هوش مصنوعی قرار نیست جایگزین شما شود؛ قرار است بخشی از «ارتش یک‌نفره» شما باشد. اگر می‌خواهید در سال ۲۰۲۶ هوش مصنوعی را به زانو درآورید، این ۷ مهارت را ملکه ذهن خود کنید:
۱. حذف صداهای اضافی: اکانت‌هایی که فقط اخبار بی‌خاصیتِ هوش مصنوعی می‌گذارند را آنفالو کنید. شما به «خبر» نیاز ندارید، به «روش اجرا» نیاز دارید. در خبرنامه تخصصی من عضو شوید و روی خروجی متمرکز شوید. ۲. تسلط بر یک ابزار: به جای تستِ روزانه ابزارهای جدید، روی یک ابزار مسلط شوید. قابلیت حافظه، نحوه آپلود فایل‌ها و منطق کاری‌اش را مثل کف دست بشناسید. تسلطِ شماست که تفاوت ایجاد می‌کند. ۳. ساخت زیرساخت قبل از پرامپت: کانتکست بسازید. بدون کانتکست، آشغال وارد می‌شود و آشغال خارج. فایل‌های پایه (کی هستید، مخاطبتان کیست، لحن برندتان چیست) را قبل از پرامپت به آن بدهید. سیستم‌سازی یعنی تعریف ثابت‌ها قبل از متغیرها. ۴. انتقال تخصص شخصی: به آن یاد بدهید تخصص شما چیست. قواعد، استانداردهای کاری و نظرات شخصی‌تان را در یک فایل ذخیره کنید و به آن بخورانید. حالا شما یک همکارِ متخصص دارید، نه یک چت‌بات عمومی. ۵. تعامل همکارانه، نه دستوری: مثل یک مدیر با آن رفتار کنید، نه کارمند! دستور ندهید، «بحث» کنید. بپرسید: «فعلاً شروع نکن، اول از من سوال بپرس». اجازه دهید آن ۵٪ نهاییِ خلاقانه را شما انجام دهید و ۹۵٪ کار را او. ۶. خروجی گرفتن قبل از کامل شدن: کمال‌گرایی را بکشید. ۲۰ دقیقه برای پیش‌نویس وقت بگذارید و آن را منتشر کنید. مردم به پیش‌نویس شما واکنش نشان می‌دهند، نه به رویای کمال‌گرایانه‌تان. سرعت، تنها مزیت رقابتی شماست. ۷. فرماندهی بر اجرا: فرمانده باشید. ۸۰٪ کار (اجرا، قالب‌بندی، پیش‌نویس) مالِ هوش مصنوعی. ۲۰٪ کار (استراتژی، ایده، صدای خاص شما، ویرایش نهایی) مالِ شما. اگر خطای هوش مصنوعی را تشخیص نمی‌دهید، کار را به آن محول نکنید.
💡 برای یادگیری عمیق‌تر: اگر می‌خواهید یاد بگیرید چطور با همین مهارت‌ها، یک کسب‌وکار را تنهایی سیستم‌سازی کنید و خروجی یک سازمان را داشته باشید: 📥 دریافت تحلیل‌های هفتگی (سابسکرایب در لینکدین): 🔗 https://www.linkedin.com/build-relation/newsletter-follow?entityUrn=6952198421915054081 📥 تهیه «باندل ارتش یک‌نفره» برای شروع جدی: 🔗 https://naviidtaheri.gumroad.com/l/ssjsbp #هوش_مصنوعی #سیستم_سازی #ارتش_یک_نفره #بهره_وری #Claude #AI

چهار هوش مصنوعی می‌تونن شبانه یه فیچر کامل برات بسازن و تست کنن، در حالی که خوابی. ولی بیشتر آدم‌ها این عامل‌ها رو هیچ‌وقت به هم وصل نمی‌کنن. دستی و یکی‌یکی کار می‌کنن: یه بازبین (reviewer) اینجا، یه تولیدکننده تست (test generator) اونجا، هر کدوم فراموش می‌کنه قبلی چی کار کرده. نتیجه؟ خود تو هنوز گلوگاه سیستمی.
راه‌حل یه خط تولید (pipeline) چهار مرحله‌ایه: برنامه‌ریز (Planner) ← کدنویس (Coder) ← آزمون‌گر (Tester) ← بازبین (Reviewer). به صورت خودکار کار رو دست به دست می‌دن، تو فقط یه دستور اسلش (slash command) می‌زنی و صبح یه فیچر تست شده تحویل می‌گیری.
(قبل از ورود به جزئیات، هر روز نکته‌های هوش مصنوعی و کدنویسی شهودی (vibe coding) رو در همین کانال می‌نویسم: https://t.me/Navidaitoolbox)
چرا خط تولید بهتر از «توده عامل» کار می‌کنه؟
وقتی یه عامل همه کارها رو با هم انجام بده (برنامه‌ریزی، کدنویسی، تست، بازبینی)، پنجره زمینه‌ش (context window) پر می‌شه و کیفیت خروجی افت می‌کنه. این یه مشکل ثابت شده‌ست. ولی چهار متخصص جدا، هر کدوم تو زمینه تمیز و باریک خودش کار می‌کنه و نتیجه به مراتب دقیق‌تره.
راز اصلی: فایل‌های دست به دستی (handoff). هر عامل خروجی خودش رو تو یه فایل مشخص می‌نویسه که عامل بعدی بخونه:
برنامه‌ریز خروجی مشخصات رو تو .pipeline/spec.md ذخیره می‌کنه
کدنویس تغییرات رو تو .pipeline/changes.md می‌نویسه
آزمون‌گر گزارش تست رو تو .pipeline/test-report.md می‌ذاره
بازبین حکم نهایی رو تو .pipeline/review.md می‌نویسه
یه هماهنگ‌کننده (orchestrator، همون دستور اسلش) فقط ترتیب اجرا رو هماهنگ می‌کنه. همین. چهار زیرعامل (sub-agent)، یه دستور، یه پوشه مشترک برای دست به دست کردن.
عامل ۱: برنامه‌ریز (با مدل Opus)
برنامه‌ریز هیچ‌وقت کد نمی‌نویسه. کارش اینه که درخواست مبهم رو تبدیل به یه مشخصات شفاف و دقیق کنه تا کدنویس بدون حدس زدن کار رو پیش ببره.
چرا Opus؟ این مرحله سقف کیفیت کل خط تولید رو تعیین می‌کنه. مشخصات مبهم یعنی کد مبهم.
عامل ۲: کدنویس (با مدل Sonnet)
کدنویس فقط مشخصات رو می‌خونه و کد می‌نویسه. نه برنامه‌ریزی می‌کنه، نه خودش رو بازبینی می‌کنه. فقط همون چیزی رو پیاده می‌کنه که مشخصات گفته.
چرا Sonnet؟ تقریباً ۴۰ درصد ارزون‌تر از Opus و برای پیاده‌سازی روی مشخصات واضح کیفیت کافی داره.
عامل ۳: آزمون‌گر (با مدل Sonnet)
تغییرات رو می‌خونه، تست مناسب می‌نویسه، اجراش می‌کنه و گزارش می‌ده. اگه تست شکست بخوره، کد رو دستکاری نمی‌کنه که تست پاس بشه. فقط گزارش می‌ده.
عامل ۴: بازبین (با مدل Opus)
آخرین دروازه. همه خروجی‌های خط تولید رو می‌خونه و قبل از اینکه چیزی به شاخه اصلی برسه، حکم نهایی رو می‌ده.
نکته مهم: ابزارهای بازبین رو فقط خواندنی (read-only) تعریف کن. این‌جوری نمی‌تونه مشکل رو با ویرایش بپوشونه، فقط قضاوت می‌کنه.
هماهنگ‌کننده: یه دستور برای اجرای کل خط تولید
یه دستور اسلش که چهار عامل رو به ترتیب اجرا می‌کنه و خروجی هر مرحله رو به مرحله بعدی منتقل می‌کنه. استفاده‌ش هم ساده‌ست:

/ship add rate limiting to the login endpoint

اگه نمی‌خوای دستی راه‌اندازی کنی
چند سرویس ابری هستن که همین منطق هماهنگ‌کننده و دست به دست کردن رو از پایه برات حل می‌کنن. اسم‌هایی که می‌تونی نگاه کنی:
Teamly (teamly.to): مخصوص تیم‌های هوش مصنوعی، با یه هماهنگ‌کننده داخلی
CrewAI: متن‌باز و پایتونی، برای توسعه‌دهنده‌ها
Lindy.ai: بدون کد، بیشتر برای فرآیندهای کسب و کار
Relevance AI: ساخت بصری چندعاملی، بدون کد
AutoGen (مایکروسافت): چارچوب توسعه‌دهنده محور برای چند عامل
هر کدوم منطق متفاوتی دارن. اگه برنامه‌نویسی، CrewAI یا AutoGen. اگه نمی‌خوای کد بزنی، Lindy یا Relevance.
خلاصه
تفاوت بین «توده عامل» و «خط تولید» فقط یه چیزه: دست به دست کردن. چهار متخصص که به فایل‌های مشترک می‌نویسن، به علاوه یه هماهنگ‌کننده که اونا رو به ترتیب اجرا می‌کنه. هر مرحله روی دستاورد مرحله قبلی ساخته می‌شه، نه از صفر.
پیشنهاد عملی: اول برنامه‌ریز و کدنویس رو بساز و دو مرحله‌ای تست کن. وقتی جریان درست شد، آزمون‌گر و بازبین رو اضافه کن. وقتی هر چهار عامل وصل شدن، شب /ship رو می‌زنی و صبح با قهوه حکم نهایی رو می‌خونی.
کانال تلگرام برای نکات روزانه: https://t.me/Navidaitoolbox
ضمیمه: کدهای آماده
راه‌اندازی اولیه
تو ریشه پروژه‌ت این دستورها رو اجرا کن:

mkdir -p .claude/agents .claude/commands .pipeline
touch .claude/agents/planner.md
touch .claude/agents/coder.md
touch .claude/agents/tester.md
touch .claude/agents/reviewer.md
touch .claude/commands/ship.md
echo ".pipeline/" >> .gitignore

۱. فایل .claude/agents/planner.md

---
name: planner
description: Converts vague feature requests into detailed, unambiguous specs. Never writes code.
model: opus
tools: Read, Grep, Glob, WebSearch
---

You are a senior software architect. Your only job is to take a feature
request and produce a crystal-clear spec that an implementing engineer
can build from without asking questions.

Process:
1. Read relevant files to understand the codebase
2. Identify every ambiguity in the request
3. Make explicit decisions for each ambiguity
4. Write the spec to `.pipeline/spec.md`

Output format (write exactly this structure):

# Feature: <name>

## Goal
One sentence on what user value this delivers.

## Scope
- In scope: bulleted list
- Out of scope: bulleted list (prevents gold-plating)

## Files to modify
Each file with a one-line reason for the change.

## Implementation notes
- Edge cases to handle
- Errors to surface to the user
- Performance constraints
- Security constraints (auth, input validation, secrets)

## Acceptance criteria
Numbered checklist the Tester will verify against.

Rules:
- Never write implementation code.
- Make decisions, don't list options.
- If you genuinely cannot decide, write `DECISION NEEDED:` and stop.
- Keep the spec under 400 lines. If longer, the feature is too big.

۲. فایل .claude/agents/coder.md

---
name: coder
description: Implements features from a spec. Reads .pipeline/spec.md and writes code. Does not plan or self-review.
model: sonnet
tools: Read, Edit, Write, Grep, Glob, Bash
---

You are an implementation specialist. Your input is `.pipeline/spec.md`.
Your job is to make the spec real, exactly as written.

Process:
1. Read `.pipeline/spec.md` end to end
2. Read every file listed under "Files to modify"
3. Implement exactly what the spec specifies. Nothing more.
4. Run the project's linter and formatter
5. Write your handoff file

Output: Write to `.pipeline/changes.md`:

# Changes

## Files modified
For each file:
- Path
- One sentence: what changed and why
- Function or class names that were touched

## New files
List any new files created with their purpose.

## How to verify
Concrete things the Tester can check (commands, endpoints, UI flows).

## Open questions
Anything the spec didn't cover. Do NOT silently invent a solution.
Flag it and follow your best guess.

Rules:
- Do not redesign. If the spec seems wrong, flag it and follow it anyway.
- Do not add features the spec did not request.
- Match the existing code style of each file you edit.
- Never edit test files. The Tester owns those.

۳. فایل .claude/agents/tester.md

---
name: tester
description: Writes and runs tests for changes made by the Coder. Reads spec and changes files.
model: sonnet
tools: Read, Edit, Write, Grep, Glob, Bash
---

You are a test engineer. Inputs: `.pipeline/spec.md` and
`.pipeline/changes.md`. Your job is to prove the feature works and
surface what doesn't.

Process:
1. Read both handoff files
2. List what to test: every acceptance criterion plus every edge case
3. Look at existing tests in the repo to match the testing pattern
4. Write the tests
5. Run the full test suite (not just yours)
6. Write your handoff file

Output: Write to `.pipeline/test-report.md`:

# Test Report

## Tests added
For each test: file path, test name, what it covers.

## Test run result
- Total passed / failed
- Full output of any failing test

## Coverage gaps
Acceptance criteria you could not write a test for, and why.

## Bugs found
Behavior that doesn't match the spec. Format:
- File:line
- Expected: <what spec says>
- Actual: <what code does>

Rules:
- Test the spec, not the implementation. If code does X but spec says Y,
  the test checks for Y.
- Run the tests. Never report success without execution output.
- If tests fail, do NOT modify the implementation to make them pass.
  Report the failure and stop.
- Never modify files under the Coder's scope.

۴. فایل .claude/agents/reviewer.md

---
name: reviewer
description: Final quality gate. Reads spec, changes, and test report, then issues a ship verdict.
model: opus
tools: Read, Grep, Glob
---

You are a staff engineer doing final code review. You have only read
tools by design. Your job is to read the full pipeline output and
decide if this is safe to merge.

Inputs:
- `.pipeline/spec.md`
- `.pipeline/changes.md`
- `.pipeline/test-report.md`
- The actual modified files (read them, don't trust the changes file)

Process:
1. Verify implementation matches the spec
2. Verify tests genuinely cover the acceptance criteria (not just shape)
3. Security: injection, auth bypass, secrets, unsafe defaults, IDOR
4. Correctness: error handling, edge cases, race conditions, null paths
5. Maintainability: clarity, naming, dead code, duplication

Output: Write to `.pipeline/review.md`:

# Review

## Verdict
One of: SHIP / FIX-AND-SHIP / BLOCK

## Reasoning
2 to 4 sentences on why.

## Must-fix (blocking)
Numbered. Each item: file:line, problem, suggested fix.

## Should-fix (non-blocking)
Numbered. Same format.

## Praise
Anything specific the Coder or Tester did well. Cite lines.

Rules:
- You cannot edit code. Only judge.
- "Looks good" is not a review. Cite lines.
- If test-report.md shows failures, verdict must be BLOCK or FIX-AND-SHIP.
- If the spec was followed but the spec itself was wrong, say so under
  "Reasoning" and verdict BLOCK with a note for the Planner.

۵. فایل .claude/commands/ship.md

---
description: Run the full Planner -> Coder -> Tester -> Reviewer pipeline on a feature request.
argument-hint: <feature description>
allowed-tools: Bash, Read, Write, Task
---

You are running the ship pipeline for this feature: $ARGUMENTS

Execute these steps in strict order. Do not skip steps. Do not run them
in parallel. Wait for each sub-agent to finish before invoking the next.

## Step 0: Prep

Run:
```bash
mkdir -p .pipeline
rm -f .pipeline/spec.md .pipeline/changes.md .pipeline/test-report.md .pipeline/review.md
```

## Step 1: Plan

Invoke the `planner` sub-agent with:
> Feature request: $ARGUMENTS
> Read the relevant code, then write the full spec to
> `.pipeline/spec.md` following your output template.

Then read `.pipeline/spec.md`. If it doesn't exist or contains
`DECISION NEEDED:`, stop and ask the user.

## Step 2: Code

Invoke the `coder` sub-agent with:
> Read `.pipeline/spec.md` and implement it exactly.
> Write your handoff to `.pipeline/changes.md`.

Confirm `.pipeline/changes.md` exists before continuing.

## Step 3: Test

Invoke the `tester` sub-agent with:
> Read `.pipeline/spec.md` and `.pipeline/changes.md`.
> Write tests, run the full suite, and report to
> `.pipeline/test-report.md`.

Confirm `.pipeline/test-report.md` exists before continuing.

## Step 4: Review

Invoke the `reviewer` sub-agent with:
> Read all three handoff files and the modified code.
> Write your verdict to `.pipeline/review.md`.

Confirm `.pipeline/review.md` exists.

## Step 5: Report to user

Read `.pipeline/review.md` and present:
- Verdict (SHIP / FIX-AND-SHIP / BLOCK)
- Pass/fail summary from the test report
- Every modified file path
- First three "Must-fix" items if verdict is not SHIP

If verdict is SHIP, suggest a conventional commit message.
If verdict is FIX-AND-SHIP or BLOCK, stop. Do NOT auto-fix.
Wait for the user.

💡 هنوز کتاب راهنمای جامع کلاود را تهیه نکرده‌اید؟
اکنون بهترین زمان برای شروع است. با تهیه کتاب، علاوه بر جلدهای اول و دوم، تمام آپدیت‌های آینده را هم به صورت رایگان تا پایان ۲۰۲۶ دریافت خواهید کرد:
📥 تهیه و دانلود مستقیم هر دو جلد کتاب از گمرود:
🔗 https://naviidtaheri.gumroad.com
🆔 @farid_payam 💳 خرید ریالی و پشتیبانی (ایران):
آموزش‌های بیشتر و به‌روزرسانی‌های روزانه:
🆔 @Navidaitoolbox

چهار ماه پیش این پست رو در توییتر گذاشتم و الان خوشحالم که یک نفر توییت زده که با این متد به مصاحبه دعوت شده. دوباره براتون اینجا می‌گذارم. این متد کار می‌کنه، پس اگر دنبال کار هستید یا می‌خواید شرایط شغلی‌تون رو ارتقا بدید، این پرامپت‌ها رو ذخیره کنید.
🚀 Claude الان می‌تونه کل CV، رزومه و حتی پروفایل لینکدینت رو مثل یه مشاور حرفه‌ای استخدام بسازه.
۵ تا پرامپت می‌ذارم اینجا که اگه درست استفاده کنی، ظرف یک هفته مصاحبه شغلی برات میاره.
ذخیره کن. بعداً ازم تشکر می‌کنی.
۱. بازنویسی رزومه به سبک ۶ ثانیه‌ای
یه استخدام‌کننده حرفه‌ای فقط ۶ ثانیه وقت می‌ذاره روی هر رزومه. ۶ ثانیه. بعدش یا جلو می‌ره یا رد می‌کنه.
این پرامپت رو بده به کلود:
«فرض کن یه استخدام‌کننده ارشد هستی که بیش از ۱۰۰ هزار رزومه بررسی کرده. رزومه من رو طوری بازنویسی کن که در ۶ ثانیه اول نگه‌ام داره.
کارهایی که باید بکنی:
خلاصه حرفه‌ای رو ۲ تا ۳ جمله بنویس. قدرتمند و مشخص. بگو کی‌ام، چیکار می‌کنم، چرا متفاوتم.
هر بولت‌پوینت رو با این فرمول بنویس: «فلان کار رو انجام دادم، با فلان نتیجه قابل اندازه‌گیری، از طریق فلان روش.»
همه دستاوردها رو عددی کن. درصد، مبلغ، مقیاس.
فعل‌های ضعیف مثل «مسئول بودم» و «کمک کردم» رو حذف کن. جاشون بنویس «طراحی کردم»، «راه‌اندازی کردم»، «کاهش دادم».
یک صفحه نگهش دار. بی‌رحمانه اضافات رو ببر.
۳ تا از ضعیف‌ترین بولت‌های رزومه اصلی رو کنار نسخه بازنویسی‌شده بذار تا فرق رو ببینم.
رزومه فعلی من: [اینجا paste کن]
شغل هدفم: [اینجا بنویس]»
نکته مهم: شغل هدف رو حتماً بنویس. بدون اون، کلود نمی‌دونه رزومه رو برای چی تنظیم کنه.
۲. عبور از فیلتر ATS (سیستم‌های خودکار غربالگری)
۷۵ درصد رزومه‌ها قبل از اینکه چشم انسانی ببینه، توسط نرم‌افزار رد می‌شن. یعنی شاید بهترین رزومه دنیا رو داشته باشی ولی هیچ‌وقت دست کسی نرسه.
این پرامپت رو بده:
«فرض کن متخصص سیستم‌های ATS هستی و می‌دونی نرم‌افزارهای استخدام چطور رزومه‌ها رو فیلتر و رتبه‌بندی می‌کنن.
رزومه من رو طوری بهینه کن که از فیلتر رد بشه:
از متن آگهی شغلی، کلمات کلیدی حیاتی رو استخراج کن و توی بخش‌های تجربه، خلاصه و مهارت‌ها جاسازی کن.
هم مخفف و هم شکل کامل اصطلاحات رو بذار. مثلاً «بهینه‌سازی موتور جستجو (SEO)».
هدرهای بخش رو استاندارد نگه دار: Experience، Education، Skills، Summary.
جدول، ستون، گرافیک و کاراکتر خاص نذار. اینا پارسر ATS رو خراب می‌کنن.
در نهایت رزومه بهینه‌شده رو از ۱ تا ۱۰۰ امتیاز بده و بگو کجاها هنوز ضعفه.
رزومه من: [paste کن]
متن آگهی شغلی: [paste کن]»
فایل خروجی رو حتماً docx ذخیره کن، نه pdf. سیستم‌های ATS با docx بهتر کار می‌کنن.
۳. نوشتن Cover Letter که واقعاً خونده بشه
اکثر Cover Letterها یه الگوی خسته‌کننده تکراری هستن. مدیر استخدام بعد از خط اول می‌فهمه کپی‌پیسته و ردش می‌کنه.
این پرامپت رو بده:
«فرض کن مدیر ارشد استخدامی هستی که هفته‌ای ۵۰۰ نامه پوششی می‌خونه و فوری تفاوت بین نامه واقعی و الگوی بی‌روح رو می‌فهمه.
یه Cover Letter بنویس که:
جمله اول خاص باشه. تجربه من رو مستقیم به چالش فعلی شرکت وصل کنه. هرگز با «در حال نوشتن برای درخواست…» شروع نکن.
نشون بده تحقیق کردم. به یه محصول جدید، خبر اخیر یا ابتکار استراتژیک شرکت اشاره کن.
۳ تا توانایی مشخص من رو به مشکلی که آگهی شغلی واقعاً دنبال حلشه وصل کن.
یه دستاورد عددی بذار که ثابت کنه قبلاً این کار رو انجام دادم.
حداکثر ۲۵۰ تا ۳۰۰ کلمه. بیشتر از این یعنی نمی‌تونم مختصر حرف بگیرم.
مشخص کن کدوم جملات برای هر شرکت عوض می‌شن و کدوم ثابت می‌مونن.
شغل هدف: [آگهی رو paste کن]
۳ دستاورد مرتبطم: [بنویس]
چیزی که درباره این شرکت هیجانم می‌ده: [بنویس]»
۴. آماده‌سازی کامل مصاحبه
یه جواب اشتباه توی مصاحبه می‌تونه کل فرصت رو از بین ببره. آمادگی یعنی همه چیز.
این پرامپت رو بده:
«فرض کن مربی ارشد مصاحبه در یکی از بزرگ‌ترین شرکت‌های جستجوی مدیران اجرایی هستی.
یه سیستم کامل آمادگی مصاحبه برام بساز:
۱۰ واقعیت کلیدی درباره شرکت: مأموریت، درآمد، رقبا، اخبار اخیر، چالش‌ها.
شرح شغل رو بشکن به ۵ شایستگی اصلی که واقعاً دارن تست می‌کنن.
۱۰ داستان آماده با روش STAR بنویس برای سؤالات رایج: رهبری، حل تعارض، شکست، کار تیمی، نوآوری.
جواب ۹۰ ثانیه‌ای «درباره خودتان بگویید» بنویس که گذشته، حال و آینده‌ام رو به این نقش وصل کنه.
جواب «بزرگ‌ترین ضعفتان چیست» رو طوری بنویس که ضعف واقعی باشه ولی به عنوان حوزه رشد نشون داده بشه.
۵ سؤال هوشمند بنویس که من از اونا بپرسم و نشون بده تفکر استراتژیک دارم.
یه ایمیل تشکر ۲۴ ساعته بنویس که به نکته خاصی از مکالمه اشاره کنه.
شرکت: [بنویس]
نقش: [بنویس]
بزرگ‌ترین نگرانیم درباره کاندیداتوریم: [بنویس]»

برای اینکه بدون بلاک شدن و به صورت کاملاً حرفه‌ای در لینکدین جستجوی شغلی انجام دهید لیستی از مشتریان بالقوه تهیه کنید، استفاده از «اکستنشن کلود» (Claude Extension) در مرورگر کروم بهترین روش است.
این ورک‌فلو، لینکدین را به یک ماشین تولید فرصت تبدیل می‌کند:
ورک‌فلو: «مستر لینکتون» (LinkedIn Master)
۱. استفاده از حالت خواندن (Read-only): به جای کلیک‌های بی‌رویه، صفحه جستجوی لینکدین (مثلاً نتایجِ یک Job Search یا Sales Navigator) را باز کنید. ۲. استفاده از افزونه: افزونه کلود را باز کنید و از قابلیت تحلیل صفحه (Page Context) استفاده کنید. ۳. اجرای پرامپت اختصاصی: پرامپت زیر را به کلود بدهید تا پروفایل‌ها یا فرصت‌های شغلی را برای شما فیلتر کند.
پرامپت اختصاصی «شکارچی فرصت‌ها»
این پرامپت به کلود یاد می‌دهد که خروجی را نه برای ربات‌ها، بلکه برای «استراتژیِ جذب» بهینه کند:
«فرض کن تو یک استراتژیست ارشدِ رشد (Growth Strategist) هستی که روی لینکدین مسلط است. من الان در صفحه نتایج جستجوی لینکدین هستم. می‌خواهم لیستِ جلوی رویم را برای [هدف: شغل یا فروش محصول] تحلیل کنی.
کارهایی که باید دقیقاً انجام دهی:
۱. فیلترِ هوشمند: از بین لیستِ پروفایل‌ها یا فرصت‌های شغلی موجود در صفحه، ۳ مورد را که دقیقاً با رزومه/محصول من تطابق دارند انتخاب کن. ۲. تحلیلِ شکاف (Gap Analysis): برای هر مورد، بگو چرا من گزینه مناسبی هستم و چه کلماتی را باید در پیام اول استفاده کنم تا "نرخ پاسخ‌دهی" بالاتر برود. ۳. طراحیِ "پیامِ سرد" (Cold Message): یک پیام کوتاه (حداکثر ۳ جمله) بنویس که به جای اسپم بودن، شخصی‌سازی شده باشد. فرمول: «اشاره به دستاورد شرکت + ارتباط با توانایی من + درخواستِ کنجکاوانه برای ادامه». ۴. ایمن بمان: طوری تحلیل کن که هیچ‌وقت نیاز نباشد کل صفحه را یکجا کپی کنی تا لینکدین حساس نشود. فقط اطلاعاتی که افزونه می‌خواند کافی است.
اطلاعات من برای تطبیق: رزومه/محصول من: [اینجا Paste کن] شغل یا مخاطبِ هدف: [اینجا بنویس]»
۳ قانون طلایی برای بلاک نشدن (حتی با ابزارها):
۱. قانونِ تعداد: در هر ساعت بیش از ۱۰ پروفایل را با ابزار بررسی نکنید. لینکدین الگوریتم‌های رفتاری دارد؛ سرعتِ «بشرگونه» داشته باشید. ۲. قانونِ توقف: بین هر جستجو، صفحه را دستی اسکرول کنید و یکی دو پروفایل را عادی باز کنید تا رفتارتان طبیعی بماند. ۳. قانونِ خروجی: اگر از ابزارهایی مثل PhantomBuster استفاده می‌کنید، حتماً تنظیم کنید که در بازه‌های زمانی مختلف (با تأخیرِ تصادفی) اجرا شوند (Randomized Delays).
نکته نهایی: استفاده از اکستنشن کلود برای تحلیل پروفایل‌ها (به صورت تکی) امن‌ترین راه است، چون فعالیتِ شما شبیه به فعالیتِ یک کاربرِ کنجکاو است که وقت می‌گذارد و محتوا را می‌خواند.
اگر می‌خواهید این متدها را به صورت حرفه‌ای در اتوماسیون‌های پیچیده‌تر پیاده کنید، حتماً آموزش‌های کانال را دنبال کنید: 🔗 https://t.me/Navidaitoolbox

ساخت ویدیوهای UGC دیگه یه «شغل» نیست، یه «کلیک»ـه!
دنیای تولید محتوا برای همیشه تغییر کرد. گوگل بالاخره قابلیت جدید Gemini Omni را رونمایی کرد: امکان ساخت یک آواتار دیجیتال که کپیِ دقیقِ ظاهر و صدای شماست.
این یعنی چه؟ یعنی از این به بعد می‌توانید ویدیوهای UGC (محتوای تولید شده توسط کاربر) را در مقیاس بالا و بدون نیاز به حضور فیزیکی در مقابل دوربین تولید کنید.
چرا این یک «تغییر بازی» (Game Changer) برای مارکترها و تولیدکننده‌هاست؟
۱. سرعتِ جنون‌آمیز: دیگر لازم نیست ساعت‌ها وقت صرف نورپردازی، لوکیشن و ادیت کنید. فرآیند تولید محتوا از «روز» به «ثانیه» رسیده است.
۲. تولید محتوای مقیاس‌پذیر: می‌توانید در یک روز، ده‌ها ویدیوی تخصصی برای برندهای مختلف بسازید، در حالی که آواتارِ شما با همان انرژی و صدای خودتان در حالِ ارائه است.
۳. اعتبار و اصالت: با فناوری SynthID، گوگل یک واترمارکِ نامرئی روی ویدیوها قرار می‌دهد تا هم اصالت ویدیوهای شما حفظ شود و هم راه برای سواستفاده (Deepfake) بسته باشد.

کلود دیگه فقط یک چت‌بات نیست؛ تیم خلاق برند توئه!
با قابلیت جدید Custom Connectors در Claude AI، بازیِ تولید محتوا عوض شده. دیگه لازم نیست برای هر پست، ساعت‌ها وقت بذاری تا لحن و استایل برندت رو به هوش مصنوعی بفهمونی. کلود حالا مستقیم به ابزارهای تخصصی وصل می‌شه و دقیقاً طبق هویت بصری تو خروجی می‌ده. 🚀
چه ابزارهایی رو می‌تونی به کلود وصل کنی؟
Canva: برای طراحی پست، کاروسل و استوری با رعایت دقیق رنگ و فونت برند.
Bloom: برای تولید هوشمندِ تصاویر و دارایی‌های بصری متناسب با هویت برند در مقیاس بالا.
Higgsfield: برای تولید ویدیوهای تبلیغاتی و UGC با کیفیت سینمایی.
AdCreative.ai: برای ساخت صدها نسخه تبلیغاتی تست‌شده برای متا و گوگل.
خروجی‌های مستقیم برای مارکتینگ:
✅ بنرهای تبلیغاتی کاملاً On-Brand.
✅ محتوای متنی با لحن اختصاصی برند.
✅ ویدیوهای کوتاه تبلیغاتی در چند ثانیه.
دیگه نیازی به رفت‌ و آمد بین ابزارهای مختلف نیست؛ کلود با یک دستور، کل فرآیند رو مدیریت می‌کنه.
📘 می‌خوای به سطحِ بالاتری از تسلط بر کلاود برسی؟
من تمام فوت‌وفن‌های حرفه‌ای، استراتژی‌های سیستم‌سازی و پرامپت‌های پیشرفته رو در «راهنمای جامع کلاود (جلد یک و دو)» جمع کردم. این کتاب مرجعِ اصلی برای تبدیل شدن به یک متخصصِ واقعیِ هوش مصنوعیه.
🔗 تهیه و دانلود مستقیم از اینجا:
https://naviidtaheri.gumroad.com/l/yviph

پرپلکسیتی بازی را عوض کرد: «Search as Code» رسماً معرفی شد.
اگر هنوز فکر می‌کنید هوش مصنوعی فقط با «زنجیره‌ای از ابزارها» (Tool Calling) جستجو می‌کند، وقتش است که آپدیت شوید.
پرپلکسیتی (Perplexity AI) با معرفی معماری «Search as Code»، پارادایمِ سنتیِ جستجو را شکسته است. دیگر خبری از فراخوانی‌هایِ متوالی و کندِ ابزارها (Sequential Tool Calls) یا پایپ‌لاین‌هایِ یکپارچه و سنگینِ جستجو نیست.
چرا این معماری یک جهش بزرگ است؟
در مدل جدید، مدلِ هوش مصنوعی به‌جایِ درخواستِ ساده، مستقیماً «کد پایتون» تولید می‌کند. این کد شامل تمامِ عملیاتِ جستجو (از fan-outِ غیرهمزمان گرفته تا deduplication، فیلترینگ و رنکینگ) است که در یک مرحله اجرایی انجام می‌شود.
مزایای عملیاتی برای کاربران و توسعه‌دهندگان:
۱. سرعت بی‌نظیر: اجرای عملیاتِ ترکیبی در یک «سندباکس» (Sandbox) قبل از اینکه نتایج به کانتکست مدل برسد، باعث حذفِ تأخیرهای غیرضروری و مشکلاتِ کنترل جریان (Control Flow) شده است.
۲. هزینه بهینه: پرپلکسیتی توانسته با این متد، روی بنچ‌مارک‌هایِ سنگینی مثل DSQA و WideSearch، عملکردی بهتر از رقبا را با تقریباً نصفِ قیمت ارائه دهد.
۳. دسترسی‌پذیری: این قابلیت حالا به عنوان پیش‌فرض در ابزارِ Computer این شرکت فعال شده و از طریق Perplexity Agent API نیز در دسترسِ توسعه‌دهندگان قرار دارد.

https://x.com/perplexity_ai/status/2061506359326384319?s=46

یادگیری امروز خیلی ساده‌تر از گذشته شده؛ به شرطی که مسیر درست رو انتخاب کنی و ابزارهای مناسب رو به کار بگیری.
من ۴ راهنمای کاربردی و الهام‌بخش رو آماده کردم تا یاد بگیری چطور هوشمندتر و سریع‌تر با دنیای 𝗖𝗹𝗮𝘂𝗱𝗲، 𝗪𝗼𝗿𝗱، 𝗘𝘅𝗰𝗲𝗹 و ابزارهای نوین 𝗔𝗜 کار کنی. این تازه شروع مسیره؛ این مجموعه به زودی به ۱۰ عنوان کامل و جامع می‌رسه که تمام نیازهای حرفه‌ای تو رو پوشش می‌ده.
چطور این محتوا رو به صورت رایگان دریافت کنی؟
من برای مخاطبانم یک سیستمِ توزیع محتوا طراحی کردم. کافیه از طریق لینک زیر سابسکرایب (عضو) بشی؛ به محض انتشارِ هر راهنمای جدید، محتوا به صورت خودکار و کاملاً رایگان به ایمیلت ارسال می‌شه:
📥 لینک عضویت و دریافت رایگان راهنماها:
🔗 https://naviidtaheri.gumroad.com/subscribe
📌 هدف این مجموعه:
هدف، یادگیریِ صرف نیست؛ هدف اینه که یاد بگیری چطور از این ابزارها به عنوان «اهرم» استفاده کنی تا خروجیِ چندین ساعت کارِ سخت رو در چند دقیقه دریافت کنی.
#آموزش #بهره_وری #هوش_مصنوعی #سیستم_سازی #Claude #اکسل #ورد

چطور هوش مصنوعی رو به «استادِ اختصاصی» تبدیل کنی؟
اگر می‌خوای در سیستم‌سازیِ کسب‌وکارت یا یادگیریِ مهارت‌های پیچیده، از سطحِ «کپی‌کار» به سطحِ «مسلط» برسی، باید از این الگویِ فکری که در ادامه به عنوان «پرامپت مرجع» می‌گذارم استفاده کنی.
این پرامپت، کلود (یا هر مدلِ هوشمندِ دیگه‌ای) رو مجبور می‌کنه به‌جایِ جوابِ سطحی دادن، نقشِ یک «معلمِ سخت‌گیر و اثربخش» رو بازی کنه.
چطور از این الگو در سیستم‌سازی استفاده کنی؟
وقتی داری یک سیستمِ پیچیده (مثل یک گردش‌کارِ اتوماسیون یا یک معماریِ نرم‌افزاری) طراحی می‌کنی، این پرامپت رو به کلاود بده تا مطمئن بشی سیستم از ریشه درسته:
۱. یادگیریِ پله‌به‌پله: به جای اینکه کلِ پروژه رو یکجا بهش بدی، ازش بخواه مرحله‌به‌مرحله جلو بره.
۲. چک‌لیستِ زنده: ازش بخواه یک فایلِ «چک‌لیستِ یادگیری» برای درک مسئله، راهکار و بسترِ تأثیرِ آن نگه داره.
۳. آزمونِ واقعی: به کلاود دستور بده ازت امتحان بگیره و تا جواب رو سابمیت نکردی، پاسخ درست رو لو نده.
۴. تکنیکِ «ELII»: اگر جایی از سیستم رو متوجه نشدی، ازش بخواه با تکنیکِ ELII (توضیح برای کارآموز) برات توضیحش بده.
پرامپت مرجع (کپی و استفاده کن):

you are a wise and incredibly effective teacher. your goal is to make sure the human deeply understands the session.

do this incrementally with each step instead of all at once at the end. before moving on to the next stage, you should confirm that she has mastered everything in the current one. this should be high level (e.g. motivation) and low level (e.g. business logic, edge cases).

keep a running md doc with a checklist of things the human should understand. make sure she understands 1) the problem, why the problem existed, the different branches 2) the solution, why it was resolved in that way, the design decisions, the edge cases 3) the broader context of why this matters, what the changes will impact.

make sure she understands why (and drill down into more whys), make sure she understands what and how as well. understanding the problem well is imperative.

to get a sense of where she's at, proactively have her restate her understanding first. then help her fill in the gaps from there—she might ask you questions or ask to eli5, eli14, or elii (explain like she's an intern).

quiz her with open-ended or multiple choice questions with AskUserQuestion (be sure to change up the order of the correct answer, and to not reveal the answer until after the questions are submitted). show her code or have her use the debugger if necessary!

/goal the session should not end until you've verified that the human has demonstrated that she understood everything on your list.

چرا این روش برای سیستم‌سازی حیاتیه؟
چون ۹۰٪ شکست‌هایِ سیستم‌سازی به‌خاطرِ اینه که «چرا»یِ کار رو درست درک نکردیم. این الگو باعث می‌شه قبل از اینکه شروع به ساختنِ یک سیستمِ بزرگ کنی، معماریِ اون رو تویِ ذهنت حک کنی.

#سیستم_سازی #هوش_مصنوعی #ClaudeAI #توسعه_فردی #یادگیری_فعال

رقیبت یه کمپین تبلیغاتی رفته که ترکونده
‏تا تو بفهمی چکار کرده و نسخه خودت رو بسازی، ترند دیگه مرده و پولت هم دود شده رفته هوا!

‏اینجا دقیقاً جاییه که Notch بازی رو عوض می‌کنه.

‏ابزار Competitor Clone همه تبلیغ‌های برنده و در حال اسکیل چنلت رو با مدت‌زمان بازدهی واقعی نشونت می‌ده.

‏ساختار، ریتم ادیت، هوک و اسکریپت رو کامل کالبدشکافی می‌کنه.
‏کمتر از ۵ دقیقه همون فرمت تست‌شده رو با هویت و محصول خودت تحویلت می‌ده.

‏دیگه از صفر قمار نکن.
‏فرمت برنده رو کپی کن، تست کن.

https://x.com/naviidtaheri/status/2062220229984362970?s=46

مثل مدیرعامل آنتروپیک اپلای کن! 🎓 تصاحب بورسیه‌های برتر دنیا با استراتژی «مدیریتِ هوشمند»
داریو آمودی (CEO Anthropic) اخیراً حرفی زده که باید آن را طلا گرفت:
«دوران کارهای دستی تمام شده؛ حالا مدل‌های هوشمند به جای ما پروژه‌ها را مدیریت می‌کنند.»
اگر دانشجو هستید و درگیر پروسه فرسایشی اپلای (پیدا کردن پوزیشن، شخصی‌سازی رزومه و نوشتن SOP)، این یعنی یک خبر عالی! ما می‌خواهیم دقیقاً همین استراتژی را پیاده کنیم: شما «مدیر» باشید و هوش مصنوعی «کارمند» شما.
چطور با Claude Code، فرآیند اپلای را ۸۰٪ خودکار کنیم؟
1️⃣ نصب دستیار حرفه‌ای:
برخلاف چت‌بات‌های معمولی، Claude Code مستقیم روی سیستم شما نصب می‌شود تا به فایل‌هایتان دسترسی داشته باشد.
npm install -g @anthropic-ai/claude-code
2️⃣ ساخت «مغز متفکر» (CLAUDE.md):
یک فایل به نام CLAUDE.md در پوشه پروژه‌تان بسازید. این فایل حافظه دائمی کلود است. رزومه، مقالات و لیست دانشگاه‌های هدف را اینجا بگذارید تا کلود دقیقاً بداند شما کی هستید و چه می‌خواهید.
3️⃣ تعریف نقش‌های هوشمند (Agents):
به کلود دستور بدهید این ۳ نقش را برایتان بازی کند:
🔍 جست‌وجوگر: پایش پوزیشن‌های جدید در سایت‌هایی مثل Google Scholar.
📊 ارزیاب: بررسی اینکه چقدر رزومه شما با پوزیشنِ پیدا شده همخوانی دارد.
✍️ نویسنده: نوشتن SOP و ایمیل اختصاصی برای هر استاد بر اساس آخرین مقالاتش.
⚠️ اما یک نکته حیاتی برای موفقیت در اپلای امسال...
استفاده از ابزارهای پیشرفته‌ای مثل Claude Code برای کسی که «زیربنای کار با کلاود» را بلد نیست، مثل سپردنِ یک جت جنگنده به دست کسی است که فقط دوچرخه‌سواری بلد است! اگر سیستمِ درست را بلد نباشید، کلود ممکن است در نوشتن SOP شما «هذیان‌گویی» کند یا توکن‌های گران‌بهایتان را هدر بدهد.
من در کتاب «راهنمای جامع کلاود ۲۰۲۶»، تمامِ این مسیر را از صفر تا صدِ حرفه‌ای شدن باز کرده‌ام:
✅ تسلط بر Agentها: یاد می‌گیرید چطور Claude Code را طوری تنظیم کنید که بدون خطا، تمام کارهای اپلای را برایتان انجام دهد.
✅ مهندسی پرامپتِ پیشرفته: به جای نامه‌های کلیشه‌ای، یاد می‌گیرید چطور خروجی‌هایی بگیرید که استاد دانشگاه برتر دنیا فکر کند خودتان ساعت‌ها وقت گذاشته‌اید.
✅ آپدیت‌های اختصاصی: تمام تغییراتِ سریع کلاود در سال ۲۰۲۶ را به صورت رایگان برای خریداران کتاب در همین کانال منتشر می‌کنم.
به جای یک ماه وقت گذاشتن برای ۵۰ دانشگاه، فقط ۳۰ دقیقه در روز وقت بگذارید تا خروجی‌های هوشمند را تایید کنید.
📥 دریافت کتاب «راهنمای جامع کلاود ۲۰۲۶» و شروع نقشه راه:
🔗

https://naviidtaheri.gumroad.com/l/hcfhe

🎁 فایل نمونه CLAUDE.md (مخصوص اپلای) را در گروه چت برایتان گذاشتم تا سریع‌تر شروع کنید.
#اپلای #بورسیه #هوش_مصنوعی #ClaudeCode #مهاجرت_تحصیلی #دکترا

شنبه صبح‌ها رو بسپار به کلاود! 🤯💻

رفقا، من با استفاده از منابع Reddit و مستندات آکادمی کلاود، یه ویدیو به کمک نوت بوک ساختم که نشون می‌ده چطور می‌شه از قابلیت Computer Use برای مدیریت کامل تبلیغات متا (Meta Ads) استفاده کرد.

این ویدیو رو ببینید تا متوجه بشید بازی چقدر عوض شده: 👇

۲/
ماجرا چیه؟ این دیگه فقط یه چت‌بات ساده نیست. کلاود رسماً مثل یه «کارمند دیجیتال» کنترل سیستم شما رو به دست می‌گیره.

من توی این ویدیو (که خروجی تحلیل‌های دیتای ردیته) نشون دادم که کلاود چطور مثل یک روح توی کامپیوتر شما حرکت می‌کنه. 🖱👻

۳/
فرآیند دقیقاً اینجوریه:
۱. خودش مرورگر رو باز می‌کنه و وارد Meta Ads Manager می‌شه.
۲. دیتای هفته رو استخراج و عملکرد کمپین‌ها رو تحلیل می‌کنه.
۳. می‌ره سراغ Ad Library و تبلیغات رقبای اصلیتون رو کالبدشکافی می‌کنه.
۴. در نهایت یه Creative Brief حرفه‌ای می‌نویسه و فایلش رو روی دسکتاپ ذخیره می‌کنه.

۴/
این یعنی پایانِ دورانِ خسته‌کننده‌ی اکسپورت گرفتن از CSV و اسکرین‌شات گرفتن‌های دستی از رقبا. کلاود حالا «اجرا» می‌کنه، نه اینکه فقط پیشنهاد بده. 🚀

اما... بیاید کمی واقع‌بین باشیم.

۵/
⚠️ فیدبک صریح و واقعی من (پشت پرده داستان):

ویدیوهای تبلیغاتی همیشه جذابن، اما به عنوان کسی که مدام با این ابزارها ور می‌ره، باید چندتا نکته حیاتی رو بگم تا تو تله نیفتید:

سرعت: هنوز کُنده؛ چون کلاود هر حرکت رو با اسکرین‌شات چک می‌کنه.

هزینه: مصرف توکن بالایی داره و برای پروژه‌های کوچیک شاید فعلاً صرف نکنه. 💸

۶/

ریسک بلاک شدن: مِتا از اتوماسیون متنفره! اگه بی‌گدار کلاود رو روی اکانت اصلی ول کنید، ریسک محدود شدن اکانت وجود داره. ⚠️

پایداری: سیستم باید همیشه روشن باشه و گاهی برای لاگین (Verification) نیاز به حضور خودتون داره.

۷/
ببینید، یکی از روش‌هایی که می‌تونه ریسک بلاک شدن رو پایین بیاره استفاده از APIهای واسطه یا محیط‌های ایزوله است؛ این هم راهکاریه که کمک می‌کنه ریسک رو کنترل کنید، ولی با تمام این‌ها، من هنوز هم این کار رو روی اکانت‌های اصلی و حساس توصیه نمی‌کنم. 🛑

۸/
در کنار این مسائل، من بر اساس این ویدیو و ۵ تا Workflow تخصصی، یک Playbook کامل فارسی ساختم که کمک می‌کنه این مسیر رو «امن‌تر» و «استراتژیک‌تر» طی کنید. این راهنما رو همین الان در گروه چت تخصصی تلگرام براتون آپلود کردم. لینک دسترسی بهش پین شده در این کانال.

۹/
توی این پلی‌بوک، پرامپت‌های تست‌شده و تنظیمات دقیق رو آوردم که اکانتتون به باد نره! یادتون نره، برنده کسیه که «مدیریتِ هوشمندِ ابزار» رو بلده. 💡

برای عضویت در گروه و دریافت پلی‌بوک بیاید اینجا:
📢 کانال و گروه تلگرام:
🔗 https://t.me/Navidaitoolbox

#Claude2026 #استراتژی #نوید_طاهری #MetaAds #DigitalMarketing #NotebookLM

🚀 چرا Nous Research با دسکتاپ‌اپِ جدیدش (Hermes Agent) بازیِ ایجنت‌ها رو برد؟
الکس فین (Alex Finn)، یکی از اینفلوئنسرهای بزرگ هوش مصنوعی، بعد از ۲۴ ساعت تستِ این برنامه می‌گه: «دوران تلگرام، دیسکورد و ترمینال (CLI) برای کار با ایجنت‌ها تموم شد. این برنامه، آینده‌ی تعامل با ایجنت‌های دسکتاپه.»
اگر می‌خواهید بدانید این سیستم چطور تجربه کاربری ایجنت‌ها را متحول کرده، این کالبدشکافی عمیق را بخوانید:👇
🔹 ۱. لایه رابط کاربری (UI) و مدیریت جلسات (Sessions) دیگه نیازی به ساخت ترد‌های شلوغ و به‌هم‌ریخته توی تلگرام یا دیسکورد نیست. سمت چپ برنامه می‌تونی برای هر جنبه از کارهای فنی، بیزنس، برنامه‌نویسی یا شخصی، یک Session مستقل و تمیز بسازی، مهم‌ها رو پین کنی و حتی فولدربندی کنی. کنترل ۱۰۰٪ روی معماری تسک‌ها!
🔹 ۲. قابلیت Artifacts (مغز دوم شما) هر لینک، داکیومنت، کانسپت یا عکسی که به ایجنت می‌دی، توی این بخش ذخیره و به‌صورت هوشمند قابل سرچ می‌شه. عملاً نیازی به بوکمارک مرورگر یا نوشتن ویکی شخصی نداری. فقط کافیه به ایجنت بگی «این داک رو برام ذخیره کن»؛ تمام!
🔹 ۳. مدیریت دقیقِ Cron Jobs یکی از بزرگ‌ترین باگ‌های ایجنت‌ها، اجرای نامنظم یا فراموشی کارهای تکراری بود. حالا یک UI اختصاصی برای کرون‌جاب‌ها داری. می‌تونی وظایف رو ولیدیت کنی، پاز کنی یا جابِ جدید بسازی تا ایجنت سر ساعت (مثلاً ساخت روزانه‌ی گزارش‌ها یا کدنویسی شبانه) کارش رو بدون خطا انجام بده.
🔹 ۴. مدیریت مستقل پروژه‌ها (Profiles) هر پروفایل یعنی یک Hermes Agent کاملاً مستقل با مدل، مموری، پرسونالیتی و مهارت‌های متمایز. شما می‌تونی چندین ایجنت مجزا رو برای تسک‌های مختلف روی سیستم هندل کنی بدون اینکه کانتکست‌ها با هم تداخل پیدا کنند.
🔹 ۵. ترفند طلایی تنظیمات حافظه (Memory) اگر از فراموشیِ ایجنت‌ها در تسک‌های طولانی شاکی هستید، یک هک جالب وجود داره: در تنظیمات برنامه، مقدار Compression Threshold رو روی ۰.۵ بذارید تا لایه مموری و کانتکستِ مدل بهینه‌تر عمل کنه و اطلاعات حیاتی پروژه رو از دست نده.
🔹 ۶. ابزارها و قابلیت توسعه‌ی خودکار (Self-Improving) برنامه پر از ابزارهای پیش‌فرض مثل اتوماسیون مرورگر و اجرای کد هست. اما نکته شگفت‌انگیز اینجاست که خودِ ایجنت قابلیت Self-improving داره؛ یعنی می‌تونه در طول مسیر، مهارت‌های جدیدی که نیاز داره رو خودش برای خودش کدنویسی کنه و به تول‌ست‌هاش اضافه کنه!
💡 کلام آخر: این اپلیکیشنِ بومی (Native) برای مک، ویندوز و لینوکس، دقیقاً همان پوسته‌ی ساختاریافته و پیشرفته‌ای است که جایش بین «هسته‌ی قدرتمند مدل‌ها» و «کاربر نهایی» خالی بود. خروجیِ کار با ایجنت‌ها بالاخره از محیط‌های متنی و ترمینال بیرون آمد و تبدیل به یک سیستم واقعی شد.
📌 چطور به این سطح از سیستم‌سازی مسلط شویم؟ اگر می‌خواهید تمام این مفاهیم پیشرفته (از مهندسی ورک‌فلو و مدیریت کانتکست گرفته تا ساخت سیستم‌های خودکار و ایجنت‌های کاربردی) را یک‌بار برای همیشه به زبان فارسی یاد بگیرید، «باندل ارتش تک‌نفره» دقیقاً همان زرادخانه‌ای است که نیاز دارید.
امکان خرید ریالی نیز فراهم است. برای دریافت مشاوره و تهیه پکیج، به پشتیبانی پیام دهید: 🆔 @farid_payam
سیستم خودت را معماری کن! 😎🚀 #NavidAIToolBox #AI #HermesAgent #Automation #ایجنت_هوش_مصنوعی

اسکرول انیمیشن حرفه‌ای رو در فقط ۳۰ دقیقه با هوش مصنوعی بساز!
بدون کتابخانه انیمیشن، بدون افتر افکتس و بدون کد دستی پیچیده.
حالا می‌تونی انیمیشن‌های اسکرول زیبا و سینمایی برای وبسایتت بسازی — فقط با دو ابزار قدرتمند هوش مصنوعی.
ابزارهای اصلی:
۱. Claude Code
ابزار کدنویسی هوش مصنوعی شرکت آنتروپیک که کل پروژه رو برات مدیریت می‌کنه و با یک پرامپت ساده، انیمیشن مورد نظرت رو طراحی و پیاده‌سازی می‌کنه.
۲. Higgsfield MCP
کانکتور MCP که به Claude Code وصل می‌شه و امکان تولید تصویر و ویدیوی سینمایی باکیفیت بالا (با مدل‌هایی مثل Sora، Veo، Kling و…) رو مستقیم داخل محیط AI فراهم می‌کنه. یعنی دیگه نیازی به ابزارهای جداگانه انیمیشن‌سازی نداری.
نتیجه چیه؟
فقط با یک پرامپت، انیمیشن اسکرول حرفه‌ای و متحرک می‌گیری و مستقیم توی پروژه‌ت استفاده می‌کنی. این روش داره کاملاً روش ساخت انیمیشن وب رو تغییر می‌ده.
لینک‌های رسمی و گیت‌هاب:
• Claude Code (نصب و شروع کار):
https://claude.ai/
دستور نصب در ترمینال:
curl -fsSL https://claude.ai/install.sh | bash
• Higgsfield MCP (کانکتور اصلی):
https://higgsfield.ai/mcp
• Higgsfield CLI (برای کارهای پیشرفته‌تر):
https://higgsfield.ai/cli
• گیت‌هاب رسمی CLI:
https://github.com/higgsfield-ai/cli
• سایت اصلی Higgsfield:
https://higgsfield.ai/

این ترکیب MCP + Claude Code آینده ساخت محتوای بصری و انیمیشن وب رو داره رقم می‌زنه.
#AI #ClaudeCode #WebDesign #ScrollAnimation #Higgsfield #VibeCoding #AIAnimation

🧠 ۲۱ درس حیاتی در کار با کلاود (که معمولاً به سخت‌ترین شکل ممکن یاد می‌گیریم!)
رفقا، کلاود یک چت‌بات معمولی نیست؛ یک اکوسیستم و بسترِ معماری سیستم است. اگر می‌خواهید از رفتار این مدل خروجیِ تراز اول بگیرید، باید این ۲۱ قانونِ عمیق را روی ورک‌فلوهای خود پیاده کنید:
۱. چت‌های طولانی‌تر، خروجی‌های احمقانه‌تر
هر چقدر طول چت بیشتر شود، کلاود کانتکست بیشتری را باید مرور کند و تمرکزش کمتر می‌شود. چت‌های طولانی را متوقف کنید و سشن‌های جدید بسازید.
۲. کلاود، برملاکننده‌ی عادت‌های بد
چت‌جی‌پی‌تی به شما عادت‌های بدِ پرامپت‌نویسی یاد می‌دهد، اما کلاود این عادت‌های بد و ضعف‌های منطقی پرامپت شما را مستقیماً لو می‌دهد و به رختان می‌کشد.
۳. پرامپت ۵۰۰ کلمه‌ای، پرامپت خوبی نیست؛ یک پرامپتِ تنبلانه است
شلوغ کردن الکی متن نشانه تسلط نیست. پرامپتِ خوب، پرامپتی است که در عین کوتاهی، ساختار و مهندسیِ دقیقی داشته باشد.
۴. فرمولِ طلاییِ خوردن به سقف لیمیت: «فقط یه سوال دیگه!»
همین پیگیری‌های بی‌هدف و پشت‌سرهم در یک چت است که سقف کانتکست شما را پر می‌کند و دسترسی‌تان را موقتاً می‌بندد.
۵. پلن شما تمام نشده، حوصله تایپ کردنتان سر آمده!
وقتی خروجی خراب می‌شود، مشکل از محدودیتِ منطق کلاود نیست؛ مشکل از این است که شما سناریو و استراتژیِ تسک را در تایپ کردنِ خود به‌درستی پیاده نکرده‌اید.
۶. کلاود هفته پیش را یادش نمی‌آید؛ دست از تظاهر بردارید
مدل حافظه طولانی‌مدت به آن معنایی که فکر می‌کنید ندارد. کانتکست سشن فعلی تمام چیزی است که او می‌بیند.
۷. کار تیمی (Cowork) بدون فولدربندی، فقط یک چتِ گران‌قیمت است
اگر از قابلیت‌های اشتراکی و فضاهای کاری بدونِ ساختار و فولدربندیِ مشخص استفاده کنید، فقط دارید هزینه توکن‌ها را هدر می‌دهید.
۸. انتخابِ مدلِ درست، مهم‌تر از خودِ پرامپت است
قبل از اینکه به پرامپت‌نویسی فکر کنید، باید بدانید کدام نسخه از مدل (سریع، عمیق یا کاستوم) مهندسیِ این تسکِ خاص را بهتر بلد است.
۹. ریختن ۵۰ تا فایل همزمان، کلاود را خنگ‌تر می‌کند، نه باهوش‌تر!
کلاود را با بمباران اطلاعاتی خفه نکنید. فایل‌ها باید ساختاریافته، دسته‌بندی‌شده و به مرور واردِ کانتکستِ مدل شوند.
۱۰. دستوراتِ منفی کار نمی‌کنند؛ کلاود آن‌ها را صرفاً یک «پیشنهاد» می‌بیند
به جای اینکه بگویید «این کار را نکن»، دقیقاً ساختارِ جایگزین را تعریف کنید و بگویید «این کار را طبق این فرمول انجام بده».
۱۱. یک فایل About-me سرهم‌بندی‌شده، هر سشن را بدتر خراب می کند!
اگر بخش اطلاعات پروفایل یا هویت فردی خود را بدون دقت نوشته باشید، این دیتای غلط روی تمام خروجی‌های بعدی شما سایه می‌اندازد.
۱۲. «بهترش کن» کثیف‌ترین پرامپتِ تاریخ است!
کلاود ذهن‌خوان نیست. ساختارِ «بهتر شدن» باید پارامترهای مشخصی داشته باشد؛ مثلاً لحن، منطق، یا بهینه‌سازی کد.
۱۳. اگر نمی‌توانی تسک را در ۳۰ کلمه توضیح دهی، کلاود هم نمی‌تواند بسازدش
ابهام در ذهن شما، تبدیل به توهم (Hallucination) در خروجی کلاود می‌شود. شفافیتِ فکری زیربنای معماری سیستم است.
۱۴. صحبت کردن با کلاود، همیشه تایپ کردن را شکست می‌دهد
استفاده از قابلیت صوتی و انتقال لحن و کانتکست از طریق کلام، بسیار سریع‌تر و عمیق‌تر از نوشتنِ متن‌های طولانی جواب می‌دهد.
۱۵. دکمه‌ی Edit بیشتر از هر ترفند پرامپت‌نویسی، توکن ذخیره می‌کند
به جای فرستادن پیام‌های جدید و طولانی‌تر کردن کانتکست، پیام قبلی خود را ادیت و بهینه‌سازی کنید تا کل سشن از اول با دیتای تمیز بازخوانی شود.
۱۶. کلاود متنِ فایل متنی را بهتر از اسکرین‌شات می‌خواند
تا جایی که می‌توانید دیتای متنی و سورس‌کد را به صورت متن یا فایل متنی بدهید؛ پردازشِ بصری اسکرین‌شات همیشه اولویت دوم است.
۱۷. بخش گران‌قیمتِ ماجرا خروجی نیست، بازخوانیِ کانتکست است!
هزینه اصلی توکن‌ها (و لیمیت‌ها) زمانی مصرف می‌شود که کلاود مجبور است تمام چت‌های قبلی و فایل‌های ضمیمه را از اول رید (Re-read) کند تا یک جوابِ کوتاه به شما بدهد.
۱۸. تبِ Connectors مظلوم‌ترین و قوی‌ترین ویژگیِ کلاود است
اتصالِ مستقیم کلاود به منابعِ دیتای خارجی و ابزارها، قدرتی به شما می‌دهد که هیچ پرامپتی به‌تنهایی نمی‌تواند خلق کند.
۱۹. استفاده از خطوط تیره خاص (Em-dashes) و عباراتِ کلیشه‌ای، لو دهنده متن‌های AI است
اگر می‌خواهید متن شما بویِ هوش مصنوعی ندهد، باید کلاود را از ساختارهای نگارشیِ کلیشه‌ای و فرمول‌های تکراری منع کنید.
۲۰. روزی که پرامپت‌نویسیِ چت‌باتی را متوقف کنی و روی آپلودِ سیستماتیک داتا تمرکز کنی، همه‌چیز تغییر می‌کند
از چت کردن دست بردارید؛ به جایش به مدل، ساختار، سیستم و پایگاه داده (Knowledge) بدهید تا مثل یک معمار برایتان عمل کند.
۲۱. کلاود، چت‌جی‌پی‌تی نیست؛ دست از کار کردن با اون مثل ChatGPT بردارید!

کلاود منطق، درک کانتکست و استدلالِ کاملاً متفاوتی دارد. رفتار با کلاود نیازمندِ مهندسیِ دقیقِ تفکرِ شماست.

اگر می‌خواهید تمام این ۲۱ قانون و فوت‌وفن‌های عمیق را به شکل کاملاً کاربردی و سناریومحور در پروژه‌های خود پیاده کنید، «کتاب‌های راهنمای جامع کلاود (جلد ۱ و ۲)» دقیقاً نقشه‌ی راه شماست. جلد اول شما را مسلط به زبانِ منطقِ کلاود می‌کند و جلد دوم شما را از یک کاربر معمولی به یک معمار سیستم‌های خودکار و ایجنتیک ارتقا می‌دهد.
امکان خرید ریالی برای این دو اثر فراهم است. برای هماهنگی و تهیه کتاب‌ها، مستقیماً به پشتیبانی ما در تلگرام پیام بدهید:
🆔 @farid_payam