فرض کن کلی یادداشت، فایل و اطلاعات مربوط به پروژه‌های مختلف داری. هر بار هم که به یه اطلاعات خاص نیاز پیدا می‌کنی، باید بین ده‌ها فایل و پوشه دنبالش بگردی!
🤖 حالا اگه یه AI Agent داشته باشی که بدونه هر اطلاعاتی کجا ذخیره شده و هر وقت خواستی برات پیداش کنه، چی؟
🟢 یکی از قابلیت‌های کاربردی Claude Code اینه که می‌تونه به فایل‌های پروژه دسترسی داشته باشه، اطلاعاتشون رو بخونه و براساس اون‌ها به سوالات ما پاسخ بده. با استفاده از همین قابلیت می‌تونیم یک سیستم ساده برای مدیریت دانش شخصی بسازیم، بدون اینکه به دیتابیس پیچیده یا نرم‌افزارهای مخصوص یادداشت‌برداری نیاز داشته باشیم.
🔍 این سیستم چطور کار می‌کنه؟
ایده خیلی ساده‌ست! اطلاعاتمون رو داخل فایل‌های Markdown (با پسوند
.md) ذخیره می‌کنیم و اون‌ها رو براساس موضوع دسته‌بندی می‌کنیم. اما بخش جذاب ماجرا، استفاده از فایل CLAUDE.md هست. این فایل مثل یک نقشه راه برای Claude Code عمل می‌کنه و بهش توضیح می‌ده که اطلاعات کجا قرار گرفتن و برای پیدا کردن هر موضوع باید سراغ چه فایل‌هایی بره.🟢مثلا فرض کن از ایجنت بپرسی:
«آخرین وضعیت پروژه طراحی سایت چی شد و چه کارهایی هنوز باقی مونده؟»
ایجنت با کمک این نقشه، فایل مرتبط رو پیدا می‌کنه، اطلاعاتش رو می‌خونه و براساس اون‌ها بهت پاسخ می‌ده. حتی می‌تونی ازش بخوای اطلاعات جدید رو هم در فایل‌های مربوط ثبت کنه تا اطلاعات پروژه‌هات به‌روز بمونن.
🟢 چرا این روش کاربردیه؟
چون به‌جای اینکه هر بار جزئیات پروژه‌ها و اطلاعات قبلی رو دوباره برای هوش مصنوعی توضیح بدیم، یک منبع دانش منظم در اختیارش قرار می‌دیم که می‌تونه در گفتگوهای مختلف به اون مراجعه کنه.
البته دقت پاسخ‌های ایجنت به کیفیت اطلاعات ذخیره‌شده و نحوه جست‌وجوی اون بستگی داره و همچنان باید فایل‌ها رو به‌روز نگه داریم.
💡 نکته جالب اینجاست که برای شروع، به ابزارهای پیچیده نیاز نداریم! چند فایل ساده، یک ساختار منظم و یک ایجنت که بتونه از اون‌ها استفاده کنه، کافیه.
📌 توی تصویر، یک ساختار پیشنهادی برای پیاده‌سازی این سیستم و نحوه ارتباط فایل‌ها با ایجنت رو نشون دادیم.
🤖 بوتکمپ ایجنت‌های هوش‌مصنوعی
🤖 سلسله وبینارهای رایگان AI Agents
📍 کانال هوش‌مصنوعی کافه‌تدریس:
@Cafetadrispro