آموزش مهندسی پرامپت پیشرفته و مهندسی زمینه (Context Engineering) - آخرین آپدیت

مبانی تعامل با مدل‌های زبانی بزرگ (LLM) Foundations of LLM Interactions

• مقدمه دوره Course Introduction

• آشنایی با مهندسی پرامپت Introduction to Prompt Engineering

• تکنیک‌های موثر پرامپت‌نویسی برای سیستم‌های هوش مصنوعی Effective Prompting Techniques for AI Systems

• نمایش عملی: آشنایی با Google AI Studio Demonstration: Introduction to Google AI Studio

• نمایش عملی: چگونگی تأثیر بخش‌های مختلف پرامپت بر خروجی Demonstration: How Different Prompt Parts Influence Output

• نمایش عملی: ساخت و اصلاح یک پرامپت Demonstration: Building and Iterating a Prompt

• پرامپت‌نویسی خودسازگار و پرامپت‌نویسی دانش تولید شده Self-Consistency Prompting and Generated Knowledge Prompting

• نمایش عملی: الگوهای Few-Shot و انتخاب نمونه در عمل Demonstration: Few-Shot Patterns and Exemplar Selection in Action

• نمایش عملی: عیب‌یابی پرامپت در محیط چت شبیه‌سازی شده Demonstration: Hands-On Prompt Debugging in a Simulated Chat

الگوهای پیشرفته پرامپت‌نویسی Advanced Prompting Patterns

• چرا الگوهای پیشرفته پرامپت‌نویسی کار واقعی را تسریع می‌کنند؟ Why Advanced Prompting Patterns Accelerate Real Work

• پرامپت‌نویسی عقب‌گرد (Step Back) و پرامپت‌نویسی از کم به زیاد Step-Back Prompting and Least-to-Most Prompting

• نمایش عملی: پرامپت‌نویسی نقش‌محور برای خروجی‌های اختصاصی ذینفعان Demonstration: Role-Based Prompting for Stakeholder-Specific Outputs

• نمایش عملی: زنجیره افکار (Chain of Thought) و استدلال کنترل‌شده Demonstration: Chain-of-Thought and Controlled Reasoning

• نمایش عملی: پرامپت‌نویسی درخت افکار: کاوش در مسیرهای استدلالی متعدد Demonstration: Tree-of-Thought Prompting: Exploring Multiple Reasoning Paths

• زنجیره‌سازی پرامپت: الگوهای طراحی برای جریان‌های کاری چند مرحله‌ای Prompt Chaining: Design Patterns for Multi-Step Workflows

• نمایش عملی: تولید خودکار پرامپت: اجازه دادن به مدل برای بهینه‌سازی پرامپت‌های خود Demonstration: Auto-Prompt Generation: Letting the Model Optimise Its Own Prompts

طراحی پرامپت‌های پیچیده و زمینه برای جریان‌های کاری واقعی Designing Complex Prompts and Context for Real Workflows

• مقدمه‌ای بر مهندسی زمینه: چیستی و چرا فراتر از پرامپت‌نویسی است Introduction to Context Engineering: What It Is and Why It Goes Beyond Prompting

• انواع زمینه (Context) در اپلیکیشن‌های مبتنی بر LLM Types of Context in LLM-Driven Applications

• نمایش عملی: ساخت یک پرامپت پیچیده با دستورالعمل‌های سیستم و خروجی JSON Demonstration: Building a Complex Prompt with System Instructions and JSON Output

• نمایش عملی: تمرین پرامپت‌نویسی در محیط شبیه‌سازی شده LLM Demonstration: Hands-On Prompting in a Simulated LLM Environment

• نمایش عملی: اصلاح با حضور انسان: ایجاد گیت‌های تأیید در جریان‌های کاری پرامپت Demonstration: Human-in-the-Loop Refinement: Building Approval Gates into Prompt Workflows

استفاده از دانش خارجی و ارزیابی کیفیت پرامپت Using External Knowledge and Evaluating Prompt Quality

• چرا باید دانش خارجی را در پرامپت‌ها ادغام کرد؟ Why Integrate External Knowledge into Prompts?

• نمایش عملی: ساخت یک پرامپت RAG ساده با اسناد چسبانده شده و ارجاعات Demonstration: Building a Simple RAG Prompt with Pasted Docs and Citations

• نمایش عملی: اجرای آزمایش‌های RAG بدون زیرساخت در محیط شبیه‌سازی شده Demonstration: Run the No-Infra RAG Experiments in a Simulated Environment

• نمایش عملی: طراحی آزمایش بدون زیرساخت برای مقایسه استراتژی‌های زمینه پرامپت Demonstration: Designing a No-Infra Experiment to Compare Prompt-Context Strategies

پرامپت‌نویسی عملیاتی: مدیریت، ایمنی و اخلاق Operational Prompting: Governance, Safety, and Ethics

• تسلط بر قالب‌های پرامپت (Prompt Templates) Mastering Prompt Templates

• پرامپت‌نویسی خصمانه و تزریق پرامپت (Prompt Injection) Adversarial Prompting and Prompt Injection

• روش‌های دفاع در برابر تزریق پرامپت Defenses Against Prompt Injection

• نمایش عملی: فضای کاری شبیه‌سازی شده مدیریت پرامپت Demonstration: Hands-On Simulated Prompt Governance Workspace

• نمایش عملی: دفاع در برابر تزریق پرامپت: سناریوهای حمله و دفاع زنده Demonstration: Defenses Against Prompt Injection: Live Attack and Defence Scenarios

• خلاصه دوره Course Summary