میتونین به مدل Jev دسترسی پیدا کنین :

console.typesafe.ai

هر ایمیل معادل ۵ دلار کردیت هست!

یه AI Upscaler خیلی کاربردی و جالب بهتون معرفی کنم.

اگه یه تصویر یا ویدیو رزولوشن پایینی داره، می‌تونید باهاش 2x یا 4x آپ‌اسکیلش کنید؛ بدون نصب نرم‌افزار و بدون اینکه فایل‌هاتون رو به سرور بفرستید.

نکته جالبش اینه که پردازش کاملاً محلی داخل مرورگر انجام می‌شه و رایگانه. ⚡️

یعنی فایل روی سیستم خودتون پردازش می‌شه و برای استفاده‌های سریع و روزمره گزینه خیلی خوبیه.

🔗 freeupscaler.app



#AI
#Upscaler
#ArtificialIntelligence
#Tools

یه بازی آنلاین که بوی نوستالژی می‌ده!

🏎 اگه «برندگان کوچک» و ماگنوم و سونیک رو یادتونه، این بازی احتمالاً براتون جذابه!

🔥 storm-race.vercel.app

اینجا فقط سرعت مهم نیست؛ باید ماشینت رو بشناسی، برای هر پیست تنظیمش کنی و با آزمون‌وخطا بهترش کنی.

حتی Boost هم محدودیت داره و استفاده زیادش باعث داغ شدن موتور می‌شه! 😂🔥

دقیقاً همون ترکیب قدیمی:
ماشین + تنظیمات + مسابقه + آزمون‌وخطا 🏎️

#AI
#Game

این چیزی نبود که انتظارش رو داشتم و واقعاً ناامید شدم

امیدوارم هرچه زودتر شاهد عرضه‌ی Grok 5 با عملکرد بهتر و نتایج قوی‌تر باشیم. 👀

باید ببینیم نسخه بعدی قراره چقدر تفاوت ایجاد کنه. 🔥

#AI
#Grok

و در نهایتGrok 4.7 وارد Devin شد!

مدل جدید xAI الان توی Devin Desktop و Devin CLI در دسترسه.

چیزی که جالبه اینه که توی تسک‌های سخت و چندماژوله‌ی بک‌اند، مخصوصاً با Java، Go و Ruby عملکرد خوبی نشون داده.

حتی برای حل مسئله فقط به کد اصلی اکتفا نمی‌کنه؛ میره سراغ سورس dependencyها و در نهایت با Integration Test بررسی می‌کنه که چیزی که ساخته واقعاً کار می‌کنه یا نه.

البته یه نکته هم هست؛ بعضی وقت‌ها بیشتر از چیزی که ازش خواسته شده تغییر می‌ده و Scope پروژه رو بزرگ‌تر می‌کنه.
در هر صورت، ترکیب Grok 4.7 + Devin برای کارهای جدی‌تر کدنویسی جالبه و ارزش تست کردن داره.


#AI
#Grok
#Devin
#Coding

🎙️ 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