رفتن به محتوای اصلی
دانیال سمیعیمدرسهٔ تصمیم / هوش مصنوعیسایت اصلی ↗
مسیر یادگیری شما۰ از ۱۲ فصل

آزمایشگاه تعاملی

یک تصمیم قابل دفاع بسازید.

این تمرین‌ها در مرورگر محاسبه می‌شوند؛ متن شما به مدل یا سرور ارسال نمی‌شود. خروجی ابزارها پیشنهاد آموزشی است و باید با شواهد واقعی بازبینی شود.

تمرین ۰۱

درخواست مبهم را مهندسی کنید

نقش، مسئله، زمینه، محدودیت و معیار را مشخص کنید؛ متن آماده را در ابزار دلخواه خود اجرا کنید.

تمرین ۰۲

کار شما چه مسیری می‌خواهد؟

این راهنما قاعدهٔ آموزشی است، رتبه‌بندی مدل‌ها نیست. effort بیشتر خطا را حذف نمی‌کند.

مطالعهٔ فصل مدل و effort

تمرین ۰۳

مدل بدون سند چه چیزی نمی‌داند؟

پرسش ثابت: «سقف خرید بدون استعلام چقدر است؟» این نمایش از پاسخ‌های ازپیش‌نوشته‌شده استفاده می‌کند و اتصال به AI ندارد.

RAG، حافظه و فاین‌تیون

عددهای این مثال کاملاً ساختگی‌اند. RAG بدون تاریخ، نسخه، سطح دسترسی و حل تعارض کافی نیست.

تمرین ۰۴

صرفه‌جویی را با هزینهٔ بازبینی بسنجید

ارزش زمان آزادشده با پول نقد تحقق‌یافته فرق دارد. هزینهٔ خطا، کنترل، آموزش و یکپارچه‌سازی را هم وارد کنید. تمام مبلغ‌ها در یک واحد دلخواه، مثلاً میلیون تومان در ماه، باشند.

فرمول: تعداد × (دقیقهٔ صرفه‌جویی − بازبینی) ÷ ۶۰ × ارزش ساعت − هزینه‌های ماهانه. خروجی تخمین است، نه توصیهٔ سرمایه‌گذاری.

خروجی کارگاه

برگهٔ تصمیم شما

یک کاربرد کوچک و قابل سنجش انتخاب کنید. از نام افراد، اطلاعات محرمانه و دادهٔ شخصی استفاده نکنید. ذخیره فقط با دکمهٔ زیر و در همین مرورگر انجام می‌شود؛ فایل خروجی برای ادامهٔ کار شماست.