آموزش ساخت با هوش مصنوعی: اپلیکیشن‌های ایجنتی با LlamaIndex و MCP - آخرین آپدیت

دانلود Build with AI: Agentic Applications with LlamaIndex and MCP

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

توضیحات

این دوره درباره چیست؟

یاد بگیرید چگونه اپلیکیشن‌های ایجنتی (Agentic Applications) بسازید که بتوانند به‌طور هوشمند چندین عامل هوش مصنوعی را برای کار با منابع دانش توزیع‌شده سازماندهی کنند. در این دوره، مدرسان توانا چلیک و جون-پیل هوانگ، مبانی معماری‌های ایجنتی و ساخت گردش‌کارهای سفارشی با LlamaIndex را پوشش می‌دهند. بینش‌های عمیقی در مورد نحوه ادغام پایگاه‌های داده برداری مانند Weaviate برای ذخیره‌سازی و بازیابی دانش، و همچنین پیاده‌سازی سیستم‌های چند-عاملی مبتنی بر نقش (Role-based) کسب کنید. در ادامه، توانا و جون-پیل به بررسی پروتکل کانتکست مدل (MCP) می‌پردازند که می‌تواند ادغام‌های قدرتمندی با سایر منابع داده‌های خارجی ایجاد کند. در پایان این دوره، شما به مهارت‌های مورد نیاز برای ساخت اپلیکیشن‌های ایجنتی با استفاده از ابزارهای سطح سازمانی مجهز خواهید شد.

این دوره با GitHub Codespaces ادغام شده است؛ یک محیط توسعه ابری فوری که تمام قابلیت‌های IDE مورد علاقه شما را بدون نیاز به تنظیمات محلی روی سیستم فراهم می‌کند. با GitHub Codespaces، می‌توانید در هر زمان و با هر دستگاهی تمرینات عملی را انجام دهید؛ در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محیط‌های کاری واقعی با آن مواجه خواهید شد.

اهداف دوره

در پایان این دوره چه توانایی‌هایی خواهم داشت؟

  • توصیف جامع اپلیکیشن‌های ایجنتی و دلیل ارزشمند بودن آن‌ها.
  • توضیح نقش چارچوب‌های ایجنتی (Agentic Framework) و تفاوت آن‌ها با مدل‌های مولد (Generative Models).
  • توضیح پروتکل کانتکست مدل (MCP) و مشکلاتی که حل می‌کند.
  • پیاده‌سازی یک ایجنت پایه با قابلیت فراخوانی ابزار (Tool Calling) با استفاده از LlamaIndex.
  • بازیابی اطلاعات از یک پایگاه داده برداری با استفاده از Weaviate Query Agent.
  • ادغام Weaviate Query Agent به عنوان یک ابزار در یک ایجنت LlamaIndex.
  • ساخت یک سیستم چند-عاملی که چندین ایجنت متخصص را سازماندهی می‌کند.

سرفصل ها و درس ها

مقدمه Introduction

  • ساخت ایجنت‌های مدرن هوش مصنوعی Build modern AI agents

1. آشنایی با ایجنت‌های هوش مصنوعی و گردش‌کارهای ایجنتی 1. Introduction to AI Agents and Agentic Workflows

  • ساخت یک ایجنت پایه Building a basic agent

  • ایجاد مراحل تصمیم‌گیری سفارشی مبتنی بر رویداد Creating custom event-driven decision steps

2. پایگاه‌های داده برداری برای مدیریت دانش ایجنت‌های هوش مصنوعی 2. Vector Databases for AI Agent Knowledge Management

  • چرا از پایگاه‌های داده برداری برای ذخیره دانش استفاده می‌کنیم Why we use vector databases to store knowledge

  • استفاده از Weaviate Query Agent Use Weaviate Query Agent

  • آشنایی با Weaviate Query Agent Introduction to Weaviate Query Agent

  • اجرای کوئری‌ها در Weaviate Perform queries in Weaviate

3. ساخت گردش‌کارهای چند-عاملی مبتنی بر نقش با LlamaIndex 3. Build Role-Based Multiagent Workflows with LlamaIndex

  • استفاده از Query Agent به عنوان مرحله‌ای از یک گردش‌کار ایجنتی Using your Query Agent as a step for an agent workflow

  • ساخت گردش‌کار Human-in-the-loop برای جستجو و مدیریت پایگاه دانش با LlamaIndex و Weaviate Building a human-in-the-loop workflow for knowledge base search and admin with LlamaIndex and Weaviate

4. ادغام پروتکل کانتکست مدل (MCP) برای ایجنت‌های هوش مصنوعی 4. Model Context Protocol (MCP) Integration for AI Agents

  • تعامل با ایجنت‌های شخصی ارائه شده به عنوان MCP از طریق Claude Code Interacting with your own agents served as an MCP via Claude Code

جمع‌بندی Conclusion

نمایش نظرات

آموزش ساخت با هوش مصنوعی: اپلیکیشن‌های ایجنتی با LlamaIndex و MCP
جزییات دوره
1h 48m
10
(آخرین آپدیت)
1,842
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Joon-Pil Hwang Joon-Pil Hwang

Joon-Pil Hwang یک توسعه دهنده برنامه درسی فنی در Weaviate است.

Joon-Pil یک توسعه دهنده، مربی فناوری و ارتباط دهنده است. او هم به فناوری و هم به آموزش عشق می ورزد و کمک به یادگیری و رشد دیگران را بسیار ارزشمند می داند. JP ترکیبی از تخصص فنی، همدلی و تعهد را برای همه تلاش‌های خود به ارمغان می‌آورد، چه از طریق پروژه‌های کدنویسی عملی یا دروس آنلاین جذاب و آموزنده. او معتقد است که یادگیری باید برای هر دو طرف سرگرم کننده و توانمند باشد، و او تلاش می کند تا اطمینان حاصل کند که این موضوع در مورد هرکسی که با آنها کار می کند نیز صادق است.

Tuana Çelik Tuana Çelik

توانا چلیک مهندس ارشد روابط توسعه‌دهندگان در LlamaIndex است.

او پیش از این به عنوان مهندس روابط توسعه‌دهندگان در Weaviate، مهندس ارشد روابط توسعه‌دهندگان در deepset و مبلغ توسعه‌دهندگان در Cumul.io فعالیت می‌کرد. توانا در حال حاضر در آمستردام زندگی و کار می‌کند و دارای مدرک کارشناسی ارشد مهندسی در علوم کامپیوتر از دانشگاه بریستول است.