هر موضوع پیچیده‌ای را با هوش مصنوعی مثل یک نقشه ذهنی یاد بگیرید

🎓 اگر هنگام یادگیری یک موضوع، توضیحات طولانی و پشت ‌سرهم باعث می‌شوند ارتباط بین مفاهیم را گم کنید، این پرامپت می‌تواند روش ارائه مطالب توسط هوش مصنوعی را کاملاً تغییر دهد.
به جای اینکه هوش مصنوعی فقط چند پاراگراف توضیح بنویسد، از آن خواسته می‌شود موضوع را به شکل یک وایت‌برد متنی و بصری آموزش دهد.

کافی است در بخش [TOPIC] موضوع مورد نظر را قرار دهید و پرامپت را در هوش مصنوعی اجرا کنید.

⬜️ پرامپت:

Explain [TOPIC] using a highly structured visual-thinking approach that makes complex ideas easy to understand, remember, and mentally visualize. Break the topic into clear sections using text-based diagrams, flowcharts, layered frameworks, timelines, systems maps, comparisons, mental models, and step-by-step structures wherever relevant. Instead of giving only paragraphs of explanation, organize the information like a visual blueprint in written form showing how concepts connect, influence each other, and build progressively from simple foundations to advanced understanding. Use arrows, hierarchies, categories, and cause-and-effect relationships to simulate visual learning inside text. Prioritize clarity, intuitive understanding, and pattern recognition over jargon-heavy explanations. For abstract concepts, create analogies or real-world visual metaphors that make the idea easier to “see” mentally. If processes are involved, explain them like a flowchart with sequential stages and feedback loops. If systems are involved, explain inputs, outputs, dependencies, and interactions between components. Use concise labels, structured formatting, and visual spacing so the explanation feels like studying an interactive whiteboard rather than reading an essay. End with a simplified “mental snapshot” summary that compresses the entire topic into one easy-to-remember framework or visual scene I can instantly recall later.

هوش مصنوعی در صورت نیاز از فلوچارت، سلسله‌ مراتب، مقایسه، روابط علت و معلولی، مراحل زمانی و مدل‌های ذهنی استفاده می‌کند تا مشخص شود هر بخش چه ارتباطی با بخش‌های دیگر دارد.
بخش جذاب پرامپت هم پایان آن است. هوش مصنوعی در انتها یک Mental Snapshot یا «تصویر ذهنی خلاصه» می‌سازد تا کل موضوع در قالب یک چارچوب ساده‌تر در ذهن باقی بماند.

📌 این پرامپت مخصوصاً برای یادگیری مفاهیم فنی، مطالعه دروس، فهم مدل‌های کسب‌ و کار و موضوعاتی که اجزای زیادی به یکدیگر وابسته‌اند، کاربردی است.

✅ برای آموزش‌های بیشتر ما را در شبکه‌های اجتماعی دنبال کنید.

🌐وب‌سایت
📱تلگرام
📱اینستاگرام
📱یوتیوب

آکادمی هوش مصنوعی تورینگ
@TuringAcademyAI

یک محتوا بدهید، برای ۴ پلتفرم محتوای اختصاصی تحویل بگیرید!

🎓 اگر یک مقاله، پست وبلاگ یا اسکریپت ویدیو دارید، لازم نیست برای هر شبکه اجتماعی دوباره از صفر محتوا تولید کنید.
با این پرامپت می‌توانید محتوای اصلی را به چند فرمت مختلف تبدیل کنید، با این تفاوت که خروجی هر پلتفرم متناسب با لحن، مخاطب و ساختار همان شبکه اجتماعی نوشته می‌شود، نه اینکه صرفاً همان متن کپی شود.

⬜️ پرامپت:

I have a piece of content. Please repurpose it into the following formats, ensuring that each piece feels authentic to its respective platform, rather than a mere copy-paste. First, create a Twitter/X thread consisting of 8-12 tweets, each with engaging hooks to capture attention and encourage engagement. Then, turn the content into a LinkedIn post with a professional tone, using a storytelling approach that resonates with LinkedIn's business-focused audience. Next, write an Instagram caption that is casual and conversational, incorporating emojis to make the post more relatable and fun, and include a clear CTA to encourage interaction. After that, develop 3 short-form video script ideas (under 60 seconds each), which are designed to be snappy, engaging, and ideal for platforms like TikTok or Instagram Reels. Each piece should be tailored to its platform’s style and audience, capturing the essence of the original content while making it feel native to its medium.

[paste your blog post, video script, or article]

📌 کافی است در بخش [paste your blog post, video script, or article] محتوای اصلی را قرار دهید.

✅ هوش مصنوعی از همان محتوا برایتان موارد زیر را آماده می‌کند:
• یک رشته‌توییت ۸ تا ۱۲ قسمتی برای X
• یک پست حرفه‌ای و داستان‌محور برای LinkedIn
• یک کپشن صمیمی همراه CTA برای Instagram
• سه ایده اسکریپت زیر ۶۰ ثانیه برای Reels یا TikTok

⚡ مزیت اصلی این روش Content Repurposing یا «بازآفرینی محتوا» است. یعنی به جای انتشار یک متن یکسان در همه‌جا، ایده اصلی حفظ می‌شود اما نحوه ارائه آن برای هر پلتفرم تغییر می‌کند.
به این ترتیب یک محتوای خوب می‌تواند به‌ جای یک بار، چندین بار و در کانال‌های مختلف استفاده شود.

✅ برای آموزش‌های بیشتر ما را در شبکه‌های اجتماعی دنبال کنید.

🌐وب‌سایت
📱تلگرام
📱اینستاگرام
📱یوتیوب

آکادمی هوش مصنوعی تورینگ
@TuringAcademyAI

در ۱۵ ثانیه یک آموزش آشپزی انیمیشنی بسازید!😁

🎓 اگر قصد دارید ویدیوهای آموزش آشپزی متفاوت و چشم‌نواز با هوش مصنوعی تولید کنید، این پرامپت یک نمونه جذاب برای ساخت آموزش پخت لازانیا در قالب انیمیشن سه‌بعدی سینمایی است.🧐

🔴کافی است به 💎 PerPixai.ir 💎 برید و مدل Seedance 2 را انتخاب کنید و پرامپت زیر را بدید، اندازه تصویر را 9:16 و مدت ویدیو را 15 ثانیه بذارید.

😁کمی بعد ویدیوی شما آماده است و تمام. ✅

⬜️ پرامپت:

Create one 15-second vertical 9:16 animated cooking video in a Pixar-style 3D cinematic look, with a warm, colorful family-friendly kitchen, expressive food animation, soft golden lighting, stylized but believable motion, shallow depth of field, rich textures, appetizing food close-ups, no text, no subtitles, no watermark.

Concept: a fast, visually satisfying cooking tutorial showing how to make lasagna in a clear step-by-step way. No dialogue. Use only natural kitchen sound design: chopping, sizzling, boiling, sauce pouring, oven door, bubbling cheese, and a soft satisfying finish.

Shot list and timing:

0.0–1.5s — Extreme close-up: finely chopped onions fall into a hot pan with olive oil. Immediate sizzling, small steam puffs, lively motion.

1.5–3.0s — Close-up: ground beef is added and stirred quickly with a wooden spoon. The meat browns as the camera makes a subtle cinematic push-in.

3.0–4.5s — Top-down close-up: rich tomato sauce is poured over the cooked beef. The sauce spreads beautifully, glossy and thick, with visible steam.

4.5–6.0s — Macro shot: lasagna sheets soften in boiling water. One sheet is lifted gently with tongs, dripping water in slow motion.

6.0–7.5s — Close-up of a baking dish: a layer of red meat sauce is spread smoothly across the bottom.

7.5–9.0s — Fast rhythmic overhead assembly: lasagna sheet, meat sauce, creamy béchamel, shredded cheese. Repeat visually as quick layering beats.

9.0–10.5s — Hero close-up: the final layer is covered generously with shredded mozzarella and a little parmesan. Cheese falls in a satisfying cascade.

10.5–12.0s — Smooth transition shot: the dish slides into the oven. The oven door closes and creates a time-jump transition.

12.0–13.5s — Extreme close-up: the baked lasagna comes out golden and bubbling, with toasted cheese on top and delicious steam rising.

13.5–15.0s — Final hero shot: a perfect square slice is lifted from the tray, showing distinct layers and a dramatic cheese pull. End on a beautiful appetizing frame.

Style notes: premium animated feature quality, playful and heartwarming tone, clean cinematic composition, smooth camera motion, highly appetizing food detail, clear visual storytelling so the cooking process is understandable even without narration.

PerPixai.ir ✅

📌 ساختار این پرامپت فقط مخصوص لازانیا نیست. می‌توانید نام غذا، مواد اولیه، مراحل پخت و شات‌های زمانی را تغییر دهید و با همین الگو ویدیوهای دیگری مثل پیتزا، برگر، پاستا، کیک یا حتی غذاهای ایرانی بسازید. 😎

✅ برای آموزش‌های بیشتر ما را در شبکه‌های اجتماعی دنبال کنید.

🌐وب‌سایت
📱تلگرام
📱اینستاگرام
📱یوتیوب

آکادمی هوش مصنوعی تورینگ
@TuringAcademyAI

چطور Claude را برای کارهای تخصصی حرفه‌ای‌تر کنیم؟

🎓 اگر از Claude استفاده می‌کنید، سایت Some Claude Skills یک کتابخانه بزرگ از Skillهای آماده است که می‌توانید به Claude اضافه کنید تا برای کارهای تخصصی، دستورالعمل و دانش ساختاریافته‌تری داشته باشد.

در زمان بررسی، سایت بیش از ۱۸۰ Skill رایگان و متن‌باز در حوزه‌هایی مثل هوش مصنوعی، برنامه‌نویسی، طراحی، تولید محتوا، تحقیق، اتوماسیون، امنیت و تحلیل داده ارائه می‌کند. این پروژه تحت لایسنس MIT منتشر شده و یک پروژه شخص ثالث است، نه کتابخانه رسمی Anthropic.

🔗 آدرس سایت
someclaudeskills.com/skills

❓ اصلاً Claude Skill چیست؟
‏Skill را می‌توان مثل یک بسته دستورالعمل تخصصی برای Claude در نظر گرفت.
فرض کنید معمولاً به Claude می‌گویید:

پرامپت من را بهتر کن.

مدل خودش باید حدس بزند دقیقاً با چه روش و استانداردی این کار را انجام دهد.
اما اگر Skill مخصوص Prompt Engineer داشته باشید، Claude یک دستورالعمل از قبل آماده دارد که مشخص می‌کند چطور پرامپت را تحلیل کند، ابهام‌ها را پیدا کند، محدودیت‌ها را اصلاح کند و ... تا پرامپت را دوباره بهینه کند

🔻 مرحله ۱: پیدا کردن Skill مناسب
وارد بخش Skills شوید.
بالای صفحه یک Search وجود دارد و می‌توانید Skillها را بر اساس موضوع جستجو کنید.
مثل Prompt، Video، Automation و ...

سایت همچنین Tag و فیلترهایی مثل React، Automation، Accessibility، Documentation، Testing، Security و Optimization دارد.
روی هر Skill توضیح کوتاهی نوشته شده که نشان می‌دهد آن Skill دقیقاً برای چه کاری ساخته شده است.

🟢 مثلاً Prompt Engineer برای طراحی و بهینه‌سازی پرامپت، System Prompt و دستورالعمل Agentها ساخته شده است.

🔻 مرحله ۲: ساده‌ترین روش نصب در Claude Code
اگر از Claude Code استفاده می‌کنید، خود سایت Marketplace مخصوص Claude Code دارد.
ابتدا فقط یک بار Marketplace را اضافه کنید:

/plugin marketplace add erichowens/some_claude_skills

بعد می‌توانید Skill دلخواه را نصب کنید:

/plugin install skill-name@some-claude-skills

❤️ به جای skill-name باید نام Skill موردنظر قرار بگیرد.

خود سایت برای Skillها گزینه Quick Install / Get هم قرار داده تا دستور دقیق نصب را دریافت کنید.

🔻 مرحله ۳: بعد از نصب چطور از Skill استفاده کنیم؟
نکته مهم اینجاست، Skill مثل یک برنامه جداگانه نیست که همیشه لازم باشد آن را باز کنید.
‏Skill در واقع دانش و Workflow اضافه ‌شده به Agent است.
وقتی کاری مرتبط با Skill انجام دهید، Claude می‌تواند آن دستورالعمل‌ها را وارد Context کند.

🟢 برای مثال فرض کنیم Skill مربوط به Prompt Engineer را نصب کرده‌ایم.
در این حالت Skill به Claude یک چهارچوب تخصصی‌تر برای تحلیل و اصلاح پرامپت می‌دهد.
یعنی Skill قرار نیست جای Prompt شما را بگیرد؛ بلکه نحوه انجام Prompt شما را حرفه‌ای‌تر می‌کند.

💛 اگر Claude Code نداریم چه؟
فایل‌های Skill فقط محدود به Claude Code نیستند. مستندات خود پروژه چند روش دیگر هم پیشنهاد می‌کند.

🔺 روش اول: استفاده دستی
محتوای Skill را کپی کنید و در ابتدای Conversation به Claude بدهید.
یعنی Skill عملاً تبدیل می‌شود به Context یا دستورالعمل اولیه مدل.

✔️ این روش برای تست کردن یک Skill قبل از نصب هم مناسب است.

🔺روش دوم: Claude Projects
می‌توانید در Claude یک Project ایجاد کنید و فایل‌های Skill موردنیاز را داخل Knowledge پروژه قرار دهید.
حالا گفتگوهای داخل آن Project می‌توانند از همان دانش و دستورالعمل‌ها استفاده کنند.

🟡 این روش در مستندات سایت به‌عنوان یکی از روش‌های پیشنهادی معرفی شده است.

🔺 روش سوم: استفاده در API
اگر با Claude API برنامه می‌سازید، می‌توانید محتوای Skill را به عنوان بخشی از Custom Instructions یا System Instructions وارد Pipeline خود کنید.
این روش برای ساخت Agentهای تخصصی خیلی کاربردی‌تر است.

✅ ارزش واقعی Skillها زمانی مشخص می‌شود که یک کار را بارها انجام می‌دهید و می‌خواهید Claude هر بار طبق یک استاندارد و Workflow مشخص جلو برود.
برای همین اگر از Claude Code، Agentها یا Workflowهای هوش مصنوعی استفاده می‌کنید، این سایت می‌تواند یکی از منابع خیلی خوب برای یادگیری ساختار Skillها و پیدا کردن نمونه‌های آماده باشد.

✅ برای آموزش‌های بیشتر ما را در شبکه‌های اجتماعی دنبال کنید.

🌐وب‌سایت
📱تلگرام
📱اینستاگرام
📱یوتیوب

آکادمی هوش مصنوعی تورینگ
@TuringAcademyAI

روش Loop Method

🎓 اگر یک کار تکراری را با ChatGPT انجام می‌دهید اما خروجی‌ها همیشه یکدست نیستند، این روش می‌تواند خیلی کمک ‌کننده باشد. یعنی بجای اینکه فقط یک‌بار از ChatGPT بخواهیم یک Workflow را بهتر کند، آن را وارد چند دور بازبینی و اصلاح می‌کنیم تا ضعف‌هایش مرحله‌ به‌ مرحله پیدا شوند.

✅ این روش را می‌توانید برای کارهایی مثل تولید تصویر، ادیت ویدیو، تولید محتوا، تحقیق، کدنویسی یا تقریباً هر فرآیند تکراری دیگری استفاده کنید.

🔺 اول Workflow مشکل‌دار را پیدا کنید
وارد ChatGPT Work شوید و یکی از فرآیندهایی را انتخاب کنید که نتیجه‌اش همیشه قابل پیش‌بینی نیست.
مثلاً یک پروژه که دستورالعمل‌هایش هنوز دقیق نیست یا یک فرآیند تولید محتوا که مجبورید هر بار دستی اصلاحش کنید.

🔺 از ChatGPT بخواهید Workflow را در چند Loop اصلاح کند
❌ حالا بجای یک درخواست ساده مثل:

Improve this workflow

✅ از یک دستور ساختاریافته‌تر استفاده کنید:

Improve this workflow in 3 loops.

Have a panel of sub-agents adversarially review each loop.

Done when:
[definition of done]

بخش مهم این پرامپت، عبارت Definition of Done است.
یعنی باید دقیقاً مشخص کنید چه زمانی فرآیند را «به ‌اندازه کافی خوب» می‌دانید.

مثلاً برای یک دستور تولید تصویر:

Done when:
- character identity is preserved consistently
- prompts contain no contradictory instructions
- output structure is reusable
- all important visual details are explicitly defined

این کار باعث می‌شود ChatGPT فقط نگوید «بهترش کردم»، بلکه یک معیار مشخص برای پایان کار داشته باشد.

🔺 یک کار واقعی به Workflow بدهید
بعد از تعریف فرآیند، با دستور /goal یک خروجی واقعی برای آن مشخص کنید.
مثلاً اگر Workflow شما مربوط به تولید ویدیوی تبلیغاتی است، Goal می‌تواند این باشد:

Create a complete 15-second vertical AI video workflow for a toothpaste advertisement.

حالا ChatGPT فرآیند را اجرا می‌کند و در هر Loop خروجی قبلی را بررسی و اصلاح می‌کند.

🔹 ساختار کار تقریباً به این شکل می‌شود:
‏Loop 1: ساخت نسخه اولیه
‏↓
بررسی: پیدا کردن ضعف‌ها و ابهام‌ها
‏↓
‏Loop 2: اصلاح Workflow
‏↓
برررسی دوباره
‏↓
‏Loop 3: نسخه نهایی و پایدارتر

✔️ ایده اصلی این است که هر Loop فقط تکرار قبلی نباشد؛ بلکه مشکلات دور قبل را برطرف کند.

🔺 نسخه جدید را با یک مثال واقعی تست کنید
بعد از پایان سه Loop، Workflow را روی چند درخواست واقعی اجرا کنید.
مثلاً اگر Workflow برای تولید پرامپت تصویر ساخته شده، فقط یک تصویر تست نکنید. چند سناریوی متفاوت امتحان کنید تا مشخص شود آیا فرآیند واقعاً پایدار شده یا فقط روی یک مثال خوب جواب داده است.

🔴 اگر هنوز برای بعضی قسمت‌ها مجبورید هر بار توضیح دستی بدهید، احتمالاً آن بخش هنوز مبهم است.

🔺 کارهای مبهم را تبدیل به قانون یا Script کنید
اینجا یک نکته مهم وجود دارد.
هر چه یک Workflow بیشتر به تصمیم‌گیری آزاد مدل وابسته باشد، احتمال تغییر نتیجه بیشتر می‌شود.
اگر بخشی از کار همیشه باید طبق یک قانون مشخص انجام شود، بهتر است آن را از یک دستور مبهم به یک Rule یا Script تبدیل کنید.

❌ مثلاً بجای:

Choose a good filename.

✅ می‌توانید یک قانون دقیق داشته باشید:

Filename format:
project_topic_version_date

یا اگر فرآیند برنامه‌نویسی است، از Codex بخواهید بخش‌هایی که نیاز به تفسیر ندارند را به Script تبدیل کند.

✅ برای آموزش‌های بیشتر ما را در شبکه‌های اجتماعی دنبال کنید.

🌐وب‌سایت
📱تلگرام
📱اینستاگرام
📱یوتیوب

آکادمی هوش مصنوعی تورینگ
@TuringAcademyAI

شاید مشکل پرامپت شما کمبود جزئیات نباشد، بلکه جزئیات اشتباه باشد!

📄 وقتی گفته می‌شود برای هوش مصنوعی «دقیق» بنویسید، دو نوع دقت وجود دارد،

🟡 دقیق بودن درباره مسیر
یعنی مرحله ‌به‌ مرحله مشخص شود هوش مصنوعی چه کاری انجام دهد.

🟡 دقیق بودن درباره نتیجه
یعنی کاملاً مشخص شود چه خروجی‌ای، تا چه زمانی و با چه محدودیت‌هایی نیاز است، اما انتخاب مسیر به هوش مصنوعی سپرده شود.

اگر تمام مراحل از قبل تعیین شوند، هوش مصنوعی عملاً در چارچوب همان راه‌ حل فکر می‌کند. اما اگر نتیجه مطلوب دقیق تعریف شود و از هوش مصنوعی خواسته شود چند مسیر مختلف پیشنهاد دهد، ممکن است گزینه‌هایی مطرح شوند که اصلاً به ذهن کاربر نرسیده‌اند.

❌ مثلاً بجای:

«۵ ایده برای Lead Magnet پیشنهاد بده»

✅ می‌توان گفت:

«هدف این است که طی ۹۰ روز ثبت‌نام‌ها دو برابر شوند. این هم وضعیت فعلی و منابع ورودی کاربران. چه مسیرهایی برای رسیدن به این هدف وجود دارد و مزایا و معایب هرکدام چیست؟»

این رویکرد را می‌توان Outcome-First Prompting یا «پرامپت‌نویسی نتیجه ‌محور» نامید.

🤯 فرمول آن ساده‌ست:
هدف + زمان + شرایط و محدودیت‌ها + درخواست چند مسیر مختلف
و یک نکته مهم این که هوش مصنوعی گزینه‌ها را پیشنهاد می‌دهد، اما تصمیم نهایی همچنان باید با انسان باشد؛ چون مدل شناخت کاملی از تیم، تعهدات و میزان ریسک‌پذیری افراد ندارد.

✅ برای آموزش‌های بیشتر ما را در شبکه‌های اجتماعی دنبال کنید.

🌐وب‌سایت
📱تلگرام
📱اینستاگرام
📱یوتیوب

آکادمی هوش مصنوعی تورینگ
@TuringAcademyAI

آموزش مهندسی معکوس ویدیوهای وایرال با هوش مصنوعی

🎓 اگر یک ویدیو در اینستاگرام، تیک‌تاک یا یوتیوب وایرال شده، می‌توانید با کمک Gemini ساختار موفق آن را تحلیل کنید و برای موضوع خودتان یک سناریوی جدید بسازید.
هدف این نیست که ویدیو را کپی کنیم؛ هدف این است که بفهمیم چرا آن ویدیو جواب داده و همان منطق را در محتوای خودمان استفاده کنیم.

🔹 مرحله ۱: یک ویدیوی وایرال پیدا کنید
سراغ ویدیویی بروید که علاوه بر ویو بالا، نشانه‌های تعامل خوبی هم داشته باشد؛ مثل اشتراک گذاری زیاد، ذخیره زیاد و کامنت بالا.
بهتر است ویدیو از نظر موضوع یا فرمت به محتوایی که خودتان می‌خواهید بسازید نزدیک باشد.

🔹 مرحله ۲: ویدیو را دانلود کنید
فایل ویدیو را روی گوشی یا کامپیوتر ذخیره کنید تا بتوانید آن را مستقیم داخل Gemini آپلود کنید.

🔹 مرحله ۳: ویدیو را داخل Gemini آپلود کنید
وارد Gemini شوید، فایل ویدیو را اضافه کنید و از مدل بخواهید ویدیو را از نظر ساختار بررسی کند.

تمرکز تحلیل باید روی سه بخش باشد:
‏• Hook: سه ثانیه اول چطور توجه مخاطب را گرفته؟
‏• Structure: اطلاعات با چه ترتیبی ارائه شده‌اند؟
‏• Pacing: سرعت کات‌ها، دیالوگ و تغییر صحنه‌ها چطور مدیریت شده؟

🔹 مرحله ۴: از Gemini بخواهید دلیل وایرال شدن را تحلیل کند
از مدل فقط نخواهید ویدیو را خلاصه کند.
باید مشخص کند چه تکنیک‌هایی باعث شده مخاطب ادامه ویدیو را ببیند؛ مثلاً کنجکاوی، وعده نتیجه، سورپرایز یا تغییر سریع اطلاعات.
🟢 می‌توانید از این پرامپت استفاده کنید:

Analyze this video and break down:

1. The hook in the first 3 seconds
2. The overall structure
3. The pacing
4. Why it works psychologically

Then create a new 30-second script using the same format for this topic:

[YOUR TOPIC]

Make it fast-paced, punchy, and optimized for Instagram/TikTok.

🔹 مرحله ۵: سناریوی جدید را برای موضوع خودتان بسازید
در قسمت [YOUR TOPIC] موضوع خودتان را جایگزین کنید.
مثلاً:

How to create cinematic AI videos with Kling

‏Gemini قرار نیست محتوای اصلی را کپی کند؛ بلکه ساختار آن را نگه می‌دارد و یک سناریوی جدید بر اساس موضوع شما می‌سازد.

💡 بهترین نتیجه زمانی به دست می‌آید که از ویدیوی وایرال فقط این موارد را استخراج کنید:
Hook → Structure → Pacing → Retention Techniques
نه اینکه جمله‌ها یا ایده اصلی آن را کپی کنید.

✅ این روش به شما کمک می‌کند بجای حدس زدن اینکه «چه مدل ویدیویی ممکن است وایرال شود»، از ساختار ویدیوهایی استفاده کنید که قبلاً عملکرد موفقی داشته‌اند.

✅ برای آموزش‌های بیشتر ما را در شبکه‌های اجتماعی دنبال کنید.

🌐وب‌سایت
📱تلگرام
📱اینستاگرام
📱یوتیوب

آکادمی هوش مصنوعی تورینگ
@TuringAcademyAI

تغییر لباس 🎁

میخواین آنلاین لباس بخرین ولی نمیدونین بهتون میاد یا نه؟! 🤔
با این پرامپت فوق کاربردی مشکلتون حل میشه. 😎

مثل همیشه برین اینجا 👈 💎 PerPixai.ir 💎
و بعد یک عکس از خودتون و عکس لباسی که میخواین تو تن ببینین به همراه پرامپت زیر بدین به هوش مصنوعی. 👐

⬜️ پرامپت:

Use the uploaded source image as the edit target and the uploaded clothing/accessory reference image(s) as the style source.

Preserve the person exactly as in the original image: face, identity, hair, body, pose, and background must remain completely unchanged.

Replace only the outfit and accessories with those from the reference image(s). Fit them naturally to the body with realistic fabric texture, folds, shadows, and matching lighting.

Final result must be photorealistic, ultra-realistic, high quality. Do not change anything except the clothing and accessories.

PerPixai.ir ✅
پلتفرم هوش مصنوعی ایرانی
@perpixai | پرپیکس

گوگل Gemini را به دستیار جدی‌تری برای دانشجوها تبدیل می‌کند

🤖 گوگل یک بخش اختصاصی برای دانشجویان به Gemini اضافه می‌کند که ابزارهای مختلف مطالعه را یکجا در اختیار آن‌ها قرار می‌دهد.
دانشجویان می‌توانند تحقیقات خود را در دفترچه مطالعه جمع‌آوری کنند، فلش‌کارت بسازند، آزمون تمرینی بدهند و حتی تاریخ امتحان‌ها و ددلاین‌های موجود در برنامه درسی را به Google Calendar اضافه کنند.

قابلیت Deep Research هم به Gemini Live اضافه می‌شود تا کاربران بتوانند گزارش‌های تحقیقاتی پیچیده تهیه کنند و درباره نتایج با Gemini گفتگو کنند.
در هفته‌های آینده، Google Lens نیز قابلیتی دریافت می‌کند که با عکس گرفتن از تمرین یا جزوه، برای مفاهیم دشوار توضیح ارائه می‌دهد و حتی اشتباهات را بررسی می‌کند.

✅ به این ترتیب، Gemini قرار است به یک ابزار کامل‌تر برای مطالعه و تحقیق دانشجویان تبدیل شود.

آکادمی هوش مصنوعی تورینگ
@TuringAcademyAI

‏Anthropic یک مرکز آموزشی کامل برای Claude راه‌اندازی کرد

‏😒 Anthropic با معرفی Claude Academy، منابع آموزشی خود را در یک مرکز جمع کرده است.
این مجموعه شامل ۳۵۵ آموزش، نکته پرامپت‌نویسی و نمونه کاربردی برای یادگیری Claude، Cowork، Claude Code، Tag و API است.

همزمان قابلیت Concise Mode هم برای Claude Code عرضه شده که پاسخ‌های ابزار را کوتاه‌تر می‌کند.

🔗 لینک Claude Academy

پآکادمی هوش مصنوعی تورینگ
@TuringAcademyAI

کسانی که دنبال آموزش فقط در مورد کلود هستن، لینک بالا رو یکجا ذخیره کنن برای خودشون 🤔

@TuringAcademyAI

آموزش ساخت گزارش روزانه کاری با ChatGPT Work

🎓 اگر هر روز برای فهمیدن برنامه جلسات، ایمیل‌های مهم، پیام‌ها و وضعیت پروژه‌ها و ... بین چند ابزار مختلف جابه‌جا می‌شوید، می‌توانید با ChatGPT Work همه این اطلاعات را در یک گزارش روزانه جمع کنید.

🔻 مرحله ۱: ابزارهای کاری را به ChatGPT وصل کنید
وارد ChatGPT شوید و به بخش Work بروید.
سپس از قسمت Plugins، ابزارهای موردنیاز را متصل کنید.

در نسخه‌های جدید ChatGPT، Pluginها محل اصلی اتصال Workflowها به ابزارهای خارجی هستند و هر اتصال بسته به پلن و تنظیمات Workspace ممکن است نیاز به مجوز داشته باشد.

🔻 مرحله ۲: از ChatGPT بخواهید Daily Brief بسازد
بعد از اتصال ابزارها، پرامپت زیر را اجرا کنید. فقط توجه داشته باشید که ابزارهای مورد نظر خود را جایگزین کنید.
(ابزارها در پرامپت با @ نوشته شده‌اند)

⬜️ پرامپت:

Build my daily work brief using @Google Calendar, @Gmail, @Slack, and @Google Drive.

Review today's meetings, unread messages, follow-ups, and project notes.

Summarize:
- top priorities
- meeting prep
- replies needed
- important decisions
- important FYIs
- missing context

Do not send messages, edit files, or create tasks.

‏ChatGPT حالا اطلاعات را از چند منبع کنار هم بررسی می‌کند.

🟢 به عنوان مثال Calendar می‌تواند برنامه جلسات و زمان‌های مهم را مشخص کند (اگر از تقویم برای کار استفاده می‌کنید)، Gmail برای پیدا کردن ایمیل‌ها و Follow-upها استفاده شود و Drive اطلاعات پروژه‌ها و اسناد مرتبط را وارد گزارش کند.

🔻 مرحله ۳: گزارش را شخصی‌سازی کنید
اولین خروجی احتمالاً دقیقاً همان چیزی نیست که می‌خواهید.
به ChatGPT بگویید چه چیزهایی:
مفید بودند، کم بودند یا اصلاً لازم نبودند.

✅ بعد از چند بار استفاده، Daily Brief شما بسیار کاربردی‌تر می‌شود.

🔻 مرحله ۵: گزارش را خودکار کنید
وقتی ساختار گزارش به شکل دلخواهتان رسید، می‌توانید آن را به یک Task تکرار شونده تبدیل کنید تا مثلاً هر روز کاری صبح اجرا شود.

⬜️ پرامپت پیشنهادی:

Prepare my daily work brief every weekday morning.

Check the same sources and only highlight new or changed:
- priorities
- meetings
- replies
- decisions
- blockers

Do not send messages, edit files, or create tasks.

📌 اینطوری هر روز به‌جای بررسی چند اپلیکیشن، یک گزارش فشرده از مهم‌ترین چیزهایی که نیاز به توجه دارند دریافت می‌کنید.

آکادمی هوش مصنوعی تورینگ
@TuringAcademyAI

یه آموزش خفن انیمیشن سازی بصورت 100 درصد وایرال🎯😍

انیمیشن های هوش مصنوعی 💎 الان در دنیا فوق العاده وایرال شدن و میتونن بسیار درآمدزا باشن.✌

نیچ (زیرشاخه تخصصی) امروز آموزش ساخت انیمیشن گربه آشپز هست.🍸
حیواناتی که بصورت رئال ساخته میشن و آموزش آشپزی میدن در حال حاضر در دنیا بسیار ترند هستن. بریم ببینیم چجوری باید درستش کنیم🕶

قدم اول داشتن یک پرامپت مناسبه. برای آموزش این صحنه من بصورت معکوس عمل میکنم. 💡 یعنی سکانس پایانی انیمیشن رو بهتون آموزش میدم. به این صورت که اول میخوام عکسی برام ساخته بشه که یک گربه ی آشپز پنکیکی رو درون ماهیتابه درست کرده و میخواد بده به همسرش که تستش کنه.💡

پرامپتم رو با توضیح صحنه به همین شکل از چت جی پی تی گرفتم که شد این:

Create a photorealistic vertical 9:16 image of a real black cat standing upright behind a kitchen stove like a tiny chef.
The cat has glossy black fur, golden-yellow eyes, and wears a large white chef’s hat. A small amount of white flour is naturally dusted across its nose, forehead, whiskers, and front paw, creating a cute messy cooking look.
The cat is holding a black slotted spatula with one paw and is carefully placing or flipping a freshly cooked golden-brown pancake inside a dark frying pan on the gas stove.
Scene: cozy realistic home kitchen with warm wooden countertops, kitchen utensils, cutting boards, jars, shelves, small green plants, and softly blurred background details.
Composition: cat centered in the frame, chef hat clearly visible, frying pan and pancake prominent in the foreground, stove burners visible at the bottom.
Lighting: warm natural cinematic kitchen lighting, soft highlights on the black fur, realistic shadows, shallow depth of field.
Style: ultra-photorealistic food photography, highly detailed realistic fur, authentic pancake texture, natural flour particles, realistic kitchen materials, cinematic DSLR photography, 50mm lens look, shallow depth of field, adorable humorous concept but visually believable.
No text, no watermark, no cartoon style, no illustration.

✅حالا میتونید با ارائه توضیح به چت جی پی تی همون اول کارکترتون رو توضیح بدید بعد بگید پرامپت ساخت مثلا پنکیک رو برای 3 عکس بهتون بده. اینجوری 3 تا سکانس داریم.
بعد باید عکس ها رو بسازیم.
برای ساخت عکس وارد وبسایت پرپیکس میشیم. ورود به پنل کاربری رو میزنیم و ساخت عکس رو کلیک میکنیم. این تنظیمات رو براش لحاظ میکنیم:

⭐️مدل: GPT 2.0 یا NANO BANANA 2
⭐️ اندازه: 9:16
⭐️ کیفیت: 720 یا 1080
⚡پرامپتی که از جی پی تی گرفتیم رو بهش میدیم و عکسمون رو تحویل میگیریم.
بعد میرید به چت جی پی تی و ازش میخواید با توضیحی که میدید پرامپت تبدیل این عکسا به ویدیو رو بهتون بده.

مثلا پرامپت من اینجوری شد:📣

Use the uploaded image as the first-frame visual reference.
Create a vertical 9:16, 8-second photorealistic video.
Keep the same realistic black cat, white chef hat, kitchen, stove, frying pan, lighting, and overall appearance from the reference image.
The camera stays mostly fixed.
The black cat chef gently flips a pancake in the frying pan using the spatula. The pancake lands naturally back inside the pan.
After a moment, the cat carefully lifts the cooked pancake with the spatula and places it onto a plate next to the stove.
A realistic white cat is already sitting beside the plate, watching.
The black cat gently pushes the plate toward the white cat.
At the end, the white cat leans forward, smells the pancake, then takes a tiny natural bite from the edge.
The black cat watches proudly.
Keep all movements slow, simple, natural, and physically believable.
Both animals must remain normal realistic cats, with realistic fur and anatomy. Do not turn them into humans or cartoon characters.
Natural kitchen ambience, soft pancake sizzling, light utensil sounds.
No dialogue.
No subtitles.
No text.
No scene cuts.
No transformation.
No extra limbs.
No human hands.
Photorealistic cinematic kitchen video, warm lighting, realistic pancake texture, realistic fur, subtle natural motion.

حالا بر میگردید به PerPix و ساخت ویدیو رو می زنید.
این تنظیمات رو براش لحاظ می کنید:
⭐️مدل: Veo 3.1 Fast
⭐️ اندازه: 9:16
⭐️ کیفیت: 720 یا 1080
⚡پرامپتی که از جی پی تی گرفتیم رو بهش میدیم و ویدیومون رو تحویل میگیریم.
به همین راحتی انیمیشن ساختیم!🤝
اینم عکس و ویدیو نهایی:👌👇🏻
PerPixai.ir ✅
پلتفرم هوش مصنوعی ایرانی
@perpixai | پرپیکس

‏محیط برنامه‌نویسی مشترک انسان و هوش مصنوعی در Slack

‏😵‍💫 Slack قابلیت جدید Slack Code را معرفی کرده که اجازه می‌دهد تیم‌ها مستقیماً داخل Slack و در کنار ایجنت‌های هوش مصنوعی نرم‌افزار توسعه دهند.

در هر «کانال کدنویسی»، ایجنت‌های هوش مصنوعی کد می‌نویسند و اعضای تیم می‌توانند روند کار را ببینند، مسیر پروژه را تغییر دهند و پیش‌نمایش زنده را بررسی کنند
انتشار تغییرات همچنان نیازمند تأیید انسان است و بعد از پایان پروژه، کانال به‌ عنوان یک سابقه قابل جست‌وجو آرشیو می‌شود.

در زمان عرضه، امکان اتصال ایجنت‌هایی مثل ChatGPT، Claude، Devin، Vercel و GitHub فراهم شده و این قابلیت در دسترس تمام پلن‌های Slack قرار گرفته است.

آکادمی هوش مصنوعی تورینگ
@TuringAcademyAI

هوش مصنوعی الگوهای تازه‌ای در پیشرفت سرطان پستان پیدا کرد

🗞 پژوهشگران دانشگاه Northampton با استفاده از یک سیستم هوش مصنوعی به نام CenSegNet، نمونه‌های تومور پستان را سلول‌ به‌ سلول بررسی کردند و به الگوهایی رسیدند که قبلاً دیده نشده بودند.

هوش مصنوعی داده‌های ۲۷ بیمار و ۹۱۱ نمونه را تحلیل کرد و دو نوع ناهنجاری در «سانتروزوم‌ها» (ساختارهای مهم در تقسیم سلولی) را شناسایی کرد که ارتباط متفاوتی با وضعیت بیماران داشتند.
نتایج نشان داد تعداد کمتر سانتروزوم‌های بیش‌ از حد بزرگ با بقای طولانی‌تر همراه بوده، درحالی‌ که وجود سانتروزوم‌های اضافی با بیماری تهاجمی‌تر ارتباط داشته است.

📌 اهمیت این تحقیق در توانایی هوش مصنوعی برای کشف الگوهایی در داده‌های پزشکی است که ممکن است از چشم انسان یا روش‌های قدیمی پنهان بمانند؛ قابلیتی که می‌تواند در آینده به تشخیص و درمان شخصی‌سازی‌ شده کمک کند.

آکادمی هوش مصنوعی تورینگ
@TuringAcademyAI

هوش مصنوعی را به معلم خصوصی تبدیل کنید!

🎓 اگر قرار باشد موضوع جدیدی با هوش مصنوعی یاد بگیرید، این پرامپت می‌تواند نقطه شروع خوبی باشد.
کافیست موضوع، سطح فعلی، هدف و زمانی که برای مطالعه وجود دارد مشخص کنید. بجای [TOPIC] موضوع موردنظر و بجای [TIME AVAILABLE] زمانی که میخواهید در طول روز صرف آن موضوع کنید، مثل «روزانه ۳۰ دقیقه» قرار دهید.

⬜️ پرامپت:

Act as my personal tutor for [TOPIC]. My background is [BACKGROUND], my goals are [GOALS], and my available study time is [TIME AVAILABLE]. Teach me one concept at a time, ask diagnostic questions, adapt difficulty dynamically, provide examples, create exercises, test understanding, identify weak areas, and personalize explanations based on my responses. Continue teaching iteratively until mastery.

💡 مزیت اصلی این روش این است که بجای دریافت یک توضیح ثابت، یک فرایند آموزشی تعاملی و متناسب با پاسخ‌های کاربر شکل می‌گیرد.

آکادمی هوش مصنوعی تورینگ
@TuringAcademyAI