصت‌هایی هست که هنوز خیلی از شرکت‌ها سراغشون نرفتن.

حوزه‌هایی مثل سلامت، حقوق، حسابداری، تولید و لجستیک هنوز خیلی از فرایندهاشون برای AI Agentها طراحی نشدن.

احتمالاً در سال‌های آینده بخش زیادی از این فرایندها از نو طراحی میشن.

برای همین الان می‌تونه فرصت جالبی برای ساخت محصولات AI تخصصی وجود داشته باشه.

به نظرم کسی که بتونه یک مشکل واقعی و مشخص رو بهتر از روش‌های فعلی حل کنه، می‌تونه از این موج استفاده کنه.

#AI
#LLM

چیزی که از نقشه راه جدید xAI برای Grok برام جالبه، فقط اسم نسخه‌ها نیست؛ بیشتر مسیریه که برای توسعه مدل‌ها در نظر گرفتن.

فعلاً مسیر این شکلیه:
Grok 4.7 → Grok 4.8 → Grok 4.9 → Grok 5

طبق صحبت‌های منتشرشده، Grok 4.8 قراره با حدود ۲.۵ تریلیون پارامتر آموزش داده بشه.

اما بخش مهم‌تر برای من، زیرساخت آموزششه؛ xAI داره روی کاهش وابستگی به Python و PyTorch و استفاده مستقیم‌تر از C++ کار می‌کنه.

اگر ادعای کاهش زمان Iteration در RL واقعاً در مقیاس بالا جواب بده، می‌تونه روی سرعت توسعه مدل‌های بعدی xAI تأثیر زیادی بذاره.

در نهایت باید دید این تغییرات در عمل چقدر خودشون رو نشون میدن.

باید ببینیم چطوری پیش میره !

#LLM
#AI

یه مدت دارم مدل‌های تولید تصویر و ویدیو رو بررسی می‌کنم و چندتا نکته برام خیلی مشخص شده:

در مرحله اول Krea 2، FLUX و Recraft هنوز از نظر Composition به GPT Image 2 و Nano Banana Pro نمی‌رسن.

واقعیتRecraft خوبه، ولی نقطه قوت اصلیش Composition نیست.

توی ویدیو هم فعلاً Wan و LTX رو هم‌سطح Seedance 2.0 و Kling نمی‌بینم.

و Minimax برای ساخت انیمیشن بد نیست، ولی برای استفاده جدی، خرید API خیلی منطقی‌تره.

یه تغییر دیگه هم توی ComfyUI برام جالب بوده:

قبلاً Segmentation، Mask و آموزش LoRA خیلی مهم‌تر بودن.

ولی الان خیلی از این Workflowها کم‌رنگ شدن.

چون مدل‌های جدید می‌تونن با Character Card یا Object Card، شخصیت یا آبجکت رو راحت‌تر بین فریم‌ها حفظ کنن.

به نظرم داریم وارد مرحله‌ای می‌شیم که خیلی از تکنیک‌های قدیمی تولید محتوا دیگه ضرورت سابق رو ندارن.

#هوش_مصنوعی
#تولید_تصویر
#AI

بچه‌ها امیدوارم حال همتون خوب باشه ❤️

این دو روز یکم حالم خوب نبود و درگیر مریضی شدم، برای همین نتونستم مثل همیشه توی کانال فعالیت داشته باشم.

گفتم یه پیام بدم که بدونین خبری ازم نیست و شرمنده بابت این چند روز کم‌کاری 🙏🏻

شما هم خیلی مراقب خودتون باشین، مخصوصاً این روزا که مریضی زیاد شده.

یک چیزی که اخیراً پیدا کردم و خیلی جالب بود.

چندتا مهارت آماده برای اینکه Claude توی طراحی UI/UX خیلی حرفه‌ای‌تر عمل کنه.

به نظرم اگه با Claude Code کار می‌کنید، حتماً یه نگاهی بهش بندازید.

https://github.com/plugin87/ux-ui-agent-skills

#Ai
#Tools

طبق نتایج منتشرشده، توی چند بنچمارک جدید از GPT-6 Astra، Opus 5.5 و Fable 5.1 جلو زده.

رقابت مدل‌های AI هر روز عجیب‌تر می‌شه.

خدایی Gemini 4 Argon داره جدی می‌شه.

#AI
#Fable
#Gemini
#Opus
#Gpt