مدل‌های زبانی بزرگ و ابزارهای هوش مصنوعی

این صفحه مجموعه‌ای از آموزش‌ها، تجربه‌های کاربری و منابع مرتبط با مدل‌های زبانی بزرگ و ابزارهای هوش مصنوعی است؛ از NotebookLM و اجرای محلی DeepSeek گرفته تا Gemini CLI، GPT Crawler و ساخت جریان‌های کاری مبتنی بر عامل هوشمند. قابلیت‌ها، قیمت‌گذاری و محدودیت‌های این خدمات ممکن است تغییر کنند؛ بنابراین پیش از استفاده، مستندات رسمی هر ابزار را نیز بررسی کنید.

ساخت رادار پیامکی با Hermes Agent و OpenCode

این آموزش ویدئویی، ساخت یک رادار پیامکی را با Hermes Agent، OpenCode، 9Router و یک سامانه پیامکی نشان می‌دهد. مدرس درباره کاربردهای درآمدزای Hermes، اتصال OpenCode به 9Router، رفع یک اشکال در این اتصال، ایجاد Cron Job و کار با پنل‌های پیامکی توضیح می‌دهد. بنا بر توضیح منتشرکننده، مراحل به پیش‌نیاز ویژه‌ای نیاز ندارند و در آموزش از API رایگان استفاده شده است؛ شرایط دسترسی رایگان ممکن است تغییر کند.

https://t.me/MatinSenPaii/4259

این پست تلگرام از کانال MatinSenPaii شامل دستورهای نصب OpenCode برای ویندوز، سرور لینوکس و دیگر سیستم‌عامل‌هاست. بررسی مستقل محتوای پست از این محیط ممکن نبود.

ویدئوی زیر فرایند اتصال ابزارها و پیاده‌سازی نمونه رادار پیامکی را نمایش می‌دهد.

NotebookLM

NotebookLM دستیار پژوهشی گوگل است که پاسخ‌های خود را بر منابع افزوده‌شده به هر دفترچه استوار می‌کند. این ابزار می‌تواند منابعی مانند PDF، صفحه وب، ویدئوی یوتیوب، فایل صوتی، Google Docs و Google Slides را دریافت کند و از آن‌ها خلاصه، راهنمای مطالعه، نقشه ذهنی و مرور صوتی بسازد. پشتیبانی از زبان‌ها و امکانات مختلف ممکن است با گذشت زمان تغییر کند.

https://notebooklm.google.com

این نشانی وب‌اپ رسمی NotebookLM برای ایجاد دفترچه، افزودن منابع و پرسش‌وپاسخ درباره آن‌هاست.

https://support.google.com/notebooklm/answer/16164461?hl=en

این راهنمای رسمی گوگل، قابلیت‌ها، انواع خروجی و وضعیت دسترسی NotebookLM را توضیح می‌دهد.

معرفی و آموزش‌های ویدئویی

این آموزش فارسی، ساخت پادکست، خلاصه‌کردن مقاله و ایجاد نقشه ذهنی در NotebookLM را معرفی می‌کند.

منبع ویدئو: https://youtu.be/Y1jQRnSSRIE

این لینک اصلی ویدئوی آموزش فارسی NotebookLM در یوتیوب است.

در یک تجربه کاربری، پیشنهاد شده است که متن، مقاله یا ویدئوی یوتیوب به ابزار داده شود و سپس از آن برای تولید پادکست، نقشه ذهنی یا پاسخ‌گویی درباره منبع استفاده شود.

https://x.com/seramo_ir/status/1917629756062798304

این پست شبکه اجتماعی تجربه استفاده از NotebookLM و نمونه‌های تصویری مرتبط را ارائه می‌کند؛ محتوای آن یک تجربه کاربری است، نه مستند رسمی محصول.

https://notebooklm.google.com/

این شکل دیگر نشانی رسمی NotebookLM است. در نمونه مطرح‌شده، کاربر می‌تواند نشانی یک دانشنامه را به‌عنوان منبع وارد کند و درباره محتوای آن سؤال بپرسد.

https://filtershekan.sbs/

این وب‌سایت در نمونه بالا به‌عنوان منبع ورودی NotebookLM پیشنهاد شده است. دسترس‌پذیری و محتوای آن ممکن است تغییر کند.

ویدئوی زیر آموزش کامل دریافت PDF، لینک وب و ویدئوی یوتیوب، خلاصه‌سازی محتوا، پاسخ‌گویی بر پایه منبع و تولید مرور صوتی را ارائه می‌کند.

این ویدئو نیز کاربردهای NotebookLM را در زمینه‌های مختلف به‌صورت گام‌به‌گام مرور می‌کند.

ساخت پادکست فارسی

برای ساخت مرور صوتی فارسی، منبع را به دفترچه اضافه یا بارگذاری کنید، زبان خروجی را روی فارسی قرار دهید و گزینه تولید را بزنید. طبق تجربه منتشرشده، منبع می‌تواند انگلیسی باشد و خروجی صوتی به فارسی تولید شود؛ نتیجه نهایی به محتوا و قابلیت‌های فعلی سرویس وابسته است.

https://x.com/s7az2mm/status/1918326677261688951

این پست شبکه اجتماعی، مراحل کوتاه ساخت پادکست فارسی با NotebookLM را همراه با تصویر توضیح می‌دهد.

کاربردهای NotebookLM در یادگیری و تحقیق

ویدئوی زیر استفاده از NotebookLM برای خلاصه‌سازی مقاله و PDF، ساخت یادداشت قابل جست‌وجو و کاربردهای روزمره در یادگیری، تحقیق و تولید محتوا را آموزش می‌دهد. این آموزش از کانال Hozhigraphicdesgin منتشر شده است.

https://hozhigraphicdesign.ir/

این وب‌سایت متعلق به منتشرکننده آموزش است و راه ارتباطی معرفی‌شده در توضیحات ویدئو محسوب می‌شود.

اجرای محلی DeepSeek با Ollama

Ollama امکان اجرای مدل‌های سازگار را روی رایانه شخصی فراهم می‌کند. پس از دانلود و نصب Ollama، می‌توان یکی از برچسب‌های منتشرشده DeepSeek-R1 را از ترمینال اجرا کرد. اجرای محلی می‌تواند وابستگی به سرویس ابری را کاهش دهد، اما دانلود اولیه مدل لازم است و سرعت و امکان اجرا به حافظه و توان سخت‌افزار بستگی دارد.

https://ollama.com/download

این صفحه رسمی دانلود Ollama برای سیستم‌عامل‌های پشتیبانی‌شده است.

https://ollama.com/library/deepseek-r1

این صفحه رسمی کتابخانه Ollama، برچسب‌ها، اندازه تقریبی و دستور اجرای مدل‌های خانواده DeepSeek-R1 را فهرست می‌کند.

دستورهای مطرح‌شده برای اجرای اندازه‌های مختلف مدل عبارت‌اند از:

ollama run deepseek-r1:1.5b
ollama run deepseek-r1:8b
ollama run deepseek-r1:14b
ollama run deepseek-r1:32b
ollama run deepseek-r1:70b

مدل ۱٫۵ میلیارد پارامتری دانلود کوچک‌تری دارد و برای آزمایش اولیه مناسب‌تر است؛ مدل‌های بزرگ‌تر منابع بسیار بیشتری می‌خواهند. بزرگ‌تر بودن مدل لزوماً آن را برای همه وظایف مناسب‌تر نمی‌کند.

https://chatboxai.app

این وب‌سایت، برنامه Chatbox را ارائه می‌کند که می‌تواند به‌عنوان رابط گرافیکی به Ollama متصل شود. پس از نصب، ارائه‌دهنده را روی OLLAMA قرار دهید، مدل دانلودشده را انتخاب و تنظیمات را ذخیره کنید.

تجربه آزمایش مدل‌های کوچک

MehdiAllahyari در یک آزمایش محدود، چند نسخه ۱٫۵ و ۷ میلیارد پارامتری DeepSeek را با پرسش‌های عمدتاً برنامه‌نویسی بررسی کرده است. بنا بر گزارش او، نسخه ۷ میلیاردی بهتر بود، اما پاسخ‌های کدنویسی همچنان خطا داشتند و یک مدل ۱٫۵ میلیارد پارامتری Qwen در همان پرسش‌ها بهتر عمل کرد. این نتیجه مبتنی بر چند پرسش است و ارزیابی جامع یا معیار رسمی به شمار نمی‌آید؛ کاربرد، سخت‌افزار و روش ارزیابی بر نتیجه اثر می‌گذارند.

https://x.com/MehdiAllahyari/status/1884087472939803011

این پست شبکه اجتماعی، ویدئو و جمع‌بندی شخصی نویسنده از مقایسه مدل‌های کوچک DeepSeek و Qwen را در بر دارد.

Qwen 2.5-Max

Qwen 2.5-Max از طریق رابط گفت‌وگوی Qwen در دسترس قرار گرفته و از ورودی فارسی پشتیبانی می‌کند. ادعای برتری آن بر DeepSeek به اطلاعیه و ارزیابی منتشرکننده مربوط است و نباید بدون توجه به نوع آزمون و نسخه مدل، نتیجه‌ای کلی تلقی شود. ممکن است استفاده از سرویس به ثبت‌نام نیاز داشته باشد.

https://chat.qwenlm.ai

این نشانی رابط رسمی گفت‌وگوی Qwen برای کار با مدل‌های در دسترس این سرویس است.

GPT Crawler

GPT Crawler ابزاری متن‌باز برای پیمایش یک یا چند نشانی وب و تولید فایل‌های دانشی است که می‌توان از آن‌ها در ساخت GPT سفارشی استفاده کرد.

https://github.com/BuilderIO/gpt-crawler

این مخزن گیت‌هاب شامل کد منبع، دستور نصب، پیکربندی و نمونه‌های استفاده GPT Crawler است.

سهمیه Gemini API

یک پست قدیمی شبکه اجتماعی از سهمیه روزانه یک میلیون توکن و محدودیت ۲۵ درخواست روزانه برای یک مدل Gemini 2.5 سخن گفته است. این اعداد ثابت نیستند: طبق مستندات فعلی گوگل، محدودیت‌ها بر اساس مدل، سطح استفاده و وضعیت پروژه تعیین می‌شوند، به‌ازای پروژه اعمال می‌شوند و ظرفیت واقعی نیز ممکن است تغییر کند. برای پرهیز از اختلال یا نقض شرایط سرویس، سهمیه فعال پروژه را در Google AI Studio بررسی کنید و از ساخت حساب‌های متعدد برای دورزدن محدودیت‌ها خودداری کنید.

https://ai.google.dev/gemini-api/docs/rate-limits

این مستند رسمی گوگل، معیارهای درخواست در دقیقه، توکن در دقیقه و درخواست در روز و تفاوت سهمیه‌ها میان مدل‌ها و سطوح استفاده را توضیح می‌دهد.

https://x.com/MrSoroushAhmadi/status/1908448978997223915

این پست شبکه اجتماعی منبع ادعای تاریخی سهمیه رایگان Gemini API و تصویر همراه آن است؛ برای اعداد فعلی باید به مستند رسمی مراجعه کرد.

ساخت ابزار پژوهش عمیق با TypingMind، MCP و Claude

این آموزش، ساخت یک دستیار پژوهشی شخصی را با TypingMind، سرورهای MCP و Claude توضیح می‌دهد. موضوعات آن شامل تعریف دستورالعمل پروژه، نصب MCP در TypingMind و برنامه دسکتاپ Claude و اجرای یک نمونه عملی است. ادعای مقایسه کیفیت این روش با ابزارهای پژوهش عمیق آماده، نظر منتشرکننده آموزش است و به ارزیابی مستقل نیاز دارد.

بخش‌های ویدئو عبارت‌اند از: مقدمه در ۰:۰۰، ساخت پروژه در ۳:۲۵، معرفی TypingMind در ۶:۴۰، نصب MCP در ۸:۳۵ و مثال عملی در ۱۹:۲۵.

https://github.com/aminanvary/Custom-...

این نشانی در منبع اصلی به‌صورت ناقص درج شده و ظاهراً به مخزن گیت‌هاب دستورالعمل‌های آموزش اشاره دارد؛ به همین دلیل امکان بررسی دقیق مقصد آن وجود ندارد.

https://bit.ly/4jQrXqr

این پیوند کوتاه برای دریافت فایل نمونه آماده MCP Server معرفی شده است. مقصد پیوند کوتاه و محتوای آن باید پیش از دانلود بررسی شود.

ویدئوی زیر راه‌اندازی این جریان پژوهشی و استفاده از مدل‌های مختلف را به‌صورت گام‌به‌گام نشان می‌دهد.

Gemini CLI

Gemini CLI یک عامل هوش مصنوعی متن‌باز برای ترمینال است که به‌ویژه برای کارهای توسعه نرم‌افزار طراحی شده است. جزئیات نصب، روش احراز هویت، مدل‌های در دسترس و محدودیت استفاده ممکن است تغییر کند و باید در مخزن رسمی بررسی شود.

https://github.com/google-gemini/gemini-cli

این مخزن رسمی گیت‌هاب شامل کد منبع، راهنمای نصب، شیوه استفاده و اطلاعات مشارکت در Gemini CLI است.

ارزیابی درک ادبیات فارسی

در یک آزمایش شخصی، نویسنده مجموعه‌ای شامل ۵۰۰ پرسش کنکور در زمینه قرابت معنایی ساخته و ۳۰ مدل هوش مصنوعی را ارزیابی کرده است. در نمودار منتشرشده، خط قرمز امتیاز ۲۵ درصدی انتخاب تصادفی را نشان می‌دهد. این گزارش برای مقایسه مقدماتی جالب است، اما برای تفسیر نتایج باید به روش ساخت داده، شیوه امتیازدهی و نسخه دقیق مدل‌ها نیز توجه کرد.

تصویر بعدی مدل‌های دارای امتیاز پایین‌تر را به‌ترتیب نشان می‌دهد؛ بنا بر گزارش نویسنده، امتیاز هیچ مدلی کمتر از ۲۵ درصد نبوده است.

https://x.com/itsArmanj/status/1987644551842955572

این پست شبکه اجتماعی منبع نمودارها و توضیح نویسنده درباره مجموعه‌داده و نتایج آزمون ادبیات فارسی است.

پرامپت‌نویسی برای تولید تصویر

این آموزش ویدئویی، تولید تصویر با ChatGPT و Gemini را مقایسه می‌کند و اجزای یک پرامپت تصویری را توضیح می‌دهد. پیشنهادهای آن شامل تعیین سوژه و کاربرد تصویر، سبک، حس‌وحال، نورپردازی، زاویه دوربین، نما و کادربندی است. استفاده از تصویر مرجع، درخواست کمک از مدل برای تکمیل پرامپت و اصلاح مرحله‌ای خروجی نیز در آموزش مطرح می‌شود.

نمونه اصلاح‌ها شامل واقعی‌تر یا فانتزی‌تر کردن تصویر، انتخاب سبک انیمه یا رنگ‌روغن و درخواست حذف عناصر ناخواسته مانند متن گوشه تصویر است. توانایی‌ها و محدودیت‌های تولید یا ویرایش تصویر در هر سرویس و مدل یکسان نیست و ممکن است تغییر کند.

ویدئوی زیر این روش پرامپت‌نویسی و اصلاح تدریجی خروجی را آموزش می‌دهد.

جمع‌بندی

منابع این صفحه چند مسیر کاربردی را پوشش می‌دهند: استفاده منبع‌محور از NotebookLM، اجرای محلی مدل‌های DeepSeek با Ollama، استفاده از ابزارهای توسعه مانند Gemini CLI و GPT Crawler، و ساخت جریان‌های کاری پژوهشی یا خودکار با MCP و عامل‌های هوشمند.

برای انتخاب مدل یا ابزار، تنها به اندازه مدل یا ادعاهای تبلیغاتی تکیه نکنید؛ نیاز واقعی، کیفیت در وظیفه موردنظر، منابع سخت‌افزاری، حریم خصوصی و محدودیت‌های سرویس را بسنجید. تجربه‌ها و آزمون‌های شخصی این صفحه نقطه شروع‌اند، نه نتیجه قطعی. سهمیه‌ها و قابلیت‌های سرویس‌های آنلاین نیز متغیرند و باید پیش از استفاده در منبع رسمی بررسی شوند.