دایرکتوری حرفه‌ای مدل‌ها، ابزارها و راهنماهای راه‌اندازی

راهنمای نصب

راهنمای شروع local روی ویندوز، مک و لینوکس

اگر نمی‌دانید برای local AI از کجا شروع کنید، این صفحه مسیر ساده‌تر را برای Windows، macOS و Linux روشن می‌کند و می‌گوید چه زمانی سراغ Ollama، LM Studio یا llama.cpp بروید.

راهنمای integration

راهنمای API-first برای مدل‌های proprietary

اگر نمی‌خواهید وارد serving شوید و زمان رسیدن به MVP برایتان حیاتی است، مسیر API-first هنوز سریع‌ترین راه حرفه‌ای است؛ به‌شرط اینکه cost، lock-in و governance را از ابتدا مهندسی کنید.

مقایسه تصمیم‌یار

مقایسه local، API و self-host

مهم‌ترین سؤال عملی بسیاری از تیم‌ها همین است: local run کنم، API بگیرم یا self-host شوم؟ این صفحه به‌جای پاسخ شعاری، trade-off تصمیم را شفاف می‌کند.

راهنمای integration

راهنمای integration برای RAG

RAG با وصل‌کردن یک LLM به vector DB حل نمی‌شود. این guide مسیر حرفه‌ای integration را از ingest تا retrieval، reranking، answer synthesis و evaluation توضیح می‌دهد.

راهنمای deployment

راهنمای deployment برای محصول و سازمان

deployment حرفه‌ای با «انتخاب مدل» تمام نمی‌شود. این guide از phaseهای rollout تا security، observability، guardrails و maintenance trade-off را برای محصول و سازمان جمع می‌کند.

راهنمای deployment

Guardrails، observability و evaluation

بخش بزرگی از production readiness نه در مدل، بلکه در guardrails، observability و evaluation است. این صفحه نشان می‌دهد چطور AI feature را قابل‌پایش، قابل‌کنترل و قابل‌اعتماد نگه دارید.

اکوسیستم / ابزار

اکوسیستم Ollama

Ollama بهترین نقطه شروع برای تیم‌هایی است که می‌خواهند بدون درگیرشدن با serving stackهای سنگین، مدل را روی لپ‌تاپ، ورک‌استیشن یا سرور کوچک بالا بیاورند.

اکوسیستم / ابزار

اکوسیستم vLLM

vLLM یکی از جدی‌ترین انتخاب‌ها برای serving مدل‌های open-weight در production است؛ مخصوصاً وقتی throughput، OpenAI-compatible API و batching برایتان مهم است.

Guideهای setup و onboarding

برای این‌که از local، desktop، API یا self-host دقیقاً از کجا شروع کنید.

۵ صفحه مرجع

اکوسیستم و tooling

برای فهم اینکه Ollama، vLLM، TGI، Hugging Face یا GGUF کجا به‌درد می‌خورند.

۲۰ صفحه مرجع

integration و implementation

برای RAG، document AI، API-first backend و use-caseهای اجرایی.

۷ صفحه مرجع

deployment و ops

برای rollout، guardrails، observability و production trade-offها.

۶ صفحه مرجع

LLMهای self-host

خانواده‌های باز برای chat، reasoning و استقرار داخل زیرساخت خودتان.

۴۲ صفحه مرجع

کدنویسی و developer models

مدل‌هایی برای completion، coding agent و workflow توسعه.

۴۱ صفحه مرجع

Embedding و retrieval

برای semantic search، RAG و reranking روی corpus سازمانی.

۳۸ صفحه مرجع

چندوجهی و document AI

مدل‌هایی برای تصویر، PDF، visual QA و سندخوانی.

۲۹ صفحه مرجع

تصویر و design

از diffusion باز تا APIهای حرفه‌ای تولید تصویر و asset.

۱۵ صفحه مرجع

صوت، TTS و voice

speech-to-text، voice agents و TTS برای product و enterprise.

۳۴ صفحه مرجع