نقشه یادگیری و آمادهکردن محیط کار
مسیر مناسب خودت را در آکادمی پیدا کن، یک راه مشروع برای اجرای تمرینها انتخاب کن و دفترچه آزمایش بساز.
بعد از این درس میتوانی
- ساختار آکادمی (مسیر، دوره، ماژول، درس) را توضیح بدهد و مسیر متناسب با هدفش را انتخاب کند.
- سطح عمومی را از نشان تخصصی تفکیک کند و توضیح بدهد چرا تمامکردن درس، سطح یا نشان صادر نمیکند.
- دستکم یک مسیر مشروع برای اجرای تمرینها انتخاب کند و انتخابش را با سختافزار، حریم خصوصی و شرایط استفاده توجیه کند.
- دفترچه آزمایش بسازد و اولین آزمایش را با ثبت ورودی، خروجی و مشاهده انجام دهد.
چرا این درس مهم است
خیلیها یادگیری هوش مصنوعی را اینطور شروع میکنند: چند ویدیو، یک حساب در یک سرویس، کپیکردن چند نمونه. دو ماه بعد سه مشکل پیدا میشود. نمیدانند الان کجای مسیرند. وقتی چیزی خراب میشود نمیدانند چرا. و گاهی سرویسی که همه تمرینها روی آن ساخته شده بود، برایشان در دسترس نیست یا شرایطش عوض شده است.
این درس کوتاه این سه مشکل را از روز اول حل میکند: نقشه را نشانت میدهد، کمکت میکند یک راه مشروع برای اجرای تمرینها انتخاب کنی که به یک سرویس وابسته نباشد، و عادتی را شروع میکند که در کل آکادمی به کارت میآید: ثبت آزمایش.
مفاهیم کلیدی
- Learning Path (مسیر یادگیری): مسیر چند دوره است که به ترتیب یک هدف بزرگ را میسازند؛ مثل «خودکارسازی با هوش مصنوعی». دوره یک موضوع کامل است. ماژول چند درس بههمپیوسته داخل دوره است. درس واحدی است که در یک جلسه حدود ۴۵ تا ۶۰ دقیقهای تمام میشود؛ چالش هر درس تکلیف جداگانهای است که بعداً روی کار خودت انجام میدهی.
- General Level (سطح عمومی): توصیف توانمندی کار با هوش مصنوعی در شش مهارت عمومی، از B1 تا B5. با ارزیابی و شاهد تعیین میشود، نه با تعداد درسهای خواندهشده.
- Specialist Badge (نشان تخصصی): سه نشان مستقل برای توانایی ساخت. بالاتر یا پایینتر از سطح عمومی نیستند؛ محور جداییاند.
- Execution Path (مسیر اجرا): راهی که تمرینها را با آن انجام میدهی: دستیار میزبانیشدهای که برایت قانونی است، مدل محلی روی رایانه خودت، یا نمونهاجراهای آماده درس.
- Local Model (مدل محلی): مدلی که روی سختافزار خودت اجرا میشود؛ متن تو برای پردازش به سرور بیرونی فرستاده نمیشود.
- API (رابط برنامهنویسی): دری که برنامهها از آن به یک سرویس وصل میشوند. در این دوره لازم نیست با API کار کنی؛ فقط بدان بعضی سرویسها هم رابط گفتگو دارند و هم API.
- GPU and VRAM (کارت گرافیک و حافظه آن): کارت گرافیک (GPU) و حافظهاش (VRAM)، در برابر پردازنده اصلی (CPU) و حافظه عادی رایانه (RAM). مدل محلی وقتی در VRAM جا شود سریع اجرا میشود؛ اگر جا نشود، روی CPU و RAM میرود و کند میشود.
- Lab Notebook (دفترچه آزمایش): جدولی که هر آزمایش را در آن ثبت میکنی: چه پرسیدی، با چه ابزاری، چه گرفتی، چه دیدی.
مدل ذهنی
آکادمی را مثل یک منطقه کوهستانی تصور کن: یک کمپ پایه که همه از آن عبور میکنند (مسیر پایه)، و چند مسیر صعود که هرکدام به مقصد متفاوتی میرسند. لازم نیست همه مسیرها را بروی. مسیری را انتخاب میکنی که به هدفت میرسد.
نقشه مسیرهای آکادمی loOkiYar
این تشبیه کجا غلط است؟ در کوه، قله آخر «بالاتر» از بقیه است. اینجا اینطور نیست. کسی که فقط مسیر پایه را تمام کرده و هر روز با هوش مصنوعی کار دقیق و قابل بررسی انجام میدهد، لزوماً از کسی که ایجنت ساخته «پایینتر» نیست. این دو، دو نوع توانایی متفاوتاند.
گامبهگام
گام ۱: هر درس چطور کار میکند
همه درسهای آکادمی یک چرخه ثابت دارند: مفهوم ← مثال ← پیادهسازی هدایتشده ← تمرین کوتاه ← چالش ← پرسشهای سنجش ← جمعبندی. تمرینها بخش اصلی درساند، نه بخش اختیاری. هر درس دو زمان دارد: زمان جلسه (خواندن، پیادهسازی، تمرین کوتاه و پرسشها؛ معمولاً ۴۵ تا ۶۰ دقیقه) و زمان تکلیف انتقال یا همان چالش، که روی کار یا موقعیت خودت و جدا از جلسه انجام میشود.
دو ساختار دیگر هم در درسها میبینی:
- لایه «برای سازندگان»: کادرهای جمعشده با عمق فنی بیشتر. اگر هدفت ساخت نیست، میتوانی از آنها رد شوی؛ هیچ پرسش الزامی به آنها وابسته نیست.
- دو شیوه ساخت: در درسهای ساخت، یک شیوه بدون کد (مثلاً n8n) و یک شیوه کدی (Python) میبینی که هر دو به یک نتیجه میرسند. این با «مسیر اجرا» در گام ۴ فرق دارد: شیوه ساخت میگوید «با چه ابزاری میسازی»، مسیر اجرا میگوید «مدل از کجا میآید».
گام ۲: مسیرت را انتخاب کن
| اگر هدفت این است | مسیر پیشنهادی | کجا میتوانی بایستی |
|---|---|---|
| در کار روزمره دقیقتر و امنتر از هوش مصنوعی استفاده کنم | مسیر پایه (چهار دوره) | پایان مسیر پایه |
| کارهای تکراری را خودکار کنم | مسیر پایه، سپس خودکارسازی | پس از پروژه دستیار ایمیل |
| ایجنت واقعی بسازم که برای دیگران کار کند | مسیر پایه، خودکارسازی تا هوش مصنوعی داخل ورکفلو، سپس مهندسی ایجنت | پس از پروژه نهایی |
| با ایجنت کدنویس نرمافزار کوچک بسازم | مسیر پایه، زیرساخت پایه، سپس ایجنت کدنویس | پس از پروژه ابزار وب |
| کار هوش مصنوعی را به مشتری تحویل بدهم | مسیر پایه، هوش مصنوعی داخل ورکفلو، سپس مسیر حرفهای | پس از مسیر حرفهای |
اگر کار فنی هدفت نیست، آکادمی تو را به مسیر فنی هل نمیدهد. اگر هم توسعهدهندهای و بخشهایی را میدانی، هر دوره یک «چالش رد شدن» دارد. انجام موفقش، دوره را «رد شده» علامت میزند. این یعنی «لازم نیست اینجا وقت بگذاری»، نه «تسلطت تأیید شد».
گام ۳: سطح عمومی و نشان تخصصی را با هم اشتباه نگیر
loOkiYar توانمندی را روی دو محور جدا توصیف میکندsrc-lookiyar-competency-framework:
- سطح عمومی: پنج مرتبه، از B1 (کاوشگر) تا B5 (کاربر خبره)، روی شش مهارت: پرامپت و ارتباط، تفکر نقادانه، درک هوش مصنوعی، انتخاب ابزار، کاربست در گردشکار، و اعتبارسنجی و ایمنی.
- نشانهای تخصصی: AI Automator (خودکارساز)، AI Builder (سازنده سامانه) و Agent Architect (معمار ایجنت). این سه نشان مستقلاند و سلسلهمراتب ندارند. داشتن نشان، سطح عمومی را بالا نمیبرد.
دو محور مستقل توانمندی در loOkiYar
آکادمی محل تمرین است. تمامکردن درس یا دوره، سطح یا نشان صادر نمیکند و آکادمی گواهی هم نمیدهد. بعضی پروژهها طوری طراحی شدهاند که بتوانند در آینده شاهد قابل بررسی برای بازبینی نشان باشند. قواعد صدور نشان هنوز نهایی نشدهاندsrc-lookiyar-competency-framework.
گام ۴: یک مسیر مشروع برای اجرای تمرینها انتخاب کن
هیچ تمرین اصلی آکادمی فقط به یک سرویس تجاری وابسته نیست. برای هر تمرین دستکم یکی از این سه راه وجود دارد:
| مسیر اجرا | چه وقت مناسب است | محدودیت |
|---|---|---|
| دستیار یا API میزبانیشده که بهطور قانونی در دسترس توست | کیفیت بالاتر برای کارهای پیچیده؛ بدون نیاز به سختافزار قوی | باید شرایط استفاده و کشورهای پشتیبانیشده را رعایت کنی؛ متن تو برای ارائهدهنده فرستاده میشود |
| مدل محلی (مثلاً با Ollama) | حریم خصوصی، کار بدون اینترنت پس از دانلود مدل، آزمایش آزادانه | به حافظه و دیسک کافی نیاز دارد؛ مدلهای کوچک در کارهای پیچیده و در فارسی معمولاً ضعیفترند |
| نمونهاجراهای آماده درس | وقتی به هیچ مدلی دسترسی نداری یا سختافزارت کافی نیست | خودت مدل را اجرا نمیکنی؛ فقط خروجی آماده را تحلیل میکنی |
درخت تصمیم انتخاب مسیر اجرا
درباره دسترسپذیری صادق باشیم. فهرست کشورهای پشتیبانیشده OpenAIsrc-openai-supported-countries، Anthropicsrc-anthropic-supported-countries و Google Geminisrc-gemini-available-regions در تاریخ بررسی این درس (مهر ۱۴۰۵، اکتبر ۲۰۲۶) ایران را شامل نمیشود. Anthropic صریحاً میگوید هر کشوری که در فهرست نیست پشتیبانی نمیشود، و OpenAI هشدار میدهد دسترسی بیرون از فهرست میتواند به محدودیت حساب منجر شود. شرایط استفاده OpenRouter هم دسترسی به مدلهایی را که ارائهدهندهشان برای یک منطقه محدود کرده، از جمله با VPN یا proxy، ممنوع و دلیل تعلیق حساب میداندsrc-openrouter-terms.
آکادمی روش دورزدن این محدودیتها را آموزش نمیدهد. دلیلش فقط قانونی نیست، عملی هم هست: سامانهای که روی دسترسی نامطمئن ساخته شود، ممکن است یک روز بدون هشدار از کار بیفتد و دادهات هم در همان حساب گیر کند. اینکه کدام سرویس برای تو قانونی است، به کشور، کارفرما و قرارداد خودت بستگی دارد و مسئولیتش با خودت است. اگر مطمئن نیستی، مسیر محلی یا نمونهاجراها را انتخاب کن.
گام ۵: اگر مدل محلی را انتخاب کردی، این واقعیتها را بدان
- Ollama برای macOS، Windows و Linux عرضه میشود و پس از نصب، یک سرور محلی روی
http://localhost:11434داردsrc-ollama-quickstart. - نمونه مستندات Ollama در مهر ۱۴۰۵ (اکتبر ۲۰۲۶)، مدلی است که حدود ۷٫۲ گیگابایت دانلود دارد. مستندات برای آن ۸ گیگابایت حافظه آزاد کارت گرافیک (VRAM)، یا حافظه یکپارچه در مک، را توصیه میکند. اگر حافظه گرافیک کمتر باشد، Ollama میتواند از RAM سیستم استفاده کند، ولی پاسخها کندتر میشوندsrc-ollama-quickstart. نام و اندازه مدل نمونه زود تغییر میکند؛ عدد دقیق را از صفحه شروع سریع (Quickstart) مستندات Ollama چک کن.
- طبق مستندات Ollama، وقتی مدل را محلی اجرا میکنی، Ollama پرسشها و دادههایت را نمیبیندsrc-ollama-faq. این برای حریم خصوصی مهم است. ولی امنیت رایانه خودت همچنان مسئولیت خودت است.
- دستور
ollama psنشان میدهد مدل روی GPU بارگذاری شده یا CPU، و چه پنجره کانتکستی برایش در نظر گرفته شده استsrc-ollama-context-length. «پنجره کانتکست» را در درس سوم دقیق یاد میگیری؛ فعلاً فقط بدان که این عدد مهم است.
انتظار واقعبینانه: مدل محلی کوچک با بهترین مدلهای میزبانیشده برابر نیست؛ نه در کیفیت فارسی، نه در کارهای چندمرحلهای، و نه همیشه در قابلیتهایی مثل خروجی ساختاریافته. در این آکادمی هر جا این تفاوت روی نتیجه تمرین اثر دارد، صریح گفته میشود. بهترین راه دانستنش هم این است که خودت اندازه بگیری؛ کاری که در درس پنجم انجام میدهی.
گام ۶: دفترچه آزمایش بساز
دفترچه آزمایش یک جدول ساده است. همه درسهای این دوره از آن استفاده میکنند و در درس پنجم، دادههای همین دفترچه به تصمیم واقعی تبدیل میشوند.
| ستون | چه بنویسی | مثال |
|---|---|---|
| تاریخ | — | ۱۴۰۵/۰۷/۲۱ |
| مسیر اجرا و ابزار | نام ابزار یا مدل و نسخه، اگر معلوم است | مدل محلی در Ollama |
| هدف آزمایش | یک جمله | آیا دو بار پرسیدن یک سؤال، یک جواب میدهد؟ |
| ورودی | متن دقیق پرسش | «سه پیشنهاد برای نام یک کتابفروشی کوچک بده.» |
| خلاصه خروجی | نه متن کامل؛ نکته اصلی | بار اول: سه نام کلاسیک؛ بار دوم: سه نام متفاوت |
| مشاهده | چه دیدی که انتظارش را نداشتی؟ | هیچ نامی تکرار نشد |
| زمان و هزینه | تقریبی | ۱۰ ثانیه؛ بدون هزینه مستقیم |
قالب آماده این جدول در فایل assets/lab-notebook-template.csv همین درس هست. در دفترچه هیچ داده شخصی، رمز یا کلید API ننویس.
مثالها
پیادهسازی عملی
این بخش حدود ۱۰ دقیقه طول میکشد. هر سه مسیر به همان خروجی میرسند: یک ردیف کامل در دفترچه آزمایش. (انتخاب مسیر اجرا و ثبت دلیلش را در «تمرین کوتاه» انجام میدهی؛ اینجا فقط از مسیری که فعلاً در دسترس داری استفاده کن.)
گام الف: دفترچه را بساز. فایل assets/lab-notebook-template.csv را در صفحهگسترده باز کن، یا همان ستونها را در یک فایل متنی بنویس.
گام ب: اولین آزمایش. یک پرسش ساده و بیخطر را دو بار بپرس، هر بار در یک گفتگوی تازه، و هر دو خروجی را مقایسه کن. پرسش پیشنهادی:
سه پیشنهاد برای نام یک کتابفروشی کوچک محلهای بده. برای هر نام یک جمله توضیح بنویس.سرویس میزبانیشده (در دسترس قانونی)
مسیر میزبانیشده: پیش از ثبتنام در هر سرویس، دو صفحه آن را پیدا کن و بخوان: فهرست کشورهای پشتیبانیشده، و سیاست استفاده از داده. نتیجه را در دفترچه بنویس. سپس پرسش را دو بار در دو گفتگوی جدا بپرس.
اجرای محلی
مسیر مدل محلی با Ollama:
# پس از نصب Ollama از سایت رسمی
ollama run <نام-مدل-پیشنهادی-در-Quickstart>
# در گفتگوی بازشده، پرسش را بفرست؛ با /bye خارج شو و دوباره اجرا کن
ollama ps # ستونهای PROCESSOR و CONTEXT را در دفترچه بنویسنام مدل را عمداً ننوشتهایم. نام مدل نمونه در مستندات زود عوض میشود؛ آن را از صفحه Quickstart بردار و در دفترچه ثبت کن.
بدون اجرا / شبیهساز
مسیر نمونهاجراهای آماده: فایل assets/sample-runs.md همین درس را باز کن و دو اجرای آماده از همین پرسش را مقایسه کن. اینها نمونههای ساختگی برای تمرین تحلیلاند، نه خروجی واقعی یک مدل مشخص.
گام ج: ردیف دفترچه را کامل کن. دو خروجی یکسان بودند یا متفاوت؟ اگر متفاوت بودند، چه چیزی فرق داشت؟ جواب «چرا» را فعلاً حدس بزن و بنویس. در درس دوم دلیلش را دقیق یاد میگیری.
اشتباههای رایج
| اشتباه | نتیجه | کار درست |
|---|---|---|
| اول ابزار را انتخاب کنی، بعد هدف را | وقت روی ابزاری میرود که به هدفت نمیرسد | اول مسیر یادگیری، بعد مسیر اجرا |
| استفاده از VPN برای سرویسی که کشورت را پشتیبانی نمیکند | نقض شرایط استفاده؛ ریسک بستهشدن حساب و از دست رفتن داده | مسیر محلی یا نمونهاجراها |
| دانلود بزرگترین مدل محلی در اولین تلاش | کندی شدید، پرشدن دیسک، دلسردی | مدل کوچک پیشنهادی مستندات؛ بعد مقایسه |
| واردکردن سند کاری یا داده مشتری در تمرین | نشت داده محرمانه | فقط داده ساختگی در تمرینها |
| ثبتنکردن آزمایشها | در درس پنجم دادهای برای تصمیم نداری | از همین امروز دفترچه |
| فکرکردن به اینکه تمامکردن دوره یعنی گرفتن سطح یا نشان | انتظار نادرست | آکادمی محل تمرین است؛ سطح و نشان شاهد و بازبینی میخواهند |
اشکالزدایی
در این درس «اشکالزدایی» یعنی وقتی راهاندازی یا اولین آزمایش طبق انتظار پیش نمیرود، چه کنی.
هنگام ثبتنام در یک سرویس پیام «کشور پشتیبانی نمیشود» یا مشابه آن میبینی.
کشور تو در فهرست آن ارائهدهنده نیست.
صفحه رسمی کشورهای پشتیبانیشده همان ارائهدهنده.
این خطا نیست که باید دورش بزنی. مسیر محلی یا نمونهاجراها را انتخاب کن.
مدل محلی برای هر پاسخ چند دقیقه طول میکشد.
مدل در حافظه گرافیک جا نشده و تمام یا بخشی از آن روی CPU اجرا میشود.
ollama ps؛ اگر ستون PROCESSOR مقدار 100% CPU یا تقسیمی بین CPU و GPU نشان دهد، علت همین استsrc-ollama-faq.
مدل کوچکتر، بستن برنامههای سنگین، یا مسیر نمونهاجراها.
مدل محلی به فارسی جوابهای بیربط یا ترکیبی از فارسی و انگلیسی میدهد.
مدل کوچک ممکن است داده فارسی کمی دیده باشد. این محدودیت طبیعی است، نه خرابی نصب.
همان پرسش را به انگلیسی بپرس. اگر انگلیسی خیلی بهتر بود، مشکل از کیفیت فارسی مدل است.
در دفترچه ثبت کن؛ مدل دیگری را امتحان کن؛ یا برای تمرینهای فارسی از مسیر دیگر کمک بگیر.
دانلود مدل نیمهکاره میماند یا با خطای فضای دیسک متوقف میشود.
فضای دیسک کافی نیست یا اتصال قطع شده است.
فضای خالی دیسک را با اندازه مدل در مستندات مقایسه کن. محل ذخیره مدلها در بخش پرسشهای رایج (FAQ) مستندات Ollama آمده استsrc-ollama-faq.
فضا آزاد کن یا مدل کوچکتری انتخاب کن.
نکتههای امنیتی
نکتههای هزینه
تمرین کوتاه
تمرین · 10 دقیقه
هدف: انتخاب آگاهانه مسیر اجرا.
گامها:
- در دفترچه آزمایش، یک ردیف «تصمیم مسیر اجرا» بساز.
- مسیر انتخابی، سختافزارت (حافظه و نوع پردازنده گرافیکی، اگر میدانی) و دلیل انتخاب را بنویس.
- یک «شرط تغییر» بنویس: در چه وضعیتی مسیرت را عوض میکنی؟
معیار پذیرش:
- مسیر انتخابی یکی از سه مسیر مشروع است.
- دلیل، دستکم به یکی از این سه اشاره دارد: سختافزار، حریم خصوصی، شرایط استفاده.
- شرط تغییر قابل بررسی است (مثلاً «اگر هر پاسخ بیش از یک دقیقه طول بکشد»)، نه کلی («اگر بد بود»).
راهحل نمونه
نمونه پاسخ قابل قبول: «مسیر: مدل محلی با Ollama. سختافزار: لپتاپ ۱۶ گیگابایت RAM بدون GPU جدا. دلیل: نمیخواهم متن تمرینها از رایانهام خارج شود. شرط تغییر: اگر پاسخ یک پرسش کوتاه بیش از ۶۰ ثانیه طول بکشد، برای تمرینهای سنگین به نمونهاجراها میروم.»
چالش
تمرین · 10 دقیقه
موقعیت: برای خودت یک «برنامه یادگیری یکصفحهای» بنویس.
خروجی مورد انتظار: یک صفحه (فایل متنی یا یادداشت) با هدف، مسیر، مسیر اجرا، زمان هفتگی و یک ریسک. این برنامه درباره خود توست و هیچ داده حساسی لازم ندارد؛ اگر هدف کاریات محرمانه است، آن را کلی یا ساختگی بنویس.
معیار پذیرش:
- هدف یکجملهای و قابل بررسی دارد (مثلاً «گزارش هفتگیام را با کمک هوش مصنوعی در نیمی از زمان فعلی و با همان دقت آماده کنم»)، نه کلی («هوش مصنوعی یاد بگیرم»).
- مسیر یادگیری و نقطه توقف طبیعی مشخص است.
- مسیر اجرا و شرط تغییرش مشخص است.
- زمان هفتگی واقعبینانه مشخص است.
- یک ریسک شخصی نوشته شده (مثلاً «وقت کم») با یک راه کاهش.
راهنما: جدول گام ۲ را دوباره ببین. اگر بین دو مسیر مردد هستی، مسیر پایه را کامل کن و تصمیم را به پایان دوره «هوش مصنوعی در کار روزمره» (آخرین دوره مسیر پایه) موکول کن. این تصمیم را آنجا با داده بهتری میگیری.
پرسشهای سنجش
جمعبندی
- آکادمی از مسیر، دوره، ماژول و درس ساخته شده است. همه از مسیر پایه شروع میکنند و بعد بر اساس هدف ادامه میدهند.
- سطح عمومی (B1 تا B5) و نشانهای تخصصی دو محور جدا هستند. تمامکردن درس هیچکدام را صادر نمیکند.
- هر تمرین اصلی دستکم یک مسیر اجرای مشروع دارد: سرویسی که برایت قانونی است، مدل محلی، یا نمونهاجراهای آماده.
- آکادمی دورزدن محدودیتهای کشوری یا شرایط استفاده را آموزش نمیدهد؛ این کار هم خلاف شرایط ارائهدهنده است و هم سامانهات را شکننده میکند.
- مدل محلی برای حریم خصوصی خوب است، ولی با بهترین مدلهای میزبانیشده برابر نیست. تفاوت را خودت اندازه میگیری.
- دفترچه آزمایش از امروز شروع میشود و در درس پنجم به تصمیم واقعی تبدیل میشود.
پرسشهای سنجش
دوستت مسیر خودکارسازی آکادمی را تا آخر تمام کرده و میگوید: «حالا نشان AI Automator و سطح B5 دارم.» در دو یا سه جمله توضیح بده چه بخشی از این جمله درست نیست و چرا.
پاسخ نمونه و معیار ارزیابی
تمامکردن درسها و دورهها نه سطح عمومی صادر میکند نه نشان تخصصی. سطح عمومی (B1 تا B5) با ارزیابی و شاهد روی شش مهارت عمومی تعیین میشود. نشان تخصصی به شاهد اجرایی و بازبینی نیاز دارد و قواعد صدورش هنوز نهایی نشده است. داشتن نشان هم سطح عمومی را بالا نمیبرد، چون این دو محور جدا هستند.
- میگوید تمامکردن دوره سطح یا نشان صادر نمیکند (1 امتیاز)
- سطح عمومی و نشان تخصصی را دو محور جدا میداند (1 امتیاز)
- به نیاز نشان به شاهد و بازبینی اشاره میکند (1 امتیاز)
- فقط میگوید B5 اشتباه است ولی نشان را میپذیرد ← نشان هم با تمامکردن دوره صادر نمیشود؛ پروژهها فقط میتوانند شاهد بازبینی باشند.
لپتاپ تو ۸ گیگابایت RAM و کارت گرافیک جدا ندارد. مطمئن نیستی کدام سرویس میزبانیشده برایت قانونی است. کدام مسیر اجرا را برای تمرینهای این دوره انتخاب میکنی و چرا؟
پاسخ نمونه و معیار ارزیابی
نمونهاجراهای آماده درس (و در صورت امکان یک مدل محلی خیلی کوچک برای آزمایشهای ساده). دلیل: مدلهای محلی رایج با این حافظه احتمالاً خیلی کند اجرا میشوند، و استفاده از سرویسی که از قانونیبودنش مطمئن نیستی ریسک شرایط استفاده و از دست رفتن حساب را دارد.
- مسیر نمونهاجراها یا مدل محلی خیلی کوچک را انتخاب میکند (1 امتیاز)
- محدودیت حافظه را در دلیل میآورد (1 امتیاز)
- عدم قطعیت درباره قانونیبودن را دلیلی برای پرهیز از سرویس میزبانیشده میداند (1 امتیاز)
- دانلود بزرگترین مدل محلی ← با ۸ گیگابایت RAM و بدون GPU، مدل بزرگ یا جا نمیشود یا آنقدر کند است که تمرین عملاً انجام نمیشود.
مدل محلی برای هر پاسخ کوتاه بیش از دو دقیقه طول میکشد. خروجی `ollama ps` این است. محتملترین علت و اولین اقدام چیست؟
خروجی ساختگی ollama ps
NAME ID SIZE PROCESSOR CONTEXT UNTIL sample-model a1b2c3 9.1 GB 100% CPU 4096 4 minutes from now
- اینترنت کند است؛ باید اتصال را بهتر کرد.
- مدل کاملاً روی CPU اجرا میشود؛ مدل کوچکتری انتخاب کن که در حافظه گرافیک جا شود، یا از مسیر نمونهاجراها استفاده کن.
- پنجره کانتکست ۴۰۹۶ کم است؛ باید آن را خیلی بزرگ کرد.
- Ollama خراب نصب شده؛ باید دوباره نصبش کرد.
پاسخ نمونه و معیار ارزیابی
- a ← مدل محلی پس از دانلود به اینترنت نیاز ندارد؛ سرعت اینترنت روی سرعت پاسخ اثری ندارد.
- c ← بزرگکردن پنجره کانتکست حافظه بیشتری مصرف میکند و مسئله را بدتر میکند.
- d ← نصب سالم است؛ ستون PROCESSOR علت را نشان میدهد.
کدام جمله درباره ساختار آکادمی درست است؟
- هر کس باید همه مسیرها را به ترتیب طی کند تا به سطح بالاتر برسد.
- همه از مسیر پایه شروع میکنند و سپس بر اساس هدف، مسیر بعدی را انتخاب میکنند.
- مسیر مهندسی ایجنت برای همه کاربران اجباری است چون بالاترین سطح است.
- انجام چالش رد شدن یعنی تسلط بر دوره تأیید شده است.
پاسخ نمونه و معیار ارزیابی
- a ← مسیرها بر اساس هدف انتخاب میشوند؛ فقط مسیر پایه برای همه مشترک است.
- c ← هیچ مسیری جز مسیر پایه برای همه اجباری نیست؛ مسیر ایجنت برای کسی است که میخواهد ایجنت بسازد.
- d ← چالش رد شدن فقط میگوید لازم نیست اینجا وقت بگذاری؛ تأیید تسلط نیست.
در یک گروه پیامرسان کسی پیشنهاد میدهد: «با VPN در سرویس X ثبتنام کن و هر بار با یک ایمیل جدید اعتبار رایگان بگیر.» در سه جمله توضیح بده چرا این راه را برای تمرینهای آکادمی انتخاب نمیکنی و چه میکنی.
پاسخ نمونه و معیار ارزیابی
این کار معمولاً خلاف شرایط استفاده سرویس است؛ مثلاً شرایط OpenRouter دسترسی به مدل محدودشده با VPN را ممنوع و دلیل تعلیق میداند، و ساخت حسابهای متعدد برای اعتبار رایگان را هم باید با شرایط همان سرویس سنجید؛ اگر خلاف آن باشد، حساب در خطر است. حساب ممکن است بدون هشدار بسته شود و دادهها و کار انجامشده از دست برود. بهجای آن مدل محلی یا نمونهاجراهای آماده را انتخاب میکنم، یا سرویسی که برایم قانونی است.
- به نقض شرایط استفاده اشاره میکند (1 امتیاز)
- ریسک عملی (بستهشدن حساب، از دست رفتن داده یا کار) را میگوید (1 امتیاز)
- یک مسیر مشروع جایگزین پیشنهاد میدهد (1 امتیاز)
- فقط میگوید «غیرقانونی است» بدون جایگزین ← خوب است، ولی بدون مسیر جایگزین، تمرین انجام نمیشود. یکی از سه مسیر مشروع را انتخاب کن.
همکلاسیات این ردیف را در دفترچه آزمایش نوشته است. دو چیز را نام ببر که باید اضافه شود تا این ردیف در درس پنجم (انتخاب مدل) به کارش بیاید، و برای هرکدام بگو چرا.
ردیف دفترچه (ساختگی)
تاریخ: ۱۴۰۵/۰۷/۲۲ مسیر اجرا و ابزار: هوش مصنوعی هدف آزمایش: — ورودی: «یک شعار برای نانوایی بنویس» خلاصه خروجی: خوب بود مشاهده: — زمان و هزینه: —
پاسخ نمونه و معیار ارزیابی
هر دو از این موارد قابل قبول است: (۱) نام دقیق ابزار یا مدل و نسخه، بهجای «هوش مصنوعی»، چون بدون آن نمیشود نتیجه را با مدل دیگر مقایسه کرد یا تکرار کرد. (۲) هدف آزمایش، چون معلوم نیست چه چیزی سنجیده شد. (۳) خلاصه خروجی مشخص، نه «خوب بود»، چون قضاوت بدون شاهد قابل بررسی نیست. (۴) مشاهده، یعنی چه چیز غیرمنتظرهای دیده شد. (۵) زمان پاسخ، که در درس سوم و پنجم برای مقایسه لازم است.
- دستکم دو کمبود درست را نام میبرد (1 امتیاز)
- برای هرکدام دلیلی مرتبط با مقایسه یا تکرارپذیری میآورد (1 امتیاز)
- فقط میگوید «کاملتر بنویسد» ← دقیقاً کدام ستون؟ و چرا آن ستون برای مقایسه لازم است؟
فایلهای درس
قالب دفترچه آزمایش با یک ردیف نمونه ساختگی
lab-notebook-template.csvنمونهاجراهای ساختگی برای مسیر mock
sample-runs.mdابزارها و جایگزینها
- دفترچه آزمایش (صفحهگسترده یا فایل متنی) — ثبت آزمایشها در کل دوره — کاغذ
منابع
loOkiYar Competency Framework v1.3 loOkiYar (internal, approved) v1.3
Supported countries and territories OpenAI 2026-10
Supported countries and regions Anthropic 2026-10
Available regions for Google AI Studio and Gemini API Google 2026-10
Terms of Service OpenRouter 2026-10
Quickstart Ollama 2026-10
FAQ Ollama 2026-10
Context length Ollama 2026-10
Gemini API Additional Terms of Service Google 2026-10