پرامپتنویسی مهمه، اما خیلی وقتها مشکل اصلاً از پرامپت نیست.
وقتی جواب مدل خراب میشه، قبل از طولانیتر کردن پرامپت باید پرسید: اطلاعات لازم در کانتکست بوده؟ بازیابی درست انجام شده؟ ابزار و جریان کار درست بوده؟ خروجی ارزیابی شده؟
۱/۳
@Irishmanirc8 من اگه بودم Claude Code رو به عنوان harness اصلی میذاشتم و همون MCPای که الان از Docker بیرون دادی رو بهش وصل میکردم.
یعنی Qwen + DeepSeek reviewer همون پشت بمونن و مثلاً بهعنوان tool در اختیار agent باشن؛ خود harness فقط orchestration و کار با repo رو انجام بده.
امروز یه بار دیگه فهمیدم «همون مدل» اصلا به معنی «همون خروجی» نیست🤣
Ox Alpha رو با دقیقاً یه پرامپت یکسان انداختم جلوی OpenCode، Hermes و Claude Code
Claude Code واقعا یه سر و گردن بهتر بود و یکبار دیگه اهمیت harness رو نشون داد
میدونم همهتون میدونید، ولی محض یادآوری میگم👇🏻
@Behzadbi آره، اینا ذاتاً بیشتر coding agent هستن تا search agent.
من توی بعضی پروژه ها، mcp سرچ بهش میدم که هر ۱۰۰۰ ریکوئست ۵ دلاره یا ازش میپرسم چه کانتکست بیرونی لازم داری و خودم سرچش میکنم.
کانتکست لایبری ها رو ولی از repo، فایلها و git یا context7 معمولاً خودش خیلی خوب درمیاره.
@AminAnvary تا جایی که داکیومنت رسمی Anthropic رو چک کردم، خودِ استفاده از Claude Code بهعنوان harness با یه gateway و مدل غیر-Claude خلاف policy نیست؛ فقط صراحتا میگن مدلهای غیر-Claude رو پشتیبانی نمیکنیم.
چیزی که ممنوعه route کردن credential اشتراک Free/Pro/Max کلاد از طریق ابزار ثالثه.
اگه هیچ ایدهای هم نداری چطوری باید وصلش کنی، فقط از ChatGPT بپرس:
«من فلان سرویس/اشتراک رو دارم، چطوری مدلش رو تو Claude Code استفاده کنم؟»
اگه راه مستقیم داشته باشه همونو میگه؛ اگه نه، معمولاً آخرش میرسید به 9Router که روی سیستم خودتون اجرا میشه و بهعنوان واسط کار میکنه.
اگه اشتراک یک سرویس خوب رو از OpenRouter، OpenCode، Hermes، Codex، Copilot یا سرویسهای مشابه دارید، خیلی وقتها مجبور نیستید به همون محیطی که مدل رو ازش گرفتید بچسبید.
فقط کافیه همون اشتراکتون رو وصل کنین به Claude Code
فهمیدن دیزاین پترنها از اون موضوعهاست که ذهن رو به چالش میکشه. اینجا سعی میکنم با مثالهای ساده از دنیای واقعی و دنیای کد ، اونو راحت وارد ذهنت کنم.
این ریپو هر پترن رو با مثال دنیای واقعی، توضیح ساده، تعریف دقیق و کد در ۱۰ زبان آموزش میده.
https://t.co/usILtvPtRq
میدونم الان که Ox Alpha نامحدوده، دارین باهاش عشق میکنین :))
ولی گفتم این یکی رو هم باهاتون شیر کنم:
یه API کاملاً رایگان از Qwen3.8-27B FP8 گذاشتن که با فرمت OpenAI هم سازگاره و خیلی راحت میشه به ابزارای مختلف وصلش کرد.
فقط چیز حساس نفرستین؛ پرامپت و خروجیها لاگ میشن 👇
@siavash142 آخه داریم درباره یه مدل ۲ میلیارد پارامتری حرف میزنیم :))
برای مقایسه، Llama 3.1 405B بیشتر از ۲۰۰ برابر بزرگتره؛ تازه اندازهی GPT-5.5 و Opus رو هم اصلاً اعلام نکردن.
من وصلش کردم به Immersive Translate و برای ترجمهی صفحهها واقعاً عالی جواب میده؛ سریع، سبک و لوکال. (و امن)
یه مدل ۲ میلیارد پارامتری نباید اینقدر خوب باشه :))
این نسخهی دیستیلشدهی Qwen 3.8 رو تست کردم؛ سرعت خیلی بالا، درک فارسی عجیب خوب و کیفیت جوابها خیلی بیشتر از چیزیه که از ۲B انتظار داشتم.
چند بار شک کردم نکنه مدل اشتباهی لود شده :))
پشمام واقعاً.
@ninjafyi اگه منظورت اجاره GPU تو کلوده، خیلی به اندازه مدل بستگی داره. مثلاً یه 27B چهاربیتی حدود ۱۸ گیگه و با کانتکست معمولی روی GPUهای 24GB هم میشه اجراش کرد.
روی RunPod الان حدوداً از ۰.۲۷ تا ۰.۷۴ دلار در ساعت درمیاد؛ اگر ۲۴ ساعت روشن بمونه حدود ۶ تا ۱۸ دلار.
@memansourifar@mirzaei_mani بیشتر روی تسکهای کوتاه و فارسی تستش کردم؛ ترجمه، درک دستور، جواب کوتاه و کیفیت متن نسبت به اندازهش خیلی خوب بود.
ولی خب ۲Bـه و طبیعتاً روی استدلال سنگین یا کانتکست طولانی خیلی زود محدودیتش معلوم میشه…
@h2soheili من Q4 رو گرفتم، خود مدل حدود ۱.۳ گیگه. برای استفاده معمولی با مثلاً ۱۰۰۰ توکن کانتکست، حدود ۳ گیگ رم براش در نظر بگیری منطقیه؛ البته بسته به برنامه و تنظیمات یکم بالا پایین میشه.
جالبترین بخش این تحقیق برای من همین بود:
خرافه لازم نیست همیشه با «جن» و «نحسی» بیاد.
گاهی فقط کافیه چند کلمه مثل کلسیم، کلیه، آپاندیس، آرتروز یا پیسی بهش اضافه بشه تا کاملاً علمی به نظر برسه.
«شب سوت نزن، جن میاد» رو بالاخره یه جایی میفهمیدی خرافهست.
ولی «بعد غذا ندَو، آپاندیست میترکه» و «جیشتو نگه داری سنگ کلیه میگیری» رو خیلیهامون سالها بهعنوان واقعیت علمی باور داشتیم :))
قسمت دوم اون رشتو، این بار سراغ همینها رفتم 👇
بچگی بهم میگفتن:
«شب ناخن نگیر، کلسیمت کم میشه.»
یه روز کنجکاو شدم ببینم اصلاً این حرف از کجا اومده.
با کمک هوش مصنوعی شروع کردم به جمعکردن این مدل باورها و آخرش رسیدم به یه لیست ۵۹تایی از خرافات و باورهای قدیمی ایرانی :))
داستانشون خیلی جالبتر از چیزی بود که فکر میکردم👇
و یکی که دیگه فقط بامزه نیست:
«روی زخم جیش کن، ضدعفونی میشه.»
نه :))
ادرار ضدعفونیکنندهی زخم نیست و روش توصیهشدهای برای تمیز کردن زخم هم نیست و حتی میتونه باعث ایجاد عفونت بشه.
اینجاست که یه باور قدیمی دیگه فقط خاطرهی بامزه نیست و میتونه واقعاً دردسر درست کنه.