یه چیزی بود به اسم 12factor که یه متدولوژی استاندارد برای ساخت وب‌اپ‌ها و SaaS ها. و خیلی استفاده می‌شد و اینها. این مال یه ۱۴-۱۵ سال پیشه. و خیلی چیزا عوض شده.

حالا اینها به کنار. جدیدا اومدند یه چیز مشابهی رو معرفی کردند به اسم 12-Factor Agents که با ایده‌ی مشابه اون کار قبلی، یه سری قاعده و متدولوژی اساسی برای طراحی و سیستم دیزاین ایجنت‌ها وجود داشته باشه.

انیمیشن‌های جالبی هم برای توضیح‌ش درست کردند:

https://github.com/humanlayer/12-factor-agents

مطلب خیلی جالبیه. هرچند که عمده‌ی مطلب پولی عه. ولی خب بخشی که رایگانه و خود سرفصل‌ها هم خیلی می‌تونن کمک‌کننده باشن:

https://newsletter.eng-leadership.com/p/openais-product-leader-reveals-ai

https://x.com/GoogleLabs/status/1961123806358995451?t=EDdsnFS42gCDNtZkIh2HeA&s=35

و لینک خودش:
https://stax.withgoogle.com/landing/index.html

پنج ساعت پیش ریلیز شد:

https://www.youtube.com/live/nfBbmtMJhX0?si=kYC5liJ3atKuyIrJ

خلاصه هر چیزی که بخواید بدونید:
https://x.com/omarsar0/status/1961112854615957798?t=3sLtrNxznZ35f9-QDsNU4g&s=19

دمو:
https://x.com/OpenAIDevs/status/1961124915719053589?t=7Gm_fklq8Ygs8C2uNKZt2g&s=19

این هم قراره به زودی بیاد روی نوت‌بوک lm:

https://x.com/NotebookLM/status/1961141147364893174?t=onl601LEEV25sPtg8ZpXsQ&s=19

این هم خیلی جالب بود:

Nano Banana! Image editing in Gemini just got a major upgrade https://share.google/AWrHMvNOmZP2E5KbN

اگه با دیدن همه‌ی اینها هم استرس می‌گیرید و حس FOMO که وای چقدر سرعت زیاده و چقدررر چیززز و وای از کجا بفهمیم اینا رو و پیگیر باشیم و اصلا نمی‌رسیم یاد بگیریم و همه‌ی اینها؛ بگم که هیچ خبری هیچ جا نیست و به اصطلاح هیچ‌جا هیچ‌کس چیز خاصی نر*ده. به زندگی عادی‌تون برسید و کنجاوی داشته باشید صرفا. هیچ خبر خاصی ولی تهش نیست. پنیک نکنید ولی کنجکاو و open-minded بمونید همیشه نسبت به همه چیز. نه فقط این تکنولوژی‌ها و هوش مصنوعی و اینها. کلا.

AGENTS.md Emerges as Open Standard for AI Coding Agents - InfoQ https://share.google/zIkcptguP44RGVdcP

مطلب پیش‌رو رو هوش مصنوعی ننوشته، خودم نوشتم 😅 جالب بود برام خواستم به اشتراک بگذارم:


یه بحث جالبی وجود داره در منطق و فلسفه به اسم «مغالطه علت واحد» که خلاصه‌ش اینه که یک رویداد رو فقط وابسته به یک عامل می‌بینیم. طبق ویکی‌پدیا:

مغالطه علّت واحد (به انگلیسی: fallacy of the single cause) که می‌توان به آن، مغالطه ساده‌سازی بیش از حد و مغالطه تقلیل نیز گفت، زمانی رخ می‌دهد که فرض شود یک علّت واحد و ساده باعث یک رویداد یا نتیجه شده‌ است؛ درحالی‌که در واقعیت، این رویداد یا نتیجه ناشی از دلایل متعددی است.

مغالطه علّت واحد را می‌توان به شکل ساده این‌طور نشان داد: «X باعث Y شد؛ بنابراین X تنها علّت Y بود.» (اگرچه در واقعیت A, B، C... و غیره نیز به Y کمک کرده‌اند.)

رولف دوبلی در کتاب هنر شفاف اندیشیدن فصلی را به نام «جست‌وجوی سپر بلا از عصر حجر- خطای علت واحد» به این موضوع اختصاص داده‌ است:

هر فرد منطقی‌ای می‌داند هیچ عامل واحدی موجب رخ دادن وقایعی همچون یک تابستان خوشایند در هند، طلاق یک دوست، سرطان و موفقیت نیست. به‌عبارت‌دیگر، عوامل بی‌‌‌شماری کنار هم جمع می‌شوند تا این رویدادها رخ بدهند. با این‌حال، ما مدام تلاش می‌کنیم فقط یک عامل را سرزنش کنیم.

وقتی سیبی از درخت می‌افتد، چه چیزی باعث افتادن آن است؟ ۱. گرانش زمین ۲. باد ۳. ساقهٔ پژمرده‌ شده ۴. پسری که درخت را تکان می‌دهد و…پس یک عامل علّت واحد افتادن سیب نیست.

توی ریاضی و علوم، به شکل مشابه، یه مفهومی وجود داره به اسم «هیسترزیس» که خلاصه اون هم اینه که استیت فعلی یک سیستم وابسته به تاریخچه‌ش هست. و این موضوع خیلی موضوع مهمی در رشته‌های مختلف مهندسی عه.
خیلی وقتا این موضوع رو حتی توی محاسبات عددی هم میشه دید. مثلا توی «معادلات دیفرانسیل معمولی غیرخطی ODE» برای مثال، اثر نقطه‌ی اولیه اینقدر بالاست که با کوچک‌ترین تغییری، خروجی تغییر زیاد می‌کنه. البته که خود این موضوع به شکل مستقیم هسیترزیس نیست و بیشتر به اثر پروانه‌ای یا دومینویی نزدیکه، ولی باز وابستگی استیت نهایی سیستم به تاریخچه‌ش بسیار نشون میده.
توی اقتصاد به خصوص این موضوع خیلی بهش پرداخته شده. و یه سری نظریه‌ها مبتنی بر این اصل ارائه شدند. (این صفحه‌ی ویکی‌پدیا شاید جالب باشه)
در نظریه‌ی بازی‌ها، هم به این موضوع خیلی پرداخته میشه. به خصوص در Coordination Games. (مثال)

در آمار و تحلیل داده‌ها به این موضوع به شکل مدل‌سازی به قصه‌ی «علیت causality» نگاه میشه. اونجا بحث تعریف confounder ها مطرح میشه که المان‌هایی هستند که جدا از اینکه می‌تونن مستقیم روی خروجی اثر بذارن، می‌تونن اثر همزمان روی مابقی المان‌ها هم بذارن. و تلاش می‌کنن اثرگذاری (Causality) رو از همزمانی (Corelation/Codependance) جدا کنن. و خب این خیلی موضوع مهمی عه به خصوص وقتی راجع به فروش و مارکیتنگ و تحلیل رفتار مشتری صحبت می‌کنیم. (این مطلب و این مطلب از بلاگ فنی و تحقیقاتی نتفلیکس می‌تونن جالب باشن)

در فلسفه هم، این موضوع هست. سنکا در باب مرگ می‌گه:

این آخرین قطره نیست که ساعتِ آبی را خالی می‌کند، بلکه همه‌ی آن چیزی است که پیش‌تر از آن جاری شده است؛ به همین ترتیب، آن لحظه‌ی نهایی که دیگر وجود نداریم خود به‌تنهایی مرگ را نمی‌آورد، بلکه تنها روند مرگ را کامل می‌کند. ما در آن لحظه به مرگ می‌رسیم، اما مدت‌هاست که در مسیر آن بوده‌ایم.

خلاصه که اینجوری 😅️️️️️️

Automating the Search for Optimal LangChain Agent Architectures with Quality-Diversity Algorithm | by Fareed Khan | Aug, 2025 | Level Up Coding https://share.google/OPpHWeCj8CAuwzKs2

هر کی در هر جایی که هست، یه قدم از هر مدل LLM ای که همون روز یه شرکت بی‌ربط یا با ربط معرفی کرده، فاصله بگیره.
عزیزم، تو یه مدل LLM جدید نمی‌خوای. Go get a life!
وضعیت همونایی که داری رو درست کن و ازشون نتیجه بگیر اول. بعدش حالا برو هی مدل رو عوض کن ببین چی میشه.

Building LangGraph: Designing an Agent Runtime from first principles https://share.google/MQOzmp9RL6wAm3LYQ

این به نظرم بنچ‌مارک جالب و خوبیه در زمینه ی ریسک و امنیت LLM ها

https://www.lakera.ai/ai-model-risk-index

Designing Multi-Agent Intelligence - Microsoft for Developers https://share.google/gGRmWMOe4ZDDJhXtv