آموزش RAG پیشرفته: ساخت و استقرار اپلیکیشن‌های تولیدی GenAI - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

• در این دوره چه خواهید آموخت! What You Will Learn in This Course!

• دانلود فایل‌های کد Download Code Files

• شروع یادگیری دوره Getting Started with The Course

• راه‌اندازی محیط: PIP، UV، Anaconda و Requirements.txt Environment Setup - PIP, UV, Anaconda and Requirements.txt

• راه‌اندازی LangSmith: دیباگ خط لوله‌های LangChain RAG LangSmith Setup: Debug LangChain RAG Pipelines

• نصب Docker و پایگاه داده برداری Qdrant به صورت محلی Install Docker and Qdrant Vector DB Locally

• راه‌اندازی Ollama: اجرای Qwen 3.5 و Gemma 4 به صورت محلی Ollama Setup: Run Qwen 3.5 and Gemma 4 Locally

آشنایی با فریم‌ورک RAGWire Introduction to RAGWire RAG Framework

• پیش‌نمایش RAGWire: جستجوی ترکیبی RAG در محیط تولید RAGWire Preview: Hybrid Search RAG in Production

• توضیح ابزار متن‌باز RAGWire برای محیط Production RAGWire: Open-Source Production RAG Toolkit Explained

• خط لوله پرس‌وجوی RAGWire: جستجوی متراکم + پراکنده با RRF RAGWire Query Pipeline: Dense + Sparse Search with RRF

• RAGWire از ابتدا تا انتها: دریافت، بازیابی و بازرتبه‌بندی RAGWire End-to-End: Ingestion, Retrieval and Reranking

راه‌اندازی RAGWire و اولین بازیابی RAGWire RAG Setup and First Retrieval

• مرور کلی راه‌اندازی RAGWire: چه چیزی خواهید ساخت RAGWire Setup Overview: What You Will Build

• نصب RAGWire: راه‌اندازی محیط پایتون RAGWire Installation: Python Environment Setup

• فایل config.yaml بخش اول: پیکربندی مدل Embedding config.yaml Part 1: Embedding Model Configuration

• فایل config.yaml بخش دوم: تنظیمات Qdrant و بازیابی config.yaml Part 2: Qdrant and Retrieval Settings

• فایل config.yaml بخش سوم: تنظیمات LLM و تولید متن config.yaml Part 3: LLM and Generation Settings

• اجرای محلی RAGWire با Ollama و Qwen 3.5 Run RAGWire Locally with Ollama and Qwen 3.5

• دفترچه Jupyter در RAGWire: محیط توسعه تعاملی RAGWire Jupyter Notebook: Interactive Dev Environment

• اتصال RAGWire به پایگاه داده Qdrant از طریق Config Connect RAGWire to Qdrant Vector Database via Config

• دریافت اسناد: تکه‌بندی (Chunking) و ایندکس در Qdrant Document Ingestion: Chunking and Indexing into Qdrant

• دریافت پیشرفته: حذف تکراری‌ها با SHA 256 و متادیتا Advanced Ingestion: SHA-256 Dedup and Metadata

• اولین جستجوی ترکیبی: بازیابی BM25 + متراکم با Qdrant First Hybrid Search: BM25 + Dense Retrieval with Qdrant

بازیابی پیشرفته، فیلترینگ متادیتا و Agentic RAG Advanced Retrieval, Metadata Filtering and Agentic RAG

• مرور کلی RAG پیشرفته: فیلترینگ متادیتا و عامل‌ها Advanced RAG Overview: Metadata Filtering and Agents

• دریافت دسته‌ای اسناد از یک دایرکتوری با RAGWire Batch Document Ingestion from a Directory with RAGWire

• طراحی شمای متادیتای سفارشی برای استخراج غنی‌تر اسناد Custom Metadata Schema for Richer Document Extraction

• بررسی APIهای RAGWire و متادیتا برای جستجوی ترکیبی Explore RAGWire APIs and Metadata for Hybrid Search

• جستجوی ترکیبی با فیلترینگ دستی متادیتا در Qdrant Hybrid Search with Manual Metadata Filtering in Qdrant

• جستجوی ترکیبی روی ساختارهای داده‌ای پیچیده و تودرتو Hybrid Search over Complex Nested Data Structures

• فیلترینگ خودکار متادیتا توسط LLM در جستجوی ترکیبی LLM-Driven Auto Metadata Filtering in Hybrid SearchLLM-Driven Auto Metadata Filt

• توضیح Agentic RAG: ابزارها، حافظه و استدلال Agentic RAG Explained: Tools, Memory and Reasoning

• ساخت یک Agentic RAG ساده با LangChain و RAGWire Build a Simple Agentic RAG with LangChain and RAGWire

• استخراج کانتکست فیلتر شده برای بازیابی بهتر در RAG Filter Context Extraction for Better RAG Retrieval

• Agentic RAG آگاه به فیلتر: بازیابی ترکیبی هدایت شده توسط LLM Filter-Aware Agentic RAG: LLM-Guided Hybrid Retrieval

استفاده از RAGWire با OpenAI، Groq، Gemini و Cloud Qdrant RAGWire RAG with OpenAI, Groq, Gemini and Cloud Qdrant

• مرور کلی تامین‌کنندگان RAGWire: OpenAI، Groq، Gemini RAGWire Multi-Provider Overview: OpenAI, Groq, Gemini

• پیکربندی LLM و Embedding چند-تامین‌کننده‌ای در RAGWire RAGWire: Multi-Provider LLM and Embedding Setup

• OpenAI: راه‌اندازی RAGWire با GPT و OpenAI Embeddings OpenAI: RAGWire Setup with GPT and OpenAI Embeddings

• OpenAI: جستجوی ترکیبی و دریافت دسته‌ای با GPT OpenAI: Hybrid Search and Batch Ingestion with GPT

• Groq: راه‌اندازی RAGWire برای استنتاج سریع LLM Groq: RAGWire Setup for Fast LLM Inference

• Groq: جستجوی ترکیبی با HuggingFace Embeddings Groq: Hybrid Search with HuggingFace Embeddings

• Gemini: راه‌اندازی RAGWire با Google Gemini Embeddings Gemini: RAGWire Setup with Google Gemini Embeddings

• Gemini: جستجوی ترکیبی و دریافت اسناد Gemini: Hybrid Search and Document Ingestion

• Qdrant Cloud: پایگاه داده برداری رایگان برای RAG Qdrant Cloud: Free Vector DB for RAG Ingestion

• Qdrant Cloud: پیاده‌سازی Agentic RAG با Google Gemini Qdrant Cloud: Agentic RAG with Google Gemini

RAG در دنیای واقعی: مورد استفاده مکمل‌های ورزشی با Agentic RAG Real-World RAG: Gym Supplements Use Case with Agentic RAG

• پروژه RAG واقعی: مورد استفاده مکمل‌های ورزشی Real-World RAG Project: Gym Supplements Use Case

• تنظیمات RAG و متادیتا برای داده‌های مکمل‌های ورزشی RAG Config and Metadata Setup for Gym Supplements Data

• دریافت مقالات تحقیقات سلامت و اجرای جستجوی ترکیبی Ingest Health Research Papers and Run Hybrid Search

• Agentic RAG برای مکمل‌های ورزشی: پروژه کامل Agentic RAG for Gym Supplements: End-to-End Project

رابط کاربری چت RAG تولیدی با Chainlit و RAGWire Production RAG Chat UI with Chainlit and RAGWire

• رابط کاربری چت Chainlit: مرور کلی بخش Chainlit RAG Chat UI: Section Overview

• مقدمه Chainlit: ساخت رابط کاربری چت RAG آماده تولید Chainlit Intro: Build a Production-Ready RAG Chat UI

• افزودن ابزارهای عامل LangChain به اپلیکیشن Chainlit RAG Add LangChain Agent Tools to a Chainlit RAG App

• Chainlit on_chat_start: مقداردهی اولیه عامل RAG Chainlit on_chat_start: RAG Agent Initialization

• یکپارچه‌سازی Agentic RAG با رابط چت Chainlit Integrate Agentic RAG with Chainlit Chat Interface

• چت با عامل RAG از طریق رابط کاربری تولیدی Chainlit Chat with RAG Agent via Production Chainlit UI

• دریافت اسناد از طریق رابط چت Chainlit - بخش اول Document Ingestion via Chainlit Chat UI Part 1

• دریافت اسناد از طریق رابط چت Chainlit - بخش دوم Document Ingestion via Chainlit Chat UI Part 2

• آپلود اسناد و چت با RAGWire از طریق Chainlit Upload Documents and Chat with RAGWire via Chainlit

بک‌اند RAG با FastAPI و نقاط انتهایی سازگار با OpenAI FastAPI RAG Backend with OpenAI-Compatible Endpoints

• بک‌اند RAG با FastAPI: مرور کلی بخش FastAPI RAG Backend: Section Overview

• RAG چند-عاملی: بک‌اند FastAPI و فرانت‌اند Chainlit Multi-Agent RAG: FastAPI Backend and Chainlit Frontend

• توضیح نقاط انتهایی FastAPI سازگار با OpenAI - بخش اول OpenAI-Compatible FastAPI Endpoints Explained Part 1

• توضیح نقاط انتهایی FastAPI سازگار با OpenAI - بخش دوم OpenAI-Compatible FastAPI Endpoints Explained Part 2

• راه‌اندازی عامل LangChain برای نقاط انتهایی FastAPI RAG LangChain Agent Setup for FastAPI RAG Endpoints

• استریمینگ SSE: عامل LangChain به عنوان نقطه انتهایی OpenAI SSE Streaming: LangChain Agent as OpenAI Endpoint

• ساخت نقاط انتهایی RAG سازگار با OpenAI با FastAPI Build OpenAI-Compatible RAG Endpoints with FastAPI

• تست نقاط انتهایی عامل FastAPI RAG با Postman Test FastAPI RAG Agent Endpoints with Postman

• احراز هویت و تاریخچه چت Chainlit: راه‌اندازی اپلیکیشن - بخش اول Chainlit Auth and Chat History: RAG App Setup Part 1

• احراز هویت و تاریخچه چت Chainlit: راه‌اندازی اپلیکیشن - بخش دوم Chainlit Auth and Chat History: RAG App Setup Part 2

• تست کامل: عامل RAG و اپلیکیشن چت Chainlit End-to-End Testing: RAG Agent and Chainlit Chat App

• اصلاح پاسخ‌های اپلیکیشن چت Chainlit Chainlit Chat App Response Correction

RAG چند-عاملی: LangGraph، CrewAI، AutoGen و مایکروسافت Multi-Agent RAG: LangGraph, CrewAI, AutoGen and Microsoft

• مرور کلی RAG چند-عاملی: LangGraph، CrewAI، AutoGen Multi-Agent RAG Overview: LangGraph, CrewAI, AutoGen

• RAG خود-اصلاح‌گر LangGraph: نحوه عملکرد LangGraph Self-Correcting RAG: How It Works

• گره‌های LangGraph RAG: نوشتن، بازیابی و تولید LangGraph RAG Nodes: Write, Retrieve and Generate

• RAG خود-اصلاح‌گر LangGraph: تست کامل - اول LangGraph Self-Correcting RAG: End-to-End Testing

• RAG خود-اصلاح‌گر LangGraph: تست کامل - دوم LangGraph Self-Correcting RAG: End-to-End Testing

• عامل چند-گانه ناظر LangGraph: نحوه عملکرد LangGraph Supervisor Multi-Agent: How It Works

• LangGraph: ساخت جریان کاری چند-عاملی ناظر LangGraph: Build a Supervisor Multi-Agent Workflow

• جریان کاری ناظر LangGraph: تست کامل LangGraph Supervisor Workflow: End-to-End Testing

• اصلاح ابزار search_documents [مهم] search_documents Tool Correction [IMP]

• توضیح عامل RAG دستیار اسناد در CrewAI CrewAI Document Assistant RAG Agent Explained

• CrewAI: ساخت عامل RAG دستیار اسناد CrewAI: Build a Document Assistant RAG Agent

• CrewAI: ساخت یک تحلیل‌گر اسناد چند-عاملی CrewAI: Build a Multi-Agent Document Analyst

• تحلیل‌گر اسناد چند-عاملی CrewAI: تست کامل CrewAI Multi-Agent Document Analyst: E2E Testing

• توضیح سیستم چند-عاملی Microsoft AutoGen Microsoft AutoGen Multi-Agent System Explained

• Microsoft AutoGen: راه‌اندازی کلاینت مدل Gemini Microsoft AutoGen: Gemini Model Client Setup

• Microsoft AutoGen: ساخت یک تیم همکاری تحقیقاتی Microsoft AutoGen: Build a Research Collaboration Team

• Microsoft Agent Framework: ساخت اولین عامل RAG Microsoft Agent Framework: Build Your First RAG Agent

• Microsoft Agent Framework: نحوه عملکرد جریان کاری چند-عاملی Microsoft Agent Framework: How Multi-Agent Workflow Works

• Microsoft Agent Framework: عامل‌های متخصص وظایف Microsoft Agent Framework: Task Specialist Agents

• Microsoft Agent Framework: تجمیع پاسخ‌های متخصصان Microsoft Agent Framework: Aggregate Specialist Responses

• Microsoft Agent Framework: تست کامل RAG Microsoft Agent Framework: End-to-End RAG Testing

استقرار عامل RAG (اپلیکیشن AI) در محیط تولید با Docker و Render Deploy RAG Agent (AI App) to Production with Docker and Render

• مرور کلی استقرار تولیدی: Docker و Render Production Deployment Overview: Docker and Render

• راه‌اندازی مخزن GitHub برای استقرار عامل RAG تولیدی GitHub Repo Setup for Production RAG Agent Deployment

• داکرایز کردن اپلیکیشن RAG: ایجاد کانتینر Docker Dockerize Your RAG App: Create a Docker Container

• ساخت و بررسی ایمیج داکر به صورت محلی برای RAG Build and Inspect a Docker Image Locally for RAG

• Docker .dockerignore: جلوگیری از نشت اطلاعات حساس در محیط Prod Docker .dockerignore: Prevent Credential Leaks in Prod

• استقرار عامل RAG در Render: راهنمای استقرار ابری Deploy RAG Agent to Render: Cloud Deployment Guide

• تست API تکمیل چت روی عامل RAG مستقر شده Test Chat Completion API on Deployed RAG Agent

• چت با اپلیکیشن RAG زنده در Render Chat with Your Live RAG App on Render

• ایمن‌سازی API با API Key: بهترین روش‌های محیط تولید Secure RAG API with API Key: Production Best Practices

• دسترسی به نقاط انتهایی امن RAG با API Key Access Secured RAG API Endpoints with API Key

• Chainlit: دسترسی امن API Key برای نقاط انتهایی RAG Chainlit: Secure API Key Access for RAG Endpoints

استقرار عامل RAG در Railway، AWS ECS، GCP و Azure Deploy RAG Agent on Railway, AWS ECS, GCP and Azure

• مرور کلی استقرار ابری: Railway، AWS، GCP و Azure Cloud Deployment Overview: Railway, AWS, GCP and Azure

• Railway: استقرار اپلیکیشن عامل RAG در محیط تولید Railway: Deploy RAG Agent App to Production

• Railway: تست اپلیکیشن RAG با رابط چت Chainlit Railway: Test RAG App with Chainlit Chat UI

• AWS ECS و Fargate: راه‌اندازی برای استقرار اپلیکیشن RAG AWS ECS and Fargate: Setup for RAG App Deployment

• AWS ECR: ساخت و ارسال ایمیج داکر اپلیکیشن RAG AWS ECR: Build and Push RAG App Docker Image

• AWS ECS: استقرار اپلیکیشن عامل RAG با حالت Express AWS ECS: Deploy RAG Agent App with Express Mode

• AWS ECS: تست کامل عامل RAG مستقر شده AWS ECS: End-to-End Testing of Deployed RAG Agent

• AWS ECS: جابجایی عامل RAG از طریق متغیرهای محیطی AWS ECS: Swap RAG Agent via Environment Variables

• GCP: پیکربندی Cloud CLI برای استقرار اپلیکیشن RAG GCP: Configure Cloud CLI for RAG App Deployment

• GCP Cloud Run: استقرار عامل RAG در محیط تولید GCP Cloud Run: Deploy RAG Agent to Production

• GCP Cloud Run: چت با عامل RAG مستقر شده GCP Cloud Run: Chat with Your Deployed RAG Agent

• Azure: پیکربندی CLI برای استقرار عامل RAG Azure: Configure CLI for RAG Agent Deployment

• Azure: ساخت و استقرار اپلیکیشن عامل RAG در محیط تولید Azure: Build and Deploy RAG Agent App to Production