آموزش دوره جامع ساخت ایجنتهای هوش مصنوعی، RAG و MCP: بوتکمپ ۷ روزه سازندگان - آخرین آپدیت
دانلود Certified AI Agents, RAG & MCP: 7-Day Builder Bootcamp
هوش مصنوعی به سرعت در حال تکامل است و از چتباتهای ساده و مهندسی پرامپت فراتر رفته است. سازمانهای مدرن در حال ساخت سیستمهای هوشمندی هستند که میتوانند استدلال کنند، برنامهریزی نمایند، دانش را بازیابی کنند، از ابزارها استفاده کنند، گردشکارها را خودکار کنند، در وبسایتها پیمایش کنند، با ایجنتهای دیگر همکاری کنند و به عنوان کارکنان دیجیتال خودمختار عمل کنند. تقاضا برای مهندسانی که میدانند چگونه این سیستمهای پیشرفته را بسازند، هرگز تا این حد زیاد نبوده است.
بوتکمپ ۷ روزه سازندگان ایجنتهای AI، RAG و MCPیک دوره متمرکز و عملی است که برای توسعهدهندگان، مهندسان هوش مصنوعی، معماران و متخصصان فنی طراحی شده است که تجربه پایتون و توسعه پایه AI را دارند و میخواهند بر نسل بعدی سیستمهای هوش مصنوعی مسلط شوند.
برخلاف دورههایی که فقط بر پرامپتنویسی یا ابزارهای تکمنظوره تمرکز دارند، این بوتکمپ نحوه مهندسی کامل اپلیکیشنهای هوش مصنوعی را از پایه آموزش میدهد. در طول هفت روز پربار، شما پروژههای واقعی را با استفاده از فریمورکها، معماریها و الگوهای طراحی مدرنی میسازید که توسط تیمهای پیشرو هوش مصنوعی در جهان استفاده میشود.
شما با یادگیری نحوه ایجاد ایجنتهای هوش مصنوعی خودمختارشروع میکنید که قادر به برنامهریزی وظایف، اجرای ابزارها، ذخیره حافظه، بازتاب روی نتایج و تولید خروجیهای ساختاریافته هستند. سپس وارد مبحث تولید تقویتشده بازیابی پیشرفته (Advanced RAG)میشوید و یاد میگیرید چگونه سیستمهای دانش در سطح سازمانی را با استفاده از بازیابی ترکیبی، گرافهای دانش، Agentic RAGو پاسخهای مستند به منبع بسازید.
سپس دوره به بررسی اکوسیستم در حال رشد پروتکل کانتکست مدل (MCP)میپردازد. شما سرورهای MCP قابل استفاده مجدد میسازید، سیستمهای AI را به پایگاههای داده و APIها متصل میکنید و یاد میگیرید که ایجنتهای مدرن چگونه با ابزارها و منابع خارجی تعامل دارند.
همچنین یاد میگیرید چگونه ایجنتهای مرورگربسازید که در وبسایتها پیمایش کنند، اطلاعات را استخراج کنند، گردشکارها را خودکار کنند و به عنوان کارکنان دیجیتال قدرت گرفته از AI عمل کنند. از آنجا به سراغ سیستمهای چند-ایجنتهمیروید، جایی که ایجنتهای متخصص از طریق فریمورکهای ارکستراسیون مانند LangGraphبرای حل مسائل پیچیده تجاری همکاری میکنند.
در نیمه دوم بوتکمپ، هوش مصنوعی چندوجهی (Multimodal AI)را بررسی خواهید کرد و متن، تصاویر، اسنادو صدارا در اپلیکیشنهای هوشمندی ترکیب میکنید که قادر به درک و استدلال در انواع مختلف دادهها هستند.
در نهایت، یاد میگیرید که تیمهای حرفهای AI چگونه سیستمها را با استفاده از فریمورکهای ارزیابی AI، مشاهدهپذیری، نردههای حفاظتی (Guardrails)، FastAPIو متدهای مهندسی عملیاتی، ارزیابی، مانیتور و مستقر میکنند.
در پایان این دوره، شما هفت پروژه آماده برای پورتفولیو ساختهاید:
ایجنت پژوهشی خودمختار
ایجنت دانش سازمانی
سرور MCP عملیاتی
ایجنت مرورگر خودمختار
سیستم هوش تجاری چند-ایجنته
کمکخلبان عملیات چندوجهی
پلتفرم عملیاتی هوش مصنوعی
چه هدف شما تبدیل شدن به یک مهندس AI، مهندس ایجنت، توسعهدهنده Generative AI، معمار راهکاریا یک رهبر فنی باشد، این دوره تجربه عملی ساخت سیستمهایی را فراهم میکند که سازمانها امروزه فعالانه در حال استقرار آنها هستند.
اگر آمادهاید از پرامپتها فراتر رفته و شروع به ساخت ایجنتهای AI، سیستمهای RAG، یکپارچهسازیهای MCP، گردشکارهای چند-ایجنتهو اپلیکیشنهای عملیاتی AIکنید، این بوتکمپ برای شماست.
پروژه نمایشی: رئیس staffs هوش مصنوعی Teaser Project: AI Chief of Staff
-
پیادهسازی جامع برای رئیس staffs هوش مصنوعی End-to-end Implementation for AI Chief of Staff
روز اول —مهندسی ایجنت و سیستمهای AI خودمختار Day 1 — Agent Engineering & Autonomous AI Systems
-
معماری مدرن سیستمهای هوش مصنوعی Modern AI System Architecture
-
سیستمهای برنامهریزی و استدلال Planning and Reasoning Systems
-
معماریهای حافظه Memory Architectures
-
فریمورکهای فراخوانی ابزار (Tool Calling) Tool Calling Frameworks
-
پروژه عملی: ساخت یک ایجنت پژوهشی خودمختار Hands-On Project: Build an Autonomous Research Agent
روز دوم —RAG پیشرفته و سیستمهای دانش Day 2 — Advanced RAG & Knowledge Systems
-
چرا RAG ساده شکست میخورد؟ Why Basic RAG Fails
-
استراتژیهای بازیابی پیشرفته Advanced Retrieval Strategies
-
سیستم RAG با گراف دانش Knowledge Graph RAG
-
سیستم Agentic RAG Agentic RAG
-
پروژه عملی: ساخت یک ایجنت دانش سازمانی Hands-On Project: Build an Enterprise Knowledge Agent
روز سوم —MCP و اکوسیستم ابزارهای هوش مصنوعی Day 3 — MCP & AI Tool Ecosystems
-
بررسی عمیق MCP MCP Deep Dive
-
ساخت سرورهای MCP Building MCP Servers
-
یکپارچهسازیهای سازمانی Enterprise Integrations
-
معماریهای چند-MCP Multi-MCP Architectures
-
پروژه عملی: ساخت اولین سرور MCP عملیاتی شما Hands-On Project: Build Your First Production MCP Server
روز چهارم —ایجنتهای مرورگر و کارکنان دیجیتال Day 4 — Browser Agents & Digital Workers
-
معماری ایجنتهای مرورگر Browser Agent Architectures
-
فریمورکهای تعامل با وب Web Interaction Frameworks
-
اتوماسیون مقاوم و پایدار Robust Automation
-
برنامهریزی ایجنت برای مرورگرها Agent Planning for Browsers
-
پروژه عملی: ساخت یک ایجنت مرورگر خودمختار Hands-On Project: Build an Autonomous Browser Agent
روز پنجم —سیستمهای چند-ایجنته و هوش جمعی (Swarm) Day 5 — Multi-Agent Systems & Swarm Intelligence
-
الگوهای طراحی چند-ایجنته Multi-Agent Design Patterns
-
استفاده از LangGraph برای ارکستراسیون ایجنتها LangGraph for Agent Orchestration
-
ارتباطات بین ایجنتها Agent Communication
-
معماریهای ایجنت سازمانی Enterprise Agent Architectures
-
پروژه عملی: ساخت سیستم تحلیلگر تجاری چند-ایجنته Hands-On Project: Build a Multi-Agent Business Analyst System
روز ششم —هوش مصنوعی چندوجهی و مهندسی اپلیکیشنهای AI Day 6 — Multimodal AI & AI Application Engineering
-
مبانی هوش مصنوعی چندوجهی Multimodal Foundations
-
مدلهای بینایی (Vision Models) Vision Models
-
سیستمهای هوش مصنوعی صوتی Voice AI Systems
-
ایجنتهای چندوجهی Multimodal Agents
-
پروژه عملی: ساخت کمکخلبان عملیات چندوجهی Hands-On Project: Build a Multimodal Operations Copilot
روز هفتم —مهندسی عملیاتی هوش مصنوعی و استقرار Day 7 — Production AI Engineering & Deployment
-
فریمورکهای ارزیابی هوش مصنوعی AI Evaluation Frameworks
-
مشاهدهپذیری و مانیتورینگ Observability & Monitoring
-
نردههای حفاظتی و حاکمیت (Governance) Guardrails & Governance
-
استقرار در محیط عملیاتی (Production) Production Deployment
-
پروژه عملی: ساخت و استقرار یک پلتفرم عملیاتی هوش مصنوعی Hands-On Project: Build and Deploy a Production AI Platform
School of AI
Arjun Vaid
نمایش نظرات