Blue Phoenix
Файл
How Complex Systems Fail 1998.pdf · 128 КБ · нажмите — покажем
How Complex Systems Fail 1998.pdf · 128 КБ · нажмите — покажем
یک نوشتار خیلی قدیمی (سال ۱۹۹۸) عالی در زمینه‌ی اینکه چطور سیستم‌های پیچیده به شکست می‌خورن و اینکه چقدر به سیستم‌های الان ایجنتیک و AI مرتبطه:
https://lnkd.in/p/g7G6KMwZ
12 · 284 · Blue Phoenix
Ссылка
нажмите — покажем
нажмите — покажем
Agentic Machine Learning Modeling at Instacart | by Tilman Drerup | Sep, 2026 | tech-at-instacart
https://tech.instacart.com/agentic-machine-learning-modeling-at-instacart-fb3ecd295ee7
5 · 295 · Blue Phoenix
Ссылка
нажмите — покажем
нажмите — покажем
retuning intuition • Buttondown
https://newsletter.whatsmyjob.club/archive/retuning-intuition/
3 · 286 · Blue Phoenix
Ссылка
нажмите — покажем
нажмите — покажем
Architectural visualization with Astra | OpenAI Developers
https://developers.openai.com/blog/architectural-visualization-with-astra
2 · 276 · Blue Phoenix
Ссылка
нажмите — покажем
нажмите — покажем
Causal evidence that language models use confidence to drive behaviour | Nature Machine Intelligence
https://www.nature.com/articles/s42256-026-01293-x
2 · 239 · Blue Phoenix
Ссылка
нажмите — покажем
нажмите — покажем
این صفحه از مایکروسافت به دو دلیل برام جالب بود:
https://adoption.microsoft.com/en-us/
یک. اینکه الان خیلی شرکت‌ها دنبال این هستند که از AI چجوری و کجا استفاده کنند. از بخش تکنیکال گرفته تا مدیریت و کل سازمان و ... حتی یه سری شرکت‌ها پوزیشن‌هایی دارن به اسم AI Adoption. صفحات زیادی از شرکت‌های مختلف وجود داره که راجع به کاربردها می‌گن. و این صحفه در نگاه اول به نظر می‌رسه بیشتر تمرکز داره روی مایکروسافت و کوپایلت. اما به نظرم می‌تونه با مثال تعداد خوبی ایده بده. ضمن اینکه اگه توش بگردید فقط کوپایلت نیست، همه‌ی محصولات مختلف مایکروسافت برای AI و Agentic رو شامل میشه و برای همه‌شون کلی ریسورس داره. و خب البته اینها به نظرم مختص مایکروسافت نیست. قابل استفاده در هر جای دیگه هست.
دوم. از دیدگاه محصول، خیلی جالب اومدند همه‌ی یوزکیس‌ها رو معرفی کردند، محتوا درست کردند براش و یوزر رو راهنمایی می‌کنن که چی کار کنه و کجا بره. ایده‌ی خوبیه برای هر محصول دیگه.
یه ذره از این عمیق‌تر شاید صفحه‌ی خود OpenAI هم جالب باشه:
https://learn.chatgpt.com/use-cases/collections
و از همه عمیق‌تر این صفحه است. این به نظرم در لایه‌ی استراتژی خیلی جالبه. تلاش کردند فریم‌ورکی طراحی کنن برای AI Adoption هم در سطح پلن هم در سطح مدیریت و ساختار و هم در سطح استراتژی:
https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai/strategy
15 · 278 · Ссылка
нажмите — покажем
нажмите — покажем
Inside OpenAI: How our data team uses AI to move faster
https://www.linkedin.com/pulse/inside-openai-how-our-data-team-uses-ai-move-faster-vijaye-raji-a0vcc
5 · 278 · Blue Phoenix
Ссылка
нажмите — покажем
нажмите — покажем
Frontier engineering - Kiro
https://kiro.dev/topics/frontier-engineering/
6 · 254 · Blue Phoenix
Ссылка
нажмите — покажем
нажмите — покажем
Rapidly scaling online storage to serve over 1 billion ChatGPT users | OpenAI
https://openai.com/index/scaling-storage-one-billion-users-part-one/
1 · 234 · Ссылка
нажмите — покажем
нажмите — покажем
GPT-6 Astra Challenge | Product Hunt
https://www.producthunt.com/contests/gpt-6-astra-challenge
4 · 267 · Blue Phoenix
Ссылка
нажмите — покажем
нажмите — покажем
How to Build a Custom Agent Harness
https://www.langchain.com/blog/how-to-build-a-custom-agent-harness
6 · 298 · Blue Phoenix
Ссылка
нажмите — покажем
нажмите — покажем
Product Management is Still All About Telling Stories
https://www.a16z.news/p/product-management-is-still-all-about
3 · 267 · Blue Phoenix
Ссылка
нажмите — покажем
нажмите — покажем
We don’t have the nouns yet - The Economics of AI
https://economicsofai.substack.com/p/we-dont-have-the-nouns-yet
3 · 223 · Blue Phoenix
Фотография
нажмите — покажем
нажмите — покажем
طراحی سیستم‌های هوش مصنوعی — یک راهنمای کامل برای یادگیری مرحله‌به‌مرحله طراحی سیستم‌های AI؛ از LLM Inference، GPU، KV Cache و Caching گرفته تا RAG، پایگاه‌های داده برداری، AI Agents، MCP، سیستم‌های چندعاملی، Voice AI، Guardrails، ارزیابی، Observability و بهینه‌سازی هزینه.
همچنین یک چارچوب مرحله‌به‌مرحله برای حل و پاسخ‌گویی به سوالات AI System Design Interview ارائه میدهد.
همه چیز در یکجا و با زبان ساده توضیح داده شده و برای هر موضوع، مطالب و مقالات عمیق‌تر هم وجود دارد.
https://github.com/amitshekhariitbhu/ai-system-design
🐙 @RepoFA
14 · 215 · Blue Phoenix
Ссылка
нажмите — покажем
нажмите — покажем
چقدر چیز خوب و جالبی
این یه ابزار از Thoughtworks (شرکت Martin Fowler) که دو بار در سال منتشر میشه و ابزارها، روش‌ها، پلتفرم‌ها و فریم‌ورک‌ها در حوزه‌های مختلف تک رو دسته‌بندی می‌کنه به چهار دسته با توجه به پروژه‌های مختلفی که برای کلی شرکت مختلف انجام میدن:
- Adopt: چیزهایی که فکر می‌کنن خیلی جدی و به اندازه‌ی کافی بالغ هستند که استفاده بشه
- Trial: چیزهایی که فکر می‌کنن آماده‌ی استفاده است ولی هنوز جواب خودشون رو پس ندادند که جدی پیشنهاد بدن
- Assess: چیزهایی که پیشنهاد می‌کنن یه نگاهی بهشون بندازی ولی هنوز در مرحله‌ی امتحان نیستند لزوما مگه اینکه دلیل خاصی پیدا کنی که خیلی به دردت بخورن
- Caution: چیزهایی که هایپ شدند ولی فکر می‌کنن که به جاش باید از چیز دیگه‌ای استفاده کرد یا کلا از اینها دوری کرد چون توی پروژه‌ها دیدند که تاثیر منفی می‌ذاره.
https://www.thoughtworks.com/en-us/radar
11 · 228 · Ссылка
нажмите — покажем
нажмите — покажем
کلادفلر یه نسخه‌ی اپن‌سورس از Jev داده به اسم Clef که خروجی‌های خیلی خوبی هم داشته:
https://blog.cloudflare.com/clef-decision-models/
7 · 131 · Ответکلادفلر یه نسخه‌ی اپن‌سورس از Jev داده به اسم Clef که خروجی‌های خیلی خوبی هم داشته:
https://blog.cloudflare.com/clef-decision-models/
Ссылка
нажмите — покажем
нажмите — покажем
و در همین راستا llama.cpp امکان ساپورت Decision Model ها رو امروز اضافه کرده:
https://huggingface.co/blog/ggml-org/decision-models-in-llamacpp
4 · 152 · Blue Phoenix
Ссылка
нажмите — покажем
нажмите — покажем
A Taxonomy of Tech Debt | Riot Games
https://www.riotgames.com/en/news/taxonomy-tech-debt
3 · 100 · Ссылка
нажмите — покажем
2 · 73 · нажмите — покажем