After Coding Realy Realy Final Version for editing.pdf
1.6 MB
چند روز پیش در رویداد Code Connect درباره رابطه‌ی AI Agentها و آینده‌ی توسعه‌دهندگان نرم‌افزار صحبت کردم.
موضوع اصلی ارائه این نبود که «آیا AI جای برنامه‌نویس‌ها را می‌گیرد یا نه».
سؤال مهم‌تر این بود:
وقتی AI بخشی از تولید کد را سریع‌تر می‌کند، نقش توسعه‌دهنده و مدیر فنی چطور باید بازتعریف شود؟
در این ارائه درباره این موضوع‌ها صحبت کردم:
فرصت‌های AI Agentها برای تیم‌های نرم‌افزاری
تفاوت بین سرعت بیشتر و ارزش‌آفرینی بیشتر
ریسک‌های استفاده بی‌محابا از AI
Cognitive Load و Cognitive Debt
مسئولیت توسعه‌دهنده در فهم، ارزیابی و مالکیت کد تولیدشده
نقش آینده توسعه‌دهنده در درک بهتر مسئله و کسب‌وکار
نتایج چند نظرسنجی از همین جامعه تخصصی
یکی از پیام‌های اصلی ارائه این بود:
AI می‌تواند تولید کد را سریع‌تر کند، اما اگر فهم، قضاوت مهندسی و مالکیت سیستم همراه آن نباشد، ممکن است فقط سریع‌تر بدهی شناختی تولید کنیم.
اسلایدهای کامل ارائه را اینجا منتشر می‌کنم.
خوشحال می‌شوم بعد از دیدنشان نظرتان را درباره این سؤال بنویسید:
به نظر شما مهم‌ترین مهارت توسعه‌دهندگان در عصر AI چه خواهد بود؟
موضوع اصلی ارائه این نبود که «آیا AI جای برنامه‌نویس‌ها را می‌گیرد یا نه».
سؤال مهم‌تر این بود:
وقتی AI بخشی از تولید کد را سریع‌تر می‌کند، نقش توسعه‌دهنده و مدیر فنی چطور باید بازتعریف شود؟
در این ارائه درباره این موضوع‌ها صحبت کردم:
فرصت‌های AI Agentها برای تیم‌های نرم‌افزاری
تفاوت بین سرعت بیشتر و ارزش‌آفرینی بیشتر
ریسک‌های استفاده بی‌محابا از AI
Cognitive Load و Cognitive Debt
مسئولیت توسعه‌دهنده در فهم، ارزیابی و مالکیت کد تولیدشده
نقش آینده توسعه‌دهنده در درک بهتر مسئله و کسب‌وکار
نتایج چند نظرسنجی از همین جامعه تخصصی
یکی از پیام‌های اصلی ارائه این بود:
AI می‌تواند تولید کد را سریع‌تر کند، اما اگر فهم، قضاوت مهندسی و مالکیت سیستم همراه آن نباشد، ممکن است فقط سریع‌تر بدهی شناختی تولید کنیم.
اسلایدهای کامل ارائه را اینجا منتشر می‌کنم.
خوشحال می‌شوم بعد از دیدنشان نظرتان را درباره این سؤال بنویسید:
به نظر شما مهم‌ترین مهارت توسعه‌دهندگان در عصر AI چه خواهد بود؟
🔥8❤4👍1🤣1
مسعود بیگی
After Coding Realy Realy Final Version for editing.pdf
میخوای سرسری یه ریپو رو بگردی ببینی حجم Cognitive Debt چقدر بالاست و وضع تیم رو این چقدر خرابه ، دنبال تکرار این در کامیت ها باش :
"Co-Authored-By: Claude Opus 4.8 noreply@anthropic.com" یا هرچی شبیه این
"Co-Authored-By: Claude Opus 4.8 noreply@anthropic.com" یا هرچی شبیه این
🤣6👎2
چقدر ذوق دیدنتونو داشتم، چقدر خوب شد اومدین ، مخصوصا سروش عزیزم که میهمان ویژه بود، دوستای خوب دیگه مثل پوریای عزیز، مزدک عزیز ، حمید عزیز و خیلی دیگه از بچه ها که لطف کردن و اومدن
❤5
عزیزان دل ، سفت بکاپ بگیرید ، جای دوری نمیره، انشالله که اتفاقی نمیفته ولی یک ایرانی باید همیشه برای همه چیز آماده باشه
🤣8👍6❤2😭1
درود بر همه عزیزان نسخه جدید folio منتشر شد
توی این نسخه میتونین کتاب هایی که دارین و درحال خوندنشون هستین رو با بقیه هم به اشتراک بزارین
و همینطور صفحه ای که خوندین با بقیه دیوایس هاتون به صورت همزمان سینک میشه و به راحتی میتونین روی چند تا دیوایس مختلف آخرین صفحه ای که خوندین رو داشته باشین
میتونین نسخه ویندوز لینوکس و اندروید رو از این صفحه دانلود کنین
https://github.com/ghaemaghaey/folio/releases/tag/v0.7.0
اینم لینک گیت هابش اگه خواستین استار بدین یا اگه مشکلی دیدین ایشو باز کنین
https://github.com/ghaemaghaey/folio
با تشکر از همه عزیزانی که از متن باز حمایت میکنن
توی این نسخه میتونین کتاب هایی که دارین و درحال خوندنشون هستین رو با بقیه هم به اشتراک بزارین
و همینطور صفحه ای که خوندین با بقیه دیوایس هاتون به صورت همزمان سینک میشه و به راحتی میتونین روی چند تا دیوایس مختلف آخرین صفحه ای که خوندین رو داشته باشین
میتونین نسخه ویندوز لینوکس و اندروید رو از این صفحه دانلود کنین
https://github.com/ghaemaghaey/folio/releases/tag/v0.7.0
اینم لینک گیت هابش اگه خواستین استار بدین یا اگه مشکلی دیدین ایشو باز کنین
https://github.com/ghaemaghaey/folio
با تشکر از همه عزیزانی که از متن باز حمایت میکنن
GitHub
Release v0.7.0 · ghaemaghaey/folio
Calm open-source desktop reader for Windows & Linux. PDF + EPUB, distraction-free UI, bookshelf with last-read position, sepia/dark themes, and Persian + English fonts. - Release v0.7.0 · ghaemaghaey/folio
🔥3❤2
هر چقدر بگم که ما داریم cognitive Debt ایجاد میکنیم و ندونسته ازش رد میشیم بازم کم گفتم
بچه های پروژه صرافی مون اینو این چند روز که میگفتم جدی نمیگرفتن شاید ، امروز ولی با گوشت و پوست و استخون لمسش کردن
بچه های پروژه صرافی مون اینو این چند روز که میگفتم جدی نمیگرفتن شاید ، امروز ولی با گوشت و پوست و استخون لمسش کردن
👍2❤1
Forwarded from tech-afternoon (Amin Mesbahi)
همون‌طور که شیوه توسعه نرم‌افزار و نحوه تعامل کاربر با نرم‌افزار، بعد از فراگیر شدن مدل‌های زبانی، تغییر کرده، نحوه تهاجم و حملات نرم‌افزاری هم تغییر کرده. یکی از موضوعاتی که باید بهش توجه مضاعفی کنیم، حملات Prompt Injection است که انواعش رو به زبان ساده و با مثال توضیح می‌دم.
به زبون ساده، Prompt Injection یعنی مهاجم تلاش کنه با واردکردن دستوراتی در ورودی، رفتار مدل رو از هدف اصلی‌اش منحرف کنه، محدودیت‌ها رو دور بزنه یا مدل رو وادار کنه اطلاعات یا عملیاتی ناخواسته انجام بده. برعکس حملات سنتی نرم‌افزار، خیلی‌هاش بُعد فنی زیاد و کدنویسی عجیب نداره، و گاها با کمی زیرکی و هوش و زبون‌بازی میشه حمله رو درآورد!!
۱۸ مدل حمله رو با مثال و به صورت خلاصه و ساده توضیح دادم، و فکر می‌کنم خوندنش خوب باشه. و دقت کنید که همین یکی دو ماه گذشته شرکت‌های بزرگ تکنولوژی و حتی توسعه‌دهنده مدل‌ها هم درگیر چنین حملاتی شدن؛ پس درک داشتن از چنین حملاتی لازمه.
1. Direct Prompt Injection
2. Indirect Prompt Injection
3. Stored Prompt Injection
4. Reflected Prompt Injection
5. Cross-Context Prompt Injection
6. Tool-Use Injection
7. Tool Output Injection
8. RAG Prompt Injection
9. Multimodal Prompt Injection
10. Prompt Obfuscation
11. Role-Playing Injection
12. Instruction Hierarchy Attack
13. Context Poisoning
14. Memory Poisoning
15. Data Exfiltration Injection
16. Goal Hijacking
17. Denial-of-Service Prompt Injection
18. Agent-to-Agent Prompt Injection
🔗 لینک مطلب
Please open Telegram to view this post
VIEW IN TELEGRAM
امین مصباحی
انواع Prompt Injection به زبان ساده
همون‌طور که شیوه توسعه نرم‌افزار و نحوه تعامل کاربر با نرم‌افزار بعد از فراگیر شدن مدل‌های زبانی، تغییر کرده، نحوه تهاجم و حملات نرم‌افزاری هم تغییر کرده. یکی از موضوعاتی که باید بهش توجه مضاعفی کنیم، حملات Prompt Injection است که انواعش رو به زبان ساده و…
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.
❤4👍3🔥1👏1
Forwarded from tech-afternoon (Amin Mesbahi)
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6
این دو روز داشتم تست عملیاتی میگرفتم از اینکه دیزاین رو چقدر ممکنه AI Agent هامون (از نسخه هایی که خودمون میزدیم و اشرافی به اصولش نداشتیم) بهبود بدن، و هزینه ش چطور در میاد و راهکارش چیه و ...
و خوب جالب شده تا اینجا خروجی، به زودی با یه سورپرایز باحال ، میبینید که چی به چیه و واقعا لمس میکنید که آیا موثر هست یا نه ؟
و خوب جالب شده تا اینجا خروجی، به زودی با یه سورپرایز باحال ، میبینید که چی به چیه و واقعا لمس میکنید که آیا موثر هست یا نه ؟
👍6❤2
Forwarded from InvestFund
🔖 مشتری بعدی شما یک Agent هست؛ بزرگ‌ترین تغییر تجارت آنلاین بعد از موبایل
یکی از تغییرات مهم دنیای تکنولوژی در سال ۲۰۲۶ داره جایی اتفاق میفته که خیلی از فاندرها و استارتاپ‌ها هنوز جدی نگرفتن.
اعداد نشون میدن این تغییر از مرحله پیش‌بینی عبور کرده. طبق گزارش Adobe، ترافیک ورودی از ابزارهای AI به فروشگاه‌های آنلاین آمریکا در سه‌ماهه اول ۲۰۲۶ نسبت به سال قبل ۳۹۳ درصد رشد کرده. حدود ۳۹ درصد مصرف‌کننده‌ها هم گفته‌ان برای خرید آنلاین از AI استفاده کردن و ۸۵ درصد اون‌ها تجربه بهتری داشتن.
نکته جالب‌تر کیفیت این ترافیکه. در مارس ۲۰۲۶ نرخ تبدیل کاربرانی که از طریق AI وارد فروشگاه‌ها شدن ۴۲ درصد بیشتر از سایر کانال‌ها بوده. اون‌ها ۴۸ درصد زمان بیشتری در سایت موندن و ۱۳ درصد صفحات بیشتری دیدن. دلیلش هم مشخصه؛ کاربری که نیاز، بودجه و محدودیت‌هایش را برای یک Agent توضیح داده معمولا با انتخاب‌های محدودتر و قصد خرید جدی‌تری وارد فروشگاه میشه.
از طرف دیگه زیرساخت این بازار هم خیلی سریع در حال ساخته شدنه. شرکت‌های OpenAI و Stripe پروتکل Agentic Commerce Protocol را توسعه دادن تا خرید مستقیم داخل ChatGPT ممکن بشه. گوگل هم Universal Commerce Protocol و Universal Cart را معرفی کرده تا Agentها بتونن محصول پیدا کنن، قیمت و موجودی را بررسی کنن و فرایند پرداخت را جلو ببرن.
به نظرم این تغییر چند پیام مهم برای فاندرها داره:
اول: داده محصول به اندازه ظاهر سایت مهم میشه
عامل هوشمند باید بتونه قیمت، موجودی، ویژگی‌ها، هزینه ارسال و شرایط مرجوعی را دقیق بخونه. طبق بررسی Adobe، به‌طور میانگین فقط ۶۶ درصد محتوای صفحات محصول فروشگاه‌های آمریکایی برای مدل‌های AI قابل خواندنه. استارتاپ یا فروشگاهی که اطلاعاتش ناقص و غیرساختاریافته باشه ممکنه اصلا وارد گزینه‌های پیشنهادی نشه.
دوم: رقابت از رتبه گوگل به پیشنهاد AI منتقل میشه
در جست‌وجوی سنتی کاربر چندین نتیجه را می‌دید و خودش انتخاب می‌کرد. Agent احتمالا فقط دو یا سه گزینه نهایی پیشنهاد میده. قرار گرفتن در همین فهرست کوتاه می‌تونه تفاوت بزرگی در فروش ایجاد کنه.
سوم: تجربه مشتری بخشی از سیستم توزیع میشه
عامل هوشمند فقط قیمت را بررسی نمی‌کنه. نظر مشتریان، نرخ مرجوعی، سرعت ارسال، اعتبار فروشنده و کیفیت پشتیبانی هم روی پیشنهاد نهایی اثر میذاره. در این فضا تبلیغ بیشتر به‌تنهایی کافی نیست و کل تجربه مشتری باید قابل اعتماد و قابل اندازه‌گیری باشه.
چهارم: برند باید برای ماشین هم قابل فهم باشه
فاندرها سال‌ها برای SEO و شبکه‌های اجتماعی هزینه کردن. حالا یک کانال جدید در حال ساخته شدنه که میشه اسمش را بهینه‌سازی برای Agentها گذاشت. استارتاپ‌ها باید بفهمن محصولاتشان چطور توسط مدل‌های AI کشف، مقایسه و پیشنهاد میشه.
پنجم: قدرت پلتفرم‌ها دوباره جابه‌جا میشه
اگر Agent محصول را پیدا کنه و خرید را جلو ببره بخشی از قدرتی که امروز در اختیار گوگل، آمازون و شبکه‌های اجتماعی هست می‌تونه به دستیارهای هوشمند منتقل بشه. احتمالا رقابت بعدی فقط بر سر فروش محصول نیست و بر سر تبدیل شدن به دروازه تصمیم‌گیری مشتری هم خواهد بود.
موبایل مسیر خرید را تغییر داد و Agentها دارن بخش جست‌وجو، مقایسه و تصمیم‌گیری را هم وارد مرحله تازه‌ای میکنن و استارتاپ‌هایی که از الان داده، محصول و فرایند فروششان را برای این دنیا آماده کنن احتمالا چند سال دیگه مزیت بزرگی نسبت به بقیه خواهند داشت.
@investingfund
یکی از تغییرات مهم دنیای تکنولوژی در سال ۲۰۲۶ داره جایی اتفاق میفته که خیلی از فاندرها و استارتاپ‌ها هنوز جدی نگرفتن.
تا امروز کسب‌وکارها سایت و محصولشان را برای انسان، گوگل و شبکه‌های اجتماعی بهینه می‌کردن. حالا باید برای Agentهایی آماده بشن که به جای مشتری جست‌وجو میکنن، گزینه‌ها را مقایسه میکنن و کم‌کم خرید را هم انجام میدن.
اعداد نشون میدن این تغییر از مرحله پیش‌بینی عبور کرده. طبق گزارش Adobe، ترافیک ورودی از ابزارهای AI به فروشگاه‌های آنلاین آمریکا در سه‌ماهه اول ۲۰۲۶ نسبت به سال قبل ۳۹۳ درصد رشد کرده. حدود ۳۹ درصد مصرف‌کننده‌ها هم گفته‌ان برای خرید آنلاین از AI استفاده کردن و ۸۵ درصد اون‌ها تجربه بهتری داشتن.
نکته جالب‌تر کیفیت این ترافیکه. در مارس ۲۰۲۶ نرخ تبدیل کاربرانی که از طریق AI وارد فروشگاه‌ها شدن ۴۲ درصد بیشتر از سایر کانال‌ها بوده. اون‌ها ۴۸ درصد زمان بیشتری در سایت موندن و ۱۳ درصد صفحات بیشتری دیدن. دلیلش هم مشخصه؛ کاربری که نیاز، بودجه و محدودیت‌هایش را برای یک Agent توضیح داده معمولا با انتخاب‌های محدودتر و قصد خرید جدی‌تری وارد فروشگاه میشه.
از طرف دیگه زیرساخت این بازار هم خیلی سریع در حال ساخته شدنه. شرکت‌های OpenAI و Stripe پروتکل Agentic Commerce Protocol را توسعه دادن تا خرید مستقیم داخل ChatGPT ممکن بشه. گوگل هم Universal Commerce Protocol و Universal Cart را معرفی کرده تا Agentها بتونن محصول پیدا کنن، قیمت و موجودی را بررسی کنن و فرایند پرداخت را جلو ببرن.
به نظرم این تغییر چند پیام مهم برای فاندرها داره:
اول: داده محصول به اندازه ظاهر سایت مهم میشه
عامل هوشمند باید بتونه قیمت، موجودی، ویژگی‌ها، هزینه ارسال و شرایط مرجوعی را دقیق بخونه. طبق بررسی Adobe، به‌طور میانگین فقط ۶۶ درصد محتوای صفحات محصول فروشگاه‌های آمریکایی برای مدل‌های AI قابل خواندنه. استارتاپ یا فروشگاهی که اطلاعاتش ناقص و غیرساختاریافته باشه ممکنه اصلا وارد گزینه‌های پیشنهادی نشه.
دوم: رقابت از رتبه گوگل به پیشنهاد AI منتقل میشه
در جست‌وجوی سنتی کاربر چندین نتیجه را می‌دید و خودش انتخاب می‌کرد. Agent احتمالا فقط دو یا سه گزینه نهایی پیشنهاد میده. قرار گرفتن در همین فهرست کوتاه می‌تونه تفاوت بزرگی در فروش ایجاد کنه.
سوم: تجربه مشتری بخشی از سیستم توزیع میشه
عامل هوشمند فقط قیمت را بررسی نمی‌کنه. نظر مشتریان، نرخ مرجوعی، سرعت ارسال، اعتبار فروشنده و کیفیت پشتیبانی هم روی پیشنهاد نهایی اثر میذاره. در این فضا تبلیغ بیشتر به‌تنهایی کافی نیست و کل تجربه مشتری باید قابل اعتماد و قابل اندازه‌گیری باشه.
چهارم: برند باید برای ماشین هم قابل فهم باشه
فاندرها سال‌ها برای SEO و شبکه‌های اجتماعی هزینه کردن. حالا یک کانال جدید در حال ساخته شدنه که میشه اسمش را بهینه‌سازی برای Agentها گذاشت. استارتاپ‌ها باید بفهمن محصولاتشان چطور توسط مدل‌های AI کشف، مقایسه و پیشنهاد میشه.
پنجم: قدرت پلتفرم‌ها دوباره جابه‌جا میشه
اگر Agent محصول را پیدا کنه و خرید را جلو ببره بخشی از قدرتی که امروز در اختیار گوگل، آمازون و شبکه‌های اجتماعی هست می‌تونه به دستیارهای هوشمند منتقل بشه. احتمالا رقابت بعدی فقط بر سر فروش محصول نیست و بر سر تبدیل شدن به دروازه تصمیم‌گیری مشتری هم خواهد بود.
به نظر Agentic Commerce می‌تونه یکی از بزرگ‌ترین تغییرات تجارت آنلاین بعد از موبایل باشه.
موبایل مسیر خرید را تغییر داد و Agentها دارن بخش جست‌وجو، مقایسه و تصمیم‌گیری را هم وارد مرحله تازه‌ای میکنن و استارتاپ‌هایی که از الان داده، محصول و فرایند فروششان را برای این دنیا آماده کنن احتمالا چند سال دیگه مزیت بزرگی نسبت به بقیه خواهند داشت.
@investingfund
Adobe
AI traffic grows but retail sites lag in AI search visibility
New Adobe data shows AI-driven traffic booming, but many U.S. retail sites lack machine readability, limiting AI visibility, engagement, and conversions.
❤4🔥4👍1
مسئله ای که خیلی از بچه های با سواد ما دچارشن اینه :
تمرکز زیاد روی یادگرفتن و‌خوندن و. جمع کردن دانش
در نیاوردن یک ریال و نگرفتن حتی یه شغل معمولی
دانشی که نتونیم به پول تبدیلش کنیم خوبه ها ، ولی زندگی مون رو سخت میکنه 🤷♂️
تمرکز زیاد روی یادگرفتن و‌خوندن و. جمع کردن دانش
در نیاوردن یک ریال و نگرفتن حتی یه شغل معمولی
دانشی که نتونیم به پول تبدیلش کنیم خوبه ها ، ولی زندگی مون رو سخت میکنه 🤷♂️
❤23👍15🔥3
Forwarded from کدهالیک | codehalic
This media is not supported in your browser
VIEW IN TELEGRAM
امروز میخوام Strix رو معرفی کنم بهتون که یه ابزار اوپن سورس تست نفوذه که با چندتا عامل هوش مصنوعی اتوماتیک کار میکنه و مثل یه هکر واقعی کدت رو اجرا میکنه تا باگ پیدا کنه و با ساختن PoC واقعی هم اون رو ولید کنه ، کلیت کارش اینه که یه CLI میدی به دست دولوپر، چندتا عامل باهم ارکستر میشن، ریکان میزنن، اکسپلویت میکنن و در نهایت یه پچ آماده merge هم تحویلت میدن، ضمنا با CI/CD و گیت هاب و گیتلب و جیرا هم ست میشه که هر بار دپلوی کردی خودش تست بزنه. خلاصه اگه دنبال یه پنتست همیشه روشن میگردی که باگ های واقعی پیدا کنه و رفعشون هم بکنه، Strix تقریبا همون چیزیه که میخوای.
https://github.com/usestrix/strix
@codehalics | کدهالیک
https://github.com/usestrix/strix
@codehalics | کدهالیک
👍4❤3
Forwarded from Geniuses Group (Omid Hekayati)
🧠 اهمیت درک عمیق از مفهوم کلمه عامل (Agent) برای حل مشکلات کار کردن با #هوشواره ها (AI)
🔬این روزها تقریباً همه دربارهٔ AI Agentها صحبت می‌کنند؛ ابزارهای جدید معرفی می‌شوند، دوره‌های آموزشی برگزار می‌شود و هر روز اصطلاحات تازه‌ای وارد اکوسیستم می‌شوند. اما احساس می‌کنم قبل از اینکه بخواهیم یاد بگیریم چگونه با AI Agentها کار کنیم، لازم است یک قدم به عقب برگردیم. شاید مسئله اصلاً هوشواره نباشد. شاید مسئله این باشد که ما هنوز مفهوم Agent (#عامل) را به‌درستی #مدل نکرده‌ایم.
🚨وقتی کلمهٔ Agent را می‌شنویم، ذهنمان مستقیم به سمت #هوش_مصنوعی می‌رود، در حالی که Agent مفهومی بسیار قدیمی‌تر و عمومی‌تر است. هر موجودیتی که از طرف یک سیستم (شخص، سازمان، ...)، مسئولیتی را بر عهده می‌گیرد، یک Agent است. اگر این تعریف را بپذیریم، آن وقت AI Agent فقط یکی از انواع Agentها خواهد بود؛ همان‌طور که یک کارمند، یک پیمانکار، یک نرم‌افزار، یک سرویس یا حتی یک سازمان نیز می‌تواند نقش یک Agent را ایفا کند. و دقیقاً همین‌جا است که نگاه ما به #مسئله تغییر می‌کند. یک #تلنگر_ذهنی و سوال باز #فلسفه_ذهن را هم مطرح کنیم که حتی میشه بدن انسان را هم به نوعی عامل هویت اون فرد در نظر بگیریم.
اگر AI Agent را مفهومی کاملاً جدید تصور کنیم، ناخواسته بخش بزرگی از دانش انباشتهٔ گذشته دربارهٔ تعامل با Agentها را کنار می‌گذاریم و دوباره همان اشتباهات را با نام‌های جدید تکرار میکنیم.
⏳بخش بزرگی از مشکلاتی که امروز به هوشواره نسبت می‌دهیم، در واقع سال‌ها قبل از ظهور هوشواره هم وجود داشته‌اند.
- وقتی مسئولیت را مبهم واگذار میکنیم...
- وقتی انتظار خروجی را شفاف تعریف نمی‌کنیم...
- وقتی زمینهٔ لازم را منتقل نمی‌کنیم...
- وقتی دانش سازمان در ذهن افراد باقی می‌ماند و به دانش مشترک تبدیل نمی‌شود...
نتیجه معمولاً قابل پیش‌بینی نیست؛ چه طرف مقابل یک انسان باشد، چه یک هوشواره. دقت کنیم هوشواره مشکل جدیدی ایجاد نکرده است؛ فقط کیفیت #مدل_ذهنی و کیفیت #مدیریت_دانش ما را با وضوح بیشتری نمایان کرده است.
⏳به همین دلیل، شاید بهتر باشد به جای اینکه فقط دربارهٔ نقش‌های کاذب (False Classification) منتسب به مهندسی مثل Prompt Engineering یا Harness Engineering صحبت کنیم، دربارهٔ اصول تعامل با هر Agent صحبت کنیم؛ اصولی که سال‌ها قبل از ظهور هوشواره نیز وجود داشته‌اند و احتمالاً سال‌ها بعد از تغییر فناوری‌های امروز نیز معتبر خواهند ماند. در چند کامنت زیر همین پست، سعی می‌کنم دربارهٔ همین اصول صحبت کنم؛ از #تفویض_اختیار و نحوهٔ #مستندسازی از نگارش درخواست‌ها گرفته تا انتقال زمینه، مرزهای مسئولیت، معیارهای پذیرش و نقش #مدیریت_دانش در تعامل با عامل‌ها.
⏳شاید هنگام خواندن این متن با خودتان گفته باشید:
- ما هم مدام خروجی‌هایی می‌گیریم که با انتظارمان فاصله دارند.
- هر بار باید دوباره همه چیز را توضیح بدهیم.
- افراد مختلف برداشت‌های متفاوتی از یک درخواست دارند.
- دانش پروژه بیشتر در ذهن افراد است تا در مستندات.
- با وجود استفاده از هوشواره، کیفیت خروجی تیم بهتر نشده، فقط سرعت تولید بیشتر شده است.
اگر چنین نشانه‌هایی را در #سازمان خود میبینید، احتمال دارد مسئلهٔ اصلی نه هوشواره باشد و نه حتی افراد تیم. این‌ها معمولاً نشانه‌هایی از ضعف در #مدیریت_دانش، نبود یک #چارچوب_توسعه مشترک، ابهام در تعریف مسئولیت‌ها یا ضعف در مدل‌سازی مسائل سازمان هستند. این‌ها با تعویض ابزار حل نمی‌شوند؛ نیازمند اصلاح شیوهٔ فکر کردن، انتقال دانش و طراحی فرآیندهای توسعه هستند.
🔗 در Geniuses.Group نیز دقیقاً همین دغدغه را دنبال میکنیم؛ کمک به سازمان‌ها برای ساختن سیستم‌هایی که پایداری آن‌ها تنها به فناوری وابسته نباشد، بلکه بر پایهٔ مدل‌های ذهنی دقیق‌تر، مدیریت دانش بهتر و تعامل مؤثرتر میان عامل‌ها شکل بگیرد.
🔬این روزها تقریباً همه دربارهٔ AI Agentها صحبت می‌کنند؛ ابزارهای جدید معرفی می‌شوند، دوره‌های آموزشی برگزار می‌شود و هر روز اصطلاحات تازه‌ای وارد اکوسیستم می‌شوند. اما احساس می‌کنم قبل از اینکه بخواهیم یاد بگیریم چگونه با AI Agentها کار کنیم، لازم است یک قدم به عقب برگردیم. شاید مسئله اصلاً هوشواره نباشد. شاید مسئله این باشد که ما هنوز مفهوم Agent (#عامل) را به‌درستی #مدل نکرده‌ایم.
🚨وقتی کلمهٔ Agent را می‌شنویم، ذهنمان مستقیم به سمت #هوش_مصنوعی می‌رود، در حالی که Agent مفهومی بسیار قدیمی‌تر و عمومی‌تر است. هر موجودیتی که از طرف یک سیستم (شخص، سازمان، ...)، مسئولیتی را بر عهده می‌گیرد، یک Agent است. اگر این تعریف را بپذیریم، آن وقت AI Agent فقط یکی از انواع Agentها خواهد بود؛ همان‌طور که یک کارمند، یک پیمانکار، یک نرم‌افزار، یک سرویس یا حتی یک سازمان نیز می‌تواند نقش یک Agent را ایفا کند. و دقیقاً همین‌جا است که نگاه ما به #مسئله تغییر می‌کند. یک #تلنگر_ذهنی و سوال باز #فلسفه_ذهن را هم مطرح کنیم که حتی میشه بدن انسان را هم به نوعی عامل هویت اون فرد در نظر بگیریم.
اگر AI Agent را مفهومی کاملاً جدید تصور کنیم، ناخواسته بخش بزرگی از دانش انباشتهٔ گذشته دربارهٔ تعامل با Agentها را کنار می‌گذاریم و دوباره همان اشتباهات را با نام‌های جدید تکرار میکنیم.
⏳بخش بزرگی از مشکلاتی که امروز به هوشواره نسبت می‌دهیم، در واقع سال‌ها قبل از ظهور هوشواره هم وجود داشته‌اند.
- وقتی مسئولیت را مبهم واگذار میکنیم...
- وقتی انتظار خروجی را شفاف تعریف نمی‌کنیم...
- وقتی زمینهٔ لازم را منتقل نمی‌کنیم...
- وقتی دانش سازمان در ذهن افراد باقی می‌ماند و به دانش مشترک تبدیل نمی‌شود...
نتیجه معمولاً قابل پیش‌بینی نیست؛ چه طرف مقابل یک انسان باشد، چه یک هوشواره. دقت کنیم هوشواره مشکل جدیدی ایجاد نکرده است؛ فقط کیفیت #مدل_ذهنی و کیفیت #مدیریت_دانش ما را با وضوح بیشتری نمایان کرده است.
⏳به همین دلیل، شاید بهتر باشد به جای اینکه فقط دربارهٔ نقش‌های کاذب (False Classification) منتسب به مهندسی مثل Prompt Engineering یا Harness Engineering صحبت کنیم، دربارهٔ اصول تعامل با هر Agent صحبت کنیم؛ اصولی که سال‌ها قبل از ظهور هوشواره نیز وجود داشته‌اند و احتمالاً سال‌ها بعد از تغییر فناوری‌های امروز نیز معتبر خواهند ماند. در چند کامنت زیر همین پست، سعی می‌کنم دربارهٔ همین اصول صحبت کنم؛ از #تفویض_اختیار و نحوهٔ #مستندسازی از نگارش درخواست‌ها گرفته تا انتقال زمینه، مرزهای مسئولیت، معیارهای پذیرش و نقش #مدیریت_دانش در تعامل با عامل‌ها.
⏳شاید هنگام خواندن این متن با خودتان گفته باشید:
- ما هم مدام خروجی‌هایی می‌گیریم که با انتظارمان فاصله دارند.
- هر بار باید دوباره همه چیز را توضیح بدهیم.
- افراد مختلف برداشت‌های متفاوتی از یک درخواست دارند.
- دانش پروژه بیشتر در ذهن افراد است تا در مستندات.
- با وجود استفاده از هوشواره، کیفیت خروجی تیم بهتر نشده، فقط سرعت تولید بیشتر شده است.
اگر چنین نشانه‌هایی را در #سازمان خود میبینید، احتمال دارد مسئلهٔ اصلی نه هوشواره باشد و نه حتی افراد تیم. این‌ها معمولاً نشانه‌هایی از ضعف در #مدیریت_دانش، نبود یک #چارچوب_توسعه مشترک، ابهام در تعریف مسئولیت‌ها یا ضعف در مدل‌سازی مسائل سازمان هستند. این‌ها با تعویض ابزار حل نمی‌شوند؛ نیازمند اصلاح شیوهٔ فکر کردن، انتقال دانش و طراحی فرآیندهای توسعه هستند.
🔗 در Geniuses.Group نیز دقیقاً همین دغدغه را دنبال میکنیم؛ کمک به سازمان‌ها برای ساختن سیستم‌هایی که پایداری آن‌ها تنها به فناوری وابسته نباشد، بلکه بر پایهٔ مدل‌های ذهنی دقیق‌تر، مدیریت دانش بهتر و تعامل مؤثرتر میان عامل‌ها شکل بگیرد.
🔥3
اگه سنیور .net , nex.js هستید و همو میشناسیم، رزومه تونو برام بفرستید.
و مخصوصا اگه به ابزارهای هوش مصنوعی برای توسعه کد و کار علاقه دارید زودتر بفرستید
@Merkousha
و مخصوصا اگه به ابزارهای هوش مصنوعی برای توسعه کد و کار علاقه دارید زودتر بفرستید
@Merkousha
🔥5
Forwarded from Algotic Ai
Media is too big
VIEW IN TELEGRAM
🚀 دوره کامل هرمس ایجنت؛ از صفر تا صد [با زیرنویس اختصاصی فارسی]
این دوره سه ساعته از صفر تا صد هرمس ایجنت رو پوشش میده. یاد می‌گیری چطور ایجنت رو هاست کنی، به تلگرام، اسلک یا آی‌مسج متصلش کنی، حافظه مشترک با هونچو بسازی و ورک‌فلوهای خودکار مثل بریفینگ روزانه، وبسایت انیمیشنی، کیت مارکتینگ املاک، کاروسل اینستاگرام، ربات تریدینگ و کوچ سلامت طراحی کنی.
در نهایت هم روش قیمت‌گذاری و فروش این پروژه‌ها رو یاد می‌گیری.
🔻 سرفصل‌های کلیدی ویدیو:
🔹 نصب و اتصال هرمس به تلگرام و اسلک
🔹 ورک‌فلو حافظه و پروفایل‌های چندگانه با هونچو
🔹 ورک‌فلو ساخت بریفینگ خودکار و وبسایت انیمیشنی
🔹 ورک‌فلو ربات تریدینگ و فروش پروژه‌های ایجنتی
✅ زیرنویس فارسی روان و فنی: اختصاصی از Algotic Ai
🆔 @Algoticlab
🔗 نسخه اصلی در یوتیوب:
https://youtu.be/8yE6G1Lup1s
⭐️این ویدیو توسط سایت Tuby زیرنویس شده. شما هم میتونید ویدیو‌های دلخواهتون رو در محیط یوتوب با زیرنویس روان و تخصصی فارسی مشاهده کنید. همین حالا ثبت نام کنید و کردیت رایگان بگیرید!
tubyapp.com/fa
این دوره سه ساعته از صفر تا صد هرمس ایجنت رو پوشش میده. یاد می‌گیری چطور ایجنت رو هاست کنی، به تلگرام، اسلک یا آی‌مسج متصلش کنی، حافظه مشترک با هونچو بسازی و ورک‌فلوهای خودکار مثل بریفینگ روزانه، وبسایت انیمیشنی، کیت مارکتینگ املاک، کاروسل اینستاگرام، ربات تریدینگ و کوچ سلامت طراحی کنی.
در نهایت هم روش قیمت‌گذاری و فروش این پروژه‌ها رو یاد می‌گیری.
🔻 سرفصل‌های کلیدی ویدیو:
🔹 نصب و اتصال هرمس به تلگرام و اسلک
🔹 ورک‌فلو حافظه و پروفایل‌های چندگانه با هونچو
🔹 ورک‌فلو ساخت بریفینگ خودکار و وبسایت انیمیشنی
🔹 ورک‌فلو ربات تریدینگ و فروش پروژه‌های ایجنتی
✅ زیرنویس فارسی روان و فنی: اختصاصی از Algotic Ai
🆔 @Algoticlab
🔗 نسخه اصلی در یوتیوب:
https://youtu.be/8yE6G1Lup1s
⭐️این ویدیو توسط سایت Tuby زیرنویس شده. شما هم میتونید ویدیو‌های دلخواهتون رو در محیط یوتوب با زیرنویس روان و تخصصی فارسی مشاهده کنید. همین حالا ثبت نام کنید و کردیت رایگان بگیرید!
tubyapp.com/fa
❤18🤣4