آرشیو دسته بندی: محتوای حرفه‌ای (Pro)

روش رسمی آنتروپیک برای ساختن ارزیابی: چهار قطعهٔ هر eval، سه روش نمره‌دهی کدی و انسانی و مدلی، پرامپت آمادهٔ داور و پنج قاعده‌ای که ارزیابی را واقعی می‌کند.

الگوی هماهنگ‌کننده-کارگرها در کوک‌بوک آنتروپیک: تقسیم پویای کار در زمان اجرا، پرامپت هماهنگ‌کننده و کارگر، تجزیهٔ خروجی، اعتبارسنجی، و مدیریت هزینه و تأخیر.

تبدیل سوال فارسی به کوئری SQL با کلود: خواندن خودکار شِما، پرامپت برچسب‌دار، مثال و زنجیرهٔ فکر، بازیابی زمینه‌مند برای پایگاه‌دادهٔ بزرگ و حلقهٔ اجرا و اصلاح خطا.

بازیابی زمینه‌مند به روایت آنتروپیک: پرامپت زمینه‌ساز برای هر تکه، کش پرامپت برای ارزان‌شدن نمایه‌سازی، ترکیب BM25 با جست‌وجوی معنایی و لایهٔ بازچینش — با اعداد دقیق هر لایه.

در چهار مقالهٔ قبلی این سری، سخت‌افزار مناسب را انتخاب کردیم، مدل محلی را به ابزارهای بیرونی وصل کردیم، پایپلاین RAG کاملاً آفلاین را شناختیم، و روشی عملی برای اندازه‌گیری کیفیت روی کار خودمان یاد گرفتیم. حالا وقت آن رسیده که همهٔ این‌ها را در یک پروژهٔ واقعی کنار هم بگذاریم: یک دستیار آفلاین که […]

تا اینجا هر مقاله یک مهارت جداگانه را باز کرده: آناتومی پرامپت، انتخاب مدل، نسبت تصویر، ثبات شخصیت، تصویر مرجع و ویرایش موضعی. این پروژهٔ پایانی همهٔ این مهارت‌ها را در یک کار واقعی کنار هم می‌گذارد: ساختن ده تصویر هم‌سبک برای یک کمپین تبلیغاتی فرضی. هدف این نیست که فقط ده تصویر زیبا بسازید، […]

تا اینجای این مجموعه، هر مقاله یک لایه از ساخت یک بات پشتیبانی جدی را باز کرده: خط لولهٔ RAG، Hybrid Search و rerank، اتصال به کانال‌ها، Tool Calling، و تحویل به انسان. این مقالهٔ پایانی همهٔ این لایه‌ها را در یک پروژهٔ گام‌به‌گام کنار هم می‌گذارد تا بتوانید همین حالا، روی مستندات واقعی شرکت […]

خواندن دربارهٔ ابزارهای هوش مصنوعی کافی نیست؛ چیزی که واقعاً اعتماد به‌نفس می‌سازد، یک بار تجربه‌کردن کامل مسیر از ابتدا تا انتهاست. این پروژهٔ پایانی برای همین طراحی شده: یک فصل درسی واقعی از کتاب خودتان را انتخاب می‌کنید و آن را از صفر، با کمک هوش مصنوعی، بازطراحی می‌کنید تا طرح درس، محتوای بصری، […]