آموزش مسترکلاس جامع مهندسی هوش مصنوعی عامل‌محور (Agentic AI) - ۲۰۲۶ - آخرین آپدیت

سرفصل ها و درس ها

مقدمه‌ای بر مدل‌های هوش مصنوعی Introduction to AI Models

• مدل هوش مصنوعی چیست؟ What is AI Model?

• هوش مصنوعی مولد چیست؟ What is Generative AI?

• سنجش یادگیری Knowledge Check

مهندسی سنتی در مقابل مهندسی هوش مصنوعی مولد Traditional Engineering vs Generative AI Engineering

• تفاوت مهندسی سنتی و مهندسی AI مولد Traditional Engineering vs Generative Ai Engineering

مدل‌های زبانی بزرگ (LLM) چگونه کار می‌کنند؟ How LLM Works?

• نحوه پردازش ورودی کاربر توسط LLM How LLM Process User Input

مقایسه Fine-tuning و RAG (تولید تقویت‌شده با بازیابی) Finetuning vs RAG (Retrieval Augmented Generation)

• مکانیسم عملکرد RAG How RAG Works

• چه زمانی از Fine-tuning مدل LLM استفاده کنیم؟ When to use LLM Finetuning

استقرار محلی مدل‌های LLM متن‌باز Deploy Opensource LLM Locally

• استراتژی اول استقرار محلی LLM Local LLM Deployment Strategy 1

• استراتژی دوم استقرار محلی LLM Local LLM Deployment Strategy 2

اکوسیستم هوش مصنوعی متن‌باز Opensource AI Ecosystem

• پلتفرم‌ها و اکوسیستم AI متن‌باز Opensource AI Ecosystem & Platforms

اکوسیستم Hugging Face Huggingface Ecosystem

• مخزن مدل‌های AI در Hugging Face Huggingface AI Models Repository

• مجموعه‌داده‌های متن‌باز برای Fine-tuning در Hugging Face Huggingface Opensource Finetuning Datasets

• فضاهای Hugging Face (تولید تصویر و موسیقی) Huggingface Spaces (Image generation & Music Generation)

ساخت اولین عامل AI با استفاده از ADK (پروژه عملی) First AI Agent using Agent Development Kit (ADK) Hands On

• راه‌اندازی محیط و کلیدهای LLM Setting up Environment & LLM Keys

• ساخت اولین عامل: از پرامپت تا اجرا Building First Agent From Prompt to Action

الگوهای معماری چند-عاملی (پروژه عملی) Multi Agent Architecture Patterns Hands On

• عامل هماهنگ‌کننده در LLMهای چند-عاملی Multiagent LLM Coordination Agent

• معماری عامل‌های متوالی (Sequential) Sequential Agents Architecture

• معماری عامل‌های موازی (Parallel) Parallel Agents Architecture

• معماری عامل‌های حلقه‌ای (Loop) Loop Agents Architecture

• مروری بر الگوهای طراحی عامل Agent Patterns Overview

ابزارهای عامل و تعامل‌پذیری با پروتکل MCP Agent Tools & Interoperability with Model Context Protocol (MCP)

• ساخت ابزارهای سفارشی برای عامل‌ها (عملی) Building Custom Tools For Agents (Hands On)

• بهبود قابلیت اطمینان عامل با Code Executor (عملی) Improve Agent Reliability with Code Executor (Hands On)

• مقایسه ابزارهای عامل، زیر-عامل‌ها و ابزارهای ADK Agent Tools Vs Sub-Agents Vs ADK Tools

• استفاده از MCP به عنوان ابزار عامل MCP As Agent Tool

حضور انسان در چرخه (عملیات طولانی‌مدت عامل‌ها) Human In The Loop (Long Running Agent Operations)

• عرضه عامل به همراه ابزار سفارشی Shipping Agent + Custom Tool

• توابع کمکی و جریان کاری عامل Helper Functions + Agent Flow

• توضیح گردش کار LRO و تمرین LRO Workflow Explanation + Exercise

مهندسی کانتکست عامل: نشست‌ها و حافظه (به‌زودی) Agent Context Engineering: Sessions & Memory (Upcoming)

• اپلیکیشن‌های عامل دارای وضعیت (Stateful) Stateful Agent Applications

• ساخت حافظه پایدار برای عامل‌ها Building Persistent Memory for Agents

• اشتراک کانتکست بین عامل و نشست‌ها Shared Context between Agent & Sessions

کیفیت عامل: قابلیت مشاهده و مانیتورینگ (به‌زودی) Agent Quality: Observability (Upcoming)

• پیاده‌سازی قابلیت مشاهده (Observability) برای عامل‌ها Implementing Observability for Agents

• لاگ‌گذاری در محیط عملیاتی (عملی) Logging in Production (Hands On)

عامل‌های کدنویسی بر اساس Vibe Coding و مشخصات Spec Driven Vibe Coding Agents

• عامل‌های Vibe Coding Vibe Coding Agents

پروژه ۱: ساخت عامل AI پژوهش عمیق متن‌باز (پروژه عملی) Project 1: Opensource Deep Research AI Agent (Hands On)

• معماری عملکرد عامل پژوهش عمیق (Deep Research) Deep Research Agent Working Architecture

• راه‌اندازی ساختار پروژه، LLM و کد منبع Setting Up Project Structure & LLM + Source Code

• ساخت نهایی عامل AI پژوهش عمیق Building Deep Research AI Agent