آموزش توسعه اپلیکیشن‌های RAG با LlamaIndex و Next.js - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• پیش‌نیازهای دوره و مخاطبان هدف Course prerequisites and who is this course for?

• ساختار دوره Course structure

• مشاهده کنید: چه چیزی در این دوره خواهید ساخت Please watch: What you'll build in this course

• مقدمه Introduction

1. راه‌اندازی محیط توسعه 1. Development Environment Setup

• ساخت حساب OpenAI و دریافت API key Setup OpenAI account and the OpenAI API key

• راه‌اندازی محیط توسعه: دستورالعمل‌های Node.js Set up dev environment: Node.js instructions

2. بررسی عمیق LlamaIndex: مبانی 2. LlamaIndex Deep Dive: Fundamentals

• بررسی کلی LlamaIndex: دریافت داده، ایندکس‌گذاری و رابط کوئری LlamaIndex: Data ingestion, indexing and query interface overview

• خلاصه مبحث Summary

• بررسی عمیق LlamaIndex و ویژگی‌های کلیدی Deep dive into LlamaIndex and key features: Overview

• دوره فشرده RAG RAG crash course

• بررسی جریان کاری LlamaIndex LlamaIndex flow: Overview

• پروژه عملی: راه‌اندازی سیستم RAG ساده با LlamaIndex Hands-on: Set up LlamaIndex simple RAG system

3. بررسی عمیق LlamaIndex: مفاهیم اصلی و لودرهای داده 3. LlamaIndex Deep Dive: Main Concepts and Data Loaders

• پروژه عملی: استخراج داده‌های ساختاریافته Hands-on: Structured data extraction

• پروژه عملی: تعامل با سیستم RAG از طریق Express API Hands-on: Interacting with a RAG system through an Express API, full hands-on

• مرحله کوئری: بررسی کامل ChatEngine و Query Engine Querying stage: ChatEngine and querying engine full overview

• پروژه عملی: ساخت یک سیستم RAG سفارشی با LlamaIndex Hands-on: Create a custom RAG system with LlamaIndex

• پروژه عملی: کوئری زدن در یک فایل PDF Hands-on: Querying a PDF file

• مرحله کوئری: بررسی کلی The querying stage: Overview

• خلاصه مبحث Summary

• مفاهیم هسته LlamaIndex: ایندکس لودرها LlamaIndex core concepts: Loaders index

4. ایجنت‌ها و کوئری‌های پیشرفته با LlamaIndex 4. Agents and Advanced Queries with LlamaIndex

• پروژه عملی: ایجاد RouterQueryEngine برای مدیریت چندین موتور کوئری Hands-on: Creating a RouterQueryEngine to handle multiple query engines

• ایجنت‌ها و کوئری‌های پیشرفته: بررسی RouterQueryEngine Agents and advanced queries: The RouterQueryEngine overview

• پروژه عملی: تعریف توابع و ابزارهای کوئری برای شروع چت با ایجنت Hands-on: Defining functions and querying tools to start chatting with the agent

• پروژه عملی: سیستم RAG با چندین منبع داده Hands-on: RAG system with multiple data sources

5. پایداری داده‌ها و تکنیک‌های آماده برای تولید 5. Persist Your Data and Production-Ready Techniques

• تکنیک‌های آماده برای تولید: مقدمه Production-ready techniques: Introduction

• خلاصه مبحث Summary

• پروژه عملی: بارگذاری ایندکس با داده‌های پایدار و پاسخ‌های استریم Hands-on: Load index with the persisted data and stream response

• پروژه عملی: کار با داده‌ها در LlamaIndex Hands-on: Data with LlamaIndex

6. ساخت چت‌بات وب Full-stack با NextJS و استقرار آن 6. NextJS Full-stack Web Application Chatbot with One Command and Deployment

• پروژه عملی: استقرار اپلیکیشن چت Full-stack Next.js در Vercel Hands-on: Deploying our Next.js full-stack chat app to Vercel

• اپلیکیشن چت‌بات با Next.js: بررسی کلی وب اپلیکیشن Full-stack Chatbot app with Next.js: Full-stack web app, overview

• پروژه عملی: تولید وب اپلیکیشن Full-stack با دستور create-llama CLI Hands-on: Generating a full-stack web app with create-llama CLI command

• پروژه عملی: شخصی‌سازی اپلیکیشن با داده‌های خودتان و چت با آن Hands-on: Customizing the app with your own data and chatting with it

7. جمع‌بندی 7. Wrap up

• جمع‌بندی و گام‌های بعدی Wrap up and next steps