🔄 راهنمای Claude Code برای حلقه‌های خودگردان؛ از دستور دستی تا اتوماسیون کامل
تیم Claude Code راهنمایی منتشر کرده که نشان می‌دهد چطور می‌توان عامل‌های هوش مصنوعی را در چرخه‌های تکراری قرار داد تا بدون دخالت دستی، کار را تا رسیدن به نتیجه پیش ببرند. ایده‌ی اصلی، واگذاری تدریجی کنترل به عامل است؛ درست مانند پله‌هایی که هر کدام، سطح بالاتری از استقلال را به مدل می‌دهند.
---
⚙️ چهار نوع حلقه برای سطوح مختلف اتوماسیون
🧩 حلقه‌ی عاملی (Agent Loop) – شروع با یک پرامپت ساده، پایان با تشخیص خود عامل
شما دستور اولیه را می‌دهید و کلود کار را تا جایی که خودش وظیفه را تمام‌شده ارزیابی کند، ادامه می‌دهد. برای این کار، معیارهای تأیید را در فایل
🎯 حلقه‌ی هدف‌محور (Goal Loop) – شما شرط پایان را تعیین می‌کنید، عامل تلاش می‌کند تا به آن برسد
شما مشخص می‌کنید که «کار انجام شده» یعنی چه (مثلاً درصد مشخصی از تست‌ها پاس شوند). سپس یک مدل ارزیاب نتیجه‌ی کار کلود را با هدف شما مقایسه می‌کند و اگر به نتیجه نرسیده باشد، عامل را دوباره به کار برمی‌گرداند. این چرخه تا رسیدن به هدف یا تمام شدن تعداد دفعات مجاز ادامه پیدا می‌کند.
⏰ حلقه‌ی زمانی (Scheduled Loop) – ماشه‌ی شروع را به عامل می‌سپارید
این گزینه برای کارهای تکراری مثل گزارش روزانه، پاسخ به بازخوردها یا نظارت بر وضعیت سرویس‌ها عالی است. عامل بر اساس زمان‌بندی یا رویدادهای خارجی (مثل ریویوی جدید یا شکست در فرآیند یکپارچه‌سازی) فعال می‌شود و کار را انجام می‌دهد.
🚀 حلقه‌ی فعال (Proactive Loop) – انسان کاملاً از چرخه خارج می‌شود
در این سطح، عامل بر اساس رویدادها یا زمان‌بندی، بدون نیاز به پرامپت اولیه به‌صورت خودکار کار را شروع می‌کند و تا زمانی که شما خاموشش نکنید، به فعالیت ادامه می‌دهد. این حالت نزدیک‌ترین گزینه به اتوماسیون کامل است.
---
💡 نکته‌های کلیدی برای پیاده‌سازی موفق
- ساده شروع کنید: اگر کار پیچیده نیست، نیازی به حلقه‌های پیشرفته ندارید.
- کد را تمیز نگه دارید: برای بررسی کد، از عامل دوم کمک بگیرید (قابلیت
- هزینه‌ها را کنترل کنید: برای کارهای تکراری از مدل‌های سریع‌تر و ارزان‌تر و برای کارهای پیچیده از مدل‌های قوی‌تر استفاده کنید.
- مقیاس را مدیریت کنید: گردش‌کارهای پویا ممکن است صدها عامل ایجاد کنند؛ حتماً ابتدا روی نمونه‌های کوچک تست کنید.
---
با این رویکرد، می‌توانید از یک دستیار ساده به سیستمی برسید که به‌طور خودگردان وظایف را مدیریت می‌کند و شما فقط نتیجه‌ی نهایی را بررسی می‌کنید.
---
#ClaudeCode #عامل_هوشمند #اتوماسیون #حلقه_های_عاملی #برنامه_نویسی_با_هوش_مصنوعی
🆔 @asrgooyeshpardaz
تیم Claude Code راهنمایی منتشر کرده که نشان می‌دهد چطور می‌توان عامل‌های هوش مصنوعی را در چرخه‌های تکراری قرار داد تا بدون دخالت دستی، کار را تا رسیدن به نتیجه پیش ببرند. ایده‌ی اصلی، واگذاری تدریجی کنترل به عامل است؛ درست مانند پله‌هایی که هر کدام، سطح بالاتری از استقلال را به مدل می‌دهند.
---
⚙️ چهار نوع حلقه برای سطوح مختلف اتوماسیون
🧩 حلقه‌ی عاملی (Agent Loop) – شروع با یک پرامپت ساده، پایان با تشخیص خود عامل
شما دستور اولیه را می‌دهید و کلود کار را تا جایی که خودش وظیفه را تمام‌شده ارزیابی کند، ادامه می‌دهد. برای این کار، معیارهای تأیید را در فایل
SKILL.md می‌نویسید. هرچه معیارها عددی و شفاف‌تر باشند، عامل دقیق‌تر می‌تواند عملکرد خود را بسنجد.🎯 حلقه‌ی هدف‌محور (Goal Loop) – شما شرط پایان را تعیین می‌کنید، عامل تلاش می‌کند تا به آن برسد
شما مشخص می‌کنید که «کار انجام شده» یعنی چه (مثلاً درصد مشخصی از تست‌ها پاس شوند). سپس یک مدل ارزیاب نتیجه‌ی کار کلود را با هدف شما مقایسه می‌کند و اگر به نتیجه نرسیده باشد، عامل را دوباره به کار برمی‌گرداند. این چرخه تا رسیدن به هدف یا تمام شدن تعداد دفعات مجاز ادامه پیدا می‌کند.
⏰ حلقه‌ی زمانی (Scheduled Loop) – ماشه‌ی شروع را به عامل می‌سپارید
این گزینه برای کارهای تکراری مثل گزارش روزانه، پاسخ به بازخوردها یا نظارت بر وضعیت سرویس‌ها عالی است. عامل بر اساس زمان‌بندی یا رویدادهای خارجی (مثل ریویوی جدید یا شکست در فرآیند یکپارچه‌سازی) فعال می‌شود و کار را انجام می‌دهد.
🚀 حلقه‌ی فعال (Proactive Loop) – انسان کاملاً از چرخه خارج می‌شود
در این سطح، عامل بر اساس رویدادها یا زمان‌بندی، بدون نیاز به پرامپت اولیه به‌صورت خودکار کار را شروع می‌کند و تا زمانی که شما خاموشش نکنید، به فعالیت ادامه می‌دهد. این حالت نزدیک‌ترین گزینه به اتوماسیون کامل است.
---
💡 نکته‌های کلیدی برای پیاده‌سازی موفق
- ساده شروع کنید: اگر کار پیچیده نیست، نیازی به حلقه‌های پیشرفته ندارید.
- کد را تمیز نگه دارید: برای بررسی کد، از عامل دوم کمک بگیرید (قابلیت
/code-review در Claude Code).- هزینه‌ها را کنترل کنید: برای کارهای تکراری از مدل‌های سریع‌تر و ارزان‌تر و برای کارهای پیچیده از مدل‌های قوی‌تر استفاده کنید.
- مقیاس را مدیریت کنید: گردش‌کارهای پویا ممکن است صدها عامل ایجاد کنند؛ حتماً ابتدا روی نمونه‌های کوچک تست کنید.
---
با این رویکرد، می‌توانید از یک دستیار ساده به سیستمی برسید که به‌طور خودگردان وظایف را مدیریت می‌کند و شما فقط نتیجه‌ی نهایی را بررسی می‌کنید.
---
#ClaudeCode #عامل_هوشمند #اتوماسیون #حلقه_های_عاملی #برنامه_نویسی_با_هوش_مصنوعی
🆔 @asrgooyeshpardaz
❤1
🔄 راهنمای عملی ساخت حلقه‌های هوشمند با Claude Code
بیشتر کاربران کلود هنوز به‌صورت دستی با آن کار می‌کنند: یک دستور می‌نویسند، منتظر پاسخ می‌مانند، نتیجه را بررسی کرده و تصمیم می‌گیرند چطور ادامه دهند. این روش برای کارهای یک‌باره خوب است، اما وقتی کاری تکراری باشد یا نیاز به چندین مرحله بررسی داشته باشد، دیگر جواب نمی‌دهد. در چنین شرایطی، به یک حلقه (Loop) نیاز دارید.
---
🧩 حلقه‌ی کلود دقیقاً چیست؟
یک حلقه، یک گردش‌کار تکراری است که دور مدل کلود طراحی می‌شود. این حلقه مشخص می‌کند:
- چه چیزی کار را شروع می‌کند (محرک)
- کلود چه اطلاعاتی را باید بخواند
- چه کاری مجاز به انجام است
- چگونه نتیجه‌ی کار بررسی می‌شود
- وضعیت کار در کجا ذخیره می‌شود
- چه زمانی حلقه باید متوقف شود، دوباره اجرا شود یا به انسان ارجاع داده شود
مدل کلود هنوز کار اصلی را انجام می‌دهد، اما حلقه، ساختار و نظم کار را فراهم می‌کند.
---
⚙️ شش بخش اصلی هر حلقه
۱. محرک (Trigger) : چیزی که کار را شروع می‌کند، مثل یک دستور ساده، زمان مشخص، تغییر در یک فایل، یا شکست در فرآیند ساخت (CI)
۲. زمینه (Context) : کلود توضیحات کار، فایل‌های مربوط و پیشرفت قبلی را می‌خواند
۳. اقدام (Action) : کلود مرحله‌ی بعدی را انجام می‌دهد؛ مثل نوشتن گزارش، ویرایش فایل یا پیش‌نویس یک راه‌حل
۴. تأیید (Verification) : نتیجه‌ی کار در برابر یک شرط مشخص بررسی می‌شود؛ مثلاً وجود یک فایل خاص، قبولی در تست‌ها یا کامل بودن یک چک‌لیست
۵. به‌روزرسانی وضعیت : حلقه ثبت می‌کند که چه اتفاقی افتاده، چه چیزی تغییر کرده و مرحله‌ی بعدی چه باید باشد
۶. تصمیم‌گیری : حلقه یا متوقف می‌شود، یا از انسان نظر می‌خواهد، یا دوباره اجرا می‌شود
---
📁 ساده‌ترین ساختار برای یک حلقه
برای شروع، فقط به چهار فایل نیاز دارید:
---
🎯 قدم‌به‌قدم: ساخت یک حلقه‌ی بررسی روزانه
قدم اول: تعریف کار در فایل TASK.md
هدف حلقه را به‌زبان ساده بنویسید. مثلاً:
> «هر روز صبح، پوشه‌ی پروژه را بررسی کن، تغییرات را خلاصه کن، مشکلات را پیدا کن و یک گزارش روزانه بنویس.»
قدم دوم: ایجاد حافظه با فایل PROGRESS.md
این فایل مثل یک دفترچه‌ی یادداشت است که به کلود کمک می‌کند کار را از جایی که قبلاً متوقف کرده، ادامه بدهد. بخش‌های آن شامل آخرین اجرا، وضعیت فعلی، کارهای ناتمام، مشکلات و تصمیم‌گیری‌هاست.
قدم سوم: نوشتن دستورالعمل‌ها در LOOP_INSTRUCTIONS.md
در این فایل به کلود می‌گویید که دقیقاً چطور کار کند: چه چیزی را بخواند، چه چیزی را تغییر دهد، چه چیزی را تغییر ندهد و چطور نتیجه را بررسی کند.
قدم چهارم: اجرای دستی و آزمایش
قبل از اینکه حلقه را خودکار کنید، چند بار آن را به‌صورت دستی اجرا کنید. مطمئن شوید که کلود دقیقاً همان کاری را که می‌خواهید انجام می‌دهد. اگر خطایی رخ داد، دستورالعمل‌ها را اصلاح کنید و دوباره امتحان کنید.
قدم پنجم: اضافه کردن مرحله‌ی تأیید
بدون تأیید، ممکن است حلقه فقط ظاهر کار را ایجاد کند اما در واقع کار درستی انجام نداده باشد. یک چک‌لیست مشخص بنویسید که مشخص کند یک اجرا موفق چه ویژگی‌هایی دارد.
---
🛡️ مراحل افزایش استقلال حلقه
برای اینکه کار را ایمن شروع کنید، بهتر است حلقه را مرحله‌به‌مرحله مستقل‌تر کنید:
- سطح ۱: فقط خواندن فایل‌ها و نوشتن خلاصه
- سطح ۲: نوشتن گزارش‌ها و پیش‌نویس‌ها در پوشه‌ی outputs
- سطح ۳: ویرایش فایل‌ها در یک محیط آزمایشی جداگانه
- سطح ۴: ایجاد درخواست‌های تغییر (Pull Request) به‌صورت پیش‌نویس
- سطح ۵: اعمال تغییرات فقط بعد از تأیید انسان
- سطح ۶: انجام کامل کار به‌صورت خودکار (فقط برای کارهای کم‌خطر)
برای شروع، در سطوح ۱ و ۲ بمانید تا مطمئن شوید حلقه به‌درستی کار می‌کند.
---
📌 نکته‌ی کلیدی
یک حلقه‌ی خوب نباید شما را خسته کند. اگر خروجی‌های آن نیاز به بررسی مداوم دارند، یا هزینه‌ی آن بیشتر از سودی است که دارد، یا هنوز آماده‌ی اتوماسیون نیست. یک حلقه زمانی موفق است که با نظارت کمتر از کار دستی، کار مفیدی تولید کند و در عین حال در چارچوب هزینه و امنیت مشخصی باقی بماند.
---
🔗 مطالعه‌ی کامل:
https://levelup.gitconnected.com/how-to-create-loops-with-claude-code-a-practical-guide-to-agentic-automation-6f422390a143
---
#ClaudeCode #مهندسی_حلقه #عامل_هوشمند #اتوماسیون #آموزش_هوش_مصنوعی
🆔 @asrgooyeshpardaz
بیشتر کاربران کلود هنوز به‌صورت دستی با آن کار می‌کنند: یک دستور می‌نویسند، منتظر پاسخ می‌مانند، نتیجه را بررسی کرده و تصمیم می‌گیرند چطور ادامه دهند. این روش برای کارهای یک‌باره خوب است، اما وقتی کاری تکراری باشد یا نیاز به چندین مرحله بررسی داشته باشد، دیگر جواب نمی‌دهد. در چنین شرایطی، به یک حلقه (Loop) نیاز دارید.
---
🧩 حلقه‌ی کلود دقیقاً چیست؟
یک حلقه، یک گردش‌کار تکراری است که دور مدل کلود طراحی می‌شود. این حلقه مشخص می‌کند:
- چه چیزی کار را شروع می‌کند (محرک)
- کلود چه اطلاعاتی را باید بخواند
- چه کاری مجاز به انجام است
- چگونه نتیجه‌ی کار بررسی می‌شود
- وضعیت کار در کجا ذخیره می‌شود
- چه زمانی حلقه باید متوقف شود، دوباره اجرا شود یا به انسان ارجاع داده شود
مدل کلود هنوز کار اصلی را انجام می‌دهد، اما حلقه، ساختار و نظم کار را فراهم می‌کند.
---
⚙️ شش بخش اصلی هر حلقه
۱. محرک (Trigger) : چیزی که کار را شروع می‌کند، مثل یک دستور ساده، زمان مشخص، تغییر در یک فایل، یا شکست در فرآیند ساخت (CI)
۲. زمینه (Context) : کلود توضیحات کار، فایل‌های مربوط و پیشرفت قبلی را می‌خواند
۳. اقدام (Action) : کلود مرحله‌ی بعدی را انجام می‌دهد؛ مثل نوشتن گزارش، ویرایش فایل یا پیش‌نویس یک راه‌حل
۴. تأیید (Verification) : نتیجه‌ی کار در برابر یک شرط مشخص بررسی می‌شود؛ مثلاً وجود یک فایل خاص، قبولی در تست‌ها یا کامل بودن یک چک‌لیست
۵. به‌روزرسانی وضعیت : حلقه ثبت می‌کند که چه اتفاقی افتاده، چه چیزی تغییر کرده و مرحله‌ی بعدی چه باید باشد
۶. تصمیم‌گیری : حلقه یا متوقف می‌شود، یا از انسان نظر می‌خواهد، یا دوباره اجرا می‌شود
---
📁 ساده‌ترین ساختار برای یک حلقه
برای شروع، فقط به چهار فایل نیاز دارید:
پوشه‌ی پروژه/
├── TASK.md # هدف و دلیل حلقه
├── PROGRESS.md # وضعیت فعلی و حافظه‌ی بین اجراها
├── LOOP_INSTRUCTIONS.md # راهنمای رفتار کلود
└── outputs/
└── daily-review.md # خروجی‌های تولیدشده
---
🎯 قدم‌به‌قدم: ساخت یک حلقه‌ی بررسی روزانه
قدم اول: تعریف کار در فایل TASK.md
هدف حلقه را به‌زبان ساده بنویسید. مثلاً:
> «هر روز صبح، پوشه‌ی پروژه را بررسی کن، تغییرات را خلاصه کن، مشکلات را پیدا کن و یک گزارش روزانه بنویس.»
قدم دوم: ایجاد حافظه با فایل PROGRESS.md
این فایل مثل یک دفترچه‌ی یادداشت است که به کلود کمک می‌کند کار را از جایی که قبلاً متوقف کرده، ادامه بدهد. بخش‌های آن شامل آخرین اجرا، وضعیت فعلی، کارهای ناتمام، مشکلات و تصمیم‌گیری‌هاست.
قدم سوم: نوشتن دستورالعمل‌ها در LOOP_INSTRUCTIONS.md
در این فایل به کلود می‌گویید که دقیقاً چطور کار کند: چه چیزی را بخواند، چه چیزی را تغییر دهد، چه چیزی را تغییر ندهد و چطور نتیجه را بررسی کند.
قدم چهارم: اجرای دستی و آزمایش
قبل از اینکه حلقه را خودکار کنید، چند بار آن را به‌صورت دستی اجرا کنید. مطمئن شوید که کلود دقیقاً همان کاری را که می‌خواهید انجام می‌دهد. اگر خطایی رخ داد، دستورالعمل‌ها را اصلاح کنید و دوباره امتحان کنید.
قدم پنجم: اضافه کردن مرحله‌ی تأیید
بدون تأیید، ممکن است حلقه فقط ظاهر کار را ایجاد کند اما در واقع کار درستی انجام نداده باشد. یک چک‌لیست مشخص بنویسید که مشخص کند یک اجرا موفق چه ویژگی‌هایی دارد.
---
🛡️ مراحل افزایش استقلال حلقه
برای اینکه کار را ایمن شروع کنید، بهتر است حلقه را مرحله‌به‌مرحله مستقل‌تر کنید:
- سطح ۱: فقط خواندن فایل‌ها و نوشتن خلاصه
- سطح ۲: نوشتن گزارش‌ها و پیش‌نویس‌ها در پوشه‌ی outputs
- سطح ۳: ویرایش فایل‌ها در یک محیط آزمایشی جداگانه
- سطح ۴: ایجاد درخواست‌های تغییر (Pull Request) به‌صورت پیش‌نویس
- سطح ۵: اعمال تغییرات فقط بعد از تأیید انسان
- سطح ۶: انجام کامل کار به‌صورت خودکار (فقط برای کارهای کم‌خطر)
برای شروع، در سطوح ۱ و ۲ بمانید تا مطمئن شوید حلقه به‌درستی کار می‌کند.
---
📌 نکته‌ی کلیدی
یک حلقه‌ی خوب نباید شما را خسته کند. اگر خروجی‌های آن نیاز به بررسی مداوم دارند، یا هزینه‌ی آن بیشتر از سودی است که دارد، یا هنوز آماده‌ی اتوماسیون نیست. یک حلقه زمانی موفق است که با نظارت کمتر از کار دستی، کار مفیدی تولید کند و در عین حال در چارچوب هزینه و امنیت مشخصی باقی بماند.
---
🔗 مطالعه‌ی کامل:
https://levelup.gitconnected.com/how-to-create-loops-with-claude-code-a-practical-guide-to-agentic-automation-6f422390a143
---
#ClaudeCode #مهندسی_حلقه #عامل_هوشمند #اتوماسیون #آموزش_هوش_مصنوعی
🆔 @asrgooyeshpardaz
Medium
How to Create Loops with Claude Code: A Practical Guide to Agentic Automation
Claude Loop Engineering: How to Design Agents That Iterate, Verify, and Remember
❤2👍2
🌐 اخبار هوش مصنوعی
👾 دستیار Claude Code از ۱۴ آگوست به حالت خودکار (Auto Mode) تغییر می‌کند
از ۱۴ آگوست، حالت خودکار به‌طور پیش‌فرض برای کاربران پلن‌های Pro، Max و Team فعال می‌شود. در این حالت، دستیار بدون درخواست تأیید، اقدامات را انجام می‌دهد و فقط در مواردی که طبقه‌بندی‌کننده امنیتی ریسک بالا تشخیص دهد، از کاربر تأیید می‌گیرد.
علت اصلی این تغییر، خستگی از کلیک‌های تأیید مکرر است؛ آمار نشان می‌دهد توسعه‌دهندگان ۹۷٪ درخواست‌ها را تأیید می‌کنند. هزینه‌ی محاسباتی این حالت برای کاربران ارشد رایگان است، اما کاربران سازمانی و API باید فعلاً آن را دستی فعال کنند.
🔗 claude.com
---
💻 مایکروسافت تا ۲۰۲۷ بیش از ۳۰۰ هزار شتاب‌دهنده Maia 300 تولید می‌کند
تولید نسل جدید چیپ‌های اختصاصی هوش مصنوعی مایکروسافت از سپتامبر آغاز می‌شود. هدف نهایی تولید بیش از ۱ میلیون از این چیپ‌هاست. نسل قبلی (Maia 200) فقط چند ده هزار واحد داشت.
با انتقال بار مدل‌های OpenAI و MAI به این چیپ‌ها، مایکروسافت می‌تواند GPUهای انویدیا را برای مشتریان ابری آزاد کند. به‌گفته مایکروسافت، Maia 200 هزینه‌ی عملیاتی را ۳۰ تا ۴۰٪ نسبت به انویدیا کاهش داده و Maia 300 بهینه‌سازی عمیق‌تری دارد.
🔗 theinformation.com
---
🧑💼 سرگئی برین دوباره به مدیریت دستی گوگل بازگشت
با افزایش فشار رقابت در حوزه‌ی هوش مصنوعی، سرگئی برین، بنیان‌گذار گوگل، دوباره وارد صحنه‌ی مدیریت عملیاتی شده است. این اتفاق در حالی رخ می‌دهد که دمیس حسابیس از مدیریت روزمره DeepMind کنار رفته و محققان کلیدی در حال ترک شرکت هستند.
برین پیش‌تر در واکنش به موفقیت ChatGPT، گوگل را نجات داده بود و حالا دوباره برای جلوگیری از عقب‌ماندگی در برابر OpenAI و Anthropic وارد میدان شده است.
🔗 ft.com
---
🖼️ شرکت xAI مدل Grok Imagine Image 2.0 را منتشر کرد
این مدل در نسخه‌ی وب و اپلیکیشن موبایل در دسترس قرار گرفته و دارای ویرایشگری با قابلیت‌های inpainting، outpainting، حذف پس‌زمینه و پشتیبانی از ۵ تصویر مرجع است.
کیفیت این مدل در بنچمارک Arena، رتبه‌ی دوم جهان را در تولید تصویر و ویرایش کسب کرده است. قالب‌های آماده برای تبلیغات، پوستر، آواتار و بازی نیز اضافه شده، اما دسترسی API فعلاً بسته است.
🔗 x.ai
---
🛰️ اینترنت پتنتی برای دیتاسنترهای مداری ثبت کرد
این پتنت، مفهومی برای دیتاسنترهای فضایی را توصیف می‌کند که در آن ماهواره‌های کنترل‌کننده در مدار متوسط یا زمین‌ایستا، ناوگانی از ماهواره‌های ساده‌تر را در مدار پایین مدیریت می‌کنند. برخلاف رویکرد اسپیس‌ایکس و گوگل، این سیستم صرفاً برای مدیریت همان ماهواره‌ها طراحی شده، نه ارائه‌ی خدمات ابری به مشتریان. هنوز اطلاعاتی از ساخت فیزیکی این سخت‌افزار وجود ندارد.
🔗 patentlyze.com
---
#ClaudeCode #مایکروسافت #گوگل #xAI #اینترنت #هوش_مصنوعی
🆔 @asrgooyeshpardaz
👾 دستیار Claude Code از ۱۴ آگوست به حالت خودکار (Auto Mode) تغییر می‌کند
از ۱۴ آگوست، حالت خودکار به‌طور پیش‌فرض برای کاربران پلن‌های Pro، Max و Team فعال می‌شود. در این حالت، دستیار بدون درخواست تأیید، اقدامات را انجام می‌دهد و فقط در مواردی که طبقه‌بندی‌کننده امنیتی ریسک بالا تشخیص دهد، از کاربر تأیید می‌گیرد.
علت اصلی این تغییر، خستگی از کلیک‌های تأیید مکرر است؛ آمار نشان می‌دهد توسعه‌دهندگان ۹۷٪ درخواست‌ها را تأیید می‌کنند. هزینه‌ی محاسباتی این حالت برای کاربران ارشد رایگان است، اما کاربران سازمانی و API باید فعلاً آن را دستی فعال کنند.
🔗 claude.com
---
💻 مایکروسافت تا ۲۰۲۷ بیش از ۳۰۰ هزار شتاب‌دهنده Maia 300 تولید می‌کند
تولید نسل جدید چیپ‌های اختصاصی هوش مصنوعی مایکروسافت از سپتامبر آغاز می‌شود. هدف نهایی تولید بیش از ۱ میلیون از این چیپ‌هاست. نسل قبلی (Maia 200) فقط چند ده هزار واحد داشت.
با انتقال بار مدل‌های OpenAI و MAI به این چیپ‌ها، مایکروسافت می‌تواند GPUهای انویدیا را برای مشتریان ابری آزاد کند. به‌گفته مایکروسافت، Maia 200 هزینه‌ی عملیاتی را ۳۰ تا ۴۰٪ نسبت به انویدیا کاهش داده و Maia 300 بهینه‌سازی عمیق‌تری دارد.
🔗 theinformation.com
---
🧑💼 سرگئی برین دوباره به مدیریت دستی گوگل بازگشت
با افزایش فشار رقابت در حوزه‌ی هوش مصنوعی، سرگئی برین، بنیان‌گذار گوگل، دوباره وارد صحنه‌ی مدیریت عملیاتی شده است. این اتفاق در حالی رخ می‌دهد که دمیس حسابیس از مدیریت روزمره DeepMind کنار رفته و محققان کلیدی در حال ترک شرکت هستند.
برین پیش‌تر در واکنش به موفقیت ChatGPT، گوگل را نجات داده بود و حالا دوباره برای جلوگیری از عقب‌ماندگی در برابر OpenAI و Anthropic وارد میدان شده است.
🔗 ft.com
---
🖼️ شرکت xAI مدل Grok Imagine Image 2.0 را منتشر کرد
این مدل در نسخه‌ی وب و اپلیکیشن موبایل در دسترس قرار گرفته و دارای ویرایشگری با قابلیت‌های inpainting، outpainting، حذف پس‌زمینه و پشتیبانی از ۵ تصویر مرجع است.
کیفیت این مدل در بنچمارک Arena، رتبه‌ی دوم جهان را در تولید تصویر و ویرایش کسب کرده است. قالب‌های آماده برای تبلیغات، پوستر، آواتار و بازی نیز اضافه شده، اما دسترسی API فعلاً بسته است.
🔗 x.ai
---
🛰️ اینترنت پتنتی برای دیتاسنترهای مداری ثبت کرد
این پتنت، مفهومی برای دیتاسنترهای فضایی را توصیف می‌کند که در آن ماهواره‌های کنترل‌کننده در مدار متوسط یا زمین‌ایستا، ناوگانی از ماهواره‌های ساده‌تر را در مدار پایین مدیریت می‌کنند. برخلاف رویکرد اسپیس‌ایکس و گوگل، این سیستم صرفاً برای مدیریت همان ماهواره‌ها طراحی شده، نه ارائه‌ی خدمات ابری به مشتریان. هنوز اطلاعاتی از ساخت فیزیکی این سخت‌افزار وجود ندارد.
🔗 patentlyze.com
---
#ClaudeCode #مایکروسافت #گوگل #xAI #اینترنت #هوش_مصنوعی
🆔 @asrgooyeshpardaz
❤2👍1