آموزش مهندسی سیستم‌های چند-عاملی (Multi-Agent) با OpenAI Codex - آخرین آپدیت

دانلود Learn Multi Agent Engineering with OpenAI Codex

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره، یاد می‌گیرید که چگونه جریان‌های کاری عملی Codex را با استفاده از زیر-عاملی‌ها (subagents)، مدیریت کانتکست، گیت‌های QA و تحویل‌های آماده برای محیط عملیاتی بسازید. طراحی جریان‌های کاری چند-عاملی Codex با نقش‌ها، مسئولیت‌ها و قراردادهای تحویل شفاف. تجزیه وظایف بزرگ نرم‌افزاری به جریان‌های کاری مجزای برنامه‌ریز، اجراکننده، بازبین، QA و مستندساز. نوشتن پرامپت‌های موثر Codex که کانتکست، محدودیت‌ها و معیارهای پذیرش را حفظ کنند. استفاده از تخته‌های وظایف ساختاریافته، مانیفست‌ها و ردیاب‌های پیشرفت برای هماهنگی در پروژه‌های طولانی. افزودن گیت‌های تست، بررسی و انتشار تا تغییرات تولید شده توسط عامل‌ها قبل از عرضه تایید شوند. عیب‌یابی اجرای ناموفق عامل‌ها، کانتکست‌های قدیمی، مفروضات اشتباه و خروجی‌های نویزی بدون از دست دادن کنترل. بسته‌بندی مصنوعات قابل استفاده مجدد پروژه، مثال‌ها و مراجع برای دانشجویان یا هم‌تیمی‌ها. ساخت یک داشبورد جامع چند-عاملی و جریان کاری تحویل با استفاده از متدهای استاندار تولید. پیش‌نیازها: آشنایی مقدماتی با جریان‌های توسعه نرم‌افزار، ویرایشگرهای کد و ابزارهای خط فرمان. دسترسی به OpenAI Codex یا یک عامل کدنویس با قابلیت Codex برای تمرین دموها توصیه می‌شود. یک کامپیوتر با قابلیت اجرای مرورگر، ترمینال، ویرایشگر کد و دانلود فایل‌های پروژه. هیچ پیش‌زمینه پیشرفته‌ای در زمینه هوش مصنوعی یا سیستم‌های توزیع‌شده نیاز نیست؛ الگوهای عاملی گام‌به‌گام معرفی می‌شوند.

این دوره شامل استفاده از هوش مصنوعی است.


دوره «ساخت سیستم‌های چند-عاملی با OpenAI Codex» یک دوره عملی برای توسعه‌دهندگان، سازندگان فنی و اپراتورهای جریان کاری AI است که می‌خواهند از پرامپت‌نویسی‌های تک‌مرحله‌ای فراتر رفته و جریان‌های کاری نرم‌افزاری چند-عاملی قابل اطمینان طراحی کنند.

این دوره چرخه کامل مهندسی عاملی با Codex را بررسی می‌کند: تعریف مسئله، تقسیم کار به نقش‌ها، طراحی قراردادهای پرامپت، هماهنگی زیر-عاملی‌ها، مدیریت کانتکست، بررسی خروجی‌ها، عیب‌یابی اجراهای ناموفق و بسته‌بندی یک تحویل تمیز. به جای اینکه با دستیار کدنویسی AI به عنوان یک جعبه متن جادویی برخورد کنید، یاد می‌گیرید چگونه آن را به عنوان بخشی از یک فرآیند تولید ساختاریافته اجرا کنید.

در طول ۱۵ بخش و ۶۴ درس، خواهید دید که چگونه جریان‌های کاری قابل استفاده مجدد برای برنامه‌ریزی، پیاده‌سازی، بررسی، QA، آماده‌سازی انتشار، داشبوردها و تحویل نهایی بسازید. هر درس شامل یک بسته منابع قابل دانلود است تا بتوانید پس از تماشای ویدیو، پرامپت‌ها، چک‌لیست‌ها، مثال‌ها و فایل‌های پشتیبان را مرور کنید.

این یک دوره تئوری غیرفعال درباره AI نیست، بلکه بر اجرای عملی متمرکز است: چگونه به عامل‌ها بگوییم چه کار کنند، چگونه آن‌ها را هم‌راستا نگه داریم، چگونه کارشان را تایید کنیم و چگونه خروجی‌های خودمختار و نامنظم را به مصنوعات نرم‌افزاری قابل اعتماد تبدیل کنیم.

در پایان، شما یک مدل عملیاتی کامل برای پروژه‌های چند-عاملی Codex خواهید داشت: از اولین شرح پروژه تا تجزیه وظایف، ارکستراسیون عامل‌ها، اعتبارسنجی، مستندسازی و تحویل. شما می‌توانید این الگوها را در ابزارهای داخلی، پروتوتایپ‌های محصول، محتوای آموزشی، داشبوردها، پروژه‌های اتوماسیون یا هر جریان کاری نرم‌افزاری که نیاز به هماهنگی چندین جریان کاری AI دارد، به کار ببرید.

اگر در حال حاضر از دستیارهای کدنویسی AI استفاده می‌کنید و به دنبال روشی منظم‌تر برای برنامه‌ریزی، اجرا، بررسی و عرضه هستید، این دوره یک چارچوب شفاف و کتابخانه‌ای از مثال‌های عملی برای تطبیق با پروژه‌های خودتان به شما ارائه می‌دهد.


سرفصل ها و درس ها

توجیهی و آشنایی Orientation

  • نقشه دوره: از پرامپت‌نویسی تا مهندسی سیستم‌های عاملی 00_01 The Course Map: From Prompting to Agentic Systems Engineering

  • مرزهای مهندسی Codex: کار عاملی با اولویت قابلیت‌ها 00_02 Codex Engineering Boundaries: Capability-First Agent Work

مبانی و پایه Foundations

  • عامل چیست؟ مدل در مقابل عامل در مقابل جریان کاری 01_01 What Is an Agent? Model vs Agent vs Workflow

  • چه زمانی سیستم چند-عاملی ارزشمند است و چه زمانی زیاده‌روی است 01_02 When Multi-Agent Is Worth It — and When It Is Overkill

  • حلقه اجرای عامل در Codex Desktop 01_03 The Agent Execution Loop in Codex Desktop

  • قرارداد پرامپت: هدف، کانتکست، محدودیت‌ها و معیار اتمام 01_04 Prompt Contract: Goal, Context, Constraints, Done-When

  • یک حلقه کنترل‌شده کوچک: اولین جریان کاری عملی Codex 01_05 A Tiny Controlled Loop: First Practical Codex Workflow

سطح کنترل Codex Codex Control Surface

  • استفاده از Codex Desktop به عنوان محیط عملیاتی عاملی 02_01 Codex Desktop as an Agentic Operating Environment

  • رشته‌ها، پنجره‌های کانتکست، فشرده‌سازی و وضعیت 02_02 Threads, Context Windows, Compaction, and State

  • حالت برنامه‌ریزی برای کارهای مبهم 02_03 Plan Mode for Ambiguous Work

  • حالت هدف به عنوان یک حلقه عاملی طولانی‌مدت 02_04 Goal Mode as a Long-Running Agent Loop

  • فایل AGENTS.md به عنوان حافظه پایدار عامل 02_05 AGENTS.md as Durable Agent Memory

مهندسی تک-عاملی Single-Agent Engineering

  • خروجی‌های ساختاریافته بدون Pydantic: اسکماها به عنوان مصنوعات 03_01 Structured Outputs Without Pydantic: Schemas as Artifacts

  • ابزارها در Codex: فایل‌ها، دستورات، مرورگر، MCP و مهارت‌ها 03_02 Tools in Codex: Files, Commands, Browser, MCP, Skills

  • گیت‌های تاییدیه با حضور انسان در حلقه 03_03 Human-in-the-Loop Approval Gates

  • مهندسی کانتکست: جلوگیری از تخریب کانتکست 03_04 Context Engineering: Preventing Context Rot

  • تبدیل یک پرامپت خوب به یک مهارت قابل استفاده مجدد 03_05 From Good Prompt to Reusable Skill

جریان‌های کاری صریح Explicit Workflows

  • جریان‌های کاری متوالی: مسیر A به B به C در Codex 04_01 Sequential Workflows: A → B → C in Codex

  • جریان‌های کاری شرطی: شاخه‌بندی بر اساس شواهد 04_02 Conditional Workflows: Branching on Evidence

  • جریان‌های کاری موازی: توزیع و جمع‌آوری بدون هرج‌ومرج 04_03 Parallel Workflows: Fan-Out/Fan-In Without Chaos

  • سریال‌سازی جریان کاری: بازتولیدپذیر کردن اجرا 04_04 Workflow Serialization: Make the Run Reproducible

  • نقطه گذاری (Checkpointing) و ادامه اجرا 04_05 Checkpointing and Resume

  • عیب‌یابی جریان کاری: بن‌بست‌ها، ورودی‌های گم‌شده و لبه‌های معیوب 04_06 Workflow Debugging: Deadlocks, Missing Inputs, Bad Edges

ارکستراسیون خودمختار Autonomous Orchestration

  • حلقه ارکستراتور: انتخاب، کانتکست، اجرا، به‌روزرسانی، توقف 05_01 The Orchestrator Loop: Select, Context, Run, Update, Stop

  • شرایط پایان: بودجه‌ها، متن توقف، تست‌ها و گیت‌های انسانی 05_02 Termination Conditions: Budgets, Stop Text, Tests, Human Gates

  • الگوی Round Robin به عنوان یک متد آموزشی 05_03 Round-Robin as a Teaching Pattern

  • ارکستراسیون مبتنی بر AI: اجازه دهید Codex گام بعدی را با دقت انتخاب کند 05_04 AI-Driven Orchestration: Let Codex Choose the Next Step Carefully

  • ارکستراسیون مبتنی بر برنامه و تلاش مجدد هوشمند 05_05 Plan-Based Orchestration and Intelligent Retry

  • الگوی تحویل: انتقال کار بین مرزها 05_06 Handoff Pattern: Moving Work Across Boundaries

تجربه کاربری و مشاهده‌پذیری UX and Observability

  • کشف قابلیت‌ها: به کاربران بگویید این جریان کاری چه کارهایی را با اطمینان انجام می‌دهد 06_01 Capability Discovery: Tell Users What This Workflow Can Reliably Do

  • منشأ (Provenance): چه اتفاقی افتاد، چرا و با چه شواهدی 06_02 Provenance: What Happened, Why, and With What Evidence

  • قابلیت توقف: وقفه، لغو، ادامه و بازیابی 06_03 Interruptibility: Pause, Cancel, Resume, Recover

  • داشبوردهای وضعیت عامل 06_04 Dashboards for Agent State

بازاستفاده بومی در Codex Codex Native Reuse

  • لایه‌بندی AGENTS.md: جایگزینی‌های جهانی، پروژه و محلی 07_01 AGENTS.md Layering: Global, Project, Local Overrides

  • مهارت‌ها به عنوان بسته‌های حلقه قابل استفاده مجدد 07_02 Skills as Reusable Loop Packages

  • هوک‌ها (Hooks) به عنوان میان‌افزار عامل 07_03 Hooks as Agent Middleware

  • قوانین به عنوان سیاست برای دستورات 07_04 Rules as Policy for Commands

  • پروفایل‌های دسترسی و اصل حداقل امتیاز 07_05 Permission Profiles and Least Privilege

  • مرزهای MCP، A2A و کانتکست خارجی 07_06 MCP, A2A, and External Context Boundaries

زیر-عاملی‌ها Subagents

  • چرا زیر-عاملی‌ها؟ موازی‌سازی، ایزولاسیون کانتکست و تخصصی شدن نقش‌ها 08_01 Why Subagents: Parallelism, Context Isolation, and Role Specialization

  • عامل‌های داخلی: default، worker و explorer 08_02 Built-In Agents: default, worker, explorer

  • عامل‌های سفارشی با دستورالعمل‌های محدود 08_03 Custom Agents with Narrow Instructions

  • توزیع محدود: یک عامل برای هر مسیر ریسک 08_04 Bounded Fan-Out: One Agent Per Risk Lane

  • هدایت، توقف و بستن زیر-عاملی‌ها 08_05 Steering, Stopping, and Closing Subagents

درخت‌های کاری و تحویل Worktrees and Handoff

  • درخت‌های کاری: ایزولاسیون وضعیت برای کارهای موازی عامل‌ها 09_01 Worktrees: State Isolation for Parallel Agent Work

  • تحویل بین پس‌زمینه و پیش‌زمینه 09_02 Handoff Between Background and Foreground

  • درخت‌های کاری دائمی و .worktreeinclude 09_03 Permanent Worktrees and .worktreeinclude

اتوماسیون‌ها Automations

  • اتوماسیون‌ها به عنوان حلقه‌های زمان‌بندی شده عاملی 09_04 Automations as Scheduled Agent Loops

  • امنیت اتوماسیون: سندباکس، درخت کاری و تریاژ 09_05 Automation Security: Sandbox, Worktree, Triage

ارزیابی Evaluation

  • توسعه مبتنی بر ارزیابی (EDD) برای جریان‌های کاری عاملی 10_01 Evaluation-Driven Development for Agent Workflows

  • ارزیابی مسیر: قضاوت درباره کل اجرا، نه فقط پاسخ نهایی 10_02 Trajectory Evaluation: Judge the Whole Run, Not Only the Final Answer

  • بررسی‌های قطعی در مقابل قضات LLM 10_03 Deterministic Checks vs LLM Judges

  • هزینه پیچیدگی سیستم‌های چند-عاملی 10_04 The Cost of Multi-Agent Complexity

بهینه‌سازی Optimization

  • ده حالت شکست در سیستم‌های چند-عاملی 10_05 Ten Failure Modes of Multi-Agent Systems

  • حلقه بهینه‌سازی: اندازه‌گیری $→$ تغییر $→$ ارزیابی مجدد 10_06 Optimization Loop: Measure → Change → Re-Evaluate

امنیت و اخلاق Security and Ethics

  • زمانی که عامل‌ها می‌توانند اقدام کنند: چرا امنیت تبدیل به طراحی می‌شود 11_01 When Agents Can Act: Why Security Becomes Design

  • تزریق پرامپت و مرزهای کانتکست غیرقابل اعتماد 11_02 Prompt Injection and Untrusted Context Boundaries

  • ردپاهای حسابرسی، پاسخگویی و مالکیت انسانی 11_03 Audit Trails, Accountability, and Human Ownership

  • چک‌لیست استقرار مسئولانه 11_04 Responsible Deployment Checklist

پروژه نهایی Capstone

  • شرح پروژه نهایی: سیستم هوشمند انتشار عاملی 12_01 Capstone Brief: Agentic Release Intelligence System

  • ساخت اسکلت جریان کاری و مدل وضعیت 12_02 Build the Workflow Skeleton and State Model

  • ایجاد عامل‌های متخصص و ادغام شواهد 12_03 Spawn Specialist Agents and Merge Evidence

  • مرحله ارزیابی، تعمیر، دسترسی‌ها و حاکمیت 12_04 Eval, Repair, Permissions, and Governance Pass

  • داشبورد نهایی، تحویل و بررسی معماری 12_05 Final Dashboard, Handoff, and Architecture Review

نمایش نظرات

آموزش مهندسی سیستم‌های چند-عاملی (Multi-Agent) با OpenAI Codex
جزییات دوره
6 hours
64
(آخرین آپدیت)
60
5 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

The Technological Trader The Technological Trader

معامله‌گر الگوریتمی حرفه‌ای