آموزش مهندسی پرامپت: ساخت اپلیکیشنهای هوش مصنوعی با OpenAI (ChatGPT) - آخرین آپدیت
دانلود Prompt Engineering: Build AI Apps with OpenAI (ChatGPT)
API جایی است که اپلیکیشنهای واقعی ساخته میشوند. این دوره راهنمای شما برای رسیدن به این هدف است.
این دوره برای توسعهدهندگانی است که آمادهاند از مرحله آزمایش با هوش مصنوعی به مرحله ساخت واقعی برسند. شما مستقیماً با Responses API مدرن OpenAI کار خواهید کرد (مدلی که OpenAI برای تمام پروژههای جدید توصیه میکند) و کدهای واقعی مینویسید که به ابزارهای واقعی متصل شده و نتایج ملموس تولید میکنند.
آنچه خواهید ساخت:
شما سه پروژه نهایی (Capstone) را تکمیل خواهید کرد که هر کدام در پایان یک ماژول و پس از آموزش مفاهیم مربوطه اجرا میشوند:
دستیار پژوهشی (Research Assistant) — سوالات پیچیده را به زیر-سوالات تقسیم کرده، هر کدام را به صورت مستقل بررسی میکند و یافتهها را در یک پاسخ ساختاریافته ترکیب مینماید. این پروژه با استفاده از زنجیرهسازی دستورالعملها، تعریف پرسونا و تکنیکهای پیشرفته Few-shot ساخته شده است.
ربات پشتیبانی عملیاتی (Production Support Bot) — یک چتبات پشتیبانی کاملاً کاربردی با کنترل بودجه، مدیریت پنجره متنی لغزان (Sliding Window) و کشینگ پاسخها. این ربات به صورت تدریجی در دو ماژول ساخته میشود تا نحوه اسمبل شدن سیستمهای عملیاتی (و نه فقط دموهای ساده) را بیاموزید.
ایجنت چند ابزاره (Multi-Tool Agent) — اتصالی به API زنده آب و هوا و کوئری زدن به یک پایگاه داده واقعی SQLite با استفاده از Function Calling. این نمونهای از هوش مصنوعی است که از طریق توابع پایتون با دنیای بیرون تعامل دارد.
آنچه خواهید آموخت:
مبانی API — اتصال به OpenAI API، پیکربندی محیط و اجرای اولین درخواستها. درک انتخاب مدل، مصرف توکن و ردیابی هزینهها از روز اول.
پرامپتنویسی پایه — تکنیکهای Zero-shot، One-shot و Few-shot. درک دقیق نحوه پاسخ مدل به ساختارهای مختلف پرامپت و اهمیت آن.
پرامپتنویسی عملیاتی — خروجیهای JSON ساختاریافته برای تجزیه reliable، مدیریت خطا، قالبهای پرامپت قابل استفاده مجدد و ارزیابی سیستماتیک پرامپتها برای اندازهگیری اثربخشی.
پرامپتنویسی پیشرفته — زنجیرهسازی دستورالعملها، پرسوناهای مبتنی بر نقش، تکنیکهای Few-shot پیشرفته و استراتژیهای سازگاری داخلی (Self-consistency) برای خروجیهای مطمئنتر.
الگوهای عملیاتی — شمارش توکن و ردیابی هزینه با tiktoken، استراتژیهای پنجره متنی برای گفتگوهای طولانی و کشینگ پاسخها برای حذف درخواستهای تکراری.
فراخوانی توابع (Function Calling) — گردش کار کامل Function Calling برای متصل کردن هوش مصنوعی به ابزارهای خارجی، APIهای زنده و دیتابیسها جهت انجام اقدامات واقعی در محیط.
ساختار دوره:
شش ماژول و بیش از ۲۵ نوتبوک عملی Jupyter. هر مفهوم در یک نوتبوک مجزا با کدهای قابل اجرا، تغییر و بازیافت آموزش داده شده است. هر ماژول با یک پروژه نهایی بسته میشود که آموختههای شما را به یک اپلیکیشن قابل استقرار تبدیل میکند.
پیشنیازها:
آشنایی پایه با پایتون (کلاسها، توابع، حلقهها و پکیجها). تنظیمات محیط در ماژول ۱ آموزش داده میشود.
همچنین به یک حساب OpenAI با حداقل ۵ دلار اعتبار API نیاز دارید. این مبلغ برای تکمیل تمام تمرینات با مدل gpt-4o-mini (مدل پیشفرض دوره) کاملاً کافی است.
این دوره برای چه کسانی است؟
مهندسانی که میخواهند قابلیتهای AI را به برنامههای موجود اضافه کنند، تحلیلگرانی که به دنبال اتوماسیون گردش کار با پایتون هستند و مدیران فنی که در حال ارزیابی نحوه ادغام AI در جریان کاری تیمهایشان هستند.
این دوره برای چه کسانی نیست؟
افرادی که هیچ آشنایی با پایتون ندارند. اگر تازهکار هستید، ابتدا مفاهیم پایه پایتون را بیاموزید تا بتوانید بیشترین بهره را از این دوره ببرید.
مرور کلی دوره Course Overview
-
معرفی و مرور کلی Overview
ماژول ۱: تنظیمات و آمادهسازی Module 1 - Setup
-
راهنمای راهاندازی دوره Course Setup Guide
-
تست تنظیمات اولیه (M01A) M01A: Setup Test
-
تنظیمات OpenAI (M01B) M01B: OpenAI Setup
-
آشنایی با Responses API (M01C) M01C: Responses API
-
توابع کمکی (M01D) M01D: Helper Functions
ماژول ۲: تکنیکهای اصلی پرامپتنویسی Module 2 - Core Prompting Techniques
-
پرامپتنویسی Zero Shot و One Shot (M02A) M02A: Zero-Shot & One-Shot Prompting
-
پرامپتنویسی Few Shot (M02B) M02B: Few Shot Prompting
ماژول ۳: پرامپتنویسی عملیاتی Module 3 - Production Prompting
-
دریافت JSON از هوش مصنوعی - بخش ۱ (M03A1) M03A-1: Getting JSON from AI
-
طرحوارهها و دادههای تودرتو (M03A2) M03A-2: Schemas & Nested Data
-
اعتبارسنجی و تایید (M03A3) M03A-3: Validation & Verification
-
مدیریت خطاها (M03B) M03B: Error Handling
-
قالبهای پرامپت (M03C) M03C: Prompt Templates
-
ارزیابی پرامپتها (M03D) M03D: Prompt Evaluation
ماژول ۴: پرامپتنویسی پیشرفته Module 4 - Advanced Prompting
-
دستورالعملها و زنجیرهسازی گفتگو (M04A) M04A: Instructions & Conversation Chaining
-
نقشها و پرسوناها (M04B) M04B: Roles & Personas
-
تکنیکهای پیشرفته Few Shot (M04C) M04C: Few Shot Advanced
-
سازگاری داخلی (M04D) M04D: Self-Consistency
-
پروژه نهایی ۱: دستیار پژوهشی (M04E) M04E: Capstone #1 — Research Assistant
ماژول ۵: اپلیکیشنهای عملیاتی Module 5 - Production Applications
-
شمارش توکن و ردیابی هزینه (M05A) M05A: Token Counting & Cost Tracking
-
استراتژیهای پنجره متنی (M05B) M05B: Context Window Strategies
-
کشینگ پاسخها (M05C) M05C: Response Caching
-
پروژه نهایی ۲: ربات پشتیبانی عملیاتی (M05D) M05D: Capstone #2 - Production Support Bot
ماژول ۶: فراخوانی توابع (Function Calling) Module 6 - Function Calling
-
مبانی فراخوانی توابع (M06A) M06A: Function Calling Basics
-
استفاده از چندین تابع (M06B) M06B: Multiple Functions
-
پروژه نهایی ۳: ایجنت چند ابزاره (M06C) M06C: Capstone #3 - Multi-Tool Agent
https://donyad.com/d/f362b5
Scott Barrett
توسعه دهنده و مدرس اصلی
نمایش نظرات