برای یادگیری هوش مصنوعی نیازی به صرف هزینههای سنگین نیست. بهترین دورههای آموزشی هوش مصنوعی بهصورت کاملاً رایگان توسط غولهای فناوری دنیا ارائه میشن. این لیست رو ذخیره کن و یادگیری رو از همین امروز شروع کن:
Anthropic: https://t.co/4JlcJGMDan
Google: https://t.co/HJSyVL9zqE
Meta: https://t.co/9plX0v7Lot
NVIDIA: https://t.co/099GJiJGVL
Microsoft: https://t.co/QHuGXDnOJh
OpenAI: https://t.co/xNhYML2QTq
IBM: https://t.co/QKqpTClhoC
AWS: https://t.co/KhYGWcLn5J
DeepLearningAI: https://t.co/ImD7FZfh38
Hugging Face: https://t.co/OgxdxZO8Jp
AI News: https://t.co/0kAdupYK2t
این گیتهاب بسیار پیشنهاد میشه:
مشکل AI این نیست که نمیتونه UI بسازه. مشکل اینه که هنوز سلیقه طراحی نداره و تفاوت بین یک رابط معمولی و یک محصول واقعاً خوشساخت رو نمیفهمه.
اینجا Emil Kowalski تجربهاش در Vercel و Linear رو تبدیل کرده به مجموعهای از Skillها که به AI سلیقه طراحی، انیمیشن درست و جزئیات حرفهای یاد میده. مخصوصا با الهام از سیستم طراحی اپل.
https://t.co/0h0gWk5LwS
چند روزه میبینم همه دارن در مورد whisper حرف میزنن. خواستم بگم یه ساله برای تبدیل گفتار به متن از Handy استفاده میکنم و واقعاً بیرقیبه.
کاملاً آفلاین با پشتیبانی دقیق از فارسی. حرف زدن با کامپیوترو خیلی ساده میکنه.
https://t.co/sRTS12KRXx
👇🏽
یه پروژهی جالب دیدم به اسم SurfSense، که بهش میگن جایگزین اوپن سورس NotebookLM
اگه از NotebookLM میاید، باید بگم که SurfSense همون کارو میکنه؛ صرفا با کنترل کامل دست خودتون. خلاصه بخوام بگم، یه agent تحقیقاتی اوپنسورس و با تمرکز روی حریم خصوصیه که شبیه به کار NotebookLM رو انجام میده.
👍 مزایا نسبت به NotebookLM:
• اتصال به ۲۵+ منبع: گوگل درایو، Notion، Slack، YouTube، GitHub و افزونهی مرورگر برای ذخیرهی هر صفحهای (حتی پشت لاگین)
• آزادی انتخاب مدل: ۱۰۰+ مدل از طریق LiteLLM، یا اجرای کاملاً لوکال با Ollama و vLLM
• بدون محدودیت داده: هیچ سقفی روی تعداد منبع و نوتبوک نیست، و دیتا روی سرور(یا سیستم) خودت میمونه
• جستجوی بهتر: RAG دومرحلهای در برابر سرچ تکمرحلهای NotebookLM
• قابلیتهای تیمی جالب: به شما رولهای Owner/Admin/Editor/Viewer میده + چت و کامنت و...
• تولید پادکستا بدون محدودیته
😭 معایب:
• نصبش هلو برو توی گلو نیست واقعا. رو اعصابه — باید با dependency، API key و فایلهای Env کلنجار برید
• هنوز کاملاً production-ready نیست و در حال توسعهی فعاله
• باید خودت میزبانی و نگهداری کنی؛ طبیعتا که راحتی NotebookLM رو نداره
#️⃣ جمعبندی:
صادقانه بگم، NotebookLM همچنان سادهتر و آمادهتره ولی کاملاً بستهست. SurfSense سختتر راه میفته ولی دیتا و انتخاب مدل کاملاً دست خودته. اگه با self-hosting و سرور هم بخواید پیش برید، به درد بخورترینه.
🔗 ریپوی اصلی: https://t.co/F0gqtaVmgB
آدرس خود وبسایتش برای دانلود مستقیم نرمافزار: https://t.co/o6HXrGXEGN
چرا بعضیها با تلاش کمتر، رشد بیشتری دارند؟ جواب در سختکوشی نیست، در بهروز بودن است.
مشاهدهی من از فعالیت دوستان در فضای آنلاین نشان میدهد که اکثر افراد دارند از متدهایی استفاده میکنند که تاریخ انقضایشان گذشته است. من برای اینکه در این تله نیفتم، ۷ ابزار اصلیام را بازنشسته و با جایگزینهای هوشمند عوض کردم.
اگر نمیخواهید درجا بزنید، این لیست برای شماست: 👇
حالا که وضعیت اینترنت درست نیست ولی بعد OpenCode را تست کنید، میشه گفت بهترین ایجنت کدزن هست، خیلی خوب کار میکنه!
https://t.co/1K5iJNaCkE
https://t.co/uM01xbv3qi
فهمیدید Claude چی رو کرده؟
از الان میتوانید یک پروژه کامل بدین دست کلاود، فایلها، دستورالعملها، کانتکست کار و همهاش روی سیستم خودتان میمونه. نه کلاود، نه سرورهای کلاود ، روی کامپیوتر خودتون.
یک پروژه قبلی را با یک کلیک وارد کنید یا از صفر بسازید. هر بار که برگردید، همه چیز رو درباره آن پروژه یادش هست.
حالا اینجاش جالب میشه، دقیقاً همون هفتهای که برنی سندرز در کنگره آمریکا داشت شرکتهای AI رو به خاطر سرقت داده کاربران سینجیم میکرد و یه پست گذاشت و با اپ کلاود صحبت کرد، Claude یک قابلیت جدید عرضه کرد که فایلهای شما رو هرگز از سیستم خودتون بیرون نمیبره!
تصادفیه یا استراتژی کلاود؟ نمی دونم، ولی زمان بندیش بینقصه😶🌫️
📚 ریپازیتوری 500-AI-Agents-Projects مجموعهای از ایدهها و پروژههای عملی در حوزه AI Agent هست؛ از نمونههای ساده تا سناریوهای پیشرفته و Multi Agent.
✔️ دستهبندی متنوع بر اساس کاربرد
✔️ مناسب برای الهام گرفتن و توسعه نمونههای واقعی
✔️ مرجع خوب برای یادگیری معماری Agent-based
🔗
https://t.co/T9LbARDCOF
#AIAgents #OpenSource #GenAI #AgenticAI
بیشتر تصمیمهای تغییر از سال نو (Resolutions) شکست میخورن.
نه به خاطر اینکه ما ضعیفیم، چون اشتباهی سعی میکنیم تغییر کنیم.
ما سعی میکنیم رفتارمون رو عوض کنیم،
در حالی که باید هویتمون رو عوض کنیم.
اگر نتیجه خاصی میخوای، باید قبل از رسیدن به اون نتیجه، آدمی بشی که اون سبک زندگی رو طبیعی میدونه.
بدنساز برای سالم غذا خوردن تقلا نمیکنه. بلکه دوست داره غذای سالم بخوره.
مدیرعامل موفق برای بیدار شدن انگیزه جمع نمیکنه. بلکه انگیزه داره که سرعت کارارو ببره بالا و نتیجه بگیره.
تغییر با زور زدن روی رفتار اتفاق نمیافته.
با تغییر هویت اتفاق میافته.
همهی رفتارها هدف دارن، حتی تنبلی و ترس.
این افراد، این رفتار رو به خودشون تحمیل نکردن. اونها "چنین آدمی" هستن.
رفتار همیشه هدفمحوره.
اگر تغییر نمیکنی، یعنی هنوز امنیت، تأیید یا فرار از قضاوت برات مهمتر از رشده.
تغییر واقعی از اینجا شروع میشه:
۱. روشن کردن زندگیای که هرگز نمیخوای (Anti-Vision)
۲. تعریف نسخه اولیه از زندگی مطلوبت (Vision)
۳. ساختن یک لنز ۱ ساله، یک پروژه ۱ ماهه، و ۲–۳ اقدام روزانه
وقتی ساختار داشته باشی،
پیشرفت لذتبخش میشه،
و دیگه لازم نیست خودتو هل بدی.
چون اون آدم شدی.
هوش یعنی:
توانایی گرفتن اون چیزی که از زندگی میخوای.
بیشتر از یک ساله که دارم تلاش میکنم با blender و پایتون و mcp غیر رسمی بلندر و Sonnet انیمیشن تولید کنم که بشه برای تولید محتوا هم استفادش کرد. تهش هیچ نتیجه ی لذت بخشی نگرفتم تا اینکه این فیچر هیگزفیلد رو امروز دیدم!
برای تولید موشن گرافی عالی و ارزون عمل میکنه!
یه سمپل دیگه پست بعدی میگذارم!
"بر خلاف انتظار این افراد پر روتر میشوند. حتی طلبکار میشوند".
این صحبتهای دکتر مکری عزیز را حتما بشنوید.
کسی که نمیخواهد بفهمد نمیفهمد و بر نفهمی خود پافشاری میکند.
چگونه روی یک کامپیوتر معمولی، هوش مصنوعی آفلاین داشته باشیم؟
تا همین اواخر، تصور بر این بود که استفاده از چت بات های هوش مصنوعی نیازمند اتصال دائمی به اینترنت و سیستمهای گرانقیمت است. خوشبختانه، امروزه ابزارهایی توسعه یافتهاند که به شما اجازه میدهند قدرت هوش مصنوعی را مستقیماً روی کامپیوتر شخصی خودتان داشته باشید. مهمترین ویژگی این روش آن است که حتی روی سیستمهای معمولی و بدون نیاز به اینترنت نیز کار میکند و حریم خصوصی شما را به طور کامل حفظ مینماید. در این میان، Ollama به عنوان یکی از سادهترین و کارآمدترین ابزارها شناخته میشود و ما در این راهنما، شما را قدمبهقدم با نصب و استفاده از آن آشنا خواهیم کرد.
🔸 اولاما (Ollama) چیست؟
اولاما یک ابزار رایگان و بسیار کارآمد است که به شما اجازه میدهد مدلهای هوش مصنوعی را بهسادگی روی کامپیوتر شخصی خود نصب و اجرا کنید. در واقع، اولاما مانند یک مدیر برنامه در پسزمینه سیستم شما کار میکند و تمام کارهای فنی مانند دانلود، راهاندازی و مدیریت مدلها را برایتان انجام میدهد. بهاینترتیب، شما میتوانید بدون نیاز به دانش فنی پیچیده، از قدرت هوش مصنوعی بهصورت آفلاین و با حفظ کامل حریم خصوصی لذت ببرید.
آموزش نصب اولاما
برای شروع، ابتدا باید برنامه اصلی اولاما را دانلود و نصب کنیم. این فرایند کاملاً سرراست و ساده طراحی شده است.
۱. به وبسایت رسمی www.ollama.com بروید؛
۲. در بخش Download، گزینه مناسب سیستمعامل خود (ویندوز یا مک) را برای دانلود انتخاب کنید؛
۳. فایل دانلود شده را اجرا و مراحل نصب را که تنها شامل یک کلیک است، دنبال کنید؛
۴. پس از اتمام، برنامه اولاما بهصورت خودکار برای شما باز خواهد شد.
نکته: نسخههای جدید اولاما دارای یک محیط گرافیکی کامل هستند. این یعنی دیگر نیازی به نصب یک رابط کاربری جداگانه (مانند Open WebUI) ندارید و خود برنامه اولاما بهتنهایی برای دانلود مدلها و چت کردن کافی است.
توصیه: پیش از شروع نصب اطمینان حاصل کنید که سیستمعامل شما ویندوز ۱۰ (بالاتر) یا macOS 14 Sonoma (بالاتر) باشد. همچنین، پیشنهاد میکنیم حداقل ۱۰ گیگابایت فضای خالی روی دیسک خود داشته باشید.
توجه: در حال حاضر، دسترسی به وبسایت رسمی اولاما ممکن است نیازمند ابزارهای تغییر IP باشد. اولویت همیشه با دانلود مستقیم از سایت اصلی است، اما اگر با محدودیت مواجه شدید، برخی از وبسایتهای معتبر ایرانی نیز فایل نصبی آن را برای دانلود قرار دادهاند که میتوانید با جستجو، آنها را پیدا کنید.
🔸 آموزش اضافه کردن مدلهای هوش مصنوعی به اولاما
نرمافزار اولاما بهخودیخود تنها یک بستر اجرایی است و برای شروع گفتگو، نیاز دارید تا مدلهای هوش مصنوعی موردنظر خود را به آن اضافه کنید. در ادامه، نحوه دانلود و فعالسازی این مدلها را به دو روش ساده (از طریق محیط برنامه و خط فرمان) بررسی میکنیم تا بتوانید بلافاصله استفاده از هوش مصنوعی را آغاز کنید.
روش اول: از طریق محیط گرافیکی اولاما (سادهترین راه)
برای افزودن یک مدل جدید به کتابخانه خود، میتوانید از طریق محیط اصلی برنامه اقدام کنید. این روش به شما اجازه میدهد تا مدلها را مستقیماً از داخل رابط کاربری دانلود و فعال نمایید.
۱. ابتدا وارد برنامه اولاما شوید؛
۲. در باکس چت، از منوی کشویی، مدل موردنظر خود را انتخاب کنید؛
۳. پس از انتخاب مدل، یک پیام تستی ارسال کنید؛
۴. در این لحظه، اولاما شروع به دانلود مدل موردنظر میکند؛
۵. پس از تکمیل دانلود، علامت دانلود از کنار اسم مدل حذف میشود؛
۶. ازاینپس میتوانید با مدل انتخابی خود کار کنید.
بهاینترتیب، مدل جدید با موفقیت به کتابخانه شما اضافه شده و آماده استفاده است.
روش دوم: استفاده از ترمینال (سریع و حرفهای)
این روش در تمام سیستمعاملها (ویندوز، مک و لینوکس) یکسان عمل میکند و مدل دانلود شده بلافاصله به محیط گرافیکی شما اضافه میشود.
۱. باز کردن ترمینال
• در ویندوز: کلید Win را بزنید، در باکس سرچ، cmd را تایپ کنید و اینتر را بزنید.
• در مک (macOS): کلیدهای Command + Space را بزنید، تایپ کنید Terminal و اینتر را بزنید.
• در لینوکس: معمولاً با کلیدهای Ctrl + Alt + T ترمینال باز میشود.
۲. وارد کردن دستور دانلود
کافیست دستور زیر را تایپ کرده و کلید Enter را بزنید:
ollama run [model-name]
مثال برای دانلود مدل سبک Phi-3
ollama run phi3
به همین سادگی! اولاما شروع به دانلود میکند و بهمحض تمامشدن، آن مدل در فهرست برنامه گرافیکی شما ظاهر میشود و میتوانید با آن چت کنید.
🔸 کدام مدل را برای شروع دانلود کنم؟
انتخاب مدل هوش مصنوعی، دقیقاً مانند تنظیمات گرافیکی در بازیهای کامپیوتری است؛ شما باید گزینهای را انتخاب کنید که با قدرت سختافزارتان هماهنگ باشد. اصلیترین فاکتور در این انتخاب، اندازه پارامتر مدل است. پارامتر را به زبان ساده، مانند حجمِ مغزِ هوش مصنوعی در نظر بگیرید. هرچه این عدد (که با B به معنی میلیارد مشخص میشود) بزرگتر باشد، مدل دانش بیشتر و توانایی استدلال بالاتری دارد، اما در مقابل، سنگینتر شده و به منابع بیشتری (به خصوص رم) نیاز پیدا میکند.
• اگر یک سیستم خانگی یا لپتاپ معمولی با رم حدود ۴ تا ۸ گیگابایت دارید، سراغ مدلهای 1B تا 4B بروید؛ این مدلها سبک هستند و برای چت، خلاصهسازی و کارهای ساده کاملاً کافیاند.
• اگر سیستمتان متوسط است، یعنی ۱۶ تا ۳۲ گیگابایت رم یا یک GPU معمولی دارید، بهترین انتخاب مدلهای 7B تا 12B هستند؛ این بازه بهترین تعادل بین کیفیت پاسخ و مصرف منابع را دارد و برای اکثر کاربران منطقیترین گزینه است.
• در صورتی که سیستم قوی با GPU قدرتمند، VRAM بالا و حداقل ۶۴ گیگابایت رم دارید، میتوانید سراغ مدلهای 27B بروید که پاسخهای دقیقتر و پایدارتر تولید میکنند.
• مدلهای خیلی بزرگ مثل 70B یا 120B معمولاً برای اجرای لوکال طراحی نشدهاند و بیشتر مناسب سرورها و دیتاسنترها هستند، نه استفادهی خانگی.
🔸 انتخاب طلایی برای شروع؛ Gemma 3 (نسخه 4B)
اگر میخواهید فقط یک مدل دانلود کنید و خیال خودتان را راحت کنید، بدون هیچ شکی Gemma 3:4B را انتخاب کنید. این مدل برای کسانی که سیستمهای قدیمی، لپتاپهای اداری یا حتی سیستمهایی با ۴ گیگابایت رم دارند، حکم نجاتبخش را دارد.
نام مدل:
Gemma 3 4B (نسخه ۴ میلیارد پارامتری)
توسعهدهنده:
گوگل
عملکرد:
مشابه GPT-4o mini
فضای رم مورد نیاز:
حداقل ۳.۴ گیگابایت (اجرای عالی روی سیستمهای ۸ گیگ و قابل قبول روی ۴ گیگ)
فضای موردنیاز:
۳.۳ گیگابایت (سبک و کمحجم)
تخصصها و قابلیتها:
• پشتیبانی بسیار خوب از زبان فارسی
پاسخگویی به سؤالات عمومی و دانشمحور
• خلاصهسازی متون طولانی
• کدنویسی سبک و کمک به برنامهنویسی
• قابلیت OCR (تشخیص و استخراج متن از تصاویر و اسناد)
مناسب برای:
سیستمهای خانگی ضعیف، لپتاپهای اداری قدیمی، و کاربرانی که سرعت پاسخگویی بالا برایشان اولویت دارد.
برای نصب این مدل، کافیست در کادر دانلود مدل در محیط برنامه، در باکس مربوط به مدلها gemma3:4b را پیدا کنید یا ترمینال را باز کرده و دستور زیر را اجرا نمایید.
ollama run gemma3:4b
خوب است بدانید: Gemma 3 نام یک خانواده از مدلهای هوش مصنوعی ساخت گوگل است که در اندازههای مختلفی (از 1B تا 27B) عرضه شدهاند. این تنوع به کاربران اجازه میدهد تا بسته به قدرت سختافزار خود، بهترین مدل را انتخاب کنند. نسخه 4B، متعادلترین و محبوبترین عضو این خانواده برای اجرا روی کامپیوترهای شخصی است.
🔸 نگاهی به سایر مدلهای محبوب
در حالی که Gemma 3 یک نقطه شروع فوقالعاده است، دنیای هوش مصنوعی پر از مدلهای متنوع با تخصصهای مختلف است. ممکن است شما به مدلی برای کدنویسی نیاز داشته باشید یا سیستمی قویتر در اختیار دارید و به دنبال هوش بیشتری هستید. در جدول زیر، چند مدل محبوب دیگر را به صورت خلاصه معرفی کردهایم تا بتوانید بهترین ابزار را برای نیاز خود پیدا کنید.
🔸 جمعبندی
در نهایت، Ollama این امکان را فراهم میکند که حتی روی سیستمهای ضعیف و متوسط نیز بتوان از مدلهای هوش مصنوعی محلی استفاده کرد. با انتخاب مدلهای سبک و تنظیم درست منابع، بدون نیاز به سختافزار قدرتمند میتوان به تجربهای کاربردی و قابلقبول دست یافت.
توصیه ما این است که همیشه یک نسخه از اولاما را به همراه یکی از مدلهای سبک و کارآمد روی سیستم خود آماده داشته باشید. در شرایطی که دسترسی به شبکه محدود است یا زمانی که برای کار با اطلاعات حساس به یک محیط ایزوله نیاز دارید، داشتن یک هوش مصنوعی محلی، یک مزیت کلیدی و اطمینانبخش خواهد بود.
🔸 سوالات متداول
۱. ارور EOF یا Connection Refused یعنی چه؟
این یعنی موتور برنامه به دلیل پر شدن حافظه رم (RAM) یا تداخل آنتیویروس بسته شده است. سیستم را ریاستارت کنید و پس از روشن شدن، سراغ مدلهای سبکتر (مثل Gemma) بروید.
۲. دانلود مدل ارور میدهد یا گیر میکند، چه کار کنم؟
احتمالاً فایل به دلیل قطعی اینترنت ناقص دانلود شده است. با دستور ollama rm [model-name] فایل خراب را حذف کنید و مجدداً دکمه دانلود را بزنید.
۳. آیا بدون کارت گرافیک قوی هم میتوانم استفاده کنم؟
بله، کاملاً. مدلهای پیشنهادی (مثل Gemma 3) طوری طراحی شدهاند که روی پردازنده اصلی (CPU) و سیستمهای معمولی هم با سرعت بالا اجرا میشوند.
۴. آیا این برنامه به اینترنت نیاز دارد و اطلاعاتم را میفرستد؟
خیر، پس از دانلود مدل، همه چیز کاملاً آفلاین کار میکند. تمام پردازشها روی سیستم خودتان انجام میشود و هیچ اطلاعاتی به خارج ارسال نمیگردد.
۵. چرا وقتی اولاما در حال کار است، سیستمم کند میشود؟
اجرای یک مدل هوش مصنوعی، مانند اجرای یک بازی سنگین، از منابع پردازنده و رم استفاده میکند. برای عملکرد بهتر، برنامههای سنگین دیگر (مانند مرورگر با تبهای زیاد) را در حین استفاده ببندید.
۶. چرا مدل از اخبار امروز یا قیمت دلار خبر ندارد؟
این مدلها به اینترنت دسترسی ندارند و دانش آنها محدود به اطلاعاتی است که تا زمان ساخته شدنشان (مثلاً سال ۲۰۲۳) وجود داشته است. آنها شبیه یک دایرهالمعارف چاپ شده عمل میکنند.
۷. چطور مدل دانلود شده را حذف کنم؟
برای حذف یک مدل و آزاد کردن فضا، باید از ترمینال (CMD) استفاده کنید. کافیست دستور ollama rm [نام-مدل] را وارد نمایید. برای مثال، برای حذف مدل phi3، دستور ollama rm phi3 را اجرا کنید.
۸. چرا پاسخ اولین سوال من خیلی طول میکشد، اما جوابهای بعدی سریع است؟
وقتی اولین سوال را میپرسید، اولاما باید تمام فایل چند گیگابایتی مدل را از روی دیسک به حافظه رم (و VRAM کارت گرافیک) منتقل کند. این کار زمانبر است، اما به محض اینکه مدل بارگذاری شد، برای سوالات بعدی در حافظه باقی میماند و پاسخها تقریباً آنی خواهند بود.
۹. آیا اولاما مکالمات قبلی من را به خاطر میآورد؟
بله، اما با یک محدودیت. هر مدل یک حافظه کوتاهمدت دارد. تا زمانی که مکالمه شما در محدوده این پنجره باشد (مثلاً ۲۰۴۸ کلمه)، مدل همه چیز را به یاد میآورد. اما اگر گفتگو خیلی طولانی شود، اوایل آن را فراموش میکند تا بتواند روی اطلاعات جدیدتر تمرکز کند.
۱۰. در نام مدلها، حرف B (مثل 4B) به چه معناست؟
B مخفف Billion (میلیارد) و نشاندهنده تعداد «پارامترهای» مدل است. هرچه این عدد بزرگتر باشد، مدل معمولاً هوشمندتر اما سنگینتر است و به رم بیشتری نیاز دارد.
۱۱. وقتی یک مدل هوش مصنوعی را دانلود میکنم، کدام نسخه مدل دانلود میشود؟
اولاما به صورت خودکار بهینهترین نسخه فشردهشده (Quantized 4-bit) را برای شما دانلود میکند. این کار باعث میشود مدل روی سیستمهای معمولی با رم کمتر، روان و سریع اجرا شود.
۱۲. تفاوت نسخههای q4، q8 و … در چیست؟
اینها سطح فشردهسازی (Quantization) مدل را نشان میدهند. هرچه عدد q کمتر باشد (مثل q4)، مدل کمحجمتر و سریعتر است، اما دقت آن ممکن است کمی کاهش یابد. نسخه q4 بهترین تعادل را دارد.
۱۳. چطور بفهمم یک مدل برای سیستم من مناسب است؟
قانون کلی این است که مقدار رم سیستم شما باید کمی بیشتر از حجم فشردهشده مدل باشد. برای مثال، یک مدل 7B (با حجم حدود ۵ گیگ) برای اجرا روی سیستمی با ۸ گیگابایت رم مناسب است.
۱۴. چطور تمام مدلهایی که نصب کردهام را ببینم؟
ترمینال (CMD) را باز کرده و دستور ollama list را اجرا کنید. این دستور، لیستی از تمام مدلهای نصب شده روی سیستم شما را به همراه حجم آنها نمایش میدهد.
۱۵. چطور اطلاعات یک مدل خاص (مثل نسخه فشردهسازی) را ببینم؟
برای دیدن جزئیات فنی یک مدل، در ترمینال دستور ollama show [نام-مدل] را بزنید. این دستور «شناسنامه» مدل را نشان میدهد و میتوانید بفهمید دقیقاً کدام نسخه را دارید.
۱۶. چطور مدلهایی که در لیست برنامه نیستند را نصب کنم؟
لیست برنامه فقط یک پیشنهاد است. شما میتوانید نام هر مدلی از کتابخانه اولاما جستجو کنید یا از دستور ollama run [model-name] در ترمینال استفاده نمایید.
۱۷. با اینترنت نامطمئن ایران، آیا راهی برای دانلود مدلهای حجیم با قابلیت Resume Support هست؟
بله، اما نه با دستور مستقیم اولاما. بهترین راه این است که با یک نرمافزار مدیریت دانلود (Download Manager)، فایل مدل (.gguf) را از سایتی مثل Hugging Face دانلود کنید. سپس آن فایل را به اولاما اضافه نمایید.
با تشکر از شهرام شهبازی
✍️ دانیال طبایی
#ابزارها_و_افزونهها
توضیحی بر جمله "ترکیب آیکیو پایین و مطالعه بالا واقعا سم مهلکیه"، چگونه چنین پدیده در ظاهر متناقضی خلق میشود؟
در زبان فارسی معمولا دو مفهوم complexity و complicated را با یک واژگان نزدیک یعنی "پیچیدگی" و "پیچیده" ترجمه میکنیم، در حالی که تفاوت مهمی میان آنها وجود دارد.
مفهوم complexity به سیستمها و موضوعاتی اشاره دارد که فهم اجزای آنها نسبتا آسان است، اما پیشبینی رفتار کلی سیستم بسیار دشوار میشود (مانند پیشبینی ترافیک شهری یا بازار سهام).
اما complicated به موضوع یا سیستمی گفته میشود که فهم و درک آن ذاتا سخت است، ولی وقتی فهمیده شد، پیشبینیپذیری خوبی دارد (مانند بخش عمدهای از مسائل مهندسی مثل طراحی مدارهای پیچیده الکترونیکی...).
افرادی با توان شناختی متوسط یا پایین، گاهی در موضوعاتی توام با complexity فیلتر نمیشوند. زیرا همهچیز در ظاهر خوب و خوشتعریف به نظر میرسد. در این حوزهها میتوان صدها کتاب را با سرعت نسبتا خوب خواند و حجم زیادی عنوان و مرجع را فهرست کرد، بدون اینکه لزوما درک عمیقی ایجاد شده باشد. اما در سیستمهای complex، به دلیل چندوجهی بودن و درهمتنیدگی شدید اجزا، درک عمیق و چندلایه لازم است. خیلی از تحلیلهای اشتباه و سطحی که گاهی از افرادی با کتابخانه شخصی بسیار بزرگ و عناوین پرطمطراق میشنویم، دقیقا از همینجا ناشی میشود: آنها صفحات زیادی از سیستمهای complex را پشت سر هم خواندهاند، بدون اینکه هرگز با احساس ناکافی بودن هوشی یا ناامیدی جدی روبهرو شوند. به همین دلیل هیچگاه مجبور نشدهاند واقعاً در عمق عملی موضوع فرو روند. اما به محض اینکه تحلیل عمیق و میدانی لازم میشود، عملکردشان بهشدت افت میکند، زیرا روابط ساده و خطی میان اجزا را خواندهاند و رفتار درهمتنیده و غیرخطی سیستم واقعی را درک نکردهاند. در مقابل، مثلا دانشجوی رشته هوافضا معمولا از همان ترمهای اول با محدودیتها و عمق واقعی هوش موردنیاز رشته خود مواجه میشود و میزان توان شناختیاش را زودتر متوجه میشود. نتیجه این تفاوت این است که موضوعات دارای complexity بالا گاهی موجی از "کتابخوانهای پرمدعا" با تحلیلهای سطحی و نادرست تولید میکنند؛ افرادی که از بالا به پایین به جامعه نگاه میکنند، عناوین بزرگ دارند، اما درونشان اغلب پوک و ناهمخوان با واقعیت عمیق موضوع است.
مشکلی که توی اون روزهای سیاه خیلیها باهاش دست به گریبان بودن، عدم دسترسی به ChatGPT و Gemini و در کل LLM ها بود.
چه دوباره این روزها تکرار بشه چه نه، بهتره اگر سیستم با مشخصات سختافزاری به نسبت خوبی دارید، برید به سایت https://t.co/aZrGli7KVz و نصبش کنید، بعد یکی از مدلهای دلخواهتون رو دانلود کنید و به Ollama اضافه کنید.
مدلهای پیشنهادی:
Llama 4
Qwen 3
Mistral
DeepSeek-R1 (برای reasoning)
از اون جایی که Ollama به صورت لوکال محیطش خیلی ساده و متنی مثل cmd هستش، نیاز به یک محیط با UI مناسب داریم.
برای این کار Chatbox رو از https://t.co/RYnyNkQfMq دانلود کنید و مدلی که قبلا گرفتید رو بهش اضافه کنید. حتی میتونید از همین سرویسهایی که آنلاین دسترسی دارید، مثل ChatGPT و Gemini با API در Chatbox استفاده کنید.
برای اینکه Chatbox بتونه با مدلهای لوکال کار کنه، Ollama باید در بکگراند در حال اجرا باشه.
به زبان ساده:
Ollama = موتور اجرای مدلها (server)
Chatbox = رابط چت (client)
وقتی Ollama ران باشه:
روی localhost:11434 به شما API میده و Chatbox بهش وصل میشه و مدل رو صدا میزنه.
به امید روزهای بهتر.
سی دقیقه وقت بگذار, حداقل شصت میلیون تومن از این جیب بگذار توی اون جیب.
AI آنقدرها هم پیچیده نیست.
سختترین بخشش «یاد گرفتن» نیست,
سختترین بخشش این است که بدانی از کجا شروع کنی.
بیشتر آدمها میروند گوگل و یوتیوب و بین هزار تا ویدیو و کانال گم میشوند.
در حالی که بهترین منابع, خیلی وقتها رایگان و دقیق, روی سایت خودِ شرکتهاست.
این 6 تا را بوکمارک کن:
1️⃣ OpenAI Academy
درسهای کوتاه و عملی از تیمی که ChatGPT را ساخته. اگر میخواهی «درست» شروع کنی, این همان نقطه ورود است.
↳ https://t.co/y3SaofYwuq
2️⃣ Perplexity Labs
برای تحقیق و جمعبندی سریع. وقتی میخواهی از چند منبع به یک جواب قابل ارائه برسی, این ابزار و منابعش واقعاً کاربردیاند.
↳ https://t.co/exw3YKhjod
3️⃣ Claude from A to Z
راهنمای خیلی خوب برای نوشتن, برنامهریزی, فکر کردن و خروجی گرفتن تمیز. مناسب وقتی که کیفیت متن و منطق برایت مهم است.
↳ https://t.co/pjFPjS9rs1
4️⃣ Gemini Prompting
راهنمای پرامپتنویسی گوگل, خیلی underrated. اگر با Gemini کار میکنی و میخواهی خروجیات از «جواب معمولی» به «جواب دقیق» برسد, این را از دست نده.
↳ https://t.co/F2Fbsye5nu
5️⃣ Guide to AI Agents
برای ساخت اتوماسیونهایی که واقعاً کار میکنند, نه دموهای قشنگ. مناسب وقتی که میخواهی کارهای تکراری بیزنس را سیستماتیک کنی.
↳ https://t.co/fFkB9E5JnS
6️⃣ Deep Dive into LLMs
برای وقتی که میخواهی بفهمی زیر کاپوت چه خبر است: مدلها چطور کار میکنند, چرا بعضی خروجیها قابل اعتمادترند, و چطور بهتر ارزیابی کنی.
↳ https://t.co/1J9BMeEVpb
من نوید طاهری هستم، معمار، مارکتر و بیزنس کوچ،لینکها و منابع تکمیلی و مسیر پیشنهادی شروع را داخل کانال تلگرامم Navid Ai Toolbox گذاشتهام:
https://t.co/18tPrsfrje
اگر این لیست به کارت آمد, بازنشرش کن تا یکی دیگر هم به جای 200 ساعت سرچ, مستقیم از مسیر درست شروع کند.
BREAKING: گوگل راهنمای پرامپتِ «عکس پرتره حرفهای» را داد بیرون.آتلیه های عکاسی پرتره🥲🙌
اگر تا دیروز برای یک عکس پرتره تمیز گزینهات استودیو عکاسی یا حتی هرید اشتراکهای ماهانه بود, این یکی واقعا بازی رو عوض می کنه, مخصوصاً وقتی فقط چند خروجی برای پروفایل نیاز داری. چند ماه قبل یادمه یک بنده خدایی گفته بود ۵۰۰ دلار برای عکاسی حرفه ای هزینه کرده و اینجا کلی ملت زیر پستش نظریه صادر کرده بودند.
مراحل دقیق (فارسی):
1.یک عکس واضح از خودت بگیر, ترجیحاً با نور خوب و بدون فیلتر.
2.برو داخل Gemini (گوگل) و همان عکس را آپلود کن.
3.روی “Tools” بزن و گزینه “Create images” را انتخاب کن.
4.پایین سمت چپ مطمئن شو روی “Thinking” است.
5.پرامپت زیر را پیست کن و اجرا بگیر.
6.اگر خواستی دقیقترش کنی (لباس, نور, بکگراند, حس چهره), فقط همان چند خط را تغییر بده و دوباره خروجی بگیر.
7.من یک گاید برای رشد لینکدین نوشتم, از اینجا بردار: https://t.co/31aiVyTAle
Prompt (EN):
“A professional, high-resolution, profile photo, maintaining the exact facial structure, identity, and key features of the person in the input image. The subject is framed from the chest up, with ample headroom and negative space above their head, ensuring the top of their head is not cropped. The person looks directly at the camera, and the subject’s body is also directly facing the camera. They are styled for a professional photo studio shoot, wearing a smart casual blazer. The background is a solid ‘#141414’ neutral studio. Shot with bright and airy soft, diffused studio lighting, gently illuminating the face and creating a subtle catchlight in the eyes, conveying a sense of clarity. Captured on an 85mm f/1.8 lens with a shallow depth of field, exquisite focus on the eyes, and beautiful, soft bokeh. Observe crisp detail on the fabric texture of the blazer, individual strands of hair, and natural, realistic skin texture. The atmosphere exudes confidence, professionalism, and approachability. Clean and bright cinematic color grading with subtle warmth and balanced tones, ensuring a polished and contemporary feel.”
✦ زاویه درست, نصف نتیجه است.
✦ نور, همه چیز است.
✦ لباس را برای جایگاهی که میخواهی بپوش.
✦ بکگراند ساده و خنثی, خروجی را حرفه ای تر میکند.
اگر پرامپتهای پیشرفتهتر (چند نسخه برای نورهای مختلف, بکگراندهای متفاوت, استایل لباس, خروجی مخصوص لینکدین) را میخواهی, داخل کانال تلگرامم گذاشتم: https://t.co/18tPrsfrje
نتیجه اش رو هم از یک عکس خیلی معمولی خودم گذاشتم اینجا، قابل قبوله بنظرم.