آموزش استقرار ایجنت‌های هوش مصنوعی: LLMها، LangGraph و APIهای عملیاتی - آخرین آپدیت

دانلود Deploying AI Agents: LLMs, LangGraph, and Production APIs

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: مهارت‌های خود در زمینه ایجنت‌های هوش مصنوعی را با این دوره عملی در مورد ساخت، اعتبارسنجی و استقرار ایجنت‌های مبتنی بر LLM با استفاده از LangGraph، LangChain، Pydantic-AI، Mem0، CrewAI، Agno و FastAPI به سطح تولید (Production) برسانید. شما یاد خواهید گرفت که چگونه نمونه‌های اولیه را به سیستم‌های ایجنتی قابل اعتماد و در سطح سازمانی تبدیل کنید. پودمان ۱ به ادغام LLMها (OpenAI، Anthropic) در خط لوله‌های استدلالی LangGraph، طراحی گره‌ها (Nodes)، جریان کنترل، مدیریت توکن‌ها و تست تکرارشونده گردش کار می‌پردازد. پودمان ۲ بر اجرای سخت‌گیرانه طرح‌واره‌ها (Schema Enforcement) با Pydantic-AI، خروجی‌های ساختاریافته و ساخت یک دستیار گردش کار تجاری با ورودی/خروجی‌های تایید شده و قابل اعتماد تمرکز دارد. پودمان ۳ شما را در مسیر استقرار کامل هدایت می‌کند: بک‌اندهای FastAPI، حافظه پایدار با Mem0 و ذخیره‌سازهای برداری (Vector Stores)، و ارکستراسیون با Agno و CrewAI در محیط عملیاتی. پودمان ۴ به آموزش ارزیابی می‌پردازد: معیارها، لاگ‌گیری، تست فشار (Load Testing)، بنچ‌مارک و مقایسه LangGraph، CrewAI و Agno برای استقرار در مقیاس سازمانی. در پایان این دوره، شما قادر خواهید بود: - LLMها را در خط لوله‌های استدلالی ماژولار LangGraph ادغام کنید - ورودی/خروجی ایجنت‌ها را با استفاده از طرح‌واره‌های Pydantic-AI برای خروجی‌های قابل اعتماد اعتبارسنجی کنید - ایجنت‌ها را از طریق FastAPI همراه با حافظه پایدار Mem0 و Vector Store مستقر کنید - فریم‌ورک‌ها را ارزیابی و بنچ‌مارک کنید تا بهترین انتخاب برای محیط عملیاتی را داشته باشید

سرفصل ها و درس ها

مبانی همکاری چند-ایجنت Foundations of Multi-Agent Collaboration

  • ظهور همکاری‌های چند-ایجنت The Rise of Multi-Agent Collaboration

  • روندهای صنعت در هوش توزیع شده Industry Trends in Distributed Intelligence

  • مهارت‌ها و فریم‌ورک‌های مورد نیاز بازار Skills and Frameworks in Demand

  • نحوه ادغام APIهای LLM با LangGraph How LLM APIs Integrate with LangGraph

  • پیکربندی پارامترهای مدل برای استدلال Configuring Model Parameters for Reasoning

  • طراحی گره‌های استدلالی در LangGraph Designing Reasoning Nodes in LangGraph

  • پیاده‌سازی جریان کنترل بین گره‌ها Implementing Control Flow Between Nodes

  • برقراری تعادل بین استقلال و نظارت Balancing Independence and Oversight

  • ایجاد یک خط لوله استدلالی چند-گره‌ای Creating a Multi-Node Reasoning Pipeline

  • تست تکرارشونده و بهینه‌سازی Iterative Testing and Refinement

طراحی گردش کارهای چند-ایجنت مبتنی بر نقش Designing Role-Based Multi-Agent Workflows

  • مقدمه‌ای بر اعتبارسنجی داده‌ها Introduction to Data Validation

  • مدیریت خطاهای اعتبارسنجی Handling Validation Errors

  • پیاده‌سازی زنجیره محقق-نویسنده-ویراستار Implementing the Researcher-Writer-Editor Chain

  • مدیریت حلقه‌های بازخورد بین ایجنت‌ها Managing Inter-Agent Feedback Loops

  • ارزیابی گزارش‌ها و قابلیت اطمینان خروجی Evaluating Reports and Output Reliability

حافظه مشترک و هماهنگی کانتکست Shared Memory and Context Coordination

  • راه‌اندازی FastAPI برای گردش کارهای ایجنتی FastAPI Setup for Agentic Workflows

  • ایجاد نقاط اتصال (Endpoints) استنتاج Creating Inference Endpoints

  • پیکربندی Mem0 برای مدیریت وضعیت Configuring Mem0 for State Management

  • الگوهای حافظه پایدار برای استقرار ایجنت‌ها Persistent Memory Patterns for Agent Deployments.

  • ترکیب محیط‌های اجرای مختلف Combining Multiple Runtimes

  • همکاری در انجام وظایف در محیط عملیاتی Task Collaboration in Production

  • راهنمای گام‌به‌گام استقرار Deployment Walkthrough

ارکستراسیون و ارزیابی سیستم‌های چند-ایجنت Orchestrating and Evaluating Multi-Agent Systems

  • پیاده‌سازی بنچ‌مارک‌های عملکرد Implementing Performance Benchmarks

  • تحلیل نتایج تست و شناسایی گلوگاه‌ها Analyzing Test Results and Bottlenecks

  • سنجش قابلیت اطمینان ایجنت‌ها Benchmarking Agent Reliability

  • تحلیل مقایسه‌ای LangGraph در برابر CrewAI و Agno Comparative Analysis LangGraph vs CrewAI vs Agno

  • انتخاب فریم‌ورک مناسب برای محیط عملیاتی Choosing the Right Framework for Production

نمایش نظرات

آموزش استقرار ایجنت‌های هوش مصنوعی: LLMها، LangGraph و APIهای عملیاتی
جزییات دوره
15h 42m
27
(آخرین آپدیت)
112
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Board Infinity Board Infinity

Board Infinity: توانمندسازی مشاغل با مسیرهای یادگیری