x
روح الله بلوردی طراح وب

آشنایی با روح الله بلوردی

روح الله بلوردی هستم متولد 1357 ، فعالیت خود را در زمینه طراحی از دوره دبیرستان و با هنر نقاشی ، خوشنویسی و گرافیک شروع کردم بعد از آمدن به تهران در سال 76 و آشنایی با دوستان موسسه سبوح به گرافیک رایانه ای علاقه مند شدم و از سال 78 اولین آثار خود را با نرم افزار کورل فتو پینت و کورل دراو شروع کردم. هم اکنون نیز در رشته گرافیک در دانشگاه علمی کاربردی بندرعباس مشغول به تحصیل گرافیک هستم. روح الله بلوردی دانش آموخته رشته گرافیک و طراح وب از سال ۱۳۸۰ فعالیت طراحی خود را با بسیج دانشجویی دانشگاه های تهران آغاز و با مجموعه های دولتی زیادی از جمله شبکه تحلیلگران تکنولوژی ایران همکاری داشته است. در مدت این سال ها توانسته است با ایجاد سبکی نو در طراحی وب آن را برای ایرانیان و مسلمانان بومی سازی کند ٬‌سبک خاص روح الله بلوردی که برگرفته از هنر اصیل ایرانی است شامل استفاده از تذهیب و آثار هنر های معماری و نقاشی و نگارگری ایرانی اسلامی است. استفاده از پالت رنگ ایرانی اصیل (برگرفته از آثار هنری ایرانی)‌آثار زیبایی را به وجود آورده است.

تماس با روح الله بلوردی

روح الله بلوردی طراح وب - بهترین هوش مصنوعی برای راه اندازی بر روی لوکال کامپیوتر رایانه شخصی

بهترین هوش مصنوعی برای راه اندازی بر روی لوکال کامپیوتر رایانه شخصی

هزینه‌های ماهانه سرویس‌های پولی کدنویسی هوشمند (مانند Cursor یا GitHub Copilot) و همچنین نگرانی‌های مربوط به حریم خصوصی کدها، بسیاری از توسعه‌دهندگان را به سمت راه‌حل‌های لوکال سوق داده است. خوشبختانه، اکوسیستم مدل‌های متن‌باز (Open-Source) به قدری پیشرفت کرده که اکنون می‌توانید یک ایجنت کدنویس (Coding Agent) کاملاً رایگان، آفلاین و قدرتمند را روی سیستم شخصی خود اجرا کنید.

چرا ایجنت لوکال؟

حریم خصوصی مطلق

کد شما هرگز از سیستم خارج نمی‌شود و روی سرورهای شخص ثالث آپلود نمی‌گردد.

کاملاً رایگان

بدون نیاز به اشتراک ماهانه یا پرداخت به ازای تعداد توکن‌های مصرفی.

سرعت و کنترل

تاخیر شبکه (Latency) حذف می‌شود و شما کنترل کاملی روی پارامترهای مدل دارید.

پیش‌نیازهای سخت‌افزاری و نرم‌افزاری

برای اجرای روان یک مدل کدنویس، داشتن منابع سخت‌افزاری مناسب ضروری است. حداقل‌های پیشنهادی عبارتند از:

  • کارت گرافیک (GPU): انویدیا با حداقل 8 تا 12 گیگابایت VRAM (برای مدل‌های 14B) یا 24+ گیگابایت (برای مدل‌های 32B به بالا).
  • رم سیستم (RAM): حداقل 16 گیگابایت (۳۲ گیگابایت یا بیشتر برای مدل‌های بزرگ‌تر یا در صورت استفاده از CPU).
  • سیستم‌عامل: ویندوز 10/11، لینوکس (اوبونتو) یا macOS (ترجیحاً با چیپ Apple Silicon).

قدم اول: انتخاب بهترین مدل هوش مصنوعی

برای اینکه ایجنت شما بتواند فایل‌ها را بخواند، خطاها را دیباگ کند و کد تولید کند، به مدل‌هایی با پنجره زمینه (Context Window) بزرگ و تخصص در برنامه‌نویسی نیاز دارید.

  • qwen2.5-coder:14b
    تعادل بی‌نظیر بین سرعت و هوش. مناسب برای اکثر سیستم‌های متوسط.
    ~10 GB VRAM
  • qwen2.5-coder:32b
    قدرت استدلال بالاتر برای پروژه‌های بزرگ و پیچیده.
    ~24 GB VRAM
  • qwen3-coder-next (یا نسخه‌های جدیدتر آزمایشی)
    نسل جدید با معماری MoE برای سرعت بالاتر و درک عمیق‌تر (نیازمند سخت‌افزار قدرتمند).
    ~50+ GB RAM

قدم دوم: نصب و راه‌اندازی Ollama

1. به وب‌سایت رسمی ollama.com مراجعه کرده و نسخه مناسب سیستم‌عامل خود را دانلود و نصب کنید.

2. ترمینال (Command Prompt یا Terminal) را باز کنید و دستور زیر را برای دانلود مدل وارد نمایید:

ollama pull qwen2.5-coder:14b

پس از اتمام دانلود، می‌توانید با دستور ollama run qwen2.5-coder:14b از عملکرد آن به صورت مستقیم در ترمینال اطمینان حاصل کنید.

قدم سوم: تبدیل VS Code به یک ایجنت هوشمند

برای داشتن تجربه‌ای مشابه Cursor Composer (جایی که هوش مصنوعی خودش فایل می‌سازد، ویرایش می‌کند و ترمینال را اجرا می‌کند)، به یک افزونه (Extension) ایجنت‌محور نیاز دارید.

افزونه پیشنهادی: Roo Code (یا Cline)

این افزونه‌ها به طور خاص برای کارهای "Agentic" طراحی شده‌اند. آن‌ها می‌توانند:

  • ساختار کل پروژه شما را بخوانند.
  • فایل‌های جدید ایجاد کرده یا فایل‌های موجود را ویرایش کنند.
  • دستورات را در ترمینال داخلی VS Code اجرا کنند.
  • خطاهای ترمینال را خوانده و به صورت خودکار برای رفع آن‌ها تلاش کنند.

مراحل تنظیم:

  1. در مارکت‌پلیس VS Code، عبارت Roo Code یا Cline را جستجو و نصب کنید.
  2. آیکون افزونه را در نوار کناری (Activity Bar) باز کنید و به بخش Settings بروید.
  3. در قسمت API Provider، گزینه Ollama را انتخاب کنید.
  4. آدرس API را روی http://localhost:11434 تنظیم کنید.
  5. در فیلد Model Name، نام مدل دانلود شده (مثلاً qwen2.5-coder:14b) را دقیقاً وارد کنید.

نکات طلایی برای حرفه‌ای‌ها

  • مدیریت دما (Temperature): برای کدنویسی، مقدار Temperature را در تنظیمات مدل یا افزونه روی 0.1 تا 0.3 قرار دهید. این کار خلاقیت کاذب را کاهش داده و دقت کد را به شدت افزایش می‌دهد.
  • استفاده از Aider (جایگزین ترمینالی): اگر به دنبال قدرتمندترین ایجنت خط فرمان هستید که مستقیماً با Git ادغام شود، ابزار aider را امتحان کنید. دستور اجرا: 
    pip install aider-chat
aider --model ollama/qwen2.5-coder:14b
  • پرهیز از اشباع Context: در پروژه‌های بسیار بزرگ، به جای ارسال کل کدبیس، از قابلیت‌های @file یا @folder در افزونه استفاده کنید تا فقط فایل‌های مرتبط به مدل داده شوند.

جمع‌بندی

ترکیب VS Code + افزونه Roo Code + مدل Qwen2.5-Coder روی Ollama، یک محیط توسعه یکپارچه، هوشمند، کاملاً رایگان و محرمانه را برای شما فراهم می‌کند. با این راه‌حل، نه تنها از هزینه‌های اشتراک ماهانه رها می‌شوید، بلکه کنترل کاملی بر روی ابزار توسعه خود خواهید داشت.

آیا این راهنما برای شما مفید بود؟ آن را با همکاران و دوستان توسعه‌دهنده خود به اشتراک بگذارید.

برو بالا