لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش سیستمهای چند عاملی با LangGraph
- آخرین آپدیت
دانلود Multi-Agent Systems with LangGraph
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره آموزشی به معرفی «ساخت سیستمهای حالتدار (Stateful) و چند عاملی با LangGraph» برای توسعهدهندگان و مهندسان هوش مصنوعی میپردازد که میخواهند از عاملهای مبتنی بر تکپرامپت فراتر رفته و جریانهای کاری (Workflows) قابل اعتماد و آماده تولید بسازند. شما با یادگیری نحوه اجرای جریانهای کاری توسط LangGraph و چرایی اهمیت مدیریت وضعیت (State Management) برای دقت، قابلیت عیبیابی و وظایف طولانیمدت شروع خواهید کرد.
در ادامه، با استفاده از State Reducers، اشیاء وضعیت تایپشده و مکانیزمهای Checkpointing کار خواهید کرد که به عاملها اجازه میدهد پیشرفت خود را ذخیره کنند، از خطاها بازیابی شوند و اجراهای پیچیده چند مرحلهای را از سر بگیرند. از طریق نمایشهای عملی، شما مسیریابی شرطی، مسیرهای اجرای موازی و زیرگرافهای ماژولار را برای فعالسازی جریانهای کاری پویا و تصمیممحور پیادهسازی خواهید کرد.
با پیشرفت در دوره، سیستمهای Human-in-the-loop (تعامل انسان در چرخه) را با قابلیت تایید و وقفه طراحی میکنید، عیبیابی و تحلیل Time-travel را با استفاده از لاگهای اجرا و اسنپشاتها اعمال میکنید، و سیستمهای چند عاملی را با استفاده از مدلهای استدلال مبتنی بر اجماع (Consensus) و مدلهای سرپرست-کارگر (Supervisor-Worker) برای جریانهای کاری مقیاسپذیر و مشارکتی میسازید.
در پایان این برنامه، شما قادر خواهید بود:
- نحوه اجرای جریانهای کاری توسط LangGraph و مدیریت وضعیت در گرههای عامل را توضیح دهید.
- خط لولههای عامل حالتدار را با استفاده از اشیاء وضعیت تایپشده و الگوهای Reducer طراحی کنید.
- مکانیزمهای Checkpointing و بازیابی را برای جریانهای کاری عامل طولانیمدت پیادهسازی کنید.
- جریان اجرا را با استفاده از مسیریابی شرطی، اجرای موازی و زیرگرافها کنترل کنید.
- جریانهای کاری Human-in-the-loop را با قابلیت تایید، وقفه و بازرسی وضعیت بسازید.
- سیستمهای عامل را با استفاده از لاگهای اجرا، اسنپشاتها و تحلیل Time-travel عیبیابی کنید.
- جریانهای کاری Planner-Executor چند مرحلهای را برای اجرای وظایف پیچیده طراحی کنید.
- سیستمهای چند عاملی را با استفاده از مدلهای سرپرست-کارگر و مدلهای مبتنی بر اجماع هماهنگ کنید.
این برنامه برای مهندسان هوش مصنوعی، توسعهدهندگان بکاند و معماران سیستم که میخواهند سیستمهای عاملی بسازند که نه تنها هوشمند، بلکه قابل پیشبینی، قابل حسابرسی و آماده استفاده در محیط عملیاتی باشند، ایدهآل است. تجربه قبلی در پایتون، مبانی LLM و مفاهیم پایه عاملها به حداکثر کردن تجربه یادگیری شما کمک میکند.
یادگیرندگان به یک اتصال اینترنت پایدار، یک مرورگر وب مدرن و دسترسی به ابزارهای توسعه پایتون نیاز دارند. این دوره از LangGraph و APIهای مدرن LLM استفاده میکند که نیازی به سختافزار تخصصی ندارند. آشنایی با LangChain یا جریانهای کاری مبتنی بر عامل توصیه میشود.
به ما بپیوندید تا یاد بگیرید چگونه سیستمهای حالتدار و چند عاملی طراحی کنید که بتوانند در برنامههای دنیای واقعی به شکلی قابل اعتماد برنامهریزی، بازیابی، هماهنگی و استدلال کنند.
سرفصل ها و درس ها
شروع کار با LangGraph و عاملهای حالتدار
Getting Started with LangGraph and Stateful Agents
معرفی تخصص
Specialization Introduction
مقدمه دوره
Course Introduction
LangGraph چیست؟
What is LangGraph?
طراحی جریانهای کاری عامل تصمیممحور با LangGraph
Designing Decision-Driven Agent Workflows with LangGraph
نمایش نظرات