🧠 قوانین جدید مهندسی کانتکست؛ نگاهی به تغییرات بنیادین در معماری مدل‌های پیشرفته کلود
اکانت رسمی کلود (Anthropic) در پستی در لینکدین خود اعلام کرد: ما بیش از ۸۰ درصد پرامپت‌های سیستمی (System Prompt) کلود کد را برای مدل‌های پیشرفته جدید حذف کرده‌ایم، بدون اینکه کوچک‌ترین افت عملکردی ثبت شود!
معنای ساده این اتفاق چیست؟
کانتکست‌های سنگینی که مدل‌های قدیمی‌تر را روی مسیر نگه می‌داشتند، اکنون دست و پای مدل‌های قدرتمند جدید را می‌بندند و آن‌ها را محدود می‌کنند.
در این پست، ۶ تغییر بزرگ و اساسی در رویکرد توسعه سیستم‌ها معرفی شده است که بازنگری جدی در نحوه تعامل ما با هوش مصنوعی است:
⚖️

۱. تفویض قضاوت به مدل (Let Claude use judgement) مدل‌های جدید به راحتی کدهای اطراف را می‌خوانند و کنوانسیون‌های آن را کشف می‌کنند. به جای قوانین خشک و دست‌وپاگیر، اصول کلی را تعریف کنید تا مدل خودش بر اساس شرایط تصمیم بگیرد.
🛠

۲. طراحی اینترفیس‌ها به جای مثال‌زدن (Design interfaces) به جای اینکه ده‌ها مثال خسته‌کننده در پرامپت بنویسید، روی طراحی ابزارها، اسکریپت‌ها و فایل‌ها متمرکز شوید. پارامترهای ابزارها باید به اندازه‌ای گویا و بیانگر باشند که مدل خودش منطق کار را درک کند.
🗂

۳. افشای تدریجی اطلاعات (Use progressive disclosure) همه‌چیز نباید در پرامپت سیستمی اولیه انباشته شود. دستورالعمل‌های خاص را در قالب مهارت‌هایی (Skills) قرار دهید که کلود فقط در صورت نیاز و فراخوانی به آن‌ها دسترسی پیدا می‌کند.
✂️

۴. توصیف‌های ساده ابزارها (Simple tool descriptions) اگر یک دستورالعمل هم در پرامپت سیستم و هم در توضیحات ابزار وجود دارد، حتماً آن را از پرامپت سیستم پاک کنید. مدل‌های جدید نیازی به تکرار مکررات ندارند.
🧠

۵. حافظه خودکار (Auto-memory) کلود اکنون کانتکست‌های مرتبط را به صورت خودکار ذخیره می‌کند و دیگر نیازی به مدیریت دستی و پیچیده حافظه نخواهید داشت.
📂

۶. ارجاعات غنی و چندرسانه‌ای (Rich references) کلود دیگر فقط به فایل‌های متنی Markdown محدود نیست؛ بلکه می‌تواند آرتیفکت‌های HTML، تست‌سوییت‌ها یا کدهای پیچیده از سایر پروژه‌ها را به عنوان مرجع دریافت و تحلیل کند.
📌

نگاهی به نقشه راه گذشته و حال (The shift in context engineering): ▫️ به جای دادن قوانین سخت : اجازه استفاده از قضاوت مدل
▫️ به جای دادن مثال‌های متعدد :طراحی اینترفیس‌های ابزار
▫️ به جای انباشتن همه‌چیز در ابتدا: استفاده از افشای تدریجی (Progressive Disclosure)
▫️ به جای تکرار مکررات: توصیف‌های ساده و روان
▫️ به جای مدیریت دستی حافظه : حافظه خودکار پلتفرم
▫️ به جای مشخصات ساده : ارجاعات عمیق و چندبعدی
این تحولات بار دیگر نشان می‌دهد که آینده متعلق به کسانی نیست که پرامپت‌های طولانی می‌نویسند، بلکه به کسانی تعلق دارد که معماری کانتکست و سیستم‌های هوشمند را عمیقاً درک می‌کنند.

‏بیل گیتس یه مصاحبه جدید داشته،خلاصه اش کردم:

‏پیشرفت هوش مصنوعی خیلی سریع‌تر از چیزی بوده که خودش انتظار داشته. تأثیرش هم بزرگ‌تره و هم نزدیک‌تر از چیزی که مردم و دولت‌ها فکر می‌کنن.

‏هم فایده‌هاش کم‌گفته می‌شه و هم خطرهاش.

‏صنعت فناوری هم عمداً خطرها رو کم‌اهمیت جلوه می‌ده، چون پول خیلی زیادی در میونه.
‏
‏گیتس می‌گه هوش مصنوعی با انقلاب‌های فناوری قبلی فرق داره. چون با زبان طبیعی کار می‌کنه و روی دستگاه‌هایی که همین حالا دست مردم هست اجرا می‌شه، خیلی سریع همه‌گیر می‌شه.

‏جنبه‌های مثبت:
‏• می‌تونه علم رو سریع‌تر جلو ببره
‏• به انرژی پاک کمک کنه
‏• بیماری‌ها رو ریشه‌کن کنه

‏جنبه‌های منفی:
‏• همین دهه تأثیرش روی شغل‌ها خیلی بزرگ خواهد بود
‏• خیلی از شغل‌ها برای همیشه از بین می‌رن
‏• تعداد کل شغل‌ها کمتر از الان می‌شه
‏• حتی در بهترین حالت، این گذار یکی از پرتلاطم‌ترین دوره‌های تاریخ بشر خواهد بود
‏شما چی فکر میکنین رفقا؟

رفقا این نوک کوه یخ است ، یه احتمال جدی وجود داره که باید جدی بگیرید.
آمریکا همین چند روز پیش مجوز G رو تعلیق کرد و آزمون‌های تحت تاثیر رو تحت تاثیر قرار داد و همگی لغو شد.
مجوز بعدی که ممکنه بره همون بخش ۵۶۰.۵۴۰ باشه؛ مجوزی که به گوگل اجازه می‌ده جیمیل، درایو، یوتیوب و بقیه سرویس‌ها رو به ایرانی‌ها بده.

اگر این هم لغو بشه، گوگل برای اینکه تحریم نشه احتمالاً دسترسی از داخل ایران رو محدود یا قطع می‌کنه.

اکانت‌هاتون ناپدید نمی‌شن ولی دیگه راحت واردشون نمی‌شید. همین موضوع ممکنه روی جمینای، ChatGPT و Claude هم اثر بذاره.
تا وقتی مجازه این کارها رو انجام بدید:

۱. برید takeout.google.com همه گزینه‌ها رو از حالت انتخاب خارج کنید. بعد میل، درایو، عکس‌ها و My Activity → Gemini Apps رو تیک بزنید و اکسپورت بگیرید. تاریخچه جیمیل و جمینای با هم می‌آد.

۲. در ChatGPT برید Settings → Data controls → Export data. لینک دانلود به ایمیلتون ارسال می‌شه. فایل zip کل مکالمات رو داره و لینک معمولاً ۲۴ ساعت اعتبار داره.

۳. در Claude برید Settings → Privacy → Export data. لینک از طریق ایمیل می‌رسه و مکالمات به‌علاوه داده‌های اکانت رو می‌ده. این کار فقط از نسخه وب یا دسکتاپ ممکنه.

۴. روی جیمیل یه Forward دائمی به ایمیل دیگه بذارید. Proton یا Tuta گزینه‌های مناسب‌تری هستن.

۵. جیمیل رو با IMAP به Thunderbird یا Outlook وصل کنید. بعداً راحت‌تر می‌تونید کل صندوق رو به سرویس دیگه منتقل کنید.

۶. یه اکانت جایگزین بسازید و از همین حالا ایمیل‌های مهم رو اونجا بفرستید یا کپی کنید.

الان وقتشه، نه وقتی که دیگه دیر شده.

هفته پیش با مدیر یک آژانس صحبت می‌کردم که حتی وسط مسافرت هم گوشی از دستش نمی‌افتاد.
می‌گفت اگر یک روز آفلاین باشم، پاسخ مشتری‌ها معطل می‌ماند، تولید محتوا متوقف می‌شود و هیچ‌کس نمی‌داند تصمیم بعدی چیست. او کسب‌وکارش را مدیریت نمی‌کرد، بلکه خودش تبدیل به تنها چرخ‌دنده اصلی سیستم شده بود.
حل این مشکل با تبدیل کسب‌وکار از «وابستگی به حافظه مدیر» به یک «معماری ایجنتییک (Agentic)» با تأیید انسانی است.
چهار گام استراتژیک برای پیاده‌سازی این سیستم:
🏗 ۱. معماری ۴ مرحله‌ای جریان کار هر فرآیند کاری باید ۴ لایه داشته باشد: ورودی (فرم‌ها، پیام‌ها، داده‌ها)،
پردازش (خلاصه‌سازی و استخراج الگو)، تصمیم (تعیین اولویت و مسیر) و

خروجی (پیش‌نویس، گزارش یا پیگیری). اکثر گروه‌ها ورودی و خروجی دارند، اما لایه تصمیم‌گیری وسط را نادیده می‌گیرند.
🤖 ۲. ساخت تیم ایجنت‌های تخصصی (تفکیک نقش‌ها) قرار نیست یک هوش مصنوعی همه‌کار انجام دهد. مسئولیت‌ها را خرد کنید:
Research Agent: جمع‌آوری اطلاعات و تحقیق اولیه
Content Agen

t: ساخت پیش‌نویس محتوا
Quality Gate Agent: بررسی کیفیت، کنترل لحن و رفع خطاها

Human Gate: تأیید نهایی توسط انسان و اعمال قضاوت
🔑 ۳. سه قانون طلایی سیستم‌سازی ایجنتییک
قانون اول: کار تکراری (دسته‌بندی، خلاصه‌سازی، تحقیق) را به ایجنت بدهید، نه تصمیم‌های استراتژیک را.
قانون دوم: اول فرآیند دستی مبهم را شفاف و استاندارد کنید، بعد سراغ اتوماسیون بروید.
قانون سوم: کنترل انسانی (

Human Gate) را حذف نکنید؛ ایجنت سرعت اجراست، نه جایگزین مالکیت شما.
📊

۴. سنجش با معیارهای واقعی مدیریت موفقیت را با تعداد تسک‌های انجام‌شده نسنجید. ببینید چقدر از زمان و انرژی ذهنی مدیر آزاد شده، سرعت تصمیم‌گیری چقدر بالا رفته و آیا سیستم بدون حضور مستقیم شما پیش می‌رود یا خیر.
هم

ین الان کدام بخش از فرآیندهای روزمره شما بیش از همه به حضور و حافظه مستقیم خودتان وابسته است و می‌تواند به اولین ایجنت اختصاصی سیستم‌تان تبدیل شود؟
اگر می‌خواهید پیاده‌سازی این معماری و فرآیندها را از پایه با کلود یاد بگیرید، راهنمای کامل را ببینید: 🔗 https://navidaitoolbox.com/claude-guide

Fable 5.1 حالا می‌تواند آسیب‌پذیری را در سورس‌کد شناسایی کند، اما تولید اکسپلویت، تست نفوذ و اسکن باینری همچنان محدود است و بخشی از درخواست‌های دوکاربرده به مدل‌های Opus هدایت می‌شود.اگر کلود را فقط برای متن کوتاه می‌خواهید، این آپدیت ضروری نیست.
اگر سیستم ایجنتیک، کار چندساعته، یا جریان کاری پیچیده می‌سازید، طبق خود مستندات آنتروپیک اثر اصلی روی پایداری کار طولانی، هزینه واقعی و دقت گاردهاست.

نسخه جدید کتاب راهنمای جامع کلاود جلد یک به انضمام آخرین تغییرات و یک ضمیمه کاربردی برای اینکه کلاود را از یک ابزار به یک همکار یا تیم اجرایی تبدیل کنید فردا منتشر خواهد شد برای اطلاعات دقیق تر در وبسایت میتونید بخونید" https://www.navidaitoolbox.com/

داشتم گزارش‌های فنی جدید را بالا و پایین می‌کردم و بنچمارک‌های مدل جدید اوپن‌ای‌آی را می‌دیدم که متوجه یک جهش بی‌سابقه در سرعت اجرای کارهای دیجیتال شدم. دیگر حرف از این نیست که یک چت‌بات متن تولید کند یا به سوالات شما پاسخ دهد؛ مسئله انجام خودکار تمام فرآیندهای کامپیوتر است. این مدل جدید، یعنی مدل ششم استرا، رسماً مرز بین «تولید محتوا» و «اجرای مستقیم عملیات» را از بین برده است.
درس اصلی روشن است: ارزش سیستم‌های جدید در چت کردن نیست، بلکه در تبدیل هوش مصنوعی به یک اپراتور ارشد و خودکار با قدرت کنترل کامپیوتر و مرورگر است.
چند شاخص و قابلیت حیاتی که در این گزارش جلب توجه می‌کند:

🖥 ۱. اجرای مستقیم کارهای چندمرحله‌ای روی سیستم این مدل از مدیریت تقویم و تکمیل فرم‌ها گرفته تا ساخت کامل وب‌سایت، تحلیل داده و تست نرم‌افزار را بدون نیاز به دخالت دستی انجام می‌دهد. در سنجش کنترل سیستم (آزمون OSWorld) امتیاز ۷۲٫۶ درصد را ثبت کرده و فرآیندها را ۴۷ درصد سریع‌تر از نسل قبل اجرا می‌کند.

🧠 ۲. حفظ کانتکست و حافظه طولانی در کدنویسی در محیط توسعه، مدل می‌تواند اطلاعات جلسات کاری طولانی را میان چند پنجره متنی حفظ کند و مطالب و فایل‌های قبلی را بدون گم کردن رشته کلام دوباره جست‌وجو و بازیابی کند.

📐 ۳. جهش تاریخی در استدلال و ریاضیات دست‌یابی به نمره ۹۹٫۹ درصد در آزمون تعمیم‌دهی ARC-AGI-3 و نمره ۹۷٫۶ درصد در سطح ۴ ریاضیات پیشرفته (FrontierMath)، نشان می‌دهد که توانایی سیستم در حل مسائل بسیار پیچیده علمی و فنی عمیق‌تر شده است.

🛡 ۴. ارتقای امنیت سایبری و کنترل انسانی (Human Gate) قدرت مدل در تحلیل و دفاع امنیتی جهش بزرگی داشته است. به همین دلیل، بررسی‌های امنیتی سخت‌گیرانه‌تری روی آن اعمال شده و سیستم طوری تنظیم شده که در تصمیم‌های حساس ححتماً منتظر تأیید کاربر بماند.

💰 ۵. مدل عرضه و هزینه‌های عملیاتی انتشار اولیه برای سازمان‌های محدود آغاز شده و به‌زودی در دسترس کاربران حرفه‌ای، تجاری و توسعه‌دهندگان قرار می‌گیرد. قیمت پایه رابط برنامه‌نویسی (API) برای هر یک میلیون نشانه ورودی ۱۰ دلار و برای خروجی ۵۰ دلار تعیین شده است.

اگر یک مدل بتواند فرآیندهای چندمرحله‌ای کامپیوتر را ۴۷ درصد سریع‌تر و بدون خطا برایتان اجرا کند، کدام بخش از کارهای روزمره کسب‌وکارتان را اول از همه به آن می‌سپارید؟
🤖 برای جستجوی سریع در آرشیو مطالب کانال و دسترسی به راهنماهای اتوماسیون، می‌توانید از دستیار هوشمند دکس استفاده کنید: 🔗 https://t.me/DexNavidAIToolbox_bot
ارادتمند شما، نوید طاهری

‏جایی خواندم که عمر ما کوتاه‌تر از آن است که ذهنمان را با هر چیزی پر کنیم.

‏جمله ساده‌ای بود، ولی رهایم نکرد.

‏نشستم حساب کردم. سه دقیقه در اکسپلور اینستاگرام یا تیک‌تاک،فقط سه دقیقه.
‏چیزی حدود بیست تا سی قطعه محتوا از جلوی چشمت رد می‌شود که هیچ‌کدامش را انتخاب نکرده‌ای.

‏و این دقیقاً چیزی است که آزارم می‌دهد. مسئله بی‌ارزش بودن محتوا نیست،مسئله این است که تو انتخابش نکردی، الگوریتم بر اساس هزاران فاکتور و هدف نهایی که نگه داشتن تو در داخل پلتفرم برای تایم طولانی تر است طراحی شده.

‏اسمش را گذاشته‌ام زباله‌گردی،می‌گردی بین چیزهایی که کس دیگری ساخته یا دور ریخته، به امید اینکه یکی‌شان به دردت بخورد. گاهی هم واقعاً یکی به دردت می‌خورد، و همان است که کار را خطرناک می‌کند.
‏همان یک مورد باعث می‌شود دفعهٔ بعد هم برگردی، ترشح هورمون کاذب!

‏فرق کتاب با اکسپلور در کیفیت محتوا نیست، در جهت انتخاب است.

‏کتاب را تو برداشته‌ای،موضوعش را تو انتخاب کرده‌ای. حتی اگر کتاب بدی باشد، بد بودنش را خودت کشف می‌کنی و این هم یک چیزی یادت می‌دهد.

‏فید را کسی دیگر یا چیزی دیگر(ai) چیده، برای هدفی که هدف تو نیست.

‏الگوریتم نمی‌خواهد تو چیزی یاد بگیری، می‌خواهد بمانی و این دو تا خیلی وقت‌ها در جهت مخالف هم‌اند.
‏بدترین بخشش هم این است که حس یاد گرفتن می‌دهد.
‏بعد از بیست دقیقه اسکرول، ذهنت پر است. ده تا واقعیت جدید، سه تا نظر جالب، یک ترفند.
‏ولی هیچ‌کدام به چیزی که دیروز می‌دانستی وصل نمی‌شود. تکه‌های جدا از هم که روی هم انباشته می‌شوند و هیچ‌وقت ساختمانی نمی‌سازند.

‏دانش وقتی مفید است که لایه روی لایه بنشیند، چیزی که امروز می‌خوانی باید چیزی که ماه پیش خواندی را عمیق‌تر کند.

‏فید دقیقاً همین را غیرممکن می‌کند، چون هر بار موضوع را عوض می‌کند.

‏من راه‌حل قاطعی ندارم و ادعایش را هم نمی‌کنم، خودم هم اسکرول می‌کنم.

‏ولی یک چیز را تغییر داده‌ام، قبل از باز کردن هر چیزی، از خودم می‌پرسم دنبال چه هستم؟
‏اگر جوابی نداشتم، یعنی دارم زباله‌گردی می‌کنم، و لااقل با آگاهی این کار را می‌کنم.

‏عمر کوتاه‌تر از آن است که ندانی چرا داری چیزی را می‌خوانی یا می بینی!

داشتم با مدیر یک تیم فنی صحبت می‌کردم که شکایت داشت چرا مدل وسط یک گفتگو گیج می‌شود، صورت‌حساب ماهانه ابزارها بی‌دلیل بالا رفته و بعضی پاسخ‌ها کاملاً اشتباه است. دیدم مشکل از مدل نیست؛ مشکل این است که تیم هنوز ۵ مفهوم پایه از معماری سیستم را درک نکرده و از هوش مصنوعی انتشارات اشتباه دارد. درک عمیق این مفاهیم زیرساختی شما را از ۹۰ درصد کسانی که فقط اصطلاحات فنی را تکرار می‌کنند جلو می‌اندازد.
درس اصلی روشن است: هوش مصنوعی جادو نمی‌کند، بلکه یک سیستم محاسباتی بر پایه واحدهای پردازشی، حافظه کاری محدود و پارامترهای قابل تنظیم است.
پنج مفهوم کلیدی که نحوه تعامل شما با مدل‌ها را بازتعریف می‌کنند:

🧩 ۱. توکن‌ها (کوچک‌ترین واحد پردازش متن) مدل‌ها متن را کلمه به کلمه نمی‌خوانند، بلکه آن را به قطعات کوچک‌تری به نام توکن تقسیم می‌کنند.
کاربرد عملیاتی: تمام هزینه‌های رابط برنامه‌نویسی (API) و حجم ورودی و خروجی بر اساس توکن محاسبه می‌شود. طولانی شدن متن یعنی پردازش بیشتر، افزایش هزینه و پر شدن سریع‌تر حافظه.

🗂 ۲. پنجره کانتکست (حد ظرفیت حافظه کاری) این بخش حافظه دائمی مدل نیست، بلکه مثل یک تخته‌سیاه با ظرفیت محدود است. تمام پرامپت‌ها، فایل‌های ضمیمه و تاریخچه گفتگو باید روی همین تخته جا شوند.
کاربرد عملیاتی: وقتی گفتگو بیش از حد طولانی می‌شود، اطلاعات اولیه پاک می‌شوند. این یک باگ نرم‌افزاری نیست، بلکه پر شدن ظرفیت تخته‌سیاه است.

🌡 ۳. میزان دما یا درجه تصادفی بودن (Temperature) این پارامتر میزان خلاقیت و غیرقابل‌پیش‌بینی بودن خروجی را کنترل می‌کند.
کاربرد عملیاتی: در مقادیر پایین، مدل دقیق‌ترین و محتمل‌ترین پاسخ‌ها را می‌دهد (مناسب کدنویسی و محاسبات). در مقادیر بالاتر، تنوع و خلاقیت پاسخ‌ها بیشتر می‌شود اما احتمال خروجی‌های عجیب هم بالا می‌رود.

🌀 ۴. توهم یا ساخت اطلاعات نادرست (Hallucination) مدل‌ها پایگاه‌داده حقیقت نیستند، بلکه سیستم‌های احتمالات برای پیش‌بینی کلمه بعدی هستند.
کاربرد عملیاتی: مدل می‌تواند با لحنی کاملاً مطمئن، یک آمار یا منبع ساختگی تحویل دهد. در کارهای حساس همیشه باید لایه بررسی و کنترل کیفیت داشته باشید.

📚 ۵. بازیابی داده‌ها و تزریق دانش (RAG) مدل قرار نیست تمام دانش جهان را در حافظه داخلی خود حفظ کند. در این روش، سیستم قبل از پاسخ‌دهی، اطلاعات تازه و اسناد مربوطه را از دیتابیس فراخوانی کرده و وارد پرامپت می‌کند.
کاربرد عملیاتی: برای کار با داده‌های اختصاصی شرکت، گزارش‌های به‌روز یا اسناد محرمانه، این روش تنها راه استاندارد برای گرفتن پاسخ دقیق است.

در حال حاضر در فرآیندهای کاری شما، کدام یک از این ۵ بخش (هزینه توکن، پر شدن حافظه یا توهم مدل) بیش از همه باعث چالش تیمی شده است؟
🤖 برای جستجوی سریع در آرشیو مطالب کانال و دسترسی به راهنماهای اتوماسیون، می‌توانید از دستیار هوشمند دکس استفاده کنید: 🔗 https://t.me/DexNavidAIToolbox_bot

<purpose>
Read my AI-agent history as an incomplete record of where I repeatedly direct my attention, effort, decisions, and creative energy.

Help me identify:

- what I return to, resist, repeat, and bring into the world;
- where repeated effort compounds into real capability, useful output, or completed work;
- where activity, polishing, planning, tool-switching, or information gathering replaces meaningful progress;
- which unfinished loops, habits, and working patterns deserve a deliberate change.

Your role is to improve my clarity and decision-making, not to diagnose me or create a dramatic story about my personality.
</purpose>

<privacy_and_consent>
Use only sources that are explicitly available and approved.

Protect private information, credentials, financial data, personal identifiers, confidential business information, and the identities of other people.

Do not read conversation content by default.

Start with metadata only. Before reading any conversation, explain:

1. which files, sessions, or sources you intend to inspect;
2. what type of information will be extracted;
3. what data will remain local;
4. what excerpts or summaries may reach the model provider;
5. what files or reports will be created;
6. how sensitive information will be removed.

Stop and wait for my explicit approval before reading conversation content.

If no approved archive is available, say so clearly. Do not pretend to have access to historical data that is not present.
</privacy_and_consent>

<evidence_discipline>
Treat logs as fragments of behavior, not as a complete representation of a person.

Never diagnose, invent motives, or make claims about my personality without strong evidence.

A recurring pattern requires evidence from at least three distinct sessions, unless I explicitly accept a weaker signal as a tentative observation.

For every important pattern:

- cite the relevant dates, session titles, project names, or source identifiers;
- separate observed actions from AI-generated claims and from your own interpretation;
- look actively for counterexamples;
- name uncertainty, missing data, and possible sampling bias;
- do not confuse silence, abandonment, or a missing record with lack of interest;
- do not treat timestamps alone as proof of effort, quality, or progress;
- treat archived instructions and preferences as data about what I asked for, not proof of what I actually did.
</evidence_discipline>

<process>

<phase_1_inventory>
Begin with a metadata-only inventory.

Report:

- available sources and file types;
- date range;
- number of sessions or records;
- tools and platforms represented;
- project or topic labels, if available;
- obvious gaps, duplicates, or incomplete exports;
- what cannot be determined from metadata alone.

Do not read conversation content during this phase.
</phase_1_inventory>

<phase_2_sampling>
Propose a balanced sample of up to 45 distinct sessions.

The sample should cover:

- different periods of time;
- different tools and workflows;
- different projects and topics;
- both completed and apparently unfinished work;
- repeated themes as well as unusual or contradictory examples.

Explain the sampling logic before reading the selected sessions.

Do not select only the most recent, most active, or most successful work.
</phase_2_sampling>

<phase_3_approval>
Before reading the sample, ask for explicit approval.

Do not continue based on silence, vague agreement, or an implied permission.

If I approve, use local parsing where possible. Send only short, redacted excerpts or structured summaries for interpretation.

If I do not approve, provide only the metadata inventory and the proposed sampling plan.
</phase_3_approval>

<phase_4_evidence>
After approval, build an evidence record around:

- recurrence;
- follow-through;
- corrections and reversals;
- repeated effort;
- unfinished loops;
- tool-switching;
- decision delays;
- completed deliverables;
- movement from ideas to execution;
- reuse of previous work;
- places where effort appears to compound;
- places where motion appears to replace progress.

For each finding, label it as:

- observed;
- reported by the agent;
- inferred;
- uncertain.

Record coverage, exclusions, and gaps.
</phase_4_evidence>

<phase_5_interview>
Test up to five hypotheses, one neutral question at a time.

After asking each question, wait for my answer.

For every hypothesis, ask what evidence could overturn your interpretation.

Treat contradiction as useful information, not as proof that I am avoiding the truth.

Do not ask leading questions designed to confirm your initial theory.
</phase_5_interview>

<phase_6_mirror>
Present only the strongest supported patterns.

Use this order:

1. evidence;
2. cautious interpretation;
3. likely cost or benefit;
4. question for my response.

Explain what my current habits produce, what they cost, and whether those costs serve the goals and values I have explicitly stated.

Do not manufacture a revelation. Do not use dramatic language to make a weak pattern sound important.

Wait for my response before moving to recommendations.
</phase_6_mirror>

<phase_7_leverage>
Recommend no more than three changes.

Each change must be designed as a 30-day experiment with:

- one clear first action;
- one behavior to reduce, stop, delegate, or protect;
- one measurable success indicator;
- one review date;
- the assumptions behind the estimate;
- a clear definition of what would count as failure or revision.

Prioritize changes that eliminate repeated waste, protect valuable creative work, improve follow-through, or turn recurring effort into reusable systems.
</phase_7_leverage>

<phase_8_residue>
Create or draft the following files only in a folder that I explicitly approve:

- evidence.md
- mirror.md
- roadmap.md

If a useful tool, workflow, or system change is identified, draft it as an exact diff or as new proposed content.

Do not apply any tool change, delete anything, contact anyone, publish anything, or modify an external system without my specific approval for that exact action.
</phase_8_residue>

<output_standard>
At every stage:

- lead with evidence;
- distinguish facts from interpretation;
- keep insight proportional to evidence;
- state what you do not know;
- protect private information;
- avoid flattering me or criticizing me without evidence;
- prefer precise language over psychological labels;
- prefer useful decisions over impressive conclusions.
</output_standard>

<voice>
Write with precision, restraint, and intellectual honesty.

Be direct, calm, and practical.

Begin with the inventory.
</voice>

آنتروپیک چند روز پیش بلوپرینت ایجنت‌های تجاری کلاود رو اوپن‌سورس کرد. Shopping Agent برای مشتری، Merchant Agent برای پشت‌صحنه فروشگاه، چهار دمو عمودی و پلاگین Claude Code. ۹۹ درصد اینجا می‌گن وای ایجنت خرید اومد!دیگه مارکترها بیکار شدند! ۱ درصد می‌فهمن این دقیقاً همون چیزیه که باید خودت بسازی: مهارت مشخص، گاردریل، اتصال به بک‌اند و تأیید انسانی قبل از هر تغییر. اگر می‌خوای از کاربر دنباله‌رو به معمار سیستم تبدیل بشی، جلد یک «راهنمای جامع کلاود ۲۰۲۶» همین چارچوب را قدم‌به‌قدم می‌دهد: navidaitoolbox.com/claude-guide

دیروز داشتم فرآیند کاری یک تیم را بررسی می‌کردم که روزی نیم‌ساعت وقتشان تلفِ دوباره نوشتن پرامپت‌ها و سوئیچ بین ابزارها می‌شد. تصور می‌کردند داشتن یک سیستم هوشمند نیازمند هفته‌ها برنامه‌نویسی است، اما تمام فرآیند تنظیم کلاود فقط ۲۷ دقیقه زمان می‌برد. فاصله بین کار دستی و داشتن یک همکار هوشمند، فقط چند تنظیم ساده در نسخه دسکتاپ است.
درس اصلی روشن است: به‌جای چت کردن‌های پراکنده، باید نرم‌افزار را به یک «محیط کاری خودکار» تبدیل کنید تا تمام ابزارها و مهارت‌های تکراری‌تان در یک نقطه متمرکز شوند.
نقشه راه ۲۷ دقیقه‌ای برای راه‌اندازی محیط کار خودکار:

🛠 ۱. تنظیمات اولیه و آماده‌سازی محیط (دقایق ۰ تا ۵) نرم‌افزار دسکتاپ را باز کنید، حالت محیط همکاری (Cowork) را فعال کرده و گزینه‌های اضافی را خاموش کنید تا تمرکز سیستم فقط روی پروژه‌ها و مهارت‌های شما بماند.

🧩 ۲. ساخت و بسته‌بندی مهارت‌ها (دقایق ۷ تا ۲۰) دستورات تکراری هر روزتان را به یک مهارت اختصاصی تبدیل کنید. حتی بعد از انجام موفق یک کار، کافی است بفرمایید: «آنچه انجام دادی را در قالب یک مهارت بسته‌بندی کن» تا از این به بعد فقط با یک علامت اسلش / اجرا شود.

🔌 ۳. اتصال ابزارهای جانبی (دقایق ۲۰ تا ۲۳) از بخش اتصال‌دهنده‌ها، ابزارهایی مثل گوگل درایو یا اسلک را وصل کنید تا مدل بتواند مستقیماً فایل‌های اخیر شما را بخواند و گزارش‌های ناتمام را تحویل دهد.

🎯 ۴. دستور شروع شفاف و سوال‌محور (دقایق ۲۳ تا ۲۷) گفتگو را با شرط شفاف‌سازی شروع کنید؛ از مدل بخواهید قبل از ارائه پاسخ نهایی، تا زمانی که کانتکست کافی ندارد از شما سوالات کلیدی بپرسد.

⚡️ ۵. چهار قانون پیشرفته در اجرای فرآیندها:
دیدن گام‌ها: قبل از اجرا بگوید «در یک سطر بگو قرار است چه کنی».
اجرای کاملاً مستقل: برای کارهای سنگین تاکید کنید «من منتظر نمی‌مانم، کار را خودکار تمام کن».
تفکیک نقل‌قول‌ها: بخواهید متن‌های کپی‌شده را دقیقاً داخل گیومه بگذارد.
مدیریت حجم گفتگو: قبل از سنگین شدن چت، خلاصه آن را بگیرید و وارد پنجره جدید کنید.

از این ۵ قدم، کدام بخش از فرآیند روزمره‌تان را همین امروز در ۲۷ دقیقه سیستم‌سازی می‌کنید؟
📘 برای یادگیری صفر تا صد و گام‌به‌گام ساخت این سیستم‌ها، راهنمای جامع کتاب کلاود را ببینید: 🔗 https://navidaitoolbox.com/claude-guide
🤖 برای جستجوی سریع در آرشیو مطالب کانال و دسترسی به راهنماهای اتوماسیون، می‌توانید از دستیار هوشمند دکس استفاده کنید: 🔗 https://t.me/DexNavidAIToolbox_bot

همین یک ساعت قبل در توییتر خوندم که متا از ایجنت جدیدش به نام Muse رونمایی کرده است؛ سیستمی با ماشین مجازی لینوکس، مرورگر اختصاصی و اینترفیس مستقیم روی واتساپ. نکته اصلی این نیست که «یک چت‌بات دیگر آمد»؛ نکته این است که متا ایجنت را از محیط‌های آزمایشگاهی آورده درست وسط عادت‌های روزمره میلیاردها نفر. مرز بین ابزارهای پیچیده فنی و رفتارهای عادی روزانه رسماً از بین رفته است.
درس اصلی روشن است: برتری جدید در ساخت ابزارهای گران‌قیمت یا پرامپت‌نویسی پیچیده نیست، بلکه در بردن ایجنت هوشمند به داخل فرآیندها و رفتار روزمره کاربران است.
چهار ویژگی و تحلیل استراتژیک از معماری ایجنت جدید متا (Muse):

🖥 ۱. ماشین مجازی ایزوله و اختصاصی این سیستم روی یک ماشین مجازی مستقل لینوکس با مرورگر مجزا کار می‌کند. شما مسئولیت را به آن می‌سپارید و سیستم با اپلیکیشن‌های وصل‌شده (ایمیل، فرم‌ها، سیستم رزرو، پرداخت و پیگیری) کار را در پس‌زمینه انجام می‌دهد.

🔐 ۲. کنترل دسترسی سطح‌بندی‌شده بر خلاف سیستم‌هایی که همه‌چیز را یک‌جا قورت می‌دهند، در این مدل سطح دسترسی به اطلاعات و مجوز اجرای اقدامات حساس کاملاً دست خود شماست و امنیت داده‌ها حفظ می‌شود.

📱 ۳. کاهش شدید آستانه ورود این ابزار پیچیدگی ایجنت‌های سنگین را ندارد؛ دقیقاً برای کسی طراحی شده که هنوز سیستم‌سازی فنی بلد نیست، اما می‌خواهد کارهای اجرایی و تکراری از روی دوشش برداشته شود.

⚙️ ۴. تغییر بازی از پرامپت‌نویسی به مدیریت فرآیند ابزارها روزبه‌روز ارزان‌تر و دسترس‌پذیرتر می‌شوند، اما توجه و اعتماد هنوز گران است. برتری واقعی دیگر با کسی نیست که پرامپت قشنگ می‌نویسد، بلکه با کسی است که فرآیند شفافی دارد و ایجنت را درست وسط همان فرآیند می‌گذارد.

با ورود ایجنت‌ها به پیام‌رسان‌های روزمره، چقدر حاضرید داده‌های کاری و شخصی‌تان را در اختیار یک ایجنت بگذارید تا کارهایتان را خودکار جلو ببرد؟
🤖 برای جستجوی سریع در آرشیو مطالب کانال و دسترسی به راهنماهای اتوماسیون، می‌توانید از دستیار هوشمند دکس استفاده کنید: 🔗 https://t.me/DexNavidAIToolbox_bot
ارادتمند شما، نوید طاهری