هوش مصنوعی کاربردی: RAG و جریان‌های Agentic
هوش مصنوعی را برای کسب‌وکار می‌سازم، نه برای دمو: پایپ‌لاین‌های RAG که مدل زبانی را به داده‌های واقعی تو وصل می‌کنند، و جریان‌های کاری Agentic که چند مرحله را پشت‌سر هم انجام می‌دهند. معیارم این است که به محصول برسد و قابل اتکا باشد.
قبل از ساختن، می‌پرسم اشتباه این سیستم چقدر هزینه دارد و «درست» را چطور می‌سنجیم؛ بدون این دو جواب، هر پروژهٔ هوش مصنوعی یک دموی خوشگل است. نوشته‌هایم دربارهٔ همین موضوع‌ها پایین‌تر آمده است.
فناوری‌ها: Agentic AI · Prompt Engineering · RAG · AI integrations
پروژه‌هایی که با این ساخته‌ام (۱)
- exaravel — رَپر لاراولی برای API جست‌وجوی Exa.ai.PHP · Laravel · AI integrations
یادداشت‌های فنی دربارهٔ این (۳)
- هوش مصنوعی برای کسب‌وکار کوچک: کجا واقعاً جواب می‌دهد و کجا پولت را می‌سوزاند — همه می‌گویند «هوش مصنوعی اضافه کن». کمتر کسی می‌گوید کجا ارزشش را دارد. این نوشته پنج کاری که امروز واقعاً خوب جواب می‌دهند، چهار جایی که شکست می‌خورند و سه سؤال قبل از سفارش را می‌گوید — بدون جادو.
- هوش مصنوعی صنعت را عوض کرد، اما نه دلیل عشقم به کامپیوترها را — این متن را به این خاطر نوشتم که مست بودم، حال‌وهوای نوستالژیک داشتم و برای آیندهٔ شغلی‌ام هم می‌ترسیدم. زمانی بود که…
- ساخت بک‌اندهای AI-native – پایپ‌لاین‌های RAG، فراخوانی تابع (Function Calling)، نسخه‌بندی پرامپت و مشاهده‌پذیری LLM — دو ماه پیش، چت‌بات پایگاه دانش داخلی‌مان با اطمینان کامل به یکی از کارشناسان پشتیبانی گفت که سیاست بازگشت وجه ما…