آموزش جامع کیت توسعه عامل (ADK) [غیر گوگل] - آخرین آپدیت

دانلود Agent Development Kit (ADK) [Non-Google]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری ADK، سیستم‌های چند-عاملی (Multi-Agent)، حافظه، یکپارچه‌سازی ابزارها، جریان‌های کاری (Workflows)، استقرار و برنامه‌های کاربردی AI در محیط عملیاتی ساخت عامل‌های هوش مصنوعی با استفاده از Agent Development Kit (ADK) از مفاهیم پایه تا معماری‌های پیشرفته چند-عاملی. طراحی، پیکربندی و سازماندهی عامل‌ها با قابلیت‌های حافظه، ابزارها، جریان‌های کاری و استدلال. یکپارچه‌سازی APIها، سرویس‌های خارجی و منابع داده برای ایجاد برنامه‌های کاربردی هوشمند AI در دنیای واقعی. استقرار، تست، ایمن‌سازی و نظارت بر عامل‌های AI آماده تولید با استفاده از بهترین متدهای صنعتی. پیش نیازها: هیچ تجربه قبلی در ADK مورد نیاز نیست. مهارت‌های پایه کامپیوتری و اشتیاق به یادگیری توسعه عامل‌های AI کافی است.

سلب مسئولیت: این دوره شامل استفاده از هوش مصنوعی است

هوش مصنوعی به سرعت در حال تغییر نحوه ساخت اپلیکیشن‌ها است و عامل‌های AI (AI Agents) در حال تبدیل شدن به یکی از مهم‌ترین فناوری‌ها در توسعه نرم‌افزارهای مدرن هستند. این دوره جامع برای آموزش نحوه ساخت عامل‌های هوشمند AI با استفاده از Agent Development Kit (ADK)، از مفاهیم بنیادی تا پیاده‌سازی‌های پیشرفته و آماده تولید طراحی شده است.

در طول این دوره، خواهید آموخت که عامل‌های AI چگونه کار می‌کنند، چگونه تصمیم می‌گیرند، با کاربران تعامل می‌کنند، از ابزارها بهره می‌برند، حافظه را مدیریت می‌کنند و جریان‌های کاری پیچیده را اجرا می‌کنند. با شروع از مبانی ADK، درک استواری از معماری عامل، ارتباطات بین عامل‌ها، مهندسی پرامپت، مدیریت زمینه (Context) و تکنیک‌های سازماندهی به دست خواهید آورد.

با پیشروی در دوره، موضوعات پیشرفته‌ای از جمله سیستم‌های چند-عاملی، یکپارچه‌سازی ابزارها، اتصال API، اتوماسیون جریان کاری، تولید تقویت‌شده با بازیابی (RAG)، مدیریت حافظه، استراتژی‌های تست، تکنیک‌های دیباگ، ملاحظات امنیتی و بهترین روش‌های استقرار را بررسی خواهید کرد. شما یاد می‌گیرید چگونه عامل‌هایی بسازید که بتوانند با هم همکاری کنند، به سرویس‌های خارجی دسترسی داشته باشند، اطلاعات را پردازش کنند و مشکلات واقعی کسب‌وکار را به طور بهینه حل کنند.

این دوره همچنین مفاهیم سطح تولید مانند مقیاس‌پذیری، نظارت، بهینه‌سازی عملکرد، حاکمیت عامل‌ها، کنترل‌های امنیتی و بهترین روش‌های عملیاتی مورد نیاز برای سیستم‌های AI در سطح سازمانی را پوشش می‌دهد. از طریق مثال‌های کاربردی و نمایش‌های واقعی، تجربه عملی در ساخت برنامه‌های هوشمند قدرت گرفته از فناوری‌های مدرن AI کسب خواهید کرد.

چه توسعه‌دهنده باشید، چه علاقه‌مند به AI، متخصص اتوماسیون، دانشجو، کارآفرین یا متخصص فناوری، این دوره دانش و مهارت‌های عملی لازم برای طراحی، توسعه، استقرار و نگهداری عامل‌های قدرتمند AI را با استفاده از ADK فراهم می‌کند.

در پایان دوره، شما در ساخت راهکارهای عامل AI هوشمند، مقیاس‌پذیر و آماده تولید برای طیف گسترده‌ای از کاربردها و صنایع اعتماد به نفس کامل خواهید داشت.


سرفصل ها و درس ها

آشنایی با کیت توسعه عامل (ADK) Introduction to Agent Development Kit (ADK)

  • کیت توسعه عامل (ADK) چیست What is an Agent Development Kit

  • نقش عامل‌های AI در سیستم‌های نرم‌افزاری مدرن Role of AI Agents in Modern Software Systems

  • مقایسه ADK با معماری‌های سنتی اپلیکیشن ADK vs Traditional Application Architectures

  • مفاهیم کلیدی: عامل‌ها، ابزارها، نشست‌ها و حافظه Core Concepts: Agents, Tools, Sessions, Memory

  • سیستم‌های تک-عاملی در مقابل چند-عاملی Single-Agent vs Multi-Agent Systems

مبانی معماری ADK ADK Architecture Fundamentals

  • درک معماری عامل Understanding Agent Architecture

  • چرخه حیات عامل Agent Lifecycle

  • مفاهیم فراخوانی توابع (Function Calling) Function Calling Concepts

  • مدیریت نشست و مدیریت زمینه Session Management and Context Handling

  • سیستم‌های حافظه (کوتاه مدت در مقابل بلند مدت) Memory Systems (Short-Term vs Long-Term)

  • ساخت مؤلفه‌های ماژولار عامل Building Modular Agent Components

  • طراحی سیستم‌های عامل مقیاس‌پذیر Designing Scalable Agent Systems

ساخت اولین عامل شما Building Your First Agent

  • ایجاد یک عامل پایه Creating a Basic Agent

  • استفاده از API API Usage

  • دستیارهای چت در جریان کاری عامل‌محور Chat assistants in Agentic Workflow

  • یکپارچه‌سازی ابزارها در عامل‌ها Integrating Tools into Agents

  • مدیریت ورودی‌ها و خروجی‌ها Managing Inputs and Outputs

  • مدیریت خطاها و موارد خاص (Edge Cases) Handling Errors and Edge Cases

  • تست رفتار عامل Testing Agent Behavior

  • تکرار و بهبود عامل‌ها Iterating and Improving Agents

سیستم‌های چند-عاملی و سلسله‌مراتبی Multi-Agent Systems and Hierarchies

  • آشنایی با معماری‌های چند-عاملی Introduction to Multi-Agent Architectures

  • روابط عامل والد و فرزند Parent-Child Agent Relationships

  • تفویض وظایف بین عامل‌ها Task Delegation Between Agents

  • هماهنگ‌سازی ارتباطات بین عامل‌ها Coordinating Agent Communication

  • ساخت خط لوله‌های (Pipelines) عامل Building Agent Pipelines

  • حل تعارض بین عامل‌ها Conflict Resolution Between Agents

  • مقیاس‌بندی سیستم‌های چند-عاملی Scaling Multi-Agent Systems

استراتژی‌های سازماندهی (Orchestration) Orchestration Strategies

  • سازماندهی عامل (Agent Orchestration) چیست What is Agent Orchestration

  • خط لوله‌های پیش‌بینی‌پذیر Predictable Pipelines

  • مسیریابی پویا مبتنی بر LLM Dynamic LLM-Driven Routing

  • انتخاب بین خط لوله یا مسیریابی پویا Choosing Between Pipeline vs Dynamic Routing

  • مدل‌های سازماندهی ترکیبی (Hybrid) Hybrid Orchestration Models

  • مدیریت وضعیت در جریان‌های کاری State Management Across Workflows

یکپارچه‌سازی ابزارها Integrating Tools

  • تنظیم ابزارها در عامل‌ها Setting Tools in Agents

  • ابزارهای MCP (پروتکل زمینه مدل) MCP (Model Context Protocol) Tools

  • مروری بر کانکتورهای پیش‌ساخته Pre-Built Connectors Overview

  • یکپارچه‌سازی با ابزارهای تحلیل (Analytics) Integrating with Analytics

  • استفاده از Apigee برای مدیریت API Using Apigee for API Management

  • امنیت و حاکمیت دسترسی به داده‌ها Data Access Security and Governance

مدیریت حافظه و زمینه (Context) Memory and Context Management

  • اهمیت حافظه در عامل‌ها Importance of Memory in Agents

  • مدیریت زمینه کوتاه مدت Short-Term Context Handling

  • ذخیره‌سازی حافظه بلند مدت Long-Term Memory Storage

  • پایگاه داده‌های برداری و Embeddingها Vector Databases and Embeddings

  • بهینه‌سازی پنجره زمینه (Context Window) Context Window Optimization

  • راه‌اندازی بازیابی تقویت‌شده (RAG) Setting up Retriever (RAG)

تست، دیباگ و ارزیابی Testing, Debugging, and Evaluation

  • تست منطق عامل Testing Agent Logic

  • تست واحد (Unit Testing) برای ابزارها و توابع Unit Testing for Tools and Functions

  • دیباگ تصمیمات عامل Debugging Agent Decisions

  • مکانیزم‌های لاگ‌گیری و ردیابی (Tracing) Logging and Tracing Mechanisms

  • مدیریت بهینه خطاها Handling Failures Gracefully

  • استراتژی‌های بهینه‌سازی هزینه Cost Optimization Strategies

عامل Crew AI Crew AI Agent

  • پروژه چند-عاملی Crew AI در یک مرحله Crew AI - One Go Multi Agent Project

جمع‌بندی و سناریوهای دنیای واقعی Conclusion and Real World Scenarios

  • مرور کلی دوره Course Recap

  • مفاهیم یادگیری آینده Future Learning Concepts

  • به‌روز ماندن با انجمن‌های تخصصی Stay Upto Date with Communities remaining

  • کنترل نسخه و آپدیت‌های ADK Version Control and ADK Updates

  • نتیجه‌گیری Conclusion

نمایش نظرات

آموزش جامع کیت توسعه عامل (ADK) [غیر گوگل]
جزییات دوره
7 hours
57
(آخرین آپدیت)
210
4 از 5
ندارد
دارد
دارد
Meta Brains
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Meta Brains Meta Brains

بیایید با هم ابر جهان را کدنویسی و بسازیم! Meta Brains یک برند آموزشی حرفه ای است که توسط تیمی از توسعه دهندگان نرم افزار و متخصصان امور مالی که به امور مالی، کدنویسی و اکسل علاقه دارند، توسعه یافته است. ما تجارب حرفه‌ای و آموزشی را برای ایجاد برنامه‌های آموزشی در سطح جهانی که برای همه قابل دسترسی است، گرد هم می‌آوریم. در حال حاضر، ما بر انقلاب بزرگ بعدی در محاسبات متمرکز هستیم: متاورس. هدف نهایی ما این است که نسل بعدی استعدادها را آموزش دهیم تا بتوانیم با هم متاورز را کدنویسی و بسازیم!