Farokh

10.9K posts

Farokh banner
Farokh

Farokh

@FarokhNotes

3x Entrepreneur | Startup Mentor | TEDx Speaker | Sharing things that I'm learning

Earth Katılım Eylül 2009
524 Takip Edilen14.6K Takipçiler
Sabitlenmiş Tweet
Farokh
Farokh@FarokhNotes·
مردم ایران طرفدار جنگ نیستند. اتفاقا می‌خواهند هر چه سریع‌تر به یک جنگ ۴۷ ساله پایان داده شود.
فارسی
20
192
4K
60.9K
Farokh
Farokh@FarokhNotes·
تو این جام جهانی برای اولین بار پیش‌بینیم غلط از آب در اومد
فارسی
0
0
15
799
Farokh
Farokh@FarokhNotes·
یه سوال زیاد مطرح می‌شه: چرا مسئولین به‌طور گسترده هدف حمله‌ها نبودن؟ از دلیل اصلیش که بگذریم، یه دلیل فرعی مهم هم وجود داره: بعضیا فکر می‌کنن زدن سران باعث می‌شه زیردست‌ها روحیه‌شون رو از دست بدن. اما درست مثل مافیا، تقریبا همه زیردست‌ها از "مسئولین" متنفرن و حذف‌شدنشون رو یه فرصت رشد برای خود می‌بینن. پس تعجب نکنین وقتی مثل دستمال‌کاغذی از مقامات خودشون رد بشن.
فارسی
2
0
33
2.6K
Farokh
Farokh@FarokhNotes·
خدای بذا یه چیزی بگم ببینم واکنش‌ها چیه...
فارسی
0
0
6
1.1K
Farokh
Farokh@FarokhNotes·
دوستان وقتی به ChatGPT می‌گین "تو متخصص فلان حوزه‌ای"، نمی‌ره لباس اون شغل رو بپوشه و یه مغز جدید لود کنه! این جمله فقط یه مقدار context بیشتر درباره مشکل و هدف نهایی شما بهش می‌ده. پس به همون یک جمله اکتفا نکنین! قشنگ به بنده‌خدا context بدین تا بتونه بهترین جواب ممکن رو بهتون بده. هرچی context بهتر، جواب بهتر.
فارسی
7
2
214
11.6K
Farokh
Farokh@FarokhNotes·
@kalantari11 اصلا قابل قیاس نیستن و بماند که درسته AI هایپ داره اما به نظر من حتی هایپ‌ش کمه! و بماند که تا همین الانم چقدر محصول خوب و ارزش تولید شده و ما حتی وارد AI هم نشدیم
فارسی
0
0
1
67
Farokh
Farokh@FarokhNotes·
مشکل اصلی بلاک‌چین این بود که بیشتر از اینکه محصول واقعی بسازه و مشکلی رو حل کنه، تبدیل شد به ماشین هایپ. پول زیاد در فضایی که ارزش واقعی تولید نمی‌کرد، باعث شد نه فقط بازیگراش، بلکه کل تکنولوژی زیر سؤال بره.
Mosen@DevilMayCry_x

@FarokhNotes واقعا چقدر حیف که اکوسیستم بلاکچین اصلا به اندازه ای که باید هایپ نشد به نظرم یکی از دلایل اصلیش غیر از دلایل توی عکس نرسیدن به سطح استفاده عمومی بود(متاسفانه اسکمرای اکوسیستم از سازنده ها و یوزرا بیشتر بودن)

فارسی
4
0
60
4.4K
Farokh
Farokh@FarokhNotes·
@imancrypto این همه سال وقت داشتن چرا ندادن؟
فارسی
1
0
0
72
Iman
Iman@imancrypto·
@FarokhNotes امیدوارم شروع کنن محصول واقعی و بدرد بخوربرای روزمره بسازن
فارسی
1
0
1
65
Farokh
Farokh@FarokhNotes·
@aminfseo فقط یه اسکیله، context درست نداره. باید خیلی ادیتش کرد.
فارسی
0
0
1
30
Amin Foroutan
Amin Foroutan@aminfseo·
امتحانش کردم. رفت ۱۰ تا ایشو توی گیتهاب پیدا کرد و گفت این افراد این مشکل رو دارن و محصول تو حلش میکنه. در حالی که کسی که میره گیتهاب و ایشو باز میکنه به حد خوبی تکنیکال هست و مخاطب کار من نیست. تازه پیشنهاد اولش هم کسی بود که خودش یه ریپوی قوی داشت که یه جورایی رقیب حساب میشد. ۶ ۷ تاشونم از مخاطب های یه ریپوی دیگه خودم بودن که من آلردی مشکلشون رو تو نسخه اپن سورسم حل کرده بودم و نیازی به محصولم نداشتن.
فارسی
1
0
2
138
Farokh
Farokh@FarokhNotes·
این اسکیل Codex برای دوستداران GTM Engineering عالیه: آدرس استارتاپت رو می‌دی مشتری ایده‌آلت رو تعریف می‌کنه، تو وب دنبال مشتری بالقوه می‌گرده، لیدها رو ارزیابی می‌کنه و براشون پیام شخصی‌سازی‌شده می‌سازه. یعنی پیدا کردن اولین مشتری‌های استارتاپ، تقریبا اتوماتیک! طریقه نصب و لینک اسکیل👇 github.com/Kappaemme-git/…
فارسی
5
15
196
11.1K
Farokh
Farokh@FarokhNotes·
یه استارتاپ زیرساخت کریپتویی دیگه هم تعطیلی خودشو اعلام کرد. تو بیانیه‌شون به نکته جالبی اشاره کردن:
Farokh tweet media
فارسی
4
0
81
8.8K
Khash
Khash@digvan·
@FarokhNotes This is question every SaaS need to answer.
English
1
0
2
300
MahdiSeyednejad
MahdiSeyednejad@MahdiSeyednejad·
@FarokhNotes جالبه. چیزی هست که بتونه سرمایه‌گذار هم پیدا کنه؟
فارسی
1
0
1
119
Farokh
Farokh@FarokhNotes·
نصب: npx --yes codex-first-customer-finder-skill@latest دموی استفاده: Use $first-customer-finder to find ten evidence-backed potential first customers for https://example. com and create the final HTML report. تو تست اولیه خودم نتایج نسبتا قابل قبولی ارائه داد.
0
0
2
685
Farokh
Farokh@FarokhNotes·
به اسم وطن‌پرستی، تا نابودی وطن میرن جلو.
فارسی
4
7
177
4.1K
Farokh
Farokh@FarokhNotes·
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. github.com/emilkowalski/s…
فارسی
10
44
887
66.3K
Farokh retweetledi
Farokh
Farokh@FarokhNotes·
زیاد طول نمی‌کشه که ایرانش سبز شه. فایدشو اون موقع می‌بینیم.
Ghashayesh@Ghashayesh007

@FarokhNotes دلم می‌خواست امیدوار باشم که هرچی سبزتر بشه برامون بهتره… تا الان که چندان فایده‌ای برامون نداشته. 🙁

فارسی
1
0
19
2.2K
Ghashayesh
Ghashayesh@Ghashayesh007·
@FarokhNotes اونایی که سپاه رو تروریستی اعلام کردن؟
فارسی
1
0
6
975
Farokh
Farokh@FarokhNotes·
بزرگ‌ترین چالش شرکت‌های بزرگ برای استفاده از AI، تکنولوژی نیست. حفاظت از دانش و اسرار سازمانی‌شونه. ساتیا نادلا در مقاله جدیدش توضیح میده شرکت‌ها چطور می‌توانند از AI استفاده کنند، بدون اینکه مزیت رقابتی‌شان را ناخواسته به آن منتقل کنند. نکات اصلی مقاله: ۱. شرکت‌ها برای AI دو بار هزینه می‌کنند. یک‌بار پول می‌دهند تا از مدل استفاده کنند. بار دوم، دانش اختصاصی‌شان را به مدل می‌دهند تا مدل واقعاً برای کسب‌وکارشان مفید شود. هرچه خروجی دقیق‌تر و اختصاصی‌تری بخواهید، باید اطلاعات بیشتری درباره فرایندها، تصمیم‌ها، تجربه‌ها و معیارهای موفقیت شرکت در اختیار AI قرار دهید. اما خطر اصلی فقط افشای داده خام نیست. خطر بزرگ‌تر، چیزی است که نادلا آن را "خروجی جانبی یادگیری" می‌داند. مدل‌ها فقط از اسناد و دیتابیس‌ها یاد نمی‌گیرند. آن‌ها از این‌ها هم یاد می‌گیرند: پرامپت‌های کارکنان Workflowهایی که Agentها اجرا می‌کنند بازخورد و تصمیم‌های کاربران Evals و معیارهای ارزیابی اصلاحاتی که کارکنان روی پاسخ‌های اشتباه AI انجام می‌دهند هر اصلاح کوچک، بخشی از دانش سازمانی است. دانشی که شاید هیچ رقیبی نمی‌توانست به آن دسترسی پیدا کند، اما حالا ممکن است تعامل‌به‌تعامل و اصلاح‌به‌اصلاح، از شرکت خارج شود. ۲. وقتی از AI استفاده می‌کنید، فقط هوش مصرف نمی‌کنید. خودتان هم در حال تولید هوش هستید. هر بار که به مدل Context می‌دهید، اشتباهش را اصلاح می‌کنید یا تعریف می‌کنید که پاسخ خوب دقیقاً چیست، یک لایه جدید از هوش سازمانی می‌سازید. این هوش باید متعلق به همان شرکتی باشد که آن را تولید کرده، نه شرکتی که مدل یا زیرساخت را ارائه می‌دهد. در دوران Cloud، شرکت‌ها داده جمع می‌کردند. در دوران AI، شرکت‌ها باید یادگیری انباشته کنند. حافظه، بازخوردها، اصلاحات، Evals، Workflowها و مدل‌های تنظیم‌شده باید داخل سازمان باقی بمانند و به‌مرور یک مزیت رقابتی مرکب بسازند. راهکار پیشنهادی نادلا مدل 5C است: Control: شرکت باید مالک حافظه، Context، بازخوردها، Traces و Evals خودش باشد. Capability: سازمان باید محیط یادگیری اختصاصی خودش را داشته باشد؛ محیطی که مدل‌ها بتوانند براساس Workflowهای واقعی آموزش ببینند، بدون اینکه دانش حساس شرکت خارج شود. Choice: شرکت نباید به یک مدل یا ارائه‌دهنده قفل شود. باید بتواند مدل را عوض کند، بدون اینکه حافظه و توانمندی سازمانی‌اش را از دست بدهد. Cost: برای هر کار باید بتوان از مناسب‌ترین و مقرون‌به‌صرفه‌ترین مدل استفاده کرد، نه اینکه همه‌چیز را به یک مدل سپرد. Compound: هر تعامل با AI باید فقط یک کار را انجام ندهد؛ باید باعث شود سیستم اختصاصی شرکت برای تعامل بعدی هم هوشمندتر شود. در آینده، مزیت رقابتی شرکت‌ها متعلق به کسی نیست که به بهترین مدل دسترسی دارد. متعلق به شرکتی است که بتواند حلقه یادگیری اختصاصی خودش را بسازد، مالک آن بماند و هر روز هوشمندترش کند.
Satya Nadella@satyanadella

x.com/i/article/2076…

فارسی
2
3
63
5.4K