۸ ابزار هوش مصنوعی رایگان برای پژوهشگران
اگه دانشجو، پژوهشگر یا اهل مطالعه و تحقیق هستی، این ابزارها میتونن کلی از زمانت رو ذخیره کنن
NotebookLM
Qwen Chat
AI2
Bohrium
OpenAlex
STORM
Napkin AI
Google Scholar Labs
اگر با مقاله، تحقیق و منابع علمی سروکار داری، ذخیرهکردن این لیست واقعاً ارزش داره.
@ITSecurityComputer
اگه دانشجو، پژوهشگر یا اهل مطالعه و تحقیق هستی، این ابزارها میتونن کلی از زمانت رو ذخیره کنن
NotebookLM
مطالعه و خلاصهسازی منابع
Qwen Chat
چت و تحلیل محتوا
AI2
مرور و تحقیق پیشینه
Bohrium
چتبات متکی بر منابع علمی
OpenAlex
دادههای علمی و استنادی
STORM
تولید گزارشهای علمی و طولانی
Napkin AI
تبدیل ایدهها به نمودار و تصویر
Google Scholar Labs
جستوجوی پیشرفته پژوهشی
اگر با مقاله، تحقیق و منابع علمی سروکار داری، ذخیرهکردن این لیست واقعاً ارزش داره.
@ITSecurityComputer
❤13👍5
This media is not supported in your browser
VIEW IN TELEGRAM
قیمت دلار انقدر نوسان داره که رستورانا هم مثل صرافیها قیمت رو آنلاین نشون میدن.
@ITSecurityComputer
نیم ساعت دیرتر سفارش بدی ممکنه ساندویچ بندری ۲۰ تومن گرون تر شده باشه.
@ITSecurityComputer
💔84🤣14
This media is not supported in your browser
VIEW IN TELEGRAM
یه ابزار بامزه برای ساخت QR کد که شبیه QR کد معمولی نیست
لینک رو وارد میکنی و یه درخت سهبعدی از خود کد رشد میکنه.
از بالا همون QR قابل اسکنه و کاملاً تو مرورگر کار میکنه.
https://tree.icqr.com
@ITSecurityComputer
لینک رو وارد میکنی و یه درخت سهبعدی از خود کد رشد میکنه.
از بالا همون QR قابل اسکنه و کاملاً تو مرورگر کار میکنه.
https://tree.icqr.com
@ITSecurityComputer
❤45😐5👌1
This media is not supported in your browser
VIEW IN TELEGRAM
استاندارد T568B در شبکه 100Mbps
در ارتباط 100BASE-TX چهار پین برای انتقال دیتا استفاده میشوند و در PoE زوجهای آزاد میتوانند برای انتقال برق بهکار بروند:
🟢 DATA: پینهای 1، 2، 3 و 6
🔵 PoE (+): پینهای 4 و 5
🔴 PoE (−): پینهای 7 و 8
#شبکه #کابل_شبکه #کابل_لن #سوکت_شبکه #سوکت_RJ45
@ITSecurityComputer
در ارتباط 100BASE-TX چهار پین برای انتقال دیتا استفاده میشوند و در PoE زوجهای آزاد میتوانند برای انتقال برق بهکار بروند:
🟢 DATA: پینهای 1، 2، 3 و 6
🔵 PoE (+): پینهای 4 و 5
🔴 PoE (−): پینهای 7 و 8
#شبکه #کابل_شبکه #کابل_لن #سوکت_شبکه #سوکت_RJ45
@ITSecurityComputer
❤18
Forwarded from تکنولوژی،خبری،هوش مصنوعی،
رفقای عزیز چنلو بوست کنیم ایموجی های پریمویم باز کنیم 😍👇
https://t.me/boost/ITSecurityComputer
https://t.me/boost/ITSecurityComputer
🤣2❤1
ربات جدید دانلودر اینستاگراممون راه اندازی شد با امکانات خیلی خاص که به صورت رایگان براتون ارائه میدم حتما سر بزنید بهش
@Instagramdownloderplus_bot
امکانات ربات:
📥 دانلود پست (عکس و اسلاید)
🎬 دانلود ریلز (Reels)
📱 دانلود استوری (Story)
🎧 استخراج فایل صوتی (MP3)
📝 استخراج کپشن (متن}پست
@Instagramdownloderplus_bot
امکانات ربات:
🎬 دانلود ریلز (Reels)
Please open Telegram to view this post
VIEW IN TELEGRAM
1❤12🗿2
This media is not supported in your browser
VIEW IN TELEGRAM
در این تصویر یک نمونه از ساختار شبکه یک شرکت را مشاهده میکنید؛ جایی که کامپیوترها، تلفنهای تحت شبکه، دوربینهای مداربسته، اینترنت و سیستم دزدگیر همگی از طریق تجهیزات داخل رک به یکدیگر متصل شدهاند.
🗄️ در قلب شبکه معمولاً تجهیزاتی مانند: 🔹 پچ پنل
🔹 سوئیچ شبکه
🔹 روتر
🔹 مودم اینترنت
🔹 NVR دوربینها
🔹 UPS و PDU
قرار میگیرند و ارتباط تمام تجهیزات را مدیریت میکنند.
⚠️ نکته مهم: این دیاگرام فقط یک نمونه سادهشده از شبکه یک شرکت است. در عمل، طراحی شبکه به عوامل مختلفی مثل تعداد کاربران، تعداد شعب، نیازهای امنیتی، تلفن VoIP، دوربینها، سرورها و بودجه پروژه بستگی دارد.
ممکن است یک شرکت کوچک تنها یک سوئیچ و روتر داشته باشد، در حالی که یک سازمان بزرگ از چندین رک، VLAN، سرور، فایروال و لینکهای ارتباطی متعدد استفاده کند.
🎯 هدف از این تصویر، آشنایی با مسیر کلی ارتباط تجهیزات در یک شبکه واقعی است؛ از رک و تجهیزات مرکزی تا نودهای کار...
@ITSecurityComputer
🗄️ در قلب شبکه معمولاً تجهیزاتی مانند: 🔹 پچ پنل
🔹 سوئیچ شبکه
🔹 روتر
🔹 مودم اینترنت
🔹 NVR دوربینها
🔹 UPS و PDU
قرار میگیرند و ارتباط تمام تجهیزات را مدیریت میکنند.
⚠️ نکته مهم: این دیاگرام فقط یک نمونه سادهشده از شبکه یک شرکت است. در عمل، طراحی شبکه به عوامل مختلفی مثل تعداد کاربران، تعداد شعب، نیازهای امنیتی، تلفن VoIP، دوربینها، سرورها و بودجه پروژه بستگی دارد.
ممکن است یک شرکت کوچک تنها یک سوئیچ و روتر داشته باشد، در حالی که یک سازمان بزرگ از چندین رک، VLAN، سرور، فایروال و لینکهای ارتباطی متعدد استفاده کند.
🎯 هدف از این تصویر، آشنایی با مسیر کلی ارتباط تجهیزات در یک شبکه واقعی است؛ از رک و تجهیزات مرکزی تا نودهای کار...
@ITSecurityComputer
👍16❤6👌3
This media is not supported in your browser
VIEW IN TELEGRAM
ربات گدا دیده بودین تا حالا ؟):
@ITSecurityComputer
@ITSecurityComputer
🤣130❤2💔1
میزان موفقیت رسیدن به قله اونقدر زیاده که حتی با کاهش دما هم بازم هر روز برق میره
برق که میره اب قطع میشه نت هم قطع میشه.
یعنی دراصل در روز دو ساعت یا بیشتر نه اب داریم نه برق نه نت !
گاز هم بزودی انلاک میشه
برق که میره اب قطع میشه نت هم قطع میشه.
یعنی دراصل در روز دو ساعت یا بیشتر نه اب داریم نه برق نه نت !
گاز هم بزودی انلاک میشه
👍117🤬8🤣5❤4👎3😁2
Media is too big
VIEW IN TELEGRAM
یه ورکشاپ یهساعته که نشون میده چطور Grok 4.6 رو داخل Cursor اجرا کنی و یه تیم از Grok Bots بسازی که کارها رو بهجای تو انجام بدن.
- کاهش مصرف توکن
- ساخت Agentها
- حل مشکل فراموشی مدل
- یه پیادهسازی عملی کامل
سیو کنید که در زمان مناسب حتما ببینید، یه ساعت که میتونه دیدت به AI Agentها رو کاملاً عوض کنه.
@ITSecurityComputer
- کاهش مصرف توکن
- ساخت Agentها
- حل مشکل فراموشی مدل
- یه پیادهسازی عملی کامل
سیو کنید که در زمان مناسب حتما ببینید، یه ساعت که میتونه دیدت به AI Agentها رو کاملاً عوض کنه.
@ITSecurityComputer
👍32❤10🤯1
🔴 وزیر نیرو : خبر خوش برای ملت شریف ایران، قطعی های برق برنامه ریزی شده برق تموم شد.
+همین امروز برداشتن دروغ گو
@ITSecurityComputer
+همین امروز برداشتن دروغ گو
@ITSecurityComputer
🤣166❤9😡7👍1
Forwarded from تبلیغات
OFF10Please open Telegram to view this post
VIEW IN TELEGRAM
❤2
مهندسی معکوس Prompt | قسمت اول
چطور از روی یک خروجی، Prompt پشتش رو حدس بزنیم؟ تا حالا یک خروجی فوقالعاده از ChatGPT، Midjourney، Nano Banana یا هر مدل دیگهای دیدی و با خودت گفتی پرامپتش چی بوده که همچین چیزی ساخته؟ اینجا دقیقاً وارد دنیای Prompt Reverse Engineering میشیم.
اما یک نکته مهم قرار نیست Prompt اصلی رو با جادو پیدا کنیم ما از روی خروجی، ویژگیهای مهمی که احتمالاً در Prompt وجود داشته رو شناسایی میکنیم و بعد یک Prompt جدید میسازیم که بتونه نتیجهای مشابه ایجاد کنه.
قدم اول: خروجی رو تکهتکه کن
بزرگترین اشتباه اینه که یک تصویر یا متن رو یکجا نگاه کنیم و بگیم خب، پرامپتش رو بنویس اول باید خروجی رو به اجزای مختلف تقسیم کنیم.
مثلاً برای یک تصویر:
یک مثال ساده فرض کن این تصویر رو داریم یک زن با لباس مشکی، کنار پنجره یک اتاق تاریک ایستاده؛ نور گرم غروب از پنجره وارد شده و بخش کوچکی از صورتش رو روشن کرده. بهجای اینکه مستقیم بنویسیم پرامپت این عکس رو بنویس. اول مشاهداتمون رو استخراج میکنیم:
حالا این اطلاعات رو تبدیل میکنیم به یک Prompt:
این یعنی Reverse Engineering. ما از:
رسیدیم. اما یک نکته خیلی مهم هر چیزی که در خروجی میبینی الزاماً داخل Prompt نبوده. مثلاً اگر تصویر سینمایی شده، ممکنه Prompt شامل کلمه "cinematic" بوده باشه... اما ممکنه اصلاً این کلمه وجود نداشته باشه و مدل خودش از ترکیب بقیه دستورها به این نتیجه رسیده باشه. پس همیشه بین این دو تفاوت بذار:
چیزی که میبینیم Evidence هست، نه لزوماً متن اصلی Prompt.
وقتی یک خروجی خوب دیدی، قبل از نوشتن Prompt از خودت این ۷ سؤال رو بپرس:
@ITSecurityComputer
چطور از روی یک خروجی، Prompt پشتش رو حدس بزنیم؟ تا حالا یک خروجی فوقالعاده از ChatGPT، Midjourney، Nano Banana یا هر مدل دیگهای دیدی و با خودت گفتی پرامپتش چی بوده که همچین چیزی ساخته؟ اینجا دقیقاً وارد دنیای Prompt Reverse Engineering میشیم.
اما یک نکته مهم قرار نیست Prompt اصلی رو با جادو پیدا کنیم ما از روی خروجی، ویژگیهای مهمی که احتمالاً در Prompt وجود داشته رو شناسایی میکنیم و بعد یک Prompt جدید میسازیم که بتونه نتیجهای مشابه ایجاد کنه.
قدم اول: خروجی رو تکهتکه کن
بزرگترین اشتباه اینه که یک تصویر یا متن رو یکجا نگاه کنیم و بگیم خب، پرامپتش رو بنویس اول باید خروجی رو به اجزای مختلف تقسیم کنیم.
مثلاً برای یک تصویر:
Subject
سوژه اصلی چیه؟
Environment
کجا قرار داره؟
Style
چه سبک بصریای داره؟
Lighting
نور از کجاست و چه حالتی داره؟
Composition
سوژه کجای کادره؟
Camera
زاویه دوربین، فاصله، عمق میدان و نوع لنز چطوره؟
Color
رنگها گرم هستن یا سرد؟ کنتراست چطوره؟
Atmosphere
فضا چه حسی داره؟
یک مثال ساده فرض کن این تصویر رو داریم یک زن با لباس مشکی، کنار پنجره یک اتاق تاریک ایستاده؛ نور گرم غروب از پنجره وارد شده و بخش کوچکی از صورتش رو روشن کرده. بهجای اینکه مستقیم بنویسیم پرامپت این عکس رو بنویس. اول مشاهداتمون رو استخراج میکنیم:
Subject:
Woman wearing black dress
Environment:
Dark minimalist interior, large window
Lighting:
Warm sunset light, side lighting
Composition:
Subject positioned near the window, cinematic framing
Mood:
Melancholic, intimate, contemplative
Style:
Cinematic realistic photography
حالا این اطلاعات رو تبدیل میکنیم به یک Prompt:
Cinematic realistic portrait of a woman wearing a black dress, standing beside a large window in a dark minimalist interior, warm sunset light entering from the side and illuminating part of her face, intimate composition, shallow depth of field, soft shadows, muted colors, melancholic and contemplative atmosphere, natural skin texture, high dynamic range
این یعنی Reverse Engineering. ما از:
Output → Observation → Components → Prompt
رسیدیم. اما یک نکته خیلی مهم هر چیزی که در خروجی میبینی الزاماً داخل Prompt نبوده. مثلاً اگر تصویر سینمایی شده، ممکنه Prompt شامل کلمه "cinematic" بوده باشه... اما ممکنه اصلاً این کلمه وجود نداشته باشه و مدل خودش از ترکیب بقیه دستورها به این نتیجه رسیده باشه. پس همیشه بین این دو تفاوت بذار:
What we see ≠ What was written
چیزی که میبینیم Evidence هست، نه لزوماً متن اصلی Prompt.
وقتی یک خروجی خوب دیدی، قبل از نوشتن Prompt از خودت این ۷ سؤال رو بپرس:
چی میبینم؟
سوژه اصلی چیه؟
چه محیطی داره؟
چه سبک و حسی داره؟
نور چطوره؟
ترکیببندی چطوره؟
چه جزئیاتی باعث شده این خروجی خاص بشه؟
بعد جوابها رو تبدیل کن به Prompt.
@ITSecurityComputer
❤24👍3❤🔥1
🔴 پزشکیان : از ما که گذشت کاری نمیتونیم بکنیم ، لطفا جوونا لطفا بیان کشورو بسازن.
+ببخشید میشه بفرمایید حالا که از شما گذشته چرا رئیس جمهور هستین ؟
@ITSecurityComputer
+ببخشید میشه بفرمایید حالا که از شما گذشته چرا رئیس جمهور هستین ؟
@ITSecurityComputer
🤣244🤬37👍19💔7❤4👌3😐1😘1
This media is not supported in your browser
VIEW IN TELEGRAM
▪️مدل MiniMax H3 Max حالا روی fal در دسترسه و نکته جذابش اینه که بخشی از استفاده روزانه اش رایگانه و با یه ثبت نام ساده میتونید بیشترش هم بکنید
▫️بدون ثبت نام: ۵ ویدیوی ۵ ثانیه ای رایگان
▫️با ورود به حساب: ۵ خروجی رایگان دیگه
▫️امکان ساخت ویدیو تا ۱۵ ثانیه
▫️تولید ویدیو همراه با صدای هماهنگ
▪️سرعت تولید هم خیلی بالاست؛ یک ویدیوی ۵ ثانیه ای حدود ۳ ثانیه زمان میبره.
برای ساخت کلیپ های کوتاه، تست ایده ها و تولید محتوای سریع، گزینه جالبیه ، کیفیت ساختش هم نسبتاً خوبه (با توجه به کردیت های رایگانی که میده)
@ITSecurityComputer
Please open Telegram to view this post
VIEW IN TELEGRAM
❤19❤🔥1
مهندسی معکوس Prompt | قسمت دوم
از روی یک متن حرفهای، Prompt پشتش رو پیدا کنیم در قسمت قبل یاد گرفتیم چطور از روی یک خروجی تصویری، اجزای احتمالی Prompt رو استخراج کنیم. حالا همین تکنیک رو برای متن هم استفاده میکنیم. فرض کن یک متن حرفهای میبینی و با خودت میگی چطور AI تونسته همچین متنی بنویسه؟ بهجای اینکه فقط بگی پرامپتش رو بده، اول باید متن رو کالبدشکافی کنیم.
قدم اول: لحن متن رو پیدا کن ببین متن چه شخصیتی داره:
مثلاً اگر متن روان، خودمانی و کوتاهه، احتمالاً Prompt چیزی شبیه این بوده:
قدم دوم: ساختار رو پیدا کن به خود محتوا نگاه نکن؛ به ساختارش نگاه ک مثلاً:
پس احتمالاً Prompt هم ساختار خروجی رو مشخص کرده:
دو Prompt ممکنه درباره یک موضوع باشن، اما به خاطر تفاوت در ساختار خروجی کاملاً متفاوتی بدن.
قدم سوم: هدف متن رو پیدا کن از خودت بپرس این متن دقیقاً میخواد چه کاری انجام بده؟
مثلاً اگر متن آموزشی و مناسب تلگرامه:
قدم چهارم: Context رو پیدا کن گاهی کیفیت متن فقط به دستور اصلی مربوط نیست؛ Context هم نقش بزرگی داره. مثلاً AI ممکنه بدونه مخاطب افراد مبتدی هستند. یا این متن برای کانال تلگرام نوشته میشود. پس باید از خودمون بپرسیم چه اطلاعاتی احتمالاً قبل از دستور اصلی در اختیار مدل بوده؟
قدم پنجم: محدودیتها رو پیدا کن متن خوب معمولاً فقط نمیگه چه چیزی بنویس؛ بلکه مشخص میکنه چه چیزی ننویس. مثلاً:
ممکنه Prompt شامل چنین محدودیتهایی بوده باشه:
حالا همهچیز رو کنار هم بذاریم فرض کن متن این ویژگیها رو داره:
حالا یک Prompt احتمالی:
دقت کن ما ادعا نمیکنیم این Prompt اصلی بوده. ما یک Prompt میسازیم که بتواند ویژگیهای مشاهدهشده در خروجی را بازسازی کند. تکنیک حرفهای:
یعنی:
@ITSecurityComputer
از روی یک متن حرفهای، Prompt پشتش رو پیدا کنیم در قسمت قبل یاد گرفتیم چطور از روی یک خروجی تصویری، اجزای احتمالی Prompt رو استخراج کنیم. حالا همین تکنیک رو برای متن هم استفاده میکنیم. فرض کن یک متن حرفهای میبینی و با خودت میگی چطور AI تونسته همچین متنی بنویسه؟ بهجای اینکه فقط بگی پرامپتش رو بده، اول باید متن رو کالبدشکافی کنیم.
قدم اول: لحن متن رو پیدا کن ببین متن چه شخصیتی داره:
رسمی یا خودمانی؟
تخصصی یا ساده؟
هیجانی یا خنثی؟
دوستانه یا جدی؟
تبلیغاتی یا آموزشی؟
مثلاً اگر متن روان، خودمانی و کوتاهه، احتمالاً Prompt چیزی شبیه این بوده:
Use a friendly and conversational tone.
Keep the language simple and easy to understand.
Avoid overly formal wording.
قدم دوم: ساختار رو پیدا کن به خود محتوا نگاه نکن؛ به ساختارش نگاه ک مثلاً:
Hook → توضیح → مثال → نکته مهم → CTA
پس احتمالاً Prompt هم ساختار خروجی رو مشخص کرده:
Structure the response as:
1. A strong opening hook
2. A short explanation
3. A practical example
4. One important takeaway
5. A short call to action
دو Prompt ممکنه درباره یک موضوع باشن، اما به خاطر تفاوت در ساختار خروجی کاملاً متفاوتی بدن.
قدم سوم: هدف متن رو پیدا کن از خودت بپرس این متن دقیقاً میخواد چه کاری انجام بده؟
آموزش بده
بفروشه
اطلاعرسانی کنه
سرگرم کنه
متقاعد کنه
مثلاً اگر متن آموزشی و مناسب تلگرامه:
Write an educational post designed for Telegram.
Make it useful, concise and engaging.
قدم چهارم: Context رو پیدا کن گاهی کیفیت متن فقط به دستور اصلی مربوط نیست؛ Context هم نقش بزرگی داره. مثلاً AI ممکنه بدونه مخاطب افراد مبتدی هستند. یا این متن برای کانال تلگرام نوشته میشود. پس باید از خودمون بپرسیم چه اطلاعاتی احتمالاً قبل از دستور اصلی در اختیار مدل بوده؟
قدم پنجم: محدودیتها رو پیدا کن متن خوب معمولاً فقط نمیگه چه چیزی بنویس؛ بلکه مشخص میکنه چه چیزی ننویس. مثلاً:
کلمات پیچیده استفاده نکن
مقدمه طولانی ننویس
اطلاعات ساختگی اضافه نکن
بیش از حد رسمی نباش
ممکنه Prompt شامل چنین محدودیتهایی بوده باشه:
Avoid:
- overly formal language
- unnecessary explanations
- generic introductions
- unsupported claims
حالا همهچیز رو کنار هم بذاریم فرض کن متن این ویژگیها رو داره:
لحن: خودمانی
مخاطب: مبتدی
هدف: آموزش
ساختار: Hook → Explanation → Example → Tip
فرمت: مناسب تلگرام
محدودیت: کوتاه و بدون لحن کتابی
حالا یک Prompt احتمالی:
Write a practical educational post for Telegram.
Audience:
Beginners with little technical knowledge.
Tone:
Friendly, conversational and easy to understand.
Avoid overly formal or academic language.
Structure:
1. Start with a strong hook.
2. Explain the concept simply.
3. Give a practical example.
4. End with one useful takeaway.
Style:
Short paragraphs, clear formatting and natural Persian.
Avoid:
Generic introductions, unnecessary details and overly complex terminology.
دقت کن ما ادعا نمیکنیم این Prompt اصلی بوده. ما یک Prompt میسازیم که بتواند ویژگیهای مشاهدهشده در خروجی را بازسازی کند. تکنیک حرفهای:
Output → Hypothesis → Test
خروجی رو تحلیل کن
↓
ویژگیهای احتمالی Prompt رو حدس بزن
↓
پرامپت بازسازیشده رو بنویس
↓
دوباره خروجی بگیر
↓
با متن اصلی مقایسه کن
↓
پرامپت رو اصلاح کن
یعنی:
Observe → Hypothesize → Generate → Compare → Refine
@ITSecurityComputer
❤13👍1
تکنولوژی،خبری،هوش مصنوعی،
🔴 وزیر نیرو : خبر خوش برای ملت شریف ایران، قطعی های برق برنامه ریزی شده برق تموم شد. +همین امروز برداشتن دروغ گو @ITSecurityComputer
بر پدر و مادر ادم دروغ گو لعنت هر روز داره برق میره
زنگ زدم اداره برق میگه فعلا قطعی ها تموم نشده ادامه داره 😐
زنگ زدم اداره برق میگه فعلا قطعی ها تموم نشده ادامه داره 😐
👍84🤣31❤🔥1❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🔴سه روز پیش شرکت OpenAI ، پیشرفتهترین مدل هوشمصنوعی خودش رو به اسم GPT-6 Astra رسما معرفی و وارد بازار کرد؛
@ITSecurityComputer
این مدل که به عنوان پرچمدار این شرکت معرفی شده، قابلیتهای فوقالعادهای تو کنترل کامپیوتر و مرورگر داره و یه نسخهی قوی برای پردازش به حساب میاد.
مرورگر رو باز میکنه، فرم پر میکنه، سایتها رو جستجو میکنه، فایلها رو مدیریت میکنه، اکسل و پاورپوینت میسازه و کارهای چندمرحلهای رو انجام میده (مثل پیدا کردن آپارتمان، رزرو نوبت یا جستجوی شغل)
خیلی سریعتر و دقیقتر از مدلهای قبلی.
تو برنامهنویسی، حل مسائل سخت ریاضی و علمی، و حتی کارهای امنیت سایبری بسیار قویتر شده. کمتر اشتباه میکنه، بهتر قصد شما رو میفهمه و کمتر از محدوده کار خارج میشه.ویدیو مربوط به معارفهی این محصوله که خود OpenAI منتشر کرده، حتما تا آخر ببینید.
@ITSecurityComputer
❤11👍4💔3
اگه از claude code استفاده میکنید:
یه پلاگین به اسم claude-code-sentry-monitor هست که مصرف Claude Code رو مانیتور میکنه:
توکن مصرفی + هزینهی هر سشن
هر tool call (read, bash, grep...) رو با زمان اجراش ثبت میکنه
داشبورد کاملSentry از همهی سشن ها
لینکش:
https://sentry.io/cookbook/monitor-claude-code-with-sentry/
@ITSecurityComputer
یه پلاگین به اسم claude-code-sentry-monitor هست که مصرف Claude Code رو مانیتور میکنه:
توکن مصرفی + هزینهی هر سشن
هر tool call (read, bash, grep...) رو با زمان اجراش ثبت میکنه
داشبورد کاملSentry از همهی سشن ها
لینکش:
https://sentry.io/cookbook/monitor-claude-code-with-sentry/
@ITSecurityComputer
❤6
مهندسی معکوس Prompt | قسمت سوم
چطور Prompt یک ویدیو رو از روی خروجی حدس بزنیم؟ در قسمتهای قبل یاد گرفتیم چطور از روی تصویر و متن، ساختار احتمالی Prompt رو پیدا کنیم. حالا بریم سراغ ویدیو؛ جایی که قضیه کمی سختتر میشه، چون فقط ظاهر خروجی مهم نیست، بلکه باید بفهمیم:
قدم اول: فریم اول رو بررسی کن اول ویدیو رو مثل یک تصویر تحلیل کن.
مثلاً:
یک مرد روی پشتبام ایستاده، شهر در پسزمینه است و نور غروب روی صورتش افتاده. تا اینجا تقریباً مثل مهندسی معکوس تصویر داریم. اما حالا بخش مهم شروع میشه...
قدم دوم: حرکت دوربین رو پیدا کن
قدم سوم: حرکت سوژه رو تحلیل کن
فقط نگیم:
قدم چهارم: حرکتهای کوچک رو فراموش نکن
قدم پنجم: زمانبندی حرکت
حالا Prompt رو بازسازی کنیم
فرمول ساده Reverse Engineering ویدیو
برای هر ویدیو این موارد رو استخراج کن:
بعد
@ITSecurityComputer
چطور Prompt یک ویدیو رو از روی خروجی حدس بزنیم؟ در قسمتهای قبل یاد گرفتیم چطور از روی تصویر و متن، ساختار احتمالی Prompt رو پیدا کنیم. حالا بریم سراغ ویدیو؛ جایی که قضیه کمی سختتر میشه، چون فقط ظاهر خروجی مهم نیست، بلکه باید بفهمیم:
دوربین چطور حرکت میکنه؟
سوژه چطور حرکت میکنه؟
نور چه تغییری میکنه؟
محیط چه حرکتی داره؟
ریتم و سرعت حرکت چطوره؟
قدم اول: فریم اول رو بررسی کن اول ویدیو رو مثل یک تصویر تحلیل کن.
Subject
Environment
Style
Lighting
Composition
Camera
مثلاً:
یک مرد روی پشتبام ایستاده، شهر در پسزمینه است و نور غروب روی صورتش افتاده. تا اینجا تقریباً مثل مهندسی معکوس تصویر داریم. اما حالا بخش مهم شروع میشه...
قدم دوم: حرکت دوربین رو پیدا کن
دوربین چه حرکتی داره؟
مثلاً:
Slow Push-in
دوربین آرام به سوژه نزدیک میشه.
Pull-out
دوربین از سوژه فاصله میگیره.
Pan
دوربین به چپ یا راست میچرخه.
Tilt
دوربین به بالا یا پایین حرکت میکنه.
Orbit
دوربین دور سوژه حرکت میکنه.
Tracking
دوربین همراه سوژه حرکت میکنه.
این اطلاعات باید وارد Prompt بشن.
قدم سوم: حرکت سوژه رو تحلیل کن
فقط نگیم:
"A man walking"
ببین دقیقاً چطور راه میره.
مثلاً:
A man slowly walking toward the camera,
his coat moving gently in the wind
یا:
A woman turns her head slowly
while her hair moves naturally in the breeze
هرچه حرکت رو دقیقتر توصیف کنیم، احتمالاً کنترل بیشتری روی نتیجه داریم.
قدم چهارم: حرکتهای کوچک رو فراموش نکن
گاهی چیزی که ویدیو رو واقعی میکنه، حرکت اصلی نیست.
بلکه همین جزئیاته:
حرکت برگها
حرکت مو و لباس
موج آب
حرکت ماشینها در پسزمینه
تغییر نور
حرکت ابرها
قطرات باران
پس هنگام تحلیل ویدیو از خودت بپرس:
چه چیزهایی در تصویر باید حرکت کنند؟
قدم پنجم: زمانبندی حرکت
حالا ببین حرکتها چه زمانی اتفاق میافتن.
مثلاً:
"0–2s" → دوربین ثابت
"2–4s" → شروع حرکت دوربین
"4–6s" → نزدیک شدن به سوژه
"6–8s" → سوژه سرش رو برمیگردونه
این اطلاعات کمک میکنه Prompt دقیقتری بسازیم.
حالا Prompt رو بازسازی کنیم
فرض کن ویدیو این ویژگیها رو داره:
Subject: مرد روی پشتبام
Environment: شهر در غروب
Camera: Slow push-in
Subject Motion: Turning toward camera
Environment Motion: Wind moving coat and hair
Lighting: Warm sunset
Style: Cinematic realistic
حالا:
Cinematic realistic video of a man standing on a rooftop overlooking a city at sunset. Warm golden-hour lighting, subtle wind moving his coat and hair. The camera slowly pushes in toward him as he gradually turns and looks toward the camera. Natural realistic motion, subtle environmental movement, shallow depth of field, atmospheric cinematic look, smooth continuous camera movement.
این Prompt اصلی ویدیو نیست؛ فقط یک Prompt احتمالیه که از روی خروجی بازسازی کردیم
فرمول ساده Reverse Engineering ویدیو
برای هر ویدیو این موارد رو استخراج کن:
Subject + Environment + Camera+Motion + Subject Motion + Environmental Motion + Lighting + Style + Timing
بعد
Video → Observe → Decompose → Hypothesize → Prompt → Generate → Compare → Refine
@ITSecurityComputer
❤7