❖ از ایده تا محصول با راهنمای گوگل برای ساخت ایجنت‌های هوش‌مصنوعی برای استارتاپ‌ها

اگه می‌خوای بدونی چطور میشه یک AI Agent (ایجنت هوش مصنوعی) رو از مرحله‌ی ایده به مرحله‌ی تولید واقعی برسونی، گوگل یه راهنمای کامل منتشر کرده:

🔹 Startup Technical Guide: AI Agents from Google Cloud

این راهنما با مثال‌های واقعی و مراحل عملی نشون میده چطور می‌تونی با ابزارهایی مثل Gemini و Vertex AI محصولت رو طراحی کنی، بسازی و به مرحله‌ی اجرا برسونی — حتی اگه زمینه‌ی فنی خیلی قوی نداشته باشی

🔹 راهنما رو همین الان دانلود کن و شروع کن به ساخت هوشمندتر:

➜ Google Cloud | Building AI Agents



#هوش_مصنوعی


🆔 @Ai_Tv

این ابزار را نصب کنید. برای تبدیل صدا به متن فوق العاده هست. و کاملا هم لوکال هست. فارسی هم دقتش خیلی خوبه.

Link: https://handy.computer/


#هوش_مصنوعی


🆔 @Ai_Tv

اگه میخواهید بدونید ایجنت های هوش مصنوعی چجوری ساخته میشن و کار میکنن این ریپوها را ببینید

👈ریپوی Awesome GenAI Projects

A one stop repository for generative AI research updates, interview resources, notebooks and much more

https://github.com/aishwaryanr/awesome-generative-ai-guide

👈ریپوی GenAI Agents

This repository provides tutorials and implementations for various Generative AI Agent techniques, from basic to advanced. It serves as a comprehensive guide for building intelligent, interactive AI systems

https://github.com/NirDiamant/GenAI_Agents



#هوش_مصنوعی


🆔 @Ai_Tv

This agentic Python library can extract tables and charts from complex PDFs with exact coordinates.

Handles 1000+ page documents in a single call.

100% Opensource.

Check it out: https://github.com/landing-ai/agentic-doc

این کتابخونه‌ی پایتون بهت کمک می‌کنه از فایل‌های پیچیده مثل جدول‌ها، عکس‌ها، نمودارها یا اسناد چندصفحه‌ای، داده‌های قابل ‌استفاده برای مدل‌های زبانی استخراج کنی.


Website: https://landing.ai/agentic-document-extraction


#هوش_مصنوعی


🆔 @Ai_Tv

گوگل دوباره داره برای دوره ۵ روزه AI Agents ثبت نام میکنه که از ۱۰ نوامبر شروع میشه. دوره قبلیش لینکش تو همین وب سایت هست که میتونید برید و همه مطالبش را استفاده کنید. ولی دوره جدید موضوعاتش خیلی خیلی جالبند. حتما ثبت نام کنید.
Link: https://rsvp.withgoogle.com/events/google-ai-agents-intensive_2025


#هوش_مصنوعی


🆔 @Ai_Tv

؛Open Ai در کنفرانس جدیدش App SDK را معرفی کرد شما میتونید با استفاده ازش اپ بسازید و اپتون داخل chatgpt برای همه قابل استفاده باشه.
یوزرها از طریق chatgpt لاگین میکنن به اپ/سایتتون و هرکاری بخوان کنن رو با Ai انجام میدن. گویا میخواد بازار اپ‌ها رو دست بگیره.
محصول خفن دوم AgentKit بود. راهی بسیار راحت برای ساخت هر نوع آتومیشن با کمک Ai. دیگه لازم نیست حتی n8n یا zapier رو بشناسید.


#هوش_مصنوعی


🆔 @Ai_Tv

یک مدل جدید دیگه اومده به اسم Jan-Nano که ۴ میلیارد پارامتر داره که برای کارهای deep research اپتیمایز شده. بخصوص برای وصل شدن به Model Context Protocol (MCP) servers و انواع tools/ابزارها. و از لحاظ دقت هم خیلی خوبه.
میتونید دانلود کنید و لوکال اجرا کنید. تمام اطلاعات راجع به حداقل سیستم مورد نیاز و اینکه چطور نصب کنید همه توی وب سایت هست.
https://menloresearch.github.io/deep-research/



#هوش_مصنوعی


🆔 @Ai_Tv

👈 اگه میخواهید علم داده رو بصورت پروژه محور و با مثال یاد بگیرید از این ریپو استفاده کنید

مثالهای کاربردی برای شروع یادگیری علم داده با پایتون 🔰🔰

https://github.com/veb-101/Data-Science-Projects


#علم_داده #پایتون
🆔 @Ai_Tv

اگه کانتکست (context) ای که به AI agent میدید درست نباشه هر چقدر هم که مدل خوب باشه ایجنت کار نمیکنه. به همین دلیل context engineering را واقعا جدی بگیرید موقع دولوپ کردن ایجنت.
کمپانی Anthropic یک بلاگ بینظیر داده که خیلی قشنگ این موضوع را توضیح میده که چطور کانتکست موثر برای ایجنت درست کنیم.
Blog: https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents

این بلاگ را هم حتما آب دستتون هست بذارید زمین، و بخونید. 🙂
این بلاگ از کمپانی Manus هست که ایجنت شون بسیار معروفه. قشنگ درسهایی که یادگرفتند موقع پیاده سازی ایجنت، و روشهای خیلی جالبی که برای اپتیمایز کردن کانتکست بهشون رسیدند را بازگو میکنند. واقعا بلاگ خوندنی ای هست.
Blog: https://manus.im/blog/Context-Engineering-for-AI-Agents-Lessons-from-Building-Manus


منبع
#هوش_مصنوعی


🆔 @Ai_Tv

◈ دوره جدید Agentic AI از Andrew Ng

اگه به هوش مصنوعی و به‌ویژه Agentic AI علاقه‌مندی، این دوره‌ی جدید از DeepLearning AI یه شروع عالیه! 

در این دوره بصورت رایگان یاد می‌گیری چطور هوش مصنوعی رو از حالت صرفاً پاسخ‌گو، به یک عامل فعال و خودکار تبدیل کنی که بتونه تصمیم بگیره، عمل کنه و از بازخورد یاد بگیره

✹ نکات کلیدی:

• طراحی و ساخت AIAgents با قابلیت تعامل چندمرحله‌ای

• درک رفتار خودمختار در سیستم‌های هوشمند 

• آموزش با مثال‌های واقعی و پروژه‌محور

➜ https://learn.deeplearning.ai/courses/agentic-ai/lesson/pu5xbv/welcome!

#هوش_مصنوعی


🆔 @Ai_Tv

🔻معرفی یک ابزار/لایبرری خیلی جالب و به درد بخور به اسم LLM Intercept: یه پراکسی سبک و ساده برای ذخیره و استفاده‌مجدد از درخواست‌های LLM‌هاتون.

تقریباً همه‌ی اپ‌ها دارن از APIهای سازگار با OpenAI استفاده می‌کنن. حالا با LLM Intercept می‌تونید اون تماس‌ها رو ضبط کنید و تبدیلشون کنید به دیتاست برای فاین‌تیون مدل‌های کوچیک‌تر و ارزون‌تر.

ایده‌اش ساده‌ست 👇
1️⃣ مثل همیشه از یه مدل بزرگ (مثلاً GPT-4 یا Claude) توی اپتون استفاده کنید.
2️⃣ ترافیک رو از طریق LLM Intercept عبور بدید تا ورودی و خروجی‌ها به‌صورت شفاف ذخیره بشن.
3️⃣ دیتای جمع‌شده رو به‌صورت Parquet خروجی بگیرید (می‌تونید پرامپت‌های سیستمی رو حذف کنید).
4️⃣ با اون داده‌ها یه مدل کوچیک‌تر مثل Liquid AI LFM2 (از ۳۵۰M تا ۲.۶B) رو فاین‌تیون کنید.
5️⃣ بعد مدل بزرگ رو با مدل خودتون جایگزین کنید. لوکال، خصوصی و تقریباً رایگان.
هدف: کمک به تیم‌ها برای اینکه بتونن از ترافیک واقعی اپشون، مدل‌های کوچیک و بهینه بسازن، بدون دردسر، سریع و اقتصادی.
این خیلی به درد میخوره
Link


🆔 @Ai_Tv

🔻این ریپوی گیت‌هاب مجموعه‌ای از Agentهای آماده در حوزه‌های مختلف داره که می‌تونید مستقیماً توی Claude Code ازشون استفاده کنید.

پوشش گسترده‌ای هم داره — از Full Stack و SEO گرفته تا Code Review، Database و Security.

🔗 https://github.com/wshobson/agents



🆔 @Ai_Tv

یک مهندس ارشد گوگل به تازگی یک کتاب رایگان 400 صفحه ای در مورد AI Agents ارائه داده
سرفصل ها رو ببینید 👇

1️⃣ Prompt Chaining – building step-by-step reasoning pipelines

2️⃣ Routing – dynamically directing tasks to the right agent

3️⃣ Reflection – enabling agents to self-evaluate and improve

4️⃣ Tool Use – connecting agents with external APIs & functions

5️⃣ Planning – creating multi-step action plans autonomously

6️⃣ Multi-Agent Systems – orchestrating teams of agents

7️⃣ Memory Management – storing, retrieving, and evolving context

8️⃣ Model Context Protocol (MCP) – standardizing agent interactions

9️⃣ Knowledge Retrieval (RAG) – powering agents with external data

🔟 Inter-Agent Communication (A2A) – getting agents to collaborate
and more...


https://docs.google.com/document/d/1rsaK53T3Lg5KoGwvf8ukOUvbELRtH-V0LnOIFDxBryE/preview?tab=t.0


🆔 @Ai_Tv

🧩 This repository is all you need to learn and build a RAG application!

Here’s what it covers:

✔️ Query Construction – Translating natural language into structured queries (SQL, Cypher, or vector-based retrieval). (Text-to-SQL, Text-to-Cypher, Self-query retriever)
✔️ Query Translation – Decomposing and rephrasing inputs for better retrieval. (Multi-query, RAG-Fusion, Hypothetical Docs)
✔️Routing – Dynamically selecting the right database or embedding query context for more relevant answers.
✔️Retrieval – Ranking and refining retrieved data using Re-Rank, RankGPT, RAG-Fusion, CRAG, or even pulling real-time updates from external sources.
✔️Indexing – Leveraging multi-representation embeddings, hierarchical summarization, and structured search optimization. (RAPTOR, CoLBERT, Fine-tuning)
✔️Generation – Producing and refining responses with Self-RAG and RRR, enabling iterative reasoning and retrieval loops when needed.

Link


🆔 @Ai_Tv

📍Anthropics launched plugins for Claude Code

🔖 Plugins allow you to install and exchange collections of slash commands, agents, MCP servers.

I immediately added ready-made plugins from this repository using the command:


/plugin marketplace add https://github.com/anthropics/claude-code


🧩 But it won’t work the first time, because Claude, it turns out, first needs to understand what a plugin is - let him look at them [here].


🆔 @Ai_Tv

📌ابزار Docling ابزاری کارآمد برای استخراج دیتا از pdf : کمک هوش مصنوعی ؛ متن، جدول‌ و فرمول‌ها رو درست همون‌طوری که تو فایل بودن حفظ می‌کنه. بعدش اون داده‌ها رو به شکل ساختارمند درمیاره. یعنی طوری که مدل‌های AI بتونن روشون کار کنن.

👈 فقط با چند خط کد پایتون می‌تونید هر pdf ای رو تبدیل به داده‌ها‌ی قابل‌جست‌وجو کنید

https://docling-project.github.io/docling


🆔 @Ai_Tv

کمپانی OpenAI توی dev day که چند روز پیش برگزار کرد چند تا ابزار عالی برای دولوپرها معرفی کرد. به نظرم بهترینش chatKit بود. که میتونید باهاش agentic chat بسازید. مثلا یک چت بات همراه با UI بذارید تو وب سایتتنون.نه تنها این، بلکه میتونید کامپوننت های مختلف درست کنید و بجای اینکه فقط جواب ها متن خالی باشه المان های دیگه مثل Card, Button و .. هم توی چت نشون بدید. من تو ویدیوی پایین یکی از مثال هایی که گذاشتند را اجرا کردم. سریع چت بات بالا امد و میشه باهاش صحبت کرد. چیزی که خیلی از بیزینس ها بهش نیاز دارند.
لینکها را میذارم چک کنید. و سعی کنید باهاشون اپ درست کنید.

Link: https://platform.openai.com/docs/guides/chatkit

Github: https://github.com/openai/openai-chatkit-advanced-samples


🆔 @Ai_Tv

‏اگه برنامه نویس هستید و از هوش مصنوعی برای کدنویسی استفاده می‌کنید، واقعاً به خودتون لطف می‌کنید که OpenSpec رو چک کنید. این ابزار به شما کمک می‌کنه کنترل کامل پروژه رو دست بگیرید و از AI به عنوان یک همکار قابل اعتماد استفاده کنید!

تا حالا با دستیارهای کدنویسی هوش مصنوعی (مثل Cursor یا Copilot) کار کردید و به جای چیزی که دقیقاً در ذهن داشتید، یک چیز کاملاً دیگه تحویل گرفتید؟ یا یک بخش رو نوشته و یک بخش دیگه رو براتون خراب کرده

من جدیدا ابزاری رو پیدا کردم به اسم OpenSpec که داره این بازی رو برای همیشه عوض می‌کنه.

ایده‌اش ساده و ناب هست: شما و هوش مصنوعی، قبل از نوشتن حتی یک خط کد، روی «چیزی که باید ساخته بشه» به توافق کامل می‌رسید.

دیگه خبری از پرامپت‌های مبهم در چت و خروجی‌های غیرقابل پیش‌بینی نیست. OpenSpec یک فرآیند کاری سبک و قدرتمند اضافه می‌کنه که پروژه‌ها رو اینطوری پیش می‌بره:

۱. پیشنهاد تغییر (Change Proposal): شما به AI می‌گید چه قابلیتی رو می‌خواید اضافه کنید. AI یک ساختار کامل از مشخصات، وظایف و پیشنهادها رو براتون می‌سازه.

۲. بازبینی و هماهنگی: شما و AI با هم مشخصات رو دقیق می‌کنید تا همه چیز شفاف و بدون ابهام باشه.

۳. پیاده‌سازی: AI بر اساس مشخصات نهایی و توافق شده، کدنویسی رو انجام می‌ده.

۴. آرشیو: بعد از اتمام کار، تغییرات به آرشیو منتقل می‌شن و مشخصات اصلی پروژه رو به‌روز می‌کنن.

چرا این ابزار به خوبی جواب میده
✅ بدون نیاز به کلید API: نصب کن و استفاده کن. ساده و سریع.
✅ با ابزارهای فعلی شما کار می‌کنه: با Claude Code, Cursor, GitHub Copilot, Windsurf و ده‌ها ابزار دیگه یکپارچه می‌شه.
✅ قابل پیش‌بینی و شفاف: دیگه نمی‌خواد حدس بزنید AI چی می‌سازه. همه چیز از قبل مشخصه.
✅ عالی برای پروژه‌های موجود: نه فقط برای پروژه‌های جدید، بلکه برای تغییر و توسعه کدهای قدیمی هم عالیه.
✅ مستندسازی خودکار: هر تغییری با مشخصات و وظایفش ثبت می‌شه و یک سند زنده از پروژه می‌سازه.

اینم آدرس گیتهابش که همه چیز اماده یک جا هست!
https://github.com/Fission-AI/OpenSpec

اگر نتونستنید دستی نصبش کنید ، میتونید فایل README[.]md رو کپی کنید ، بدید به همون ابزار Ai که براتون کد میزنه مثل Claude Code, Cursor, GitHub Copilot ، بگید نصبش کن!

‎



🆔 @Ai_Tv

💯 یادگیری «پردازش تصویر با OpenCV در پایتون» با ۸۹,۰۰۰ تومن در فرادرس
 
آموزش این فرادرس، به صورت گام به گام با معرفی، نصب و بارگذاری تصاویر به شکل کاملا سریع و آسان آغاز شده و سپس با اعمال عملیات اصلی متداول روی تصاویر، اعمال عملیات ریاضی و تبدیلات هندسی ادامه پیدا کرده و فیلترهای کاربردی مختلف و نحوه پیاده‌سازی آن‌ها روی تصویر بیان خواهد شد. همچنین استفاده از پرکاربردترین روش‌ها برای تشخیص لبه، تبدیلات مورفلوژیک، هیستوگرام و اشاره چند روش تطبیق الگو که از مهم‌ترین بخش‌ها و اهداف هر برنامه پردازش تصویر است، به خوبی و آسانی تشریح خواهد شد.
 
ترکیب زبان برنامه‌نویسی پایتون و OpenCV می‌تواند رویای ایجاد یک پروژه با کیفیت و در بالاترین سطح در حوزه پردازش تصویر را برای ما رقم بزند.
 
🎯 برای شروع یادگیری کلیک کنید 👇
 
🔗 لینک دریافت آموزش [+]
 
📚 لیست ۷۰۰ آموزش ۸۹ هزار تومنی [+]

🔄 FaraDars - فرادرس