فارسی
باز کردن در Telegram
AAI Plus - هوش‌ پلاس

AI Plus - هوش‌ پلاس

✅ اعتماد بالا
@aiplus01 · کانال · فناوری · ایندکس از 2026/08/01
146 624مشترک
8 009میانگین دسترسی پست
5.5%ER — دسترسی نسبت به مشترکان
69پست در 30 روز
AI Plus - هوش‌ پلاس
پیوند
برای نمایش کلیک کنید
وقتی چند منبع مختلف جلوت داری، معمولاً یا اونی رو انتخاب می‌کنی که از قبل باهاش موافقی، یا از ⁦AI⁩ می‌خوای خلاصه‌ای بده که همه چیز رو یکدست کنه. هر دو راه اختلاف‌های مهم رو پنهان می‌کنن. این ⁦Prompt⁩ به‌جای صاف کردن تناقض‌ها، یه نقشه می‌سازه: کجاها توافق وجود داره، کجاها منابع واقعاً ضد همن، و چه سوال‌هایی اصلاً بی‌جواب موندن. یه تفکیک مهم هم داره بین اختلاف واقعی (یکی احتمالاً اشتباه می‌کنه) و اختلاف تفسیری (هر دو می‌تونن درست باشن) — چیزی که اکثر خلاصه‌ها نادیده می‌گیرن. برای هر جلسه یا تصمیمی که به چند منبع ناهماهنگ وابسته‌ست مفیده. 📋 پرامپت کامل (لمس کن تا کپی بشه): Role: Act as a research synthesis analyst who specializes in finding genuine points of agreement, disagreement, and unaddressed gaps across multiple sources covering the same question — not a summarizer who blends everything into one smooth narrative. Context: I am researching [YOUR RESEARCH QUESTION]. Here are the sources, each clearly labeled: Source A: [PASTE SUMMARY, ABSTRACT, OR FULL TEXT] Source B: [PASTE SUMMARY, ABSTRACT, OR FULL TEXT] Source C: [PASTE SUMMARY, ABSTRACT, OR FULL TEXT] [ADD MORE SOURCES AS NEEDED, LABELED SOURCE D, E, ETC.] Task: Produce a structured synthesis that: 1. Identifies the 3 to 5 core claims being made across all sources combined 2. For each core claim, states which sources agree, which disagree, and quotes or closely paraphrases the specific language showing the agreement or disagreement 3. Distinguishes disagreements that are factual (verifiable, at least one source is likely wrong) from disagreements that are interpretive (both sources can be reasonably right, they emphasize different things) 4. Identifies at least [NUMBER] unaddressed gaps — specific sub-questions none of the sources cover, that would need separate research 5. Flags any source that appears to have a conflict of interest or vested stake in a particular conclusion, such as a vendor-sponsored study or an advocacy group Constraints: - Do not average disagreements into a vague middle-ground co… خواندن کامل ←
28 · 7K ·
ویدیو
xvid_2111011320208273676.mp4 · 11.0 MB
افزونه ⁦ChatGPT⁩ برای گوگل کروم یه آپدیت جدی گرفت — حالا می‌تونه تب‌های باز مرورگرت رو ببینه، محتواشون رو تحلیل کنه و کنترلشون کنه. یعنی می‌تونی چند تب از سایت‌های مختلف باز داشته باشی و از ⁦ChatGPT⁩ بخوای محصولات یا فروشنده‌ها رو با هم مقایسه کنه، فرم‌ها رو تکمیل کنه، یا پیش‌نویس ایمیل بنویسه — همه اینا بر اساس اطلاعاتی که توی تب‌های بازته. نوار کناری هم آپدیت شده؛ حالا می‌تونی بدون اینکه صفحه رو ترک کنی به تاریخچه گفت‌وگوها و قابلیت‌های ⁦ChatGPT Work⁩ دسترسی داشته باشی. ‏⁦ChatGPT Work⁩ هم می‌تونه مستقیماً تب‌های کروم رو کنترل کنه — از ارسال پیام و دانلود فایل گرفته تا تکمیل فرم‌ها و سازمان‌دهی تب‌ها. 🤖
26 · 6.5K ·
A
پیوند
برای نمایش کلیک کنید
استارتاپ ⁦Elorian⁩ که ⁦Andrew Dai⁩، محقق سابق ⁦Google DeepMind⁩، ساختش، امروز اولین مدلش رو راه‌اندازی کرد. اسمش ⁦Glimpse⁩ هست و یه تفاوت اساسی با مدل‌های دیگه داره. مدل‌های معمول وقتی یه تصویر می‌گیرن، یه بار نگاهش می‌کنن، همه چیزش رو به متن تبدیل می‌کنن، و از اون به بعد فقط با اون متن کار می‌کنن. یعنی هر جزئیاتی که توی این تبدیل اولیه گم بشه، دیگه هیچ‌وقت برنمی‌گرده. مدل ⁦Glimpse⁩ به‌جاش وسط استدلالش به تصویر اصلی برمی‌گرده، بخش‌هایی رو بُرش می‌زنه، فریم‌های خاصی از ویدیو می‌کشه بیرون، یا کد اجرا می‌کنه که چیزی رو اندازه‌گیری یا مقایسه کنه. شرکت اسم این رویکرد رو گذاشته «فضای خط‌خطی دیداری». این ایده کاملاً جدید نیست — شرکت ⁦OpenAI⁩ یه چیز مشابه توی مدل‌های سری ⁦o⁩ در ۲۰۲۵ اضافه کرد — ولی ⁦Elorian⁩ این قابلیت رو از صفر داخل معماری مدل طراحی کرده، نه بعداً بهش چسبونده. این مدل با یه تیم کوچیک روی چند صد ⁦GPU⁩ ساخته شده و خیلی کوچیک‌تر از مدل‌های بزرگ فرانتیره. به همین دلیل ارزون‌تره: هر یه میلیون ⁦Token⁩ ورودی ۰.۶ دلار و خروجی ۳ دلار — بالاتر از مدل‌های سبک ولی پایین‌تر از مدل‌های میان‌رده. بر اساس بنچمارک‌های خود شرکت، در استدلال روی نمودارهای علمی و توضیح ویدیوهای کوتاه از ⁦GPT-6 Astra⁩ جلوتره. ولی اینا اعداد خودِ ⁦Elorian⁩ هستن و تا تأیید مستقل نشن باید با احتیاط بهشون نگاه کرد. استارتاپ شش ماه پیش از استلث دراومده و قبل از هر محصولی، ۵۵ میلیون دلار با ارزش‌گذاری ۳۰۰ میلیون دلار جذب سرمایه کرده. بین سرمایه‌گذاراش ⁦Nvidia⁩ و ⁦Jeff Dean⁩، دانشمند ارشد ⁦Google⁩، هستن. الان ⁦API⁩ در دسترسه، رابط چت هنوز در لیست انتظاره. هدفِ فعلی شرکت‌های رباتیک، آزمایشگاه‌های علمی، و رسانه‌ها با حجم بالای ویدیو هستن — و هدف بلندمدتشم رفتن از تشخیص تصویر به کنترل سیستم‌های فیزیکی مثل ربات‌هاست.
8 · 6.6K ·
AI Plus - هوش‌ پلاس
پیوند
برای نمایش کلیک کنید
یه ایجنت داره تو سیستمت کار می‌کنه. می‌گه «فایل رو خوندم» یا «سرچ زدم». ولی خودِ مدل هیچ‌کاری نکرده — و این رو اکثر آدما نمی‌دونن. مدلِ زبانی نمی‌تونه کد اجرا کنه، ⁦API⁩ صدا بزنه، یا چیزی از دنیای بیرون لمس کنه. تنها کاری که بلده اینه: متن تولید کنه. پس ⁦Function Calling⁩ چطور کار می‌کنه؟ مدل یه متنِ ساختاریافته تولید می‌کنه — معمولاً یه ⁦JSON⁩ با فرمتِ مشخص. مثلاً: ‏{"⁦name⁩": "⁦search_web⁩", "⁦args⁩": {"⁦query⁩": "قیمت دلار"}} این فقط یه متنه. هیچ اتفاقی نیفتاده هنوز. برنامه‌ای که بیرون از مدله — کدِ ⁦Python⁩ یه ⁦developer⁩، یه ⁦framework⁩ مثلِ ⁦LangChain⁩، یا یه پلتفرم مثلِ ⁦Claude.ai⁩ — این متن رو می‌خونه، تشخیص می‌ده که الگوی درخواستِ ابزار رو داره، خودش ابزار رو اجرا می‌کنه، نتیجه رو به‌عنوانِ یه پیامِ جدید به ⁦context⁩ اضافه می‌کنه، و دوباره مدل رو صدا می‌زنه. مدل نتیجه رو می‌بینه انگار که یه نفر جوابشو بهش داده، و ادامه می‌ده. یه جایی که این مهم می‌شه: وقتی مدل یه ⁦JSON⁩ غلط تولید می‌کنه — یه فیلد اشتباه، یه علامت نقل‌قول جا افتاده — ابزار اصلاً اجرا نمی‌شه. مدل نمی‌دونه که چیزی اشتباه شده. ممکنه از روی ⁦context⁩ بقیه رو تکمیل کنه و یه جوابِ ساختگی بسازه انگار که ابزار کار کرده. به همین دلیله که ایجنت‌ها وقتی اشتباه می‌کنن، اشتباهشون خیلی آروم و بدونِ سر و صداست. مدل با اطمینانِ کامل یه چیزی می‌گه که اصلاً تأییدش نکرده. اگه داری ایجنت می‌سازی، یه لاگ از همه‌ی ⁦Tool Call⁩‌ها نگه دار — نه فقط از جوابِ نهایی. جایی که مدل ادعا می‌کنه ابزار کار کرده ولی هیچ لاگی نیست، اونجاست که باید نگران باشی. ⚡
16 · 4.9K ·
پیوند
برای نمایش کلیک کنید
شرکت ⁦Anthropic⁩ اعلام کرده که ۵٪ از سهام شرکت رو به یه صندوق منافع عمومی جدید اختصاص می‌ده. این صندوق به عنوان یه زیرمجموعه کاملاً متعلق به ⁦Anthropic⁩ ساخته می‌شه، با یه ساختار جالب: با هر ۵۰٪ افزایش در ارزش‌گذاری شرکت، اتوماتیک ۲٪ سهام دیگه هم به صندوق اضافه می‌شه. یعنی هرچی ⁦Anthropic⁩ بزرگ‌تر بشه، این تعهد هم بزرگ‌تر می‌شه. هدف اصلی این صندوق مقابله با دو چیزه: اول، اثراتی که ⁦AI⁩ روی بازار کار می‌ذاره — مشاغلی که با گسترش هوش مصنوعی از بین می‌رن. دوم، بحرانی که ⁦CEO⁩ شرکت، ⁦Dario Amodei⁩، ازش حرف می‌زنه: کاهش اعتماد عمومی به شرکت‌های ⁦AI.⁩ شرکت قبلاً ۲۰۰ میلیون دلار برای مطالعه اثرات ⁦AI⁩ روی مشاغل تعهد داده بود، و این صندوق قراره از اون فراتر بره. یه چیزی که ساختار این تعهد رو از خیریه‌های معمولی متمایز می‌کنه اینه که عدد ثابتی نداره. به جای اینکه یه رقم دلاری مشخص بشه، تعهد به مسیر رشد ارزش‌گذاری شرکت وصله. این ساختار همچنین فشار نقدینگی فوری رو هم برمی‌داره، چون تعهد سهام نیازی به پول نقد آماده نداره. این صندوق داخل ساختار حقوقی موجود ⁦Anthropic⁩ قرار می‌گیره — شرکت از قبل یه ⁦Public Benefit Corporation⁩ هست که هیئت مدیره‌اش می‌تونه مأموریت عمومی رو در برابر سود سهامداران بسنجه. همچنین یه ⁦Long-Term Benefit Trust⁩ داره که یه دسته سهام خاص نگه می‌داره و می‌تونه بخش بیشتری از هیئت مدیره رو با گذر زمان انتخاب کنه. صندوق جدید یه ابزار خیریه مجزا به این ساختار اضافه می‌کنه، نه اینکه جایگزینش بشه. هنوز خیلی چیزها نامشخصه — ⁦Anthropic⁩ نه رقم دلاری دقیقی اعلام کرده، نه گفته پول به کجا می‌ره، نه ساختار حاکمیتی صندوق رو توضیح داده. گفته جزئیات طی «ماه‌های آینده» اعلام می‌شه. اینکه این تعهد در عمل چقدر تأثیر واقعی داشته باشه یا بیشتر یه اقدام روابط عمومی در دوره‌ای باشه که شرکت‌های ⁦AI⁩ زیر ذره‌بین هستن، به همون جزئیاتی بستگی داره که هنوز اعلام نشده.
4 · 5.2K ·
عکس
♨️ قابلیت هشدار زلزله اندروید به ایران رسید گوگل سیستم هشدار زلزله‌اش رو از ۹۸ کشور به بیش از ۲۰۰ منطقه گسترش داده — و ایران هم حالا توی این لیست هست. این سیستم از حسگرهای گوشی‌های اندرویدی استفاده می‌کنه تا زلزله‌ها رو شناسایی کنه و قبل از اینکه لرزش به محلت برسه، بهت هشدار بده. یعنی شاید چند ثانیه وقت داشته باشی که پناه بگیری و از خودت یا اطرافیانت محافظت کنی. از سال ۲۰۲۱ که این سیستم راه‌اندازی شد، بیش از یک میلیارد هشدار زلزله ارسال کرده.
37 · 5.3K ·
A
پیوند
برای نمایش کلیک کنید
شرکت ⁦Disney⁩ توافق کرده حداقل ۶۰ نفر از کارمندان ⁦Character.AI⁩ رو استخدام کنه — اکثریت نیروی این استارتاپ چت‌بات که اواسط اکتبر درخواست ورشکستگی فصل ۱۱ داد. فصل ۱۱ یه رویه قانونی در آمریکاست که شرکت می‌تونه زیر نظر دادگاه بدهی‌هاشو مدیریت کنه. حقوق سالانه این ۶۰ نفر با هم حدود ۶۰ میلیون دلار می‌شه. طبق اسناد دادگاه که ⁦Bloomberg⁩ بهشون دسترسی داشته، «اکثریت قریب به اتفاق» اون‌هایی که پیشنهاد گرفتن قبول کردن. در کنار این، یه معامله جداگانه‌ست که ⁦Disney⁩ توافق کرده بخشی از دارایی‌های ⁦Character.AI⁩ رو به قیمت ۲۰ میلیون دلار بخره — به شکل «⁦stalking horse bid⁩»، یعنی پیشنهادی که کف قیمت حراج رو تعیین می‌کنه و شرکت دیگه‌ای هنوز می‌تونه قبل از نهایی شدن فروش بالاتر بزنه. احتمالاً مدیرعامل سابق ⁦Character.AI⁩ بود که این ماجرا رو ممکن کرد: ⁦Karandeep Anand⁩ قبل از ورشکستگی تبدیل به اولین ⁦CTO⁩ (مدیر ارشد فناوری) تاریخ ⁦Disney⁩ شد، و همین انتقال رهبری احتمالاً مسیرِ توافق گسترده‌تر رو هموار کرد. شرکت ⁦Character.AI⁩ با چند مشکل هم‌زمان روبرو بود: هزینه‌های عملیاتی سنگین، ریسک دعاوی حقوقی، و نظارت نهادهای دولتی روی ایمنی کودکان در پلتفرم‌های ⁦AI.⁩ یه دعوای حقوقی «فوت غیرعمد» هم روی شرکت سنگینی می‌کرد — مرتبط با خودکشی یه نوجوان بعد از استفاده طولانی از چت‌بات‌هاشون. با این حال، اسناد ورشکستگی می‌گن که ⁦Character.AI⁩ پایگاه کاربری بزرگ و فعالی داشت. همین بود که تیم مهندسی‌اش رو برای ⁦Disney⁩ جذاب کرد، حتی وقتی خودِ شرکت داشت ورشکست می‌شد. چه اتفاقی برای سرویس چت‌بات و کاربرهای فعلی ⁦Character.AI⁩ می‌افته، توی اسناد ورشکستگی که تا الان منتشر شدن مشخص نشده.
5 · 6K ·
AI Plus - هوش‌ پلاس
⚡ مدل ⁦FLUX 3 Max⁩ معرفی شد — یه ویدیوساز ⁦AI⁩ که ادعا می‌کنه سریع‌ترین در نوع خودشه. یه ویدیوی ۱۰ ثانیه‌ای رو در ۱۲.۴۵ ثانیه می‌سازه؛ در مقایسه، همین ویدیو با مدل ⁦Seedance 2.5⁩ حدود ۲۷۷.۸ ثانیه طول می‌کشه. شرکت سازنده می‌گه مدل جدیدش حدود ۲۲ برابر سریع‌تره. از ویدیوهای ۵ تا ۲۰ ثانیه‌ای پشتیبانی می‌کنه و خروجی پیش‌فرضش ۷۲۰ پیکسل هست، با امکان ارتقا به ۱۰۸۰ پیکسل. صدا رو می‌شه فعال یا غیرفعال کرد و قالب افقی، عمودی یا مربعی هم قابل انتخابه.
12 · 5.4K ·
از ۲۸ مهر ۱۴۰۵ می‌شه ⁦Grok Bot⁩ رو روی ⁦Action Button⁩ آیفون ست کرد — با یه لمس، مکالمه صوتی بلافاصله شروع می‌شه. ⚡
9 · 5.1K ·
عکس
توی فیزیک پلاسما یه معمای ریاضی از ۱۹۶۷ بی‌جواب مونده بود — مدل ⁦Gemini 4 Argon⁩ گوگل کمک کرد بخشی از اون حل بشه. این مدل به محققان کمک کرد راه‌حل‌های ریاضی مربوط به میدان‌های مغناطیسی در رآکتورهای آزمایشی همجوشی هسته‌ای رو گسترش بدن. یه سیستم چند ایجنتی توی چند ساعت پیکربندی‌های مغناطیسی جدیدی شناسایی کرد که محدودیت‌های هندسیِ راه‌حل‌های قبلی رو نداشتن. البته این دستاورد به معنای حل کامل مسئله همجوشی یا رسیدن به تولید برق تجاری از این فرایند نیست — ولی قدم واقعی‌ای به جلوئه. ⚡
14 · 4.8K ·
پیوند
برای نمایش کلیک کنید
یه محقق امنیتی از شرکت ⁦NorForge⁩، اوایل اکتبر داشت اینترنت رو رصد می‌کرد که یه چیز عجیب پیدا کرد — ده‌ها پنل کنترل از یه پلتفرم به اسم ⁦Cairn⁩، بدون هیچ رمزی، کاملاً باز روی اینترنت بود. وقتی رفت داخل، فهمید که از ۲۵ سپتامبر ۲۰۲۶ یه کمپین هک خودکار داره اجرا می‌شه. یه هکر چینی‌زبان به جای اینکه خودش بشینه پشت کامپیوتر، ایجنت‌های ⁦AI⁩ رو فرستاده بود به جاش کار کنن. پلتفرم ⁦Cairn⁩ یه ابزار ⁦open source⁩ برای حل مسئله با ⁦AI⁩ هست — بهش یه هدف می‌دی و یه دسته ایجنت راه می‌ندازه که مثل یه تیم کار می‌کنن، نتایج رو با هم به اشتراک می‌ذارن و قدم‌به‌قدم جلو می‌رن. دستورالعمل هکر ساده بود: پیدا کن راهی که بتونی کد اجرا کنی روی سرور هدف، بعد یه ⁦web shell⁩ بذار — یعنی یه دریچه پشتی که بعداً بشه ازش وارد شد و به سیستم‌های پرداخت دسترسی پیدا کرد. کل دستور با کمتر از ۱۰۰ کاراکتر چینی نوشته شده بود. اسم ⁦worker⁩ که کار رو انجام می‌داد ⁦claudecode_deepseek-v4.1-flash⁩ بود — یعنی احتمالاً ⁦Claude Code⁩ هماهنگی می‌کرد و مدل ارزون‌قیمت ⁦DeepSeek V4.1 Flash⁩ کار اصلی رو انجام می‌داد. نتیجه؟ بیشتر از ۱۱۰۰ هدف — فروشگاه‌های آنلاین در آمریکا، کانادا، ژاپن و استرالیا. شرکت‌هایی مثل ⁦John Deere⁩، ⁦SharkNinja⁩ و ⁦Cummins⁩ هک شدن. نرخ موفقیت حدود ۱۰٪ بود، هر هک موفق به طور میانگین ۲۳ ساعت طول می‌کشید، و هزینه‌اش حدود ۵۰ دلار. کل هزینه کمپین، حدود ۵۰۰۰ دلار. این چیزیه که قبلاً به تیمی از متخصص‌ها و ابزارهای گرون نیاز داشت. حالا یه نفر با چند هزار دلار می‌تونه بیشتر از هزار هدف رو همزمان زیر حمله بگیره و تقریباً همه کارهای فنی رو به ⁦AI⁩ بسپاره.
27 · 4.6K ·
A
عکس
آیپد مینی ۸ داره میاد — این بار با نمایشگر ⁦OLED.⁩ اپل قراره هفته آینده این دستگاه رو معرفی کنه و عرضه‌اش احتمالاً ۱۵ آبان (۶ نوامبر) هست. نمایشگر ⁦OLED⁩ روی آیپد مینی یه ارتقای بزرگ محسوب می‌شه. ⚡
17 · 4K ·
A
AI Plus - هوش‌ پلاس
پیوند
برای نمایش کلیک کنید
شرکت ⁦Perplexity⁩ یه قابلیت جدید به ایجنت ⁦Computer⁩ اضافه کرده — حالا می‌شه کاملاً آفلاین روی مک‌های ⁦Apple Silicon⁩ ازش استفاده کرد. هیچ داده‌ای به سرور نمی‌ره و همه چیز روی خود دستگاه پردازش می‌شه. این سومین مرحله از یه مسیریه که ⁦Perplexity⁩ چند ماهه طی می‌کنه. اول «⁦Personal Computer⁩» اومد در اردیبهشت، بعد «⁦Hybrid Compute⁩» در شهریور که بخشی از پردازش رو ⁦local⁩، بخشی رو ⁦cloud⁩ انجام می‌داد. حالا ⁦cloud⁩ از معادله حذف شده. زیر کاپوت، ایجنت روی مدل ⁦Qwen 3.6⁩ یا ⁦PPLX Pro⁩ کار می‌کنه — ⁦PPLX Pro⁩ یه نسخه‌ی ⁦fine-tune⁩ شده از ⁦Qwen⁩ هست که ⁦Perplexity⁩ خودش آموزشش داده. این مدل برنامه‌ریزی می‌کنه، ابزارها رو صدا می‌زنه و کارها رو اجرا می‌کنه بدون هیچ ارتباط شبکه‌ای. در عمل، ایجنت می‌تونه از ⁦Notes⁩ لیست کارها رو بخونه، از ⁦Messages⁩ یه درخواست بودجه رو چک کنه، از ⁦Numbers⁩ عملکرد مالی رو استخراج کنه و یه گزارش کامل آماده کنه — همه بدون اینکه داده‌ها دستگاه رو ترک کنن. کدها و ابزارها هم داخل محیط‌های ایزوله‌ی ⁦sandbox⁩ اجرا می‌شن. برای کسایی که با اطلاعات حساس کار می‌کنن — پرتفوی سرمایه‌گذاری، داده‌های بهداشتی، اسناد محرمانه — این یعنی کل فرایند برنامه‌ریزی و اجرا هیچ وقت از دستگاه خارج نمی‌شه. اما یه محدودیت مهم هست: حداقل ۳۶ گیگابایت ⁦Unified Memory⁩ لازمه — یعنی حافظه‌ی مشترکی که ⁦CPU⁩، ⁦GPU⁩ و ⁦Neural Engine⁩ روی مک‌های ⁦Apple Silicon⁩ ازش استفاده می‌کنن. این عدد مدل‌های پایه‌ی ⁦MacBook Air⁩ و ⁦MacBook Pro⁩ رو از گردونه خارج می‌کنه و فقط مک‌های حرفه‌ای‌تر با ⁦RAM⁩ بالا می‌تونن ازش استفاده کنن. اگه کاری نیاز به اطلاعات لحظه‌ای یا دسترسی به ⁦browser⁩ داشت، هنوز می‌شه ایجنت رو به ⁦cloud⁩ وصل کرد و از بیش از ۱۵ مدل مختلف انتخاب کرد.
6 · 1.5K ·
A
AI Plus - هوش‌ پلاس
پیوند
برای نمایش کلیک کنید
یه پرامپت پایان‌روز مبتنی بر پژوهش جدایی روان‌شناختی. بر اساس یه متاآنالیز ۲۰۲۶، نیت‌های مبهم مثل «فردا بهش می‌رسم» ذهن رو آروم نمی‌کنن — ذهن برای رها کردن یه کار ناتمام به یه برنامه‌ی مشخص نیاز داره. پرامپت هر کار نیمه‌کاره رو از طریق یه جدول چهارستونه به یه اقدام دقیق با زمان و محرک تبدیل می‌کنه. تعارض‌های بین‌فردی رو هم جداگانه شناسایی می‌کنه — چون یه بحث با همکار خیلی بیشتر از یه وظیفه‌ی اداریِ بی‌طرف مثل بررسی یه سند احتمال داره شب توی ذهنت بچرخه. خروجی نهایی یه مراسم کوتاه‌ه که با یه جمله‌ی صریح تموم می‌شه: کار امروز بسته شد. 📋 پرامپت کامل (لمس کن تا کپی بشه): Act as a workplace psychologist familiar with research on psychological detachment from work and the Zeigarnik effect — the tendency for unfinished tasks to keep intruding on your thoughts during off-work hours. CONTEXT: - What I finished today: [LIST COMPLETED TASKS/ITEMS] - What's still open or in-progress: [LIST EACH UNFINISHED TASK, even rough or partial] - What's blocked and why: [LIST BLOCKED ITEMS AND WHAT THEY'RE WAITING ON] - Tomorrow's first scheduled commitment: [MEETING/DEADLINE/TIME] - Anything unresolved that's already nagging at me right now: [DESCRIBE, if applicable] TASK: Build me a short end-of-day shutdown ritual that converts every open item into a specific resumption plan, so my brain registers each one as "parked" rather than "abandoned" and stops intruding on my evening. CONSTRAINTS: - For every unfinished task, specify the exact next action, when I'll do it, and what triggers resuming it. Research shows vague intentions like "pick it up tomorrow" do NOT reduce intrusive thoughts — only specific, concrete plans do. Do not let any item through without a concrete trigger/time/condition. - Separate useful "problem-solving pondering" from unproductive "affective rumination," and flag which open items are most likely to tip into anxious looping tonight, with a one-line defusing note for each. - Include a brief grounding statement addressing whether today counts as a reasonable day… خواندن کامل ←
❤6
20 · 2.8K ·
AI Plus - هوش‌ پلاس
پنج تا ⁦plugin⁩ هست که ⁦Claude Code⁩ رو به‌کل متفاوت می‌کنن. قبل از هر کاری نصبشون کن. ۱. پلاگین ⁦Claude Code Router⁩ — وقتی سهمیه‌ت تموم شه، به‌جای اینکه جلسه قطع بشه، خودش می‌ره روی مدل بعدی. ‏⁦npm install -g @musistudio/claude-code-router⁩ ۲. پلاگین ⁦Caveman⁩ — حرف‌های اضافه رو از جواب‌ها حذف می‌کنه. همون نتیجه، با نصف ⁦Token.⁩ ‏⁦npx -y github⁩:⁦JuliusBrussee/caveman⁩ ۳. پلاگین ⁦Ponytail⁩ — به‌جای اینکه هی فایل‌هات رو از اول بخونه، از کل پروژه یه گراف می‌سازه و فقط همون تیکه‌ی لازم رو برمی‌داره. ‏/⁦plugin install ponytail@ponytail⁩ ۴. پلاگین ⁦Agent Skills⁩ — چرخه‌ی ⁦plan⁩ و ⁦test⁩ و ⁦review⁩ و ⁦ship⁩ رو خودش رعایت می‌کنه. مثل یه مهندس ⁦senior⁩ کد می‌زنه. ‏⁦npx skills add addyosmani/agent-skills⁩ ۵. پلاگین ⁦claude-mem⁩ — به ⁦Claude Code⁩ حافظه‌ی بین‌جلسه‌ای می‌ده. فردا یادش می‌مونه دیروز چی‌کار کردی. ‏/⁦plugin install claude-mem⁩
❤12👍1
67 · 4.1K ·
عکس
یه مدیر امور پژوهشی در دانشگاه کنتاکی تونست از الزام استفاده از ابزارهای ⁦AI⁩ در محل کار معاف بشه — اونم با استناد به باورهای مذهبیش. استدلالش این بود که واگذاری فرایند تفکر و تصمیم‌گیری به ماشین‌ها، هویت اخلاقی و استقلال فکریش رو در تعاملات کاری و اجتماعی خدشه‌دار می‌کنه. دانشگاه کنتاکی استفاده از ⁦AI⁩ رو اجباری کرده بود، ولی این کارمند زیر بار نرفت. وکلای انجمن انسان‌گرایان آمریکا (⁦AHA⁩) بهش کمک کردن تا با تکیه بر قانون حقوق مدنی ایالات متحده، اولین معافیت مذهبی در نوع خودش رو از استفاده اجباری از ⁦AI⁩ در محیط کار به دست بیاره. 🤖
👏18❤7😁1
17 · 3.8K ·
پیوند
برای نمایش کلیک کنید
یه سوال: آخرین ⁦Custom GPT⁩ که استفاده کردی، سازنده‌ش کی بود؟ شاید جواب بدی «نمی‌دونم» — و این دقیقاً مشکله. این ابزارها می‌تونن «⁦Actions⁩» داشته باشن؛ یعنی وقتی داری باهاشون حرف می‌زنی، ⁦GPT⁩ می‌تونه خودکار با یه سرور خارجی ارتباط بگیره. سازنده می‌تونه توی ⁦System Prompt⁩ بنویسه «هر پیامی که کاربر فرستاد رو به این آدرس ارسال کن» — و این مکانیزم کاملاً رسمیه. ولی اکثر کاربرا ازش خبر ندارن. پس هر چیزی که به اون ⁦GPT⁩ می‌گی — متن قرارداد، اطلاعات مشتری، جزئیات پروژه، حتی یه سوال پزشکی — ممکنه روی سرورِ سازنده هم ثبت بشه. نه فقط سرورهای ⁦OpenAI.⁩ ⚡ چطور چک کنیم؟ قبل از استفاده، روی اسم ⁦GPT⁩ کلیک کن تا پنلِ «⁦About⁩» باز بشه. اگه زیرِ «⁦Capabilities⁩» گزینه‌ای به شکل «⁦Actions⁩: [اسم دامنه]» دیدی، یعنی این ⁦GPT⁩ با سرور خارجی در ارتباطه. اون دامنه رو بررسی کن — می‌شناسیش؟ سازنده‌ش معتبره؟ فرق مهم: ⁦Web Browsing⁩ و ⁦Code Interpreter⁩ ریسک کمتری دارن چون دامنه‌ی ثابتی ندارن. ولی ⁦Actions⁩ که به یه دامنه‌ی ناشناخته وصله — با اطلاعات حساس سراغشون نرو. قانون ساده: ⁦Custom GPT⁩‌های ناشناس رو مثل یه اپ موبایلِ بی‌نام رفتار کن. فقط چیزی بهشون بده که اگه همه ببیننش، مشکلی نداری.
❤1
8 · 2.4K ·
پیوند
برای نمایش کلیک کنید
یه مدل زبانی هرگز «جوابِ کامل» رو یه‌جا نمی‌بینه. از اولین ⁦Token⁩ شروع می‌کنه — بعد ⁦Token⁩ بعدی رو بر اساس همه‌ی چیزی که تا اون لحظه تولید کرده انتخاب می‌کنه. همین‌طور، کلمه به کلمه، تا آخر. یعنی وقتی اولین جمله نوشته شد، اون جمله تبدیل می‌شه به بخشی از «ورودیِ» مدل برای کلمه‌ی بعدی. مدل نمی‌تونه برگرده و اولین جمله‌اش رو عوض کنه — هیچ «پشیمون‌شدنی» تو معماریش وجود نداره. عملاً چی می‌شه؟ اگه ⁦AI⁩ با «این ایده خوبه، چون...» شروع کنه، ناخودآگاه بقیه‌ی متن رو به سمتِ توجیهِ اون ایده می‌کشونه. نه به خاطر اینکه می‌خواد دروغ بگه — ساختارِ مکانیکیش اینه. هر ⁦Token⁩ جدید با توجه به همه‌ی ⁦Token⁩‌های قبلی انتخاب می‌شه. اینجاست که ⁦Chain-of-Thought⁩ واقعاً معنا پیدا می‌کنه. وقتی از ⁦AI⁩ می‌خوای اول «فکر» کنه بعد جواب بده، داری وادارش می‌کنی ⁦Token⁩‌های استدلال رو قبل از ⁦Token⁩‌های نتیجه بنویسه — و اون استدلال‌ها خودشون تبدیل به ⁦context⁩ می‌شن که جوابِ نهایی رو شکل می‌ده. یه نتیجه‌ی کاربردی: اگه می‌خوای ارزیابیِ بیطرفانه بگیری، بخواه اول «دلایلِ موافق و مخالف» رو بنویسه، بعد نتیجه بگیره. اگه مستقیم بپرسی «آیا این ایده خوبه؟» احتمالش بالاست که همون ⁦Token⁩‌های اول، مسیرِ بقیه رو هم قفل کنن.
👍4👨‍💻1❤1
10 · 2.7K ·
عکس
دیپ‌سیک یه دستیار جدید به اسم ⁦Super-Agent⁩ معرفی کرده و با این کار مستقیماً وارد رقابت با ⁦OpenAI⁩ و ⁦Anthropic⁩ شده. پیش‌نمایشش روی ⁦GitHub⁩ منتشر شده — هدفش اینه که فرایندهای کدنویسی و توسعه نرم‌افزار رو با کمترین نظارت انسانی پیش ببره. این دستیار ⁦Open Source⁩ می‌تونه مکالمات تیم‌های برنامه‌نویسی رو تحلیل کنه و اگه مشکلی پیدا کرد، بدون اینکه کسی بهش دستور بده، باگ‌ها رو خودکار رفع کنه. معماریش هم جالبه: وظایف رو بین چند ایجنت ⁦AI⁩ تقسیم می‌کنه و دیپ‌سیک ادعا می‌کنه این کار زمان انجام پروژه‌های نرم‌افزاری رو تقریباً نصف می‌کنه. البته فعلاً نمونه‌اولیه‌ست و محصول نهایی محسوب نمی‌شه. 🤖
❤12🤣6🔥2
14 · 2.1K ·
A
عکس
تست نفوذ (⁦Penetration Testing⁩) معمولاً گران‌قیمته — برای هر پروژه ممکنه ده‌ها هزار دلار هزینه داشته باشه. پروژه ⁦Open Source⁩ ای به اسم ⁦ARTEX⁩ داره سعی می‌کنه با کمک ⁦AI⁩ این فرایند رو تا حد زیادی خودکار کنه. ‏⁦ARTEX⁩ یه سیستم هوشمنده که روی زیرساخت خودت اجراش می‌کنی و به‌صورت خودکار آسیب‌پذیری‌ها و نقاط ضعف امنیتی رو بررسی می‌کنه. از نظر فنی: ← بک‌اند با ⁦Go⁩ نوشته شده، داشبورد هم با ⁦Next.js⁩ ساخته شده ← مدیریت یکپارچه وظایف، یافته‌های امنیتی و میزان مصرف ⁦Token⁩ ← می‌شه بهش ⁦LLM⁩ دلخواه، ایجنت، ابزارهای ⁦MCP⁩ و ⁦Skill⁩ متصل کرد سوال جالبی که مطرح می‌شه اینه که آیا یه ایجنت ⁦Open Source⁩ می‌تونه به اولین لایه دفاعی زیرساخت شما تبدیل بشه؟ یه نکته مهم: اجرای این ابزار باید فقط روی زیرساخت‌هایی باشه که مالکشونی یا مجوز تستشون رو داری. 🔐
❤2
10 · 487 ·
AI Plus - هوش‌ پلاس
پیوند
برای نمایش کلیک کنید
یه آسیب‌پذیری تو اندروید پیدا شده که با یه پیامک ساخته‌شده می‌تونه گوشیت رو کرش کنه — حتی تماس‌های اورژانس رو وسط مکالمه قطع کنه — بدون اینکه روی هیچ چیزی کلیک کنی یا پیامی باز کنی. اسمش گذاشتن «⁦SMS of Death⁩» و کد رهگیریش ⁦CVE-2026-58882⁩ هست. محقق امنیتی مارک بلاشچیک کشفش کرد و نرخ بازتولیدش رو روی هر دو ⁦Google Pixel⁩ و ⁦Samsung Galaxy⁩ صد در صد گزارش داد. مشکل تو یه بخشِ داخلیِ اندروید به اسم ⁦WapPushOverSms⁩ هست که پیام‌های ⁦WAP Push⁩ رو مدیریت می‌کنه. ⁦WAP Push⁩ یه مکانیزم قدیمیِ ارسال پیام روی شبکه‌ی سلولاریه که اپراتورها هنوز ازش برای تنظیمات و پیام‌های سیستمی استفاده می‌کنن. این کد وقتی طول هدرِ پیام رو می‌خونه، هیچ اعتبارسنجی‌ای نمی‌کنه. یه دنباله‌ی پنج بایتیِ خاص می‌تونه باعث بشه مقدار منفی تولید بشه، و وقتی اندروید می‌خواد برای این عدد منفی حافظه تخصیص بده، کرش می‌کنه. نتیجه‌اش اینه که پروسه‌ی ⁦com.android.phone⁩ — همونی که مسئول تماس‌ها و تلفنیه — می‌میره. ظرف یکی دو ثانیه ری‌استارت می‌شه، ولی اپراتور می‌تونه همون پیام رو دوباره بفرسته و کرشِ جدید راه بیندازه. با حدود ۲۰ پیامِ مخرب می‌شه گوشی رو برای مدت طولانی از کار انداخت. قربانی هیچی نمی‌بینه — نه اعلان، نه شماره‌ی فرستنده. پیامِ مخرب مستقیم تو صفِ داخلیِ سیستم می‌شینه، نه صندوق ورودیِ پیامک. بلاشچیک این آسیب‌پذیری رو ۵ مه ۲۰۲۶ به ⁦Google⁩ گزارش داد. گوگل ۱۵ ژوئن ۲۰۲۶ پچ رو آماده کرد و تو آپدیت امنیتیِ اکتبر ۲۰۲۶ برای اندروید ۱۴ تا ۱۷ منتشر شد. اما اندروید ۱۲ و ۱۳ پچ نگرفتن — با اینکه هنوز پشتیبانی می‌شن. طبق داده‌های ⁦StatCounter⁩، این دو نسخه روی حدود یک چهارمِ کلِ گوشی‌های اندرویدیِ فعال دنیا هستن، یعنی صدها میلیون دستگاه هنوز در معرض خطرن. گوگل این ⁦CVE⁩ رو حتی تو بولتن امنیتیِ عمومیِ اکتبرش هم فهرست نکرد. برای گوشی‌هایی که هنوز آپدیت نگرفتن، هیچ راه‌حل نرم‌افزاریِ سمتِ دستگاه وجود نداره. اگه گیر کنی تو حلقه‌ی کرش، یا باید صبر کنی تموم بشه، یا از ابزاری به اسم ⁦Android Debug Bridge⁩ (⁦ADB⁩) استفاده کنی که قراره گوشی رو از طریق کامپیوتر دیباگ کنه — کاری که از دستِ کاربرِ معمولی برنمیاد.
🤯5❤3
24 · 2.4K ·
عکس
♨️ نورالینک می‌گه ⁦Blindsight⁩ آماده‌ست — فقط یه مرحله مونده فناوری ⁦Blindsight⁩ شرکت نورالینک از نظر مهندسی کامله و فقط بسته به تأیید رگولاتوریه. ماسک ادعا می‌کنه این سیستم می‌تونه به کسایی که کاملاً نابینان — حتی اونایی که از بدو تولد هرگز بینایی نداشتن — توانایی دیدن بده. روش کارش اینه که یه دوربین تصاویر محیط رو ثبت می‌کنه، اون اطلاعات به سیگنال تبدیل می‌شن، و از طریق رابط مغز-کامپیوتر به مغز می‌رسن تا مغز بتونه پردازششون کنه. هدف نورالینک اینه که با این روش یه مسیر مصنوعی تازه برای انتقال اطلاعات بصری به مغز بسازه.
❤6🔥1
5 · 865 ·
پیوند
برای نمایش کلیک کنید
می‌خوای یه مدل رو روی داده‌های خودت ⁦Fine-tune⁩ کنی؟ تا چند سال پیش جوابش ساده بود: برو یه دیتاسنتر اجاره کن. الان با ⁦LoRA⁩ می‌شه همین کار رو با یه ⁦GPU⁩ معمولی انجام داد. وقتی یه مدل ۷ میلیارد پارامتری رو ⁦Fine-tune⁩ می‌کنی، روشِ کلاسیک اینه که همه‌ی پارامترها آپدیت بشن. این یعنی به ⁦VRAM⁩ خیلی زیاد نیاز داری. یه گروهِ محقق یه چیزِ جالب کشف کردن: تغییراتی که طیِ ⁦Fine-tuning⁩ توی وزن‌های مدل اتفاق می‌افته، «کم‌رتبه» هستن. یعنی می‌شه همون تغییرات رو با دو تا ماتریسِ خیلی کوچیک نشون داد. تکنیکِ ⁦LoRA⁩ روی همین ایده کار می‌کنه. فرض کن یه ماتریسِ ۴۰۹۶⁦×⁩۴۰۹۶ داری — حدود ۱۶ میلیون پارامتر. به‌جای آپدیت کردنِ همه‌ش، دو تا ماتریسِ کوچیک می‌سازه: یکی ۴۰۹۶⁦×⁩۸ و یکی ۸⁦×⁩۴۰۹۶. جمعشون می‌شه ۶۵ هزار پارامتر — حدود ۲۵۰ برابر کمتر. اون عددِ ۸ رو «⁦rank⁩» می‌گن. برای کارهای ساده معمولاً ⁦rank⁩=4 یا ⁦rank⁩=8 کافیه. بیشترش رو نیاز نداری مگه اینکه داده‌ی خیلی پیچیده داشته باشی. یه چیزی که خیلی‌ها نمی‌دونن: بعد از آموزش، وزن‌های ⁦LoRA⁩ رو می‌شه با مدلِ اصلی ادغام کرد — یعنی یه مدلِ کامل می‌گیری، بدونِ هیچ هزینه‌ی اضافه‌ای موقعِ اجرا. نتیجه‌ی عملی: یه مدل ۷⁦B⁩ رو با ⁦LoRA⁩ می‌شه با ۸ تا ۱۲ گیگ ⁦VRAM⁩ آموزش داد. همون مدل با روشِ کلاسیک به بیش از ۵۰ گیگ نیاز داشت.
🔥1
1 · 662 ·
عکس
سهمیه هفتگی ⁦Grok bot⁩ این روزا خیلی زودتر از موعد تموم می‌شه — کاربرا شاکی شدن و ایلان ماسک اومد توضیح داد. دلیل رسمی اینه که هزینه‌های پردازش این ایجنت از درآمدش به شکل قابل‌توجهی بیشتره. ماسک خودش گفت وضع ناپایداره. با ۸۰۰ هزار مشترک هفتگی، فشاری که روی زیرساخت‌ها میاد واقعاً سنگینه و به همین خاطر محدودیت‌های جدید اعمال شده. این ماجرا یه بار دیگه نشون می‌ده که شرکت‌های ⁦AI⁩ حتی با رشد سریع کاربری، هنوز با هزینه‌های محاسباتی کمرشکن دست‌وپنجه نرم می‌کنن و به سودآوری پایدار نرسیدن. ⚡
👍7❤1
4 · 1.2K ·
A
وقتی به ⁦limit⁩ می‌خوری توی ⁦Claude⁩، مشکل از زیاد استفاده کردن نیست — مشکل از اینه که ⁦Claude⁩ با هر پیام، کل تاریخچه‌ی چت رو از اول می‌خونه. هر چی مکالمه طولانی‌تر باشه، هر جواب ⁦Token⁩ بیشتری مصرف می‌کنه. ۵ تا ترفند هست که جلوش رو می‌گیره: ۱. کارت که تموم شد، /⁦clear⁩ بزن یا یه ⁦chat⁩ جدید باز کن. ۲. اگه وسط کاری و نمی‌خوای از صفر شروع کنی، /⁦compact⁩ بزن تا چت خلاصه بشه. ۳. مدل درست رو انتخاب کن: ⁦Opus⁩ برای کارهای سنگین و برنامه‌ریزی، ⁦Sonnet⁩ برای اجرا، ⁦Haiku⁩ برای سؤال‌های سریع. ۴. فایل ⁦CLAUDE.md⁩ رو زیر ۲۰۰ خط نگه دار — چون با هر سؤالی که می‌پرسی، کامل خونده می‌شه. ۵. با /⁦context⁩ می‌تونی ببینی دقیقاً چی داره ⁦context window⁩ رو پر می‌کنه. یه نکته: /⁦clear⁩ و /⁦compact⁩ و /⁦context⁩ دستورهای ⁦Claude Code⁩ هستن، نه توی رابط وب معمولی.
❤2
49 · 1.5K ·

فید عمومی باز از ایندکس جست‌وجو ChatCrawler — «Google برای Telegram عمومی»؛ با خزش انجمن به‌روز می‌شود. زمان‌ها به UTC است.

فقط محتوای عمومی، API رسمی Telegram. دربارهٔ ما · پرسش‌ها · محدودیت‌های ایندکس · حذف یک صفحه · کاتالوگ · جست‌وجو · روش محاسبهٔ ما