black swan🦢

This page is just my diary , Don't take it seriously

[MAHDI S. Homeyli @mahdihomeyli]

اگر میخوای در توسعه با ai چه claude چه codex از #وایب‌کدینگ فاصله بگیری و محصول تجاری واقعی توسعه بدی Spec Kit معجزه میکنه.

پروژه‌ی Spec Kit رو گیت هاب منتشر کرده و در عرض چند روز به ۹۵ هزار استار و ۸۳۰۰ فورک رسیده، مدتی ��اهاش کار کردم و واقعا فرایند توسعه نرم افزار با ai رو محتول میکنه

حالا دقیقا چکار میکنه ؟؛

مشکل ایجنت‌های هوش مصنوعی، مدل نیست... مشکل اینه که یک ایده‌ی نوشته‌شده بهش می‌دی و اون هرجور که خودش بخواد تفسیرش می‌کنه (میشه همون وایب کدینگ)

در واقع Spec Kit این مشکل رو با ۶ دستور حل می‌کنه که ایده‌ی تو رو قبل از نوشتن حتی یک خط کد، به مشخصات (Spec) دقیق و شفاف تبدیل می‌کنن:

/speckit.constitution → قوانین پروژه رو مشخص می‌کنه: کیفیت، تست‌ها و اصول مهندسی

/speckit.specify → می‌گی چی می‌خوای بسازی، بدون اینکه تکنولوژی رو مشخص کنی

/speckit.clarify → ایجنت قبل از شروع، درباره‌ی نقاط مبهم ازت سؤال می‌پرسه

/speckit.plan → اینجا تکنولوژی‌ها و روش پیاده‌سازی رو انتخاب می‌کنی

/speckit.tasks → پل�� رو به تسک‌های مرتب‌شده بر اساس وابستگی‌ها تبدیل می‌کنه

/speckit.implement → ایجنت شروع به ساخت پروژه می‌کنه

نتیجه دیگه کد تصادفی تولیدشده نیست؛ بلکه Spec‌های زنده‌ای هستن که هوش مصنوعی می‌خونه، تأیید می‌کنه و قدم‌به‌قدم اجرا می‌کنه.

با Claude Code، Cursor، Copilot، Codex، Gemini CLI و بیش از ۲۵ ایجنت دیگه هم کار می‌کنه.

تفاوت واقعی:

قبلاً: می‌گفتی «یه اپ تسک برام بساز» و امیدوار بودی ایجنت گیج نشه

حالا: اول Spec، بعد کد. ایجنت دقیقاً می‌دونه چی بسازه، به چه ترتیبی، و چرا.

لینک ریپو در اولین کامنت 👇

[Kaveh @0xKaveh]

یه کلاس رایگان MIT وجود داره که به نظرم خیلی از آدم‌های فعال در AI و کریپتو باید ببیننش.

نه چون قرار نیست بعد از دیدنش نابغه بشی.

بلکه چون یک مفهوم ساده رو درست جا می‌اندازه:

Expected Value.

همون مفهومی که Bill Benter در مدل‌های شرط‌بندی خودش به شکل بسیار جدی ازش استفاده کرد. کسی ک ازکازینو های لاس وگاس بخطار اینکه کارت ها می‌شمرد اخراجش کردند. معروفترین قمارباز موفق تاریخ. با پیش بیناهاش روی اسب ها بیشتر از ۱ میلیارد دلارسرمایه ساخت برای خودش.

کسی ک جان تازه ای ب بررسی Expected Value و prediction market ها داد با فرمولش.

قیمت + احتمال + EV

داستان بنتر برای من یک درس بزرگ داره:

داده جمع کن.

فرضیه بساز.

احتمال محاسبه کن.

با قیمت بازار مقایسه کن.

اگر Edge نداری، وارد نشو.

و مهم‌تر از همه:

اگر یک متغیر جواب نمی‌ده، حذفش کن.

بنتر حتی داده‌های تاریخی آب‌وهوا رو بررسی کرد تا ببیند روی نتایج تاثیر دارند یا نه.

نداشتند.

پس حذفشان کرد.

این دقیقا همان Mental Modelیه که در تحقیقات AI هم دوست دارم:

نه عاشق فرضیه خودت باش.

نه عاشق مدل خودت.

نه عاشق Prediction خودت.

فقط دنبال چیزی باش که در داده جواب می‌ده.

برای همین به نظرم Probability یکی از underratedترین مهارت‌ها برای آدم‌های فعال در بازار و AIـه.

ما خیلی وقت‌ها دنبال جوابیم.

آدم‌های حرفه‌ای‌تر دنبال اینن که:

"با چه احتمالی این جواب درست است؟"

و همین یک سوال می‌تونه کل تصمیم‌گیریت رو عوض کنه.

سخنرانی‌های John Tsitsiklis در MIT OpenCourseWare هم رایگان در دسترسه.

اگر Probability و Expected Value رو جدی یاد نگرفتی، این یکی از جاهای خوب برای شروعه.

در آخر
بنتر به میگه
لازم نیست آینده رو بدونی.

فقط باید در بعضی موقعیت‌ها، احتمال رو بهتر از بقیه تخمین بزنی.

همین اختلاف کوچک، اگر بارها تکرار بشه، می‌تونه تبدیل به یک مزیت بسیار بزرگ بشه.

کاری ک من در ساخت ایجینت اخیرم شدیدا بهش پایبند بودم. و نتیجه نهایی رو میتونید توی پیجم ببینید.

سیو و بوک کنید بعدا ببینید. عشق کردم باهاش.

[Dipanshu Kushwaha @Dipanshu_AI]

Don't waste 2 years learning to become an AI agentic engineer in 2026.

Andrew Ng, the godfather of AI, gave the complete playbook to become one from scratch.

1 hour course. Free:

• 00:00 - AI agent basics
• 12:12 - AI Agentic workflows & design patterns
• 53:27 - Practical tips for building AI agents
• 1:20:30 - self-improving AI agent loops
• 1:30:19 - multi-agent AI systems

I watched it last night.

Halfway through, I realized I could get into Anthropic in weeks, not years.

Bookmark now. Watch it. Then build your own AI agent

[Navid Taheri @naviidtaheri]

آکادمی کلاود معرفی شد:
پلتفرم آموزشی رایگان Anthropic برای یادگیری کار درست و ایمن با هوش مصنوعی و Claude.
از صفر تا پیشرفته، برای کاربر روزمره، تیم و برنامه‌نویس.
آدرس: https://t.co/RiAd1Lrbyv
بدون حساب هم می‌تونی ببینی، با حساب رایگان Claude پیشرفت و badge می‌گیری.

[Rohit @heyrohitai]

Instead of watching 1-hour of Netflix today, watch this Stanford lecture by ex-GoogleBrain & OpenAI engineers.

This is the best explanation of how LLMs like ChatGPT & Claude actually work, and how to unlock 100% of their potential.

Worth watching whether you're a senior AI engineer or just taking your first steps in AI.

I took the key ideas and turned them into a practical guide on how to actually get 100% out of AI.

You can find it below with ready-to-copy prompts and solutions.

[Kaveh @0xKaveh]

ی گنجینه تمام عیار آوردم اینبار.

یک کلاس درس Stanford به‌عنوان یک نقشه راه فشرده برای فهمیدن LLMها!

بقول کسی ک منتشرش کرده ی قسمت سریالتون رو امشب کنسل کنید بجاش این رو ببینید. 2 ساعت طلا و جواهر از کلاس درس دانشگاه درخصوص اینکه ChatGPT و Claude و کلا LLM ها چی هستند و چطور کار میکنند.

1 ساعتش رو دیدم فعلا و اینقدر مفید بود ک گفتم شما هم ببینید، حتی 1 دقیقه هرزگویی و مطلب غیر مفید توش نبود. چقدر این محتوا تمیزه. بعد منم میرفتم دانشگاه تازه دولتی، 1 ساعت و نیم کلاس 45 دقیقه فقط حضور و غیاب بود. همینه مدرک دانشگاه های مارو قبول ندارند. بگذریم، البته ما استاد و دانشجو خوب و نخبه هم کم نداریم ❤️🔥

از Tokenization شروع می‌کنه:

متن چطور تبدیل به عدد میشه؟

بعد می‌رسه به مهم‌ترین ایده:

مدل زبانی در ساده‌ترین تعریف، فقط می‌خواد Token بعدی رو پیش‌بینی کنه.

بعد Transformer وارد میشه.

اینکه Attention چطور به Tokenها اجازه می‌ده با هم ارتباط برقرار کنن؟

مدل چطور آموزش می‌بینه؟

این Loss دقیقا چی رو جریمه می‌کنه؟

و وقتی از ChatGPT جواب می‌گیری، چرا مدل پاسخ رو Token به Token می‌سازه؟

اگر این زنجیره رو بفهمی:

Text
↓
Tokenization
↓
Embeddings
↓
Transformer + Attention
↓
Next Token Prediction
↓
Loss
↓
Training
↓
Generation

یه اتفاق مهم می‌افته.

دیگه LLM برات یه جعبه سیاه نیست، برای خود من ک توی همین 1 ساعت کلی مطلب مفید و جدید داشت. و احتمالا از ویدیوهایی باشه ک حفظ بشم اینقدر ببینمش.

می‌فهمی چرا Context مهمه.

چرا Attention این‌قدر حیاتی شد.

چرا مدل‌ها Hallucinate می‌کنن.

چرا افزایش Context Window مهمه.

و حتی چرا Agentها اصلا می‌تونن روی این مدل‌ها ساخته بشن.

لازم نیست AI Engineer باشی.

ولی اگر قراره چند سال آینده با AI کار کنی، به نظرم فهمیدن این پایه‌ها دیگه آپشن نیست.

۲ ساعت و ۳۴ دقیقه زمان زیادی نیست. و کلی پرتت میکنه جلو و ذهنت رو آماده میکنه. و این زمان برای چیزی که ممکنه دیدت به کل دنیای AI رو عوض کنه اصلا چیزی نیست.

این رو Save کن و بفرست برای کسایی ک میدونی ممکنه بکارشون بیاد و خیلی دوست دارند بدون توی مغز GPT و LLM چی میگذره.

[Astro Greek @astro_greek]

Elon’s laugh is completely real 🤣

No act. No holding back. Just pure reaction.

These clips work because they show the human side of him.

[black swan🦢 @nimueiy]

@elonmusk Memory , i need to remind him about my self and my problems every time ( memory is on) but not working in new chats😭

[Astro Greek @astro_greek]

Elon laughing like he has zero stress left 🤣🤣🤣

[black swan🦢 @nimueiy]

@NancyMace All Muslims are terrorists

[Omar Pimentel @OmarJPimentel]

I mean c’mon. This is a real photo 😭

[Shubham Mishra @brahma_4u]

Identity crisis.

[N۸۷۱D @NavidFarda]

به هیچ قیمتی دیدن فیلم ۷۷ ساعت را از دست ندهید. این تکان‌دهنده‌ترین روایت تاریخ است.

[black swan🦢 @nimueiy]

@amin_em0 بنام خدا ژن های ناباب

[black swan🦢 @nimueiy]

شما اصلا مید��نید آندومتریوزیس یعنی چی
مصرف سیپروترون کمپاند یعنی چی
حالت تهوع داعمی، عدم اشتها، بدن درد ،فشار همیشگی ۸/۹ ،لرز

غرم بزنی میگن واه توهم که همیشه مریضی

Bitch you can't even tolerate hearing it , i tolerate the pain

[black swan🦢 @nimueiy]

@ShahbanouFarah @zzigorat_ دوستت دارم ، مادر ایران💙

[black swan🦢 @nimueiy]

دختر جون یادت باشه فشارت رو ۶ بود ، تخمشم نبود گرفت خابید

[SPACELESS @VOLDEMORT2X]

Late June…
Twenty eight…
Fifty five heartbeats…
The light’s still on…

Made by 🅶🆁🅾🅺

@grok @imagine 💫

[black swan🦢 @nimueiy]

@teslaownersSV Long Live Elon musk