آخرین نوشته‌های فلشhttps://blog.felesh.ai/https://blog.felesh.ai/fa/method/a-person-approves-before-the-ai-acts/https://blog.felesh.ai/fa/method/a-person-approves-before-the-ai-acts/خودمختاری هدف نیست؛ اقدامِ درخورِ اعتماد هدف است. عامل‌های ما پیشنهاد می‌دهند؛ یک انسان تأیید می‌کند یا یادداشتی برای بازنگری می‌فرستد؛ تنها آنگاه کار اعمال می‌شود. اختیار به دست می‌آید، نه اینکه بخشیده شود.Tue, 23 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/method/every-action-carries-its-reason/https://blog.felesh.ai/fa/method/every-action-carries-its-reason/بیشتر سامانه‌ها ثبت می‌کنند که چه چیزی تغییر کرده است؛ اما آنچه هرگز نمی‌توان بعدها بازسازی کرد، «چرا»ی آن است — پس ما دلیل را به بخشی الزامی از هر تغییر تبدیل می‌کنیم که در همان لحظهٔ وقوع ثبت می‌شود.Tue, 23 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/method/one-relationship-many-specialists/https://blog.felesh.ai/fa/method/one-relationship-many-specialists/مشتری باید یک رابطهٔ واحد را حس کند، نه آنکه از رباتی به ربات دیگر دست‌به‌دست شود. در پسِ یک درگاه واحد، هر متخصص حوزه‌ای از آنِ خود دارد — یکپارچه در حالت پیش‌فرض، جداشدنی با یک تنظیم، و هرگز با بازسازی از پایه.Tue, 23 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/agents-that-act-safely/https://blog.felesh.ai/fa/insights/agents-that-act-safely/جهش واقعی زمانی رخ می‌دهد که سامانه نه‌تنها پاسخ دهد، بلکه کاری را در یک سامانه واقعی به انجام برساند. از آنجا که عمل کردن خطا را پرهزینه می‌کند، «ایمن بودن» باید ساختاری باشد.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/ai-that-survives-an-audit/https://blog.felesh.ai/fa/insights/ai-that-survives-an-audit/وقتی سامانه‌ای هوشمند تصمیم می‌گیرد، دیر یا زود کسی می‌پرسد «چرا؟»؛ سامانه‌ای که نتواند پاسخ دهد، در ممیزی شکست می‌خورد. باور داریم قابلیت ممیزی باید از همان روز اول در خود طراحی گنجانده شود، نه به عنوان یک افزونهٔ بعدی.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/attentive-ai/https://blog.felesh.ai/fa/insights/attentive-ai/بزرگ‌ترین مدل همیشه بهترین پاسخ نیست؛ وقتی هر کار مرزهای مشخص خود را دارد، هوش متمرکز همواره از هوش همه‌کاره پیشی می‌گیرد.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/authority-as-a-trajectory/https://blog.felesh.ai/fa/insights/authority-as-a-trajectory/در روز نخست، کلید همه چیز را به یک کارآموز نمی‌سپارید؛ عامل‌های هوش مصنوعی نیز باید اختیار خود را به‌مرور و در طول مسیر به دست آورند—درست مانند پیشرفت در یک حرفه.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/agent-architecture/brain-lessons-for-agent-architecture/https://blog.felesh.ai/fa/engineering/agent-architecture/brain-lessons-for-agent-architecture/چند مسئله دشوار در طراحی عامل، به نحوه کارکرد ذهن انسان شباهت دارند: تمرکز به‌جای شلوغی، تشخیص زمان پایان کار و جداسازی لایه‌های حافظه. این شباهت‌ها راهنمای خوبی برای طراحی هستند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/prompting/cognitive-least-privilege/https://blog.felesh.ai/fa/engineering/prompting/cognitive-least-privilege/هر اطلاعاتی که به کار عامل نیاید، هم دقت را کاهش می‌دهد و هم سطح حمله را افزایش می‌دهد. با اقتباس از اصل کمترین دسترسی در امنیت، این قاعده را به دانش عامل تعمیم دهید.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/crm-is-a-special-case/https://blog.felesh.ai/fa/insights/crm-is-a-special-case/آنچه برای مدیریت رابطه با مشتری ساخته‌ایم، در نگاه اول یک CRM است؛ اما در زیر آن، الگوی عمومی‌تری نهفته که فراتر از رابطه می‌رود.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/ecosystem-that-compounds/https://blog.felesh.ai/fa/insights/ecosystem-that-compounds/یک ابزار، مسئله‌ای را یک‌بار حل می‌کند و همان‌جا باقی می‌ماند؛ اما آنچه ما می‌سازیم زیست‌بومی است که هوشمندی‌اش با هر افزوده انباشته می‌شود.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/model-selection/evaluate-on-your-own-set/https://blog.felesh.ai/fa/engineering/model-selection/evaluate-on-your-own-set/جدول‌های رتبه‌بندی عمومی کمتر از آنچه فکر می‌کنید درباره کار شما می‌گویند. راهکار مطمئن این است: یک مجموعه ارزیابی کوچک و معرف کار واقعی خود بسازید و گزینه‌ها را با همان ارزیابی کنید.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/agent-architecture/event-driven-agent-teams/https://blog.felesh.ai/fa/engineering/agent-architecture/event-driven-agent-teams/هنگام همکاری چند عامل با یکدیگر، بزرگ‌ترین خطر، از دست رفتن پیام‌ها و فروپاشی زنجیره است؛ معماری رویدادمحور با چند قاعده ساده این خطر را برطرف می‌کند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/fine-tune-rag-or-prompt/https://blog.felesh.ai/fa/insights/fine-tune-rag-or-prompt/سه راه برای متناسب‌سازی یک مدل با نیازهای شما وجود دارد و انتخاب اشتباه می‌تواند گران تمام شود؛ تفاوت در این است که هرکدام چه مشکلی را حل می‌کنند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/fine-tuning/fine-tuning-pitfalls/https://blog.felesh.ai/fa/engineering/fine-tuning/fine-tuning-pitfalls/ریشه بیشتر ریزتنظیم‌های ناموفق به چند الگوی تکراری برمی‌گردد؛ با شناخت این نشانه‌ها، اشکال‌زدایی به‌جای حدس و گمان به یک فهرست بررسی ساده تبدیل می‌شود.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/learn/llms-to-agents/from-llms-to-agents/https://blog.felesh.ai/fa/learn/llms-to-agents/from-llms-to-agents/یک مدل زبانی در اصل فقط کلمه بعدی را پیش‌بینی می‌کند. در این مطلب می‌بینیم که چگونه با افزودن ابزار، حافظه و برنامه‌ریزی به همین پیش‌بینی ساده، به یک عامل می‌رسیم و چه زمانی واقعاً به آن نیاز داریم.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/from-prompt-to-context-engineering/https://blog.felesh.ai/fa/insights/from-prompt-to-context-engineering/زمانی هنر کار با مدل در نوشتن یک پرامپت خوب خلاصه می‌شد، اما به باور ما، مرکز ثقل در حال جابه‌جایی است: از ساختن یک دستور به طراحی کل زمینه‌ای که مدل در آن کار می‌کند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/from-vague-message-to-action/https://blog.felesh.ai/fa/insights/from-vague-message-to-action/انسان‌ها مبهم، ناقص و آشفته صحبت می‌کنند. کار دشوار یک سامانه هوشمند، بیرون کشیدن کنش درست از دل این آشفتگی است — بی‌آنکه از کاربر بخواهد مانند یک فرم صحبت کند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/learn/llms-to-agents/how-agents-remember/https://blog.felesh.ai/fa/learn/llms-to-agents/how-agents-remember/یک مدل زبانی به خودی خود حافظه‌ای ندارد و هر گفت‌وگو را از صفر آغاز می‌کند. آنچه به یک عامل حافظه می‌دهد، لایه‌هایی است که پیرامون مدل ساخته می‌شوند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/learn/llms-to-agents/how-agents-think/https://blog.felesh.ai/fa/learn/llms-to-agents/how-agents-think/یک عامل هدفی را دریافت می‌کند، می‌اندیشد، اقدامی انجام می‌دهد و نتیجه را مشاهده می‌کند — و این چرخه را تا رسیدن به هدف تکرار می‌کند. مدلی ساده برای درک استدلال و تصمیم‌گیری عامل.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/layered-intelligence/https://blog.felesh.ai/fa/insights/layered-intelligence/یک عامل خوب باید هم‌زمان دو کار را به‌خوبی انجام دهد: گفت‌وگوی روان با انسان و کار شناختی عمیق در پشت صحنه. این دو، دو لایه متفاوت از هوش هستند — و بر این باوریم که جداسازی آن‌ها کلید کار است.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/fine-tuning/lora-family-variants/https://blog.felesh.ai/fa/engineering/fine-tuning/lora-family-variants/از زمان معرفی LoRA، چندین نسخه بهبودیافته ارائه شده‌اند که هرکدام مشکل خاصی را هدف قرار می‌دهند. شناخت این نسخه‌ها کمک می‌کند برای هر کار، گزینه مناسب را انتخاب کنید.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/tutorials/lora-hyperparameters-demystified/https://blog.felesh.ai/fa/tutorials/lora-hyperparameters-demystified/ریزتنظیم با LoRA چند مقدار کلیدی دارد که با درک معنای آن‌ها، انتخابشان آسان می‌شود. این راهنما رتبه، آلفا، نرخ یادگیری و سایر موارد را شفاف می‌کند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/llm-infra/mlp-is-the-models-memory/https://blog.felesh.ai/fa/engineering/llm-infra/mlp-is-the-models-memory/در یک مدل زبانی، لایه‌های Attention اطلاعات را مسیریابی می‌کنند، اما دانش واقعی در جای دیگری ذخیره می‌شود؛ در لایه‌های MLP که بخش بزرگی از مدل را تشکیل می‌دهند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/our-own-models/https://blog.felesh.ai/fa/insights/our-own-models/اجرای مدل روی زیرساخت خود، تنها یک انتخاب فنی نیست؛ بلکه باوری به استقلال، ماندن داده‌ها در خانه و پایداری است. این، تصمیم ما و دلیل آن است.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/owner-ai-employees/https://blog.felesh.ai/fa/insights/owner-ai-employees/نرم‌افزار را نصب می‌کنید اما کارمند را استخدام؛ همین تفاوت کوچک، همه‌چیز را در ساخت یک سازمان دیجیتال دگرگون می‌کند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/llm-infra/paged-attention-continuous-batching/https://blog.felesh.ai/fa/engineering/llm-infra/paged-attention-continuous-batching/دو ترفند زیرساختی، ظرفیت یک سرور مدل زبانی را چند برابر می‌کنند: continuous batching و مدیریت هوشمند حافظهٔ KV. هر دو از یک ایدهٔ ساده می‌آیند — هدر ندادن منابع.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/tutorials/pick-an-llm-checklist/https://blog.felesh.ai/fa/tutorials/pick-an-llm-checklist/انتخاب مدل، بیش از آنکه به جدول‌های رتبه‌بندی مربوط باشد، به شناخت دقیق نیازهایتان بستگی دارد؛ شش گام ساده که می‌توانید از همین امروز دنبال کنید.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/tutorials/prefill-vs-decode/https://blog.felesh.ai/fa/tutorials/prefill-vs-decode/تولید متن شامل دو مرحله با رفتارهای کاملاً متفاوت است: یکی محدود به محاسبات و دیگری محدود به حافظه. درک این تفاوت توضیح می‌دهد چرا حافظه نهان وجود دارد و چرا کدگشایی کند است.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/model-selection/primary-and-verifier/https://blog.felesh.ai/fa/engineering/model-selection/primary-and-verifier/گاهی یک مسئله دو نیازمندی حیاتی دارد که هیچ مدلی به‌تنهایی هر دو را برآورده نمی‌کند. راهکار، پذیرش مدلی ضعیف نیست، بلکه ترکیب دو مدل است.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/model-selection/production-failure-modes/https://blog.felesh.ai/fa/engineering/model-selection/production-failure-modes/مدل‌های زبانی نه به‌صورت تصادفی، بلکه به شیوه‌هایی مشخص دچار شکست می‌شوند؛ با شناخت این حالت‌ها، می‌توانید پیش از مواجهه کاربر، آن‌ها را شناسایی و مهار کنید.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/model-selection/profile-dont-rank-llms/https://blog.felesh.ai/fa/engineering/model-selection/profile-dont-rank-llms/یک عدد در جدول رتبه‌بندی مشخص نمی‌کند کدام مدل برای کار شما مناسب است؛ اما یک پروفایل چندبعدی از قابلیت‌ها، چرا.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/learn/llms-to-agents/prompt-engineering-from-zero/https://blog.felesh.ai/fa/learn/llms-to-agents/prompt-engineering-from-zero/مدل زبانی ذهن شما را نمی‌خواند؛ بنابراین هر آنچه را در گفت‌وگویی دوستانه بدیهی فرض می‌کنید، باید صراحتاً در پرامپت بنویسید — ۶ جزئی که یک پرامپت خوب را می‌سازند و ۵ اشتباهی که تازه‌کارها مرتکب می‌شوند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/prompting/prompt-injection-and-defense/https://blog.felesh.ai/fa/engineering/prompting/prompt-injection-and-defense/وقتی ورودی کاربر می‌تواند رفتار عامل را تغییر دهد، امنیت به مسئله‌ای در طراحی تبدیل می‌شود. رعایت چند اصل روشن، بیشتر این حملات را خنثی می‌کند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/tutorials/qlora-on-free-colab/https://blog.felesh.ai/fa/tutorials/qlora-on-free-colab/ریزتنظیم یک مدل نیازی به خوشه‌ای پرهزینه ندارد. با QLoRA می‌توان مدلی کوچک را روی یک GPU رایگان و تنها با چند ده خط کد تنظیم کرد.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/reliable-on-messy-documents/https://blog.felesh.ai/fa/insights/reliable-on-messy-documents/هر مدلی در مواجهه با یک سند تمیز خوب به نظر می‌رسد؛ اما تفاوت اصلی در دنباله آشفته آشکار می‌شود—جایی که اسناد واقعی جریان دارند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/tutorials/run-a-70b-on-one-gpu/https://blog.felesh.ai/fa/tutorials/run-a-70b-on-one-gpu/یک مدل ۷۰ میلیاردی با دقت کامل به حدود ۱۴۰ گیگابایت حافظه نیاز دارد. با کوانتش می‌توان این مدل را آن‌قدر فشرده کرد که روی یک کارت گرافیک جا شود و کیفیت آن تقریباً دست‌نخورده باقی بماند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/llm-infra/save-before-publish/https://blog.felesh.ai/fa/engineering/llm-infra/save-before-publish/یکی از رایج‌ترین خطاهای پنهان در سامانه‌های رویدادمحور این است که خبر پیش از واقعیت منتشر شود. رعایت ترتیب درست (ابتدا ذخیره و سپس انتشار)، این خطا را به‌کلی از بین می‌برد.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/learn/llms-to-agents/single-agent-vs-multi-agent/https://blog.felesh.ai/fa/learn/llms-to-agents/single-agent-vs-multi-agent/گاهی یک عامل واحد بهترین پاسخ است و گاهی باید کار را میان چند عامل تقسیم کرد؛ تفاوت در پیچیدگی کار است، نه پیشرفته‌بودن معماری.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/smaller-faster-cheaper/https://blog.felesh.ai/fa/insights/smaller-faster-cheaper/سپردن هر کاری به قوی‌ترین مدل وسوسه‌انگیز است، اما بیشتر کارها فقط به قابلیتی متمرکز نیاز دارند و یک مدل کوچک‌تر و مناسب، همان کار را سریع‌تر و ارزان‌تر انجام می‌دهد.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/model-selection/the-rule-layer/https://blog.felesh.ai/fa/engineering/model-selection/the-rule-layer/مدل زبانی ساختاری احتمالاتی دارد و گاهی خطا می‌کند؛ راهِ افزایش قابلیت اطمینان آن، کامل‌تر کردن خود مدل نیست، بلکه ساخت لایه‌ای قطعی است که لغزش‌های مدل را مهار کند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/the-self-learning-colleague/https://blog.felesh.ai/fa/insights/the-self-learning-colleague/امروز یک عامل هر گفت‌وگو را از نو آغاز می‌کند و از کار دیروز خود چیزی نمی‌آموزد. آنچه در ادامه می‌آید یک چشم‌انداز است، نه قابلیتی امروزی: عاملی که از کار خود یاد می‌گیرد.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/agent-architecture/trace-a-request-through-agents/https://blog.felesh.ai/fa/engineering/agent-architecture/trace-a-request-through-agents/بهترین راه برای درک معماری چندعاملی، دنبال کردن یک درخواست واقعی از ابتدا تا انتهاست. بیایید یک پیام مبهم را گام‌به‌گام تا رسیدن به کنشی ساختارمند دنبال کنیم.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/llm-infra/what-quantization-actually-does/https://blog.felesh.ai/fa/engineering/llm-infra/what-quantization-actually-does/کوانتش یعنی ذخیره‌سازی وزن‌های مدل با بیت‌های کمتر. اما این کاهش دقت دقیقاً چه بر سر مدل می‌آورد و چرا مدل‌ها در برابر آن تا این حد مقاوم هستند؟Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/where-llm-serving-costs-go/https://blog.felesh.ai/fa/insights/where-llm-serving-costs-go/با باز کردن صورت‌حساب سرویس‌دهی یک مدل، می‌بینید که بخش عمده هزینه در یک‌جا متمرکز شده است؛ درک این تمرکز، پاسخ به پرسش «بسازیم یا بخریم» را هم روشن می‌کند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/fine-tuning/why-lora-works/https://blog.felesh.ai/fa/engineering/fine-tuning/why-lora-works/اگر یک مدل بزرگ میلیاردها پارامتر دارد، چگونه می‌توان آن را تنها با آموزش چند ماتریس کوچک تنظیم کرد؟ پاسخ در یک ایده‌ی ظریف نهفته است: تغییر لازم، بعد ذاتی کوچکی دارد.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/insights/why-not-chatbots/https://blog.felesh.ai/fa/insights/why-not-chatbots/بیشتر سامانه‌های هوش مصنوعی با یکی از دو روش ساخته می‌شوند و هر دو در مقیاس بزرگ شکست می‌خورند؛ این، روایت رویکرد جایگزینی است که برگزیده‌ایم.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/engineering/agent-architecture/worker-to-specialist/https://blog.felesh.ai/fa/engineering/agent-architecture/worker-to-specialist/تفاوت کارگر مجری با متخصص در این است که اولی کاری را انجام می‌دهد و کنار می‌رود، اما دومی کنترل یک حوزه را در دست دارد و وضعیت آن را در طول زمان حفظ می‌کند.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/tutorials/working-with-llm-apis/https://blog.felesh.ai/fa/tutorials/working-with-llm-apis/اولین فراخوانی یک API مدل زبانی ساده‌تر از آن است که به نظر می‌رسد. اگر چند مفهوم پایه را بشناسید — نقش‌ها، توکن‌ها، دما و خروجی ساختارمند — بقیه مسیر روشن می‌شود.Sun, 21 Jun 2026 00:00:00 GMThttps://blog.felesh.ai/fa/tutorials/zero-shot-few-shot-cot/https://blog.felesh.ai/fa/tutorials/zero-shot-few-shot-cot/سه تکنیک پایه برای پرامپت‌نویسی وجود دارد که هرکدام جایگاه خود را دارند؛ دانستن زمان استفاده از هریک، از خود این تکنیک‌ها مهم‌تر است.Sun, 21 Jun 2026 00:00:00 GMT