کلاد یه مدل جدید معرفی کرده به نام: Fable 5
عملاً قویترین مدل عمومی کلاد تا الان محسوب میشه؛ مخصوصاً برای کدنویسی سنگین، کارهای چندمرحلهای و پروژههای طولانی که باید مدت زیادی روی یه مسئله تمرکز کنه. همچنین کانتکست ۱ میلیون توکن داره.
اگر Opus 4.8 یه مهندس ارشد خیلی خوب بود، Fable 5 بیشتر شبیه یه تیم مهندسی کوچیکه که روی کارهای بلندمدت و پیچیده عملکرد بهتری داره.
ولی 2 برابر Opus گرونتره و فعلا ازش استفاده نکردم
اینجا کسی از کلاد کد استفاده میکنه؟
چند روز پیش دیدم GapGpt تو ایران خوب داره کار میکنه و مدل ها رو ساپورت میکنه
عملاً قویترین مدل عمومی کلاد تا الان محسوب میشه؛ مخصوصاً برای کدنویسی سنگین، کارهای چندمرحلهای و پروژههای طولانی که باید مدت زیادی روی یه مسئله تمرکز کنه. همچنین کانتکست ۱ میلیون توکن داره.
اگر Opus 4.8 یه مهندس ارشد خیلی خوب بود، Fable 5 بیشتر شبیه یه تیم مهندسی کوچیکه که روی کارهای بلندمدت و پیچیده عملکرد بهتری داره.
ولی 2 برابر Opus گرونتره و فعلا ازش استفاده نکردم
اینجا کسی از کلاد کد استفاده میکنه؟
چند روز پیش دیدم GapGpt تو ایران خوب داره کار میکنه و مدل ها رو ساپورت میکنه
👍8
کلاد مدل های Mythos 5 و Fable 5 رو غیرفعال کرده چون دولت آمریکا گفته غیر از آمریکایی نباید ازش استفاده کنن، اونم گفته کلا برشون میدارم!
حیف شد از Fable استفاده نکردم تو این چند روز!
به نظرتون دلیلش چیه؟
لینک:
https://www.anthropic.com/news/fable-mythos-access
حیف شد از Fable استفاده نکردم تو این چند روز!
به نظرتون دلیلش چیه؟
لینک:
https://www.anthropic.com/news/fable-mythos-access
❤1
اگر شما هم مثه من دنبال صرفه جویی در توکن ها هستید پیشنهاد میکنم اینو ببینید خودم ازشون استفاده میکنم و بین ۶۰ تا ۹۰٪ کمتر توکن خرج میشه! (اره واقعیه!)
برای همه ابزار ها کار میکنه مثه claude code یا github copilot.
https://youtu.be/UMRUu7pjdug?is=PxqHwy_lkW3JmUW8
برای همه ابزار ها کار میکنه مثه claude code یا github copilot.
https://youtu.be/UMRUu7pjdug?is=PxqHwy_lkW3JmUW8
YouTube
Claude Code & Github Copilot: Save 60-90% tokens! (On Windows)
With Github Copilot having token-based billing, good time to see how to save tokens to pay less.
In this video show you 2 tools and some tricks to save 60-90% tokens on both Claude Code and Github Copilot!
#claudecode #claude #githubcopilot #github #coding…
In this video show you 2 tools and some tricks to save 60-90% tokens on both Claude Code and Github Copilot!
#claudecode #claude #githubcopilot #github #coding…
👍3❤1
امروز تو شرکت داشتم با یکی از بچه ها درمورد نظریه پنجره شکسته صحبت میکردیم.
ChatGPT:
Broken Window Theory (نظریه پنجره شکسته)
در برنامهنویسی یعنی:
اگر یک مشکل کوچک، کد بد یا باگ جزئی را نادیده بگیریم، کمکم افراد بیشتری هم بینظمی را عادی میبینند و کیفیت کل پروژه افت میکند.
مثال:
* یک فایل پر از کامنتهای قدیمی و بیاستفاده است.
* یک تابع اسم نامناسبی دارد.
* چند خط کد تکراری وجود دارد.
اگر این موارد اصلاح نشوند، برنامهنویسهای بعدی هم با خیال راحت کدهای نامرتب بیشتری اضافه میکنند. بعد از مدتی پروژه پر از «بدهی فنی» (Technical Debt) میشود و نگهداری آن سخت خواهد شد.
🔹 اسم این نظریه از یک مثال شهری آمده: اگر پنجره یک ساختمان شکسته باشد و تعمیر نشود، افراد تصور میکنند کسی به آنجا اهمیت نمیدهد و خرابکاریهای بیشتری رخ میدهد.
پیام اصلی برای برنامهنویسها:
> مشکلات کوچک را زود برطرف کن؛ نگذار کد نامرتب و خراب به حالت عادی تبدیل شود.
به همین دلیل تیمهای حرفهای معمولاً:
* باگهای کوچک را سریع رفع میکنند.
* کد را مرتب و خوانا نگه میدارند.
* قبل از Merge شدن، Code Review انجام میدهند.
* تستها را خراب رها نمیکنند.
خلاصه: یک «پنجره شکسته» در کد، اگر تعمیر نشود، میتواند کل پروژه را بهتدریج به هم بریزد. 🚪🔧💻
---------------
کوتاهش اینه که باید حس مسولیت پذیری داشته باشید اگر میبینید کدی خرابه یا یه جایی درست نیست ازش رد نشید و بگید این کد رو من نزدم با لید خودتون درمیون بذارید و حلش کنید یا حداقل دلیلشو بپرسید.
ChatGPT:
Broken Window Theory (نظریه پنجره شکسته)
در برنامهنویسی یعنی:
اگر یک مشکل کوچک، کد بد یا باگ جزئی را نادیده بگیریم، کمکم افراد بیشتری هم بینظمی را عادی میبینند و کیفیت کل پروژه افت میکند.
مثال:
* یک فایل پر از کامنتهای قدیمی و بیاستفاده است.
* یک تابع اسم نامناسبی دارد.
* چند خط کد تکراری وجود دارد.
اگر این موارد اصلاح نشوند، برنامهنویسهای بعدی هم با خیال راحت کدهای نامرتب بیشتری اضافه میکنند. بعد از مدتی پروژه پر از «بدهی فنی» (Technical Debt) میشود و نگهداری آن سخت خواهد شد.
🔹 اسم این نظریه از یک مثال شهری آمده: اگر پنجره یک ساختمان شکسته باشد و تعمیر نشود، افراد تصور میکنند کسی به آنجا اهمیت نمیدهد و خرابکاریهای بیشتری رخ میدهد.
پیام اصلی برای برنامهنویسها:
> مشکلات کوچک را زود برطرف کن؛ نگذار کد نامرتب و خراب به حالت عادی تبدیل شود.
به همین دلیل تیمهای حرفهای معمولاً:
* باگهای کوچک را سریع رفع میکنند.
* کد را مرتب و خوانا نگه میدارند.
* قبل از Merge شدن، Code Review انجام میدهند.
* تستها را خراب رها نمیکنند.
خلاصه: یک «پنجره شکسته» در کد، اگر تعمیر نشود، میتواند کل پروژه را بهتدریج به هم بریزد. 🚪🔧💻
---------------
کوتاهش اینه که باید حس مسولیت پذیری داشته باشید اگر میبینید کدی خرابه یا یه جایی درست نیست ازش رد نشید و بگید این کد رو من نزدم با لید خودتون درمیون بذارید و حلش کنید یا حداقل دلیلشو بپرسید.
👍10❤8
New HTTP method: QUERY
به احتمال زیاد تو پیاده سازی Api جستجو موقعی که تعداد زیادی پارامتر داشته باشید یه سری مشکلات برخورد میکنید
مثلا طول Url موقعی که زیاد باشه وب سرور خطا میده
414 Request-URI Too Large
البته میشه کانفیگ کرد
و خوب بر خلاف میل باطنی بعضی وقتا تصمیم میگیریم با اینکه باید GET باشه ولی مجبورم از POST استفاده کنیم که توی بادی ریکوست بدیم بره:)
حالا این متد QUERY اومده برای همین دلیل!
بد نیست یه نگاهی به داکیمنتش کنید
https://www.rfc-editor.org/rfc/rfc10008.html?
به احتمال زیاد تو پیاده سازی Api جستجو موقعی که تعداد زیادی پارامتر داشته باشید یه سری مشکلات برخورد میکنید
مثلا طول Url موقعی که زیاد باشه وب سرور خطا میده
414 Request-URI Too Large
البته میشه کانفیگ کرد
و خوب بر خلاف میل باطنی بعضی وقتا تصمیم میگیریم با اینکه باید GET باشه ولی مجبورم از POST استفاده کنیم که توی بادی ریکوست بدیم بره:)
حالا این متد QUERY اومده برای همین دلیل!
بد نیست یه نگاهی به داکیمنتش کنید
https://www.rfc-editor.org/rfc/rfc10008.html?
www.rfc-editor.org
RFC 10008: The HTTP QUERY Method
This specification defines the QUERY method for HTTP.
A QUERY requests that the request target process the enclosed
content in a safe and idempotent manner and then respond with the
result of that processing. This is similar to POST…
A QUERY requests that the request target process the enclosed
content in a safe and idempotent manner and then respond with the
result of that processing. This is similar to POST…
👍14
Forwarded from iCodeNext
Audio
🧶 ما داریم خروجی ماشینی رو متر میکنیم، نه فهم انسانی رو.
توی این محتوی صوتی سعی کردم این مطالب رو پوشش بدم.
🔸 بدهی درک مطلب (Comprehension Debt) چیست؟
🔸 تفاوت بدهی فنی و بدهی درک مطلب
🔸 چرا بدهی درک مطلب خطرناکتر است؟
🔸 داستان تیم دانشجویی و شکست پروژه
🔸 از واگذاری کدنویسی تا واگذاری تفکر
🔸 مطالعه Anthropic؛ آیا AI واقعاً بهرهوری را افزایش میدهد؟
🔸 چرا مهندسان درک عمیقتری از سیستم ندارند؟
🔸 تله KPIها و معیارهای اشتباه سازمانها
🔸 چرا مدیران متوجه این مشکل نمیشوند؟
🔸 هوش مصنوعی چگونه Code Review را سختتر کرده است؟
🔸 چرا تستهای خودکار کافی نیستند؟
🔸 محدودیت Specها و مستندسازی دقیق
🔸 امضای کدی که نمیفهمیم
🔸 مسئولیت مهندس نرمافزار در عصر AI
❤️ مشتی هستید، اگه دوست داشتید برای بقیه دوستان هم بفرستید.
اسم کانال هم گفتن بزارید ته پست ها.
@iCodeNext
توی این محتوی صوتی سعی کردم این مطالب رو پوشش بدم.
🔸 بدهی درک مطلب (Comprehension Debt) چیست؟
🔸 تفاوت بدهی فنی و بدهی درک مطلب
🔸 چرا بدهی درک مطلب خطرناکتر است؟
🔸 داستان تیم دانشجویی و شکست پروژه
🔸 از واگذاری کدنویسی تا واگذاری تفکر
🔸 مطالعه Anthropic؛ آیا AI واقعاً بهرهوری را افزایش میدهد؟
🔸 چرا مهندسان درک عمیقتری از سیستم ندارند؟
🔸 تله KPIها و معیارهای اشتباه سازمانها
🔸 چرا مدیران متوجه این مشکل نمیشوند؟
🔸 هوش مصنوعی چگونه Code Review را سختتر کرده است؟
🔸 چرا تستهای خودکار کافی نیستند؟
🔸 محدودیت Specها و مستندسازی دقیق
🔸 امضای کدی که نمیفهمیم
🔸 مسئولیت مهندس نرمافزار در عصر AI
❤️ مشتی هستید، اگه دوست داشتید برای بقیه دوستان هم بفرستید.
اسم کانال هم گفتن بزارید ته پست ها.
@iCodeNext
❤9👍6🔥1
اینجا تجربه واقعی خودم رو از استفاده از Fable 5 گفتم، خیلی عجیب بود برام که این مدل چقد خوبه، مگه میشه مگه داریم!
اگر شما هم از Fable 5 استفاده کردید تجربتون رو بگید.
https://youtu.be/EIENYkfVNQE
اگر شما هم از Fable 5 استفاده کردید تجربتون رو بگید.
https://youtu.be/EIENYkfVNQE
YouTube
Claude Fable is Unbelievable (A real-world scenario)
In this video, I show you how Fable 5 helped me to fix a very annoying issue in my project!
#claude #fable5 #claudecode #vibecoding #ai #developer #streaming
-------------------------------------------
👉 Follow me on LinkedIn:
https://www.linkedin.com/in/sa…
#claude #fable5 #claudecode #vibecoding #ai #developer #streaming
-------------------------------------------
👉 Follow me on LinkedIn:
https://www.linkedin.com/in/sa…
👍6❤4
Forwarded from iCodeNext
سلام و درود به همه. امروز هم یه فیچر جدید و یه ویدیو جدید.
🧶 همیشه لازم نیست برای مدیریت Permissionها چندین فیلد در دیتابیس داشته باشیم یا ساختار پیچیدهای طراحی کنیم. یک راهکار ساده و بهینه، استفاده از Bitmasking است. در این روش، هر Permission معادل یک بیت در یک عدد در نظر گرفته میشود. به این ترتیب میتوان تعداد زیادی دسترسی را تنها در یک فیلد ذخیره کرد و با استفاده از Bitwise Operations بهسادگی بررسی کرد که آیا یک Permission خاص فعال است یا خیر.
❤️ مثل همیشه مشتی هستید و فیدبک میدید و همچنین راه حل های خودتون رو هم میگید. خیلی کمک کننده هست برای جامعه ی برنامه نویسی.
مدت ویدیو: 26 دقیقه
لینک ویدیو
https://youtu.be/m97Ny2b_2cA
🧶 همیشه لازم نیست برای مدیریت Permissionها چندین فیلد در دیتابیس داشته باشیم یا ساختار پیچیدهای طراحی کنیم. یک راهکار ساده و بهینه، استفاده از Bitmasking است. در این روش، هر Permission معادل یک بیت در یک عدد در نظر گرفته میشود. به این ترتیب میتوان تعداد زیادی دسترسی را تنها در یک فیلد ذخیره کرد و با استفاده از Bitwise Operations بهسادگی بررسی کرد که آیا یک Permission خاص فعال است یا خیر.
❤️ مثل همیشه مشتی هستید و فیدبک میدید و همچنین راه حل های خودتون رو هم میگید. خیلی کمک کننده هست برای جامعه ی برنامه نویسی.
مدت ویدیو: 26 دقیقه
لینک ویدیو
https://youtu.be/m97Ny2b_2cA
👍8🔥2
توی شرکت یه قانون هست به نام
No Hello!
هدف اینه در چتهای کاری فقط «سلام» یا «Hi» نفرستید و منتظر پاسخ نمانید.
بهجای آن، همان پیام اول را همراه با سؤال یا درخواست و کمی توضیح بفرستید تا طرف مقابل هر زمان فرصت داشت بتواند مستقیم جواب بدهد.
این کار رفتوبرگشتهای اضافی را کم میکند، زمان هر دو نفر را حفظ میکند و ارتباط را مؤثرتر میکند.
یه سایت هم هست براش
https://nohello.net/en/
نسخه فارسیش هم گذاشتن
https://nohello.net/fa/
خودم به شخصه خیلی مفید میدونم اینکارو دلیلی نداره یه سلام بدی و انتظار داشته باشی اول طرف جواب بده بعد تازه کارتو بگی (البته تو محیط کاری).
No Hello!
هدف اینه در چتهای کاری فقط «سلام» یا «Hi» نفرستید و منتظر پاسخ نمانید.
بهجای آن، همان پیام اول را همراه با سؤال یا درخواست و کمی توضیح بفرستید تا طرف مقابل هر زمان فرصت داشت بتواند مستقیم جواب بدهد.
این کار رفتوبرگشتهای اضافی را کم میکند، زمان هر دو نفر را حفظ میکند و ارتباط را مؤثرتر میکند.
یه سایت هم هست براش
https://nohello.net/en/
نسخه فارسیش هم گذاشتن
https://nohello.net/fa/
خودم به شخصه خیلی مفید میدونم اینکارو دلیلی نداره یه سلام بدی و انتظار داشته باشی اول طرف جواب بده بعد تازه کارتو بگی (البته تو محیط کاری).
nohello.net
no hello
please don't say just hello in chat
👍8
Forwarded from صادق سپندارند
بعضی کارها سخت نیستند؛
فقط پایان مشخصی ندارند.
جلسه ها ادامه پیدا میکند و پایان باز دارند.
گزارش بارها ویرایش میشود
و تصمیمی که میشد امروز گرفت، هفته بعد همچنان «در حال بررسی» است.
————
ستون Bartleby در یادداشت تازهاش در اکونومیست این هفته از یکی از بدنامترین چیزهای محیط کار دفاع کرده:
ددلاین
عنوان یادداشت هم بامزه است:
دوستِ اهمالکارها، دشمنِ پرحرفها و ضرورتِ مدیران
————
اولین فایده ددلاین روشن است:
نمیگذارد کار را تا ابد عقب بیندازیم.
در یک پژوهشی که داوران کماهمالکار
بهطور متوسط در ۲۶ روز رأی خود را نوشتند؛
داوران اهمالکارتردر
۸۳ روز انجام دادند.
اختلاف، بیشتر از دو ماه بود؛ نه بهخاطر سختتر بودن کار، بلکه بهخاطر نحوه مواجهه با زمان.
————
نکته جالب این است که
حتی تعیین یک تاریخ ساده هم میتواند آدمها را به حرکت بیندازد.
در پژوهشی درباره یادآوری معاینه دندانپزشکی،
افرادی که تاریخ مشخصی برای اقدام داشتند،
بیشتر از کسانی واکنش نشان دادند که فقط یک یادآوری کلی دریافت کرده بودند.
گاهی آدمها به انگیزه بیشتر نیاز ندارند؛
به یک "تا این تاریخ" نیاز دارند.
————
اما ددلاین فقط برای تنبلها نیست.
گاهی کار بهدلیل کمالگرایی، تحلیل بیشتر
و حرفزدنهای بیپایان تمام نمیشود.
اریک اشمیت، مدیرعامل سابق گوگل،
فرمول تصمیمگیری خوب را اینطور خلاصه کرده بود:
اختلافنظر + ددلاین
اختلافنظر کمک میکند مسئله را درست بررسی کنیم؛
ددلاین نمیگذارد بررسی، جای تصمیم را بگیرد.
————
از یک جایی به بعد،
زمان بیشتر الزاماً کیفیت بیشتری نمیسازد.
فقط جملهها دوباره جابهجا میشوند،
اسلایدها رنگ عوض میکنند
و همان بحثها با واژههای تازه تکرار میشوند.
ددلاین میگوید:
این کار دیگر قرار نیست کاملتر شود؛
قرار است تمام شود.
————
ددلاین یک کار مهم دیگر هم میکند:
به سازمان ریتم میدهد.
وقتی یک واحد بداند چه زمانی باید کارش را تحویل دهد،
واحد بعدی هم میفهمد چه زمانی باید شروع کند.
پژوهش ثبت اختراع نشان داده بود
فعالیت شرکتها در پایان ماه، فصل و سال مالی بیشتر میشود.
سازمانها فقط با ساختار هماهنگ نمیشوند؛
با تقویم مشترک هم هماهنگ میشوند.
————
البته ددلاین میتواند خرابکاری هم بکند.
اگر غیرواقعی یا نمایشی باشد،
کار را عجولانه میکند،
اختیار افراد را کم میکند
و کیفیت را پایین میآورد.
در همان پژوهش ثبت اختراع،
پروندههایی که نزدیک پایان ماه ارسال شده بودند،
بیشتر نقص مدرک داشتند.
————
پس دفاع یادداشت از هر نوع ددلاینی نیست.
ددلاین خوب باید:
روشن باشد،
واقعبینانه باشد،
و معلوم کند برای تحویل چه کیفیتی کافی است.
نه اینکه مدیر سه هفته سکوت کند
و روز آخر بپرسد:
"پس چرا هنوز آماده نشده؟"
————
شاید مهمترین کار ددلاین این نباشد که آدمها را سریعتر کند.
کار مهمترش این است که
میان «هنوز میشود بهترش کرد»
و «وقت تصمیمگرفتن است»
یک خط بکشد.
بعضی کارها به زمان بیشتر نیاز ندارند؛
به اجازه تمامشدن نیاز دارند.
فقط پایان مشخصی ندارند.
جلسه ها ادامه پیدا میکند و پایان باز دارند.
گزارش بارها ویرایش میشود
و تصمیمی که میشد امروز گرفت، هفته بعد همچنان «در حال بررسی» است.
————
ستون Bartleby در یادداشت تازهاش در اکونومیست این هفته از یکی از بدنامترین چیزهای محیط کار دفاع کرده:
ددلاین
عنوان یادداشت هم بامزه است:
دوستِ اهمالکارها، دشمنِ پرحرفها و ضرورتِ مدیران
————
اولین فایده ددلاین روشن است:
نمیگذارد کار را تا ابد عقب بیندازیم.
در یک پژوهشی که داوران کماهمالکار
بهطور متوسط در ۲۶ روز رأی خود را نوشتند؛
داوران اهمالکارتردر
۸۳ روز انجام دادند.
اختلاف، بیشتر از دو ماه بود؛ نه بهخاطر سختتر بودن کار، بلکه بهخاطر نحوه مواجهه با زمان.
————
نکته جالب این است که
حتی تعیین یک تاریخ ساده هم میتواند آدمها را به حرکت بیندازد.
در پژوهشی درباره یادآوری معاینه دندانپزشکی،
افرادی که تاریخ مشخصی برای اقدام داشتند،
بیشتر از کسانی واکنش نشان دادند که فقط یک یادآوری کلی دریافت کرده بودند.
گاهی آدمها به انگیزه بیشتر نیاز ندارند؛
به یک "تا این تاریخ" نیاز دارند.
————
اما ددلاین فقط برای تنبلها نیست.
گاهی کار بهدلیل کمالگرایی، تحلیل بیشتر
و حرفزدنهای بیپایان تمام نمیشود.
اریک اشمیت، مدیرعامل سابق گوگل،
فرمول تصمیمگیری خوب را اینطور خلاصه کرده بود:
اختلافنظر + ددلاین
اختلافنظر کمک میکند مسئله را درست بررسی کنیم؛
ددلاین نمیگذارد بررسی، جای تصمیم را بگیرد.
————
از یک جایی به بعد،
زمان بیشتر الزاماً کیفیت بیشتری نمیسازد.
فقط جملهها دوباره جابهجا میشوند،
اسلایدها رنگ عوض میکنند
و همان بحثها با واژههای تازه تکرار میشوند.
ددلاین میگوید:
این کار دیگر قرار نیست کاملتر شود؛
قرار است تمام شود.
————
ددلاین یک کار مهم دیگر هم میکند:
به سازمان ریتم میدهد.
وقتی یک واحد بداند چه زمانی باید کارش را تحویل دهد،
واحد بعدی هم میفهمد چه زمانی باید شروع کند.
پژوهش ثبت اختراع نشان داده بود
فعالیت شرکتها در پایان ماه، فصل و سال مالی بیشتر میشود.
سازمانها فقط با ساختار هماهنگ نمیشوند؛
با تقویم مشترک هم هماهنگ میشوند.
————
البته ددلاین میتواند خرابکاری هم بکند.
اگر غیرواقعی یا نمایشی باشد،
کار را عجولانه میکند،
اختیار افراد را کم میکند
و کیفیت را پایین میآورد.
در همان پژوهش ثبت اختراع،
پروندههایی که نزدیک پایان ماه ارسال شده بودند،
بیشتر نقص مدرک داشتند.
————
پس دفاع یادداشت از هر نوع ددلاینی نیست.
ددلاین خوب باید:
روشن باشد،
واقعبینانه باشد،
و معلوم کند برای تحویل چه کیفیتی کافی است.
نه اینکه مدیر سه هفته سکوت کند
و روز آخر بپرسد:
"پس چرا هنوز آماده نشده؟"
————
شاید مهمترین کار ددلاین این نباشد که آدمها را سریعتر کند.
کار مهمترش این است که
میان «هنوز میشود بهترش کرد»
و «وقت تصمیمگرفتن است»
یک خط بکشد.
بعضی کارها به زمان بیشتر نیاز ندارند؛
به اجازه تمامشدن نیاز دارند.
👍3🔥1
صادق سپندارند
بعضی کارها سخت نیستند؛ فقط پایان مشخصی ندارند. جلسه ها ادامه پیدا میکند و پایان باز دارند. گزارش بارها ویرایش میشود و تصمیمی که میشد امروز گرفت، هفته بعد همچنان «در حال بررسی» است. ———— ستون Bartleby در یادداشت تازهاش در اکونومیست این هفته از یکی از…
جالبه!
شرکت ما از دوماه پیش تغییر روش داد، قبلا روی تیک ها تو جیرا Story Points میذاشتیم و هر تیمی یه معیار واسه خودش داشت با توجه اندازه/پیچیدگی/کار تکراری یا جدید،...
مثلا برای تیم ما ۸ امتیاز به معنی اینه که این کار ( دولوپ + تست دستی+ تست اتومات) یک اسپرینت (دو هفته) برای "یک فرد" طول میکشه ولی یه تیم دیگه امتیاز رو برابر ساعت میدید!
شرکت گفت که دیگه امتیاز رو حذف و از روز استفاده کنید Effort Days!
دلیل چی بود؟
مهم ترین دلیل کندی به نتیجه رسیدن و اتمام کارها.
اولش همه اعتراض کردن که آقا این روش کار نمیکنه و فشار/استرس میاره به تیم ولی شرکت تصمیمشو گرفته بود و الان به نظر کارا بهتر داره پیش میره!
نظر شما چیه؟ کدوم بهتره StoryPoints یا EffortDays ؟
شرکت ما از دوماه پیش تغییر روش داد، قبلا روی تیک ها تو جیرا Story Points میذاشتیم و هر تیمی یه معیار واسه خودش داشت با توجه اندازه/پیچیدگی/کار تکراری یا جدید،...
مثلا برای تیم ما ۸ امتیاز به معنی اینه که این کار ( دولوپ + تست دستی+ تست اتومات) یک اسپرینت (دو هفته) برای "یک فرد" طول میکشه ولی یه تیم دیگه امتیاز رو برابر ساعت میدید!
شرکت گفت که دیگه امتیاز رو حذف و از روز استفاده کنید Effort Days!
دلیل چی بود؟
مهم ترین دلیل کندی به نتیجه رسیدن و اتمام کارها.
اولش همه اعتراض کردن که آقا این روش کار نمیکنه و فشار/استرس میاره به تیم ولی شرکت تصمیمشو گرفته بود و الان به نظر کارا بهتر داره پیش میره!
نظر شما چیه؟ کدوم بهتره StoryPoints یا EffortDays ؟
👍5
Forwarded from صادق سپندارند
تا امروز بیشتر از هوش مصنوعی خواستهایم
درباره دنیا برایمان حرف بزند.
اما اگر مرحله بعد این باشد که
بتواند قبل از انجام یک کار،
نتیجهاش را در ذهن خودش امتحان کند چه؟
New Scientist در شماره این هفته که امروز منتشر شده
همین سؤال را برده روی جلد:
AI’S NEXT LEAP
What happens when AI starts to experience the real world?
⸻
New Scientist مجله مدیریتی نیست؛ یکی از معتبرترین نشریات علمی دنیاست.
این گزارش هم اساساً یک مطلب علمی درباره آینده هوش مصنوعی است.
ولی برای من بخش جذابش جای دیگری بود:
اگر AI از «جوابدادن»
به سمت فهمیدن پیامدِ عمل حرکت کند،
نقشش در شرکتها هم عوض میشود.
دیگر فقط نمیپرسیم:
«چه چیزی برایم بنویسی؟»
کمکم میپرسیم:
«اگر این تصمیم را بگیرم، احتمالاً بعدش چه میشود؟»
⸻
مقاله با یک مثال خیلی ساده شروع میشود:
یک لیوان را از روی میز بیندازید.
ChatGPT میتواند برایتان درباره گرانش، مسیر سقوط و شکستن شیشه توضیح مفصل بدهد.
اما یک بچه سهساله فقط میگوید:
میافته، میشکنه، آب میریزه همهجا.
و اتفاقاً نکته همینجاست.
⸻
بچه سهساله شاید فرمول گرانش نداند،
ولی یک چیز مهم دارد:
میتواند حدس بزند اگر کاری انجام دهد، بعدش چه اتفاقی میافتد.
مدلهای زبانی امروز بیشتر از متن یاد گرفتهاند که جهان چگونه توصیف میشود.
اما World Model قرار است چیزی بیشتر یاد بگیرد:
خودِ رفتار جهان را.
⸻
خیلی ساده اگر بخواهم بگویم:
AI امروز بیشتر میپرسد:
«درباره این موضوع چه میدانم؟»
World Model قرار است بتواند بپرسد:
«اگر این کار را انجام بدهم، بعدش چه میشود؟»
این تفاوت کوچکی نیست.
⸻
یعنی AI قبل از عمل،
چند آینده ممکن را درون خودش امتحان کند.
حرکت A را انجام بدهم چه میشود؟
B چطور؟
اگر شرایط عوض شد چه؟
بعد از بین آنها یک مسیر انتخاب کند.
نوعی آزمون و خطا در ذهن، قبل از آزمون و خطا در واقعیت.
⸻
برای همین بخش مهمی از هیجان فعلی درباره World Models
مربوط به رباتهاست.
مثلاً رباتی که میخواهد چیزی را جابهجا کند،
لباس تا کند
یا در انبار کار کند،
لازم نیست همه اشتباهات را واقعاً انجام دهد.
میتواند اول نتیجه حرکتهای مختلف را «تصور» کند
و بعد اقدام کند.
⸻
حالا از اینجا به بعد، مقاله را کمی از زاویه مدیریت نگاه کنیم.
تا امروز بیشتر بحث سازمانها این بوده:
AI چه چیزی برای من بنویسد؟
چه چیزی خلاصه کند؟
چه گزارشی تولید کند؟
ولی نسل بعدی احتمالاً سؤال دیگری میسازد:
AI قبل از تصمیم من، چه سناریوهایی را میتواند امتحان کند؟
⸻
مثلاً در کسبوکار:
اگر قیمت را تغییر بدهم چه میشود؟
اگر این شعبه را ببندم چه؟
اگر موجودی انبار را کم کنم؟
اگر این مسیر لجستیکی مختل شود؟
اگر مشتری این پیشنهاد را نپذیرد، حرکت بعدی چیست؟
AI از «تولیدکننده جواب»
کمکم میتواند به شبیهساز پیامد تصمیمها نزدیک شود.
⸻
برای استراتژی هم جذابتر میشود.
مدیر معمولاً فقط یک پیشبینی نمیخواهد.
میخواهد بداند:
اگر دنیا اینطور شد چه کنم؟
اگر برعکس شد چه؟
اگر اتفاقی افتاد که در برنامه من نبود چه؟
World Models دقیقاً به ایده
فکرکردن در چند آینده ممکن نزدیک میشوند.
نه اینکه آینده را قطعی پیشبینی کنند؛
بلکه بتوانند پیامد چند مسیر را قبل از اقدام بررسی کنند.
⸻
البته خود مقاله خیلی محتاط است.
هنوز معلوم نیست World Models واقعاً ما را به AGI برسانند.
چون هوش انسانی فقط پیشبینی فیزیک نیست.
ما میفهمیم چه چیزی را نمیدانیم،
ذهن دیگران را حدس میزنیم،
فرضیه میسازیم
و بسته به موقعیت، مدل ذهنیمان را عوض میکنیم.
AI هنوز در خیلی از اینها مشکل دارد.
⸻
شاید برای مدیران، نکته مهم مقاله همین باشد:
موج اول AI بیشتر درباره تولید بود.
متن، تصویر، کد، گزارش…
موج بعدی ممکن است بیشتر درباره پیشبینی پیامد، شبیهسازی و عمل باشد.
یعنی حرکت از:
«برایم توضیح بده چه میشود»
به:
«قبل از اینکه کاری کنم، چند بار در ذهنت امتحانش کن.»
⸻
و شاید تیتر New Scientist به همین دلیل خوب انتخاب شده:
AI’S NEXT LEAP
جهش بعدی AI شاید این نباشد که
بیشتر بداند یا بهتر حرف بزند.
شاید این باشد که بتواند کمی شبیه ما فکر کند:
اگر این کار را بکنم… بعدش چه میشود؟
برای کسبوکار، این تفاوت بین یک ابزار تولید محتوا
و چیزی بسیار نزدیکتر به یک همکار برای تصمیمگیری است.
درباره دنیا برایمان حرف بزند.
اما اگر مرحله بعد این باشد که
بتواند قبل از انجام یک کار،
نتیجهاش را در ذهن خودش امتحان کند چه؟
New Scientist در شماره این هفته که امروز منتشر شده
همین سؤال را برده روی جلد:
AI’S NEXT LEAP
What happens when AI starts to experience the real world?
⸻
New Scientist مجله مدیریتی نیست؛ یکی از معتبرترین نشریات علمی دنیاست.
این گزارش هم اساساً یک مطلب علمی درباره آینده هوش مصنوعی است.
ولی برای من بخش جذابش جای دیگری بود:
اگر AI از «جوابدادن»
به سمت فهمیدن پیامدِ عمل حرکت کند،
نقشش در شرکتها هم عوض میشود.
دیگر فقط نمیپرسیم:
«چه چیزی برایم بنویسی؟»
کمکم میپرسیم:
«اگر این تصمیم را بگیرم، احتمالاً بعدش چه میشود؟»
⸻
مقاله با یک مثال خیلی ساده شروع میشود:
یک لیوان را از روی میز بیندازید.
ChatGPT میتواند برایتان درباره گرانش، مسیر سقوط و شکستن شیشه توضیح مفصل بدهد.
اما یک بچه سهساله فقط میگوید:
میافته، میشکنه، آب میریزه همهجا.
و اتفاقاً نکته همینجاست.
⸻
بچه سهساله شاید فرمول گرانش نداند،
ولی یک چیز مهم دارد:
میتواند حدس بزند اگر کاری انجام دهد، بعدش چه اتفاقی میافتد.
مدلهای زبانی امروز بیشتر از متن یاد گرفتهاند که جهان چگونه توصیف میشود.
اما World Model قرار است چیزی بیشتر یاد بگیرد:
خودِ رفتار جهان را.
⸻
خیلی ساده اگر بخواهم بگویم:
AI امروز بیشتر میپرسد:
«درباره این موضوع چه میدانم؟»
World Model قرار است بتواند بپرسد:
«اگر این کار را انجام بدهم، بعدش چه میشود؟»
این تفاوت کوچکی نیست.
⸻
یعنی AI قبل از عمل،
چند آینده ممکن را درون خودش امتحان کند.
حرکت A را انجام بدهم چه میشود؟
B چطور؟
اگر شرایط عوض شد چه؟
بعد از بین آنها یک مسیر انتخاب کند.
نوعی آزمون و خطا در ذهن، قبل از آزمون و خطا در واقعیت.
⸻
برای همین بخش مهمی از هیجان فعلی درباره World Models
مربوط به رباتهاست.
مثلاً رباتی که میخواهد چیزی را جابهجا کند،
لباس تا کند
یا در انبار کار کند،
لازم نیست همه اشتباهات را واقعاً انجام دهد.
میتواند اول نتیجه حرکتهای مختلف را «تصور» کند
و بعد اقدام کند.
⸻
حالا از اینجا به بعد، مقاله را کمی از زاویه مدیریت نگاه کنیم.
تا امروز بیشتر بحث سازمانها این بوده:
AI چه چیزی برای من بنویسد؟
چه چیزی خلاصه کند؟
چه گزارشی تولید کند؟
ولی نسل بعدی احتمالاً سؤال دیگری میسازد:
AI قبل از تصمیم من، چه سناریوهایی را میتواند امتحان کند؟
⸻
مثلاً در کسبوکار:
اگر قیمت را تغییر بدهم چه میشود؟
اگر این شعبه را ببندم چه؟
اگر موجودی انبار را کم کنم؟
اگر این مسیر لجستیکی مختل شود؟
اگر مشتری این پیشنهاد را نپذیرد، حرکت بعدی چیست؟
AI از «تولیدکننده جواب»
کمکم میتواند به شبیهساز پیامد تصمیمها نزدیک شود.
⸻
برای استراتژی هم جذابتر میشود.
مدیر معمولاً فقط یک پیشبینی نمیخواهد.
میخواهد بداند:
اگر دنیا اینطور شد چه کنم؟
اگر برعکس شد چه؟
اگر اتفاقی افتاد که در برنامه من نبود چه؟
World Models دقیقاً به ایده
فکرکردن در چند آینده ممکن نزدیک میشوند.
نه اینکه آینده را قطعی پیشبینی کنند؛
بلکه بتوانند پیامد چند مسیر را قبل از اقدام بررسی کنند.
⸻
البته خود مقاله خیلی محتاط است.
هنوز معلوم نیست World Models واقعاً ما را به AGI برسانند.
چون هوش انسانی فقط پیشبینی فیزیک نیست.
ما میفهمیم چه چیزی را نمیدانیم،
ذهن دیگران را حدس میزنیم،
فرضیه میسازیم
و بسته به موقعیت، مدل ذهنیمان را عوض میکنیم.
AI هنوز در خیلی از اینها مشکل دارد.
⸻
شاید برای مدیران، نکته مهم مقاله همین باشد:
موج اول AI بیشتر درباره تولید بود.
متن، تصویر، کد، گزارش…
موج بعدی ممکن است بیشتر درباره پیشبینی پیامد، شبیهسازی و عمل باشد.
یعنی حرکت از:
«برایم توضیح بده چه میشود»
به:
«قبل از اینکه کاری کنم، چند بار در ذهنت امتحانش کن.»
⸻
و شاید تیتر New Scientist به همین دلیل خوب انتخاب شده:
AI’S NEXT LEAP
جهش بعدی AI شاید این نباشد که
بیشتر بداند یا بهتر حرف بزند.
شاید این باشد که بتواند کمی شبیه ما فکر کند:
اگر این کار را بکنم… بعدش چه میشود؟
برای کسبوکار، این تفاوت بین یک ابزار تولید محتوا
و چیزی بسیار نزدیکتر به یک همکار برای تصمیمگیری است.
❤7🔥2👍1
کلاد از دوم آگوست (۱۱ مرداد) شروع کرده به خروجی مدل ها برچسب زدن یعنی هرچی که کلاد تولید میکنه از متن تا کد تا عکس .... یه watermark پنهان اضافه میکنه و اینجوری پلتفرم ها میتونن بفهمنن که این خروجی AI بوده یا نه.
اصل قضیه برای قبول کردن قوانین اروپا بوده ولی اینگاری گفته برای همه کشورها فعال میشه!
https://support.claude.com/en/articles/16266773-how-claude-marks-ai-generated-content
اصل قضیه برای قبول کردن قوانین اروپا بوده ولی اینگاری گفته برای همه کشورها فعال میشه!
https://support.claude.com/en/articles/16266773-how-claude-marks-ai-generated-content
Claude
How Claude marks AI-generated content | Claude Help Center
👍2
Forwarded from iCodeNext
❤️ شما دعوتید!
https://luma.com/28fu1cid
ساعت 9 صبح 5 شنبه به وقت تهران 29 مرداد ماه.
مدت زمان میتینگ : 90 دقیقه
ظرفیت 99 نفر
موضوع : در مورد همه چیز صحبت میکنیم.
https://luma.com/28fu1cid
ساعت 9 صبح 5 شنبه به وقت تهران 29 مرداد ماه.
مدت زمان میتینگ : 90 دقیقه
ظرفیت 99 نفر
موضوع : در مورد همه چیز صحبت میکنیم.
👍1