🧭 تیپ #9

مسیریابی ابزارها پیش از فراخوانی مدل
وقتی تعداد ابزارهای یک ایجنت از ده دوازده تا رد می‌شود، ریختن همه‌ی اسکیماها داخل پرامپت دیگر جواب نمی‌دهد: هم توکن می‌سوزاند و هم مدل بیشتر اشتباه انتخاب می‌کند. راه‌حل این است که یک مرحله‌ی مسیریابی سبک بگذارید که فهرست ابزارها را با درخواست کاربر تطبیق بدهد و فقط چند ابزار مرتبط را به دست مدل اصلی برساند 🧭. خروجی این مرحله را کوچک نگه دارید (حدود پنج تا ده ابزار)، برای هر ابزار نام و توضیح روشن بنویسید تا قابل بازیابی بماند، و ثبت کنید چه ابزارهایی پیشنهاد شده‌اند تا خطاها را راحت‌تر دیباگ کنید.

Route tools before the model sees them
Once an agent has more than a dozen tools, dumping every schema into the prompt starts to hurt: token cost climbs and the model picks the wrong function more often. The fix is a routing step, a cheap retrieval pass that scores your tool catalog against the user's request and hands the planner only the handful of tools that actually fit 🧭. Keep the router's output small (5 to 10 tools), give every tool a crisp name and description so it stays retrievable, and log which tools were offered so you can debug the misses.

@dslanders

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

🤖 خبر ۱: OpenAI مدل تازه‌ای به نام GPT-6.1 Sol را معرفی کرد که هوشی نزدیک به مدل گران‌قیمت Astra دارد، اما هزینه‌اش حدود یک‌پنجم آن است؛ یعنی کارهای حرفه‌ای روزمره با هوش مصنوعی سطح بالا حالا خیلی ارزان‌تر تمام می‌شود.

🔔 خبر ۲: قابلیت MCP Events به ChatGPT اجازه می‌دهد عضو خبرنامه‌ی یک سرور MCP شود و هر وقت داده‌های شما تغییر کرد، خودش بدون دخالت انسان واکنش نشان دهد.

🔑 خبر ۳: با گزینه‌ی «ورود با ChatGPT» می‌توانید به‌جای ساختن حساب جدید، با همان حساب ChatGPT وارد اپلیکیشن‌های دیگر شوید و یک هویت واحد در وب داشته باشید.

🧮 خبر ۴: Lathoa یک اپلیکیشن آموزش ریاضی است که در آن یک ربات عمداً یک قدم را اشتباه حل می‌کند تا بچه‌ها یاد بگیرند خطای هوش مصنوعی را پیدا کنند.

🔍 خبر ۵: شرکت Cohere مدل‌های Embed 5 را منتشر کرد که جست‌وجو در اسناد مالی، فایل‌های PDF پردازش‌شده، کد و متن‌های چندزبانه را برای سیستم‌های بازیابی اطلاعات هوش مصنوعی دقیق‌تر می‌کند.

@dslanders

🍎 تیپ #10

خطای ابزار را طوری برگردان که مدل از آن یاد بگیرد
وقتی ابزار فقط یک خطای مبهم مثل «500» برمی‌گرداند، مدل چاره‌ای جز تکرار همان فراخوانی ندارد و در حلقه می‌افتد. خطا را ساخت‌یافته برگردان: کد خطا، فیلد مشکل‌دار، دلیل شکست و مقادیر مجاز. مثلاً به‌جای پیام خالی، فیلدی مثل expected با قالب درست تاریخ و یک پرچم retryable بفرست 🍎 تا مدل آن را مثل یک دستور بخواند و در نوبت بعد خودش اصلاح کند. خطاهای پایدار را هم صریح غیرقابل‌تکرار علامت بزن تا ایجنت بی‌دلیل تلاش مجدد نکند.

Return tool errors that teach the model
A raw stack trace or a bare `500` tells an agent nothing, so it blindly retries the same call until it burns its step budget. Return errors as structured, actionable messages instead: the error code, the offending field, why it failed, and the valid options. A `400` becomes `{"error":"invalid_date","received":"next friday","expected":"ISO 8601, e.g. 2025-03-04","retryable":true}` 🍎, which the model reads as an instruction and fixes on the next turn. Mark terminal errors as non-retryable so the agent stops instead of looping.

@dslanders

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

🧠 خبر ۱: گوگل مدل تازه‌ای به نام Gemini 4 Argon معرفی کرد؛ مدلی که برای فکر کردن طولانی و پیوسته روی کدنویسی، کارهای سازمانی و امنیت سایبری ساخته شده.

🎨 خبر ۲: Ideogram 4.5 ویرایشگر تصویر جدیدی است که می‌توانی فقط یک بخش مشخص عکس را دقیق تغییر بدهی و بقیه تصویر کاملاً دست‌نخورده بماند.

🛡️ خبر ۳: انویدیا ابزار رایگان OpenShell را منتشر کرد؛ این برنامه تعیین می‌کند عوامل هوش مصنوعی خودکار به چه چیزهایی دسترسی داشته باشند: فایل‌ها، شبکه، رمزها و دستورهای سیستمی.

🏭 خبر ۴: پژوهش تازه Anthropic می‌گوید ربات‌ها امروز می‌توانند ۷۴ درصد کارهای فیزیکی آمریکا را انجام دهند، اما گرانی باعث می‌شود فقط ۰.۳ درصدشان الان ارزش خودکارسازی داشته باشد.

🕵️ خبر ۵: OpenAI توضیح داد چطور کمپینی را کشف و متوقف کرد که می‌خواست با مدل‌های این شرکت، توانایی‌های یک هوش مصنوعی رقیب را کپی کند.

@dslanders

🔍 تیپ #11

چطور ایجنت دانش بیرونی را بازیابی می‌کند
در بازیابی افزوده به تولید (RAG)، پرسش کاربر اول به بردار تبدیل می‌شود، نزدیک‌ترین تکه‌های متنی از پایگاه برداری بیرون کشیده می‌شوند و پیش از پاسخ‌دهی داخل پرامپت مدل می‌نشینند. نکته مهم این است که کیفیت پاسخ بیش از آنکه به خود مدل وابسته باشد، به نحوه تکه‌تکه کردن اسناد و بازنویسی پرسش بستگی دارد 🔍. ضمناً متن بازیابی‌شده را باید داده‌ی غیرقابل‌اعتماد در نظر گرفت، نه دستور؛ چون یک سند آلوده می‌تواند کنترل ایجنت را به دست بگیرد.

RAG: How Agents Retrieve Outside Knowledge
RAG works by embedding the query, pulling the nearest chunks out of a vector store, and pasting them into the prompt before the model answers. The model only knows what the retriever hands it, so chunking and query wording often decide the answer more than the model itself does 🔍. And treat retrieved text as untrusted data, never as instructions: one poisoned document can hijack your agent.

@dslanders

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

🔬 خبر ۱: فیزیکدانی از دانشگاه Harvard با کمک Claude ۳۶ مقالهٔ علمی نوشته و نشان داده هوش مصنوعی حالا در پژوهش واقعی سهم دارد.

💻 خبر ۲: سازندهٔ Redis ابزاری به نام ds4 ساخته که هر کسی می‌تواند مدل‌های زبانی بزرگ را روی کامپیوتر خودش اجرا کند، بدون نیاز به سرور.

🧱 خبر ۳: یک برنامه‌نویس سازندهٔ لگوی هوش مصنوعی ساخته که رایگان و متن‌باز است و متن شما را به طرح قابل ساخت با آجرهای لگو تبدیل می‌کند.

🎙️ خبر ۴: مدل جدید Microsoft به نام MAI در جدول Artificial Analysis اول شد و تبدیل گفتار به متن را سریع، دقیق و ارزان می‌کند.

🎲 خبر ۵: بر اساس مقاله‌ای در Nature، هوش مصنوعی بالاخره بازی فکری Stratego را حل کرد؛ بازی‌ای که بیشتر مهره‌های حریف پنهان می‌مانند.

@dslanders

🎯 تیپ #12

چرا معیارهای چت‌بات برای سنجش ایجنت کافی نیستند
سنجیدن کیفیت یک پاسخ تک‌نوبتی با ارزیابی یک ایجنت زمین تا آسمان فرق دارد. ایجنت در چند مرحله ابزار صدا می‌زند، وضعیت محیط را تغییر می‌دهد و مسیرش پر از دور زدن و تلاش دوباره است؛ پس یک پاسخ نهایی شیک و مرتب می‌تواند روی مسیری خراب نشسته باشد. معیار درست این است که ببینید کار واقعاً تمام شد یا نه 🎯 و اگر همان سناریو را چند بار پشت سر هم اجرا کنید، نتیجه پایدار می‌ماند یا نه.

Agent evals: why chatbot metrics fall short
Chatbot metrics score one reply at a time: fluency, helpfulness, win rate against another model. An agent is a multi-step policy that calls tools and mutates state, so a polished final answer can sit on top of a broken trajectory, a retried API call, or a silently corrupted record. Score the outcome instead: did the task actually complete 🎯 and does that result hold when you rerun the same scenario five times in a row?

@dslanders

مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی

💸 خبر ۱: گوگل دسترسی رایگان به مدل‌های Flash و Pro جمینای را قطع کرده و کاربران باید به پلن‌های پولی بروند یا سراغ گزینه‌های دیگر.

🐧 خبر ۲: توزیع لینوکسی Pop!_OS استفاده از کدهای ساخته‌شده با هوش مصنوعی را در بخش بزرگی از پروژه‌اش ممنوع کرد؛ الگویی تازه برای پروژه‌های متن‌باز.

🇩🇪 خبر ۳: شرکت Aleph Alpha مدل زبانی آلمانی «Kolibri» را با وزن باز عرضه کرد تا سازمان‌های اروپایی بدون وابستگی به ابرهای آمریکایی هوش مصنوعی اجرا کنند.

🤖 خبر ۴: یک عامل هوش مصنوعی خودش به صدها پژوهشگر ایمیل زد و درخواست کمک کرد، بعد دلیل کارهایش را توضیح داد؛ نشان می‌دهد این عامل‌ها در کارهای واقعی چطور شکست می‌خورند.

⚖️ خبر ۵: حکم یک پرونده قتل در آمریکا پس از نمایش ویدیوی قربانی که با هوش مصنوعی ساخته شده بود نقض شد و نگرانی درباره اعتبار شواهد بالا گرفت.

@dslanders

🚦 تیپ #13

جلوگیری از اقدام‌های برگشت‌ناپذیر با الگوی پیشنهاد و تأیید
مؤثرترین محافظ در برابر اقدام‌های برگشت‌ناپذیر، پرامپت بهتر نیست؛ حذف کردن دسترسی است. ابزارهای حساس مثل حذف، پرداخت، ارسال پیام و دیپلوی را از جعبه‌ابزار پیش‌فرض ایجنت بیرون بگذارید و فقط از مسیر «پیشنهاد بده، بعد تأیید بگیر» در اختیارش قرار دهید. ایجنت یک طرح ساخت‌یافته می‌سازد، یک لایه قطعی آن را اعتبارسنجی می‌کند و تا وقتی انسان یا موتور سیاست تأیید نکند هیچ چیز اجرا نمی‌شود 🚦. کنارش dry-run و کلید idempotency هم بگذارید تا تلاش دوباره به حذف یا پرداخت تکراری منتهی نشود.

Stop Irreversible Actions With a Confirm Gate
The strongest guardrail against irreversible actions is not a better prompt, it is a missing capability: keep delete, pay, send, and deploy tools out of the agent's default toolset and expose them only through a propose-then-confirm flow. The agent emits a structured plan, a deterministic layer validates it, and nothing executes until a human or a policy engine approves 🚦. Pair that with a dry-run and an idempotency key so a retry can never double-charge or double-delete. If the model can call the destructive tool directly, assume some bad token will eventually call it.

@dslanders