Amirreza notes

عجیباً غریبا

امروز یچیزایی از کار با AI دیدم برگام ریخت

کی فردا امتحان داره و سیصد اسلاید باید بخونه

بچه ها ما واسه چارست یه UI دیزاینر می‌خوایم اگه کسی رو می‌شناختید آیدی منو بهش بدید

نتونستی ستاره های توی آسمون رو دیشب ببینی؟ خب به آینه نگاه کن اونکه رو زمین هست رو ببین

ی مفهومی توی کسب و کار داریم به اسم فعالیت های اهرمی 20 درصد فعالیت هایی که 80 درصد نتیجه رو به همراه دارن یا 4 درصد فعالیتی که 64 درصد نتیجه رو به همراه داره بچسبیم بازاریابی یاد بگیریم

زندگی سخته هنوز کار زیاد داریم ولی همینکه دیگه نیازی نیست برم سرکلاس های سخت افزار و شبکه خداروشکر واقعا

با آقا مجتبی

بالاخره گذر منم به کویر افتاد دیگه نمیتونم کسایی که کویر میرن و مسخره کنم هعی

سلام 👋 یه پروژهٔ شخصی دارم که فکر کردم شاید به درد بچه‌های اینجا هم بخوره. مدتیه دارم مقالات معتبر UX رو — عمدتاً از بنیاد طراحی تعامل (IxDF) — به فارسی برمی‌گردونم. ولی ترجمهٔ کلمه‌به‌کلمه نه؛ مفهوم رو می‌گیرم و با زبون خودم، ساختار خودم و مثال‌های بومی دوباره می‌نویسم. هدفم اینه که کم‌کم یه دانشنامهٔ فارسی جمع‌وجور ولی غنی از مفاهیم UX درست بشه — جایی که وقتی کسی می‌پرسه «سلسله‌مراتب بصری یعنی چی؟» یا «تست A/B رو از کجا شروع کنم؟»، بشه یه لینک فارسی درست‌وحسابی بهش داد، نه یه پست سطحی یا یه لینک انگلیسی هفت‌صفحه‌ای. تا الان چهل‌ودو تا مقاله منتشر شده؛ از اصول گشتالت و بار شناختی و سلسله‌مراتب بصری تا نقشهٔ سفر مشتری، طراحی خدمات، لین یو‌ایکس، اسپرینت طراحی و تست A/B. هر کدوم حدود ۱۰ تا ۱۳ دقیقه خوندن داره و تقریباً همه‌شون یه بخش اضافه دارن که توی متن اصلی نیست: این‌که اون مفهوم توی محصولات فارسی‌زبان و رابط راست‌به‌چپ چطور جواب می‌ده. همه‌ش رایگانه و منبع اصلی هم پای هر مقاله ذکر شده. 📚 آرشیو کامل: sepantapouya.com/fa/translations.html 📢 کانال: @sepantagraphy

و دیتابیس دوست داشتنیش

سلام بر کرفس عزیز

بریم کرال کنیم

از یجا به بعد دیگه داکیومنت نوشتنت اصفهانی میشه

دیگه دوران این گذشته که یه AI PM فقط پرامپتنویسی بلده باشه یا سریع به API جدیدترین مدل مارکت وصل بشه! چند وقت پیش داشتم معماری جدید Duolingo Max رو تحلیل میکردم و دقیقاً دیدم چطور یه تصمیمِ محصولیِ درست، یه پروژه در حال سقوط رو نجات داد. داستان چی بود؟ #دولینگو اومد قابلیت مکالمه زنده و توضیح گرامر با هوش مصنوعی رو اضافه کنه. اولش طبق معمول رفت سراغ غولهای بازی (مثل GPT-4). اما خیلی سریع خوردن به بنبست: ۱. کاربر باید ۳ تا ۵ ثانیه منتظر جواب میموند (کند!) ۲. هزینهها فضایی شده بود (چون میلیونها کاربر داشتن هی Call میزدن) ۳. مدل گاهی «توهم» میزد و گرامر غلط یاد کاربر میداد! اینجا دقیقاً جایی بود که AI PM باید وارد میشد و ادای مهندسها رو درنمیآورد، بلکه توازن بین هزینه، سرعت و UX رو پیدا میکرد. تیم محصول چیکار کرد؟ کلاً فرمون رو چرخوند: به جای اینکه کل بار رو بندازن رو دوش یه LLM غولپیکر و گرون، سیستم رو چندلایه کردن. کارهای سادهتر (مثل چک کردن گرامر پایه) رو دادن به مدلهای خیلی کوچک و سریع (SLMs) که روی سیستم خودشون Fine-tune شده بود. برای موارد پیچیدهتر هم فقط بخش کوچیکی از دیتای کاربر رو با RAG# میفرستادن. نتیجه؟ تاخیر پاسخ رسید به زیر ۱ ثانیه!!!!!!💰 هزینههای زیرساختی بیش از ۵۰٪ افت کرد! 📈 و از همه مهمتر, این قابلیت از یه چالش هزینهبر، تبدیل شد به موتور اصلی درآمدزایی دولینگو. درس بزرگش برای من چی بود؟ نقش AI PM این نیست که خفنترین مدل رو بخره؛ نقش اصلیش اینه که بفهمه کجای مسئله واقعاً به هوش مصنوعی نیاز داره و چطور ارزش تجاری خلق کنه، بدون اینکه هزینهها پروژه رو زمین بزنه. کامیار بقا