لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ساخت اولین عامل هوش مصنوعی خود با LangChain
- آخرین آپدیت
دانلود Building Your First AI Agent with LangChain
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این برنامه شما را با ساخت عاملهای ساده با LangChain آشنا میکند؛ دورهای طراحی شده برای توسعهدهندگان و علاقهمندان به هوش مصنوعی که به دنبال ایجاد عاملهای هوشمند مبتنی بر LangChain هستند. شما کار خود را با تسلط بر مفاهیم بنیادی هوش مصنوعی عاملگرا (Agentic AI) و اکوسیستم LangChain، از جمله درک معماری، اجزای کلیدی و قابلیتهای آن آغاز خواهید کرد.
سپس، به حوزه توسعه مدلهای زبانی بزرگ (LLM) خواهید پرداخت و بر مهندسی پرامپت، مهندسی کانتکست (Context Engineering) و طراحی پرسونای مدل تمرکز خواهید کرد. شما یاد خواهید گرفت که چگونه پرامپتهای موثر ایجاد کنید، کانتکست را برای هدایت رفتار مدل مهندسی کنید و جریانهای کاری چندمرحلهای قدرتمند را با استفاده از زبان بیان لانگچین (LCEL) طراحی کنید. از طریق نمایشهای عملی، سیستمهای عامل هوشمندی خواهید ساخت که میتوانند با منابع داده و ابزارهای مختلف تعامل داشته باشند.
با پیشرفت در دوره، توسعه عملی عاملها با استفاده از create_agent را بررسی کرده و یاد میگیرید که چگونه عاملها را با حافظه و ابزارهای خارجی تقویت کنید. همچنین یاد میگیرید که خروجیهای ساختاریافته را با استفاده از Pydantic و TypedDict تولید کنید تا اطمینان حاصل شود که عاملهای شما میتوانند وظایف پیچیده را با دقت بالا انجام دهند.
در پایان این برنامه، شما قادر خواهید بود:
- اصول اصلی هوش مصنوعی عاملگرا و اکوسیستم LangChain را تعریف کنید.
- از چارچوب create_agent در LangChain برای ساخت و شخصیسازی عاملهای هوشمند استفاده کنید.
- تکنیکهای مهندسی پرامپت و مهندسی کانتکست را برای تأثیرگذاری بر رفتار مدل تحلیل کنید.
- جریانهای کاری چندمرحلهای و خطلولههای مقاوم در برابر خطا را با استفاده از LCEL طراحی کنید.
- ابزارهای خارجی را ادغام کرده و برای حل وظایف پیچیده، خروجیهای ساختاریافته سنتز کنید.
- عاملها را برای مدیریت کاربردهای دنیای واقعی، از پرسوجوی دادهها گرفته تا تولید بینشهای عملی، بهینه کنید.
این برنامه برای توسعهدهندگان، متخصصان حوزه فناوری و علاقهمندان به هوش مصنوعی که میخواهند وارد دنیای توسعه عاملهای هوشمند شوند، ایدهآل است. تجربه قبلی در برنامهنویسی پایتون و مفاهیم پایه هوش مصنوعی به حداکثر رساندن تجربه یادگیری شما کمک میکند.
یادگیرندگان به یک اتصال اینترنت پایدار، یک مرورگر وب مدرن و دسترسی به ابزارهای پایتون نیاز دارند. این دوره از ابزارهای هوش مصنوعی مانند LangChain و Gemini API استفاده میکند که نیازی به سختافزار خاص ندارند. داشتن دانش پایه از پایتون و مفاهیم هوش مصنوعی توصیه میشود.
سرفصل ها و درس ها
شروع کار با هوش مصنوعی عاملگرا و اکوسیستم LangChain
Getting Started with Agentic AI and the LangChain Ecosystem
معرفی تخصص
Specialization Introduction
مقدمه دوره
Course Introduction
آشنایی با هوش مصنوعی عاملگرا
Introduction to Agentic AI
مفاهیم اصلی هوش مصنوعی عاملگرا
Core Concepts of Agentic AI
موارد استفاده از هوش مصنوعی عاملگرا در دنیای واقعی
Real-World Agentic AI Use Cases
LangChain v1.0 چیست؟
What is LangChain v1.0?
بررسی عمیق معماری LangChain
LangChain Architecture Deep Dive
اجزا و قابلیتهای کلیدی LangChain
Key Components and Capabilities of LangChain
آمادهسازی محیط مدرن توسعه هوش مصنوعی
Preparing a Modern AI Development Environment
نمایش عملی: تنظیم کلید Gemini API در AI Studio
Demonstration: Gemini API Key Setup with AI Studio
نمایش عملی: راهاندازی محیط مجازی و پیکربندی کلیدهای API
Demonstration: Setting up Virtual Environment and Configuring API Keys
توسعه کاربردی LLM: پرامپتنویسی، مهندسی کانتکست و LCEL
Applied LLM Development: Prompting, Context Engineering and LCEL
نحوه کارکرد LLMها در LangChain
How LLMs Work in LangChain
مقایسه ارائهدهندگان برتر LLM
Comparing Leading LLM Providers
بهترین روشها برای انتخاب مدل مناسب
Best Practices for Choosing the Right Model
نمایش عملی: ساخت یک ابزار CLI مبتنی بر Gemini
Demonstration: Building a Gemini-Powered CLI Tool
اصول مهندسی پرامپت موثر
Principles of Effective Prompt Engineering
تکنیکهای اصلی پرامپتنویسی
Core Prompting Techniques
طراحی ورودیهای ساختاریافته و قابل اعتماد
Designing Structured and Reliable Inputs
نمایش عملی: ایجاد پرامپت با استفاده از قالبهای LangChain
Demonstration: Prompt Creation using LangChain's Prompt Templates
نمایش عملی: تسلط بر مهندسی پرامپت با LangChain - بخش اول
Demonstration: Mastering Prompt Engineering with LangChain - I
نمایش عملی: تسلط بر مهندسی پرامپت با LangChain - بخش دوم
Demonstration: Mastering Prompt Engineering with LangChain - II
آشنایی با مهندسی کانتکست
Introduction to Context Engineering
انواع کانتکست در اپلیکیشنهای مبتنی بر LLM
Types of Context in LLM-driven Applications
نمایش عملی: بهبود پاسخهای مدل با مهندسی کانتکست
Demonstration: Enhancing Model Responses with Context Engineering
نمایش عملی: تزریق کانتکست پرسونای فنی با LangChain - بخش اول
Demonstration: Tech Persona Context Injection using LangChain - I
نمایش عملی: تزریق کانتکست پرسونای فنی با LangChain - بخش دوم
Demonstration: Tech Persona Context Injection using LangChain - II
ساخت خطلولهها با استفاده از LCEL
Building Pipelines Using LCEL
الگوهای پیشرفته جریان کاری در LCEL
Advanced LCEL Workflow Patterns
نمایش عملی: ساخت زنجیرهها با LCEL
Demonstration: Constructing Chains with LCEL
نمایش عملی: طراحی جریانهای کاری چندمرحلهای LCEL - بخش اول
Demonstration: Designing Multi-Step LCEL Workflows - I
نمایش عملی: طراحی جریانهای کاری چندمرحلهای LCEL - بخش دوم
Demonstration: Designing Multi-Step LCEL Workflows - II
نمایش عملی: پیادهسازی خطلولههای مقاوم در برابر خطا با LCEL - بخش اول
Demonstration: Implementing Error-Resilient LCEL Pipelines - I
نمایش عملی: پیادهسازی خطلولههای مقاوم در برابر خطا با LCEL - بخش دوم
Demonstration: Implementing Error-Resilient LCEL Pipelines - II
توسعه عملی عاملها با LangChain
Practical Agent Development with LangChain
درک چارچوب create_agent
Understanding the create_agent Framework
الگوهای اصلی در معماری عاملها
Core Patterns in Agent Architecture
نمایش عملی: ساخت اولین عامل LangChain خود - بخش اول
Demonstration: Building Your First LangChain Agent - I
نمایش عملی: ساخت اولین عامل LangChain خود - بخش دوم
Demonstration: Building Your First LangChain Agent - II
نمایش عملی: تقویت عاملها با حافظه
Demonstration: Enhancing Agents with Memory
ساخت و استفاده از ابزارها در LangChain
Building and Using Tools in LangChain
خروجیهای ساختاریافته با Pydantic و TypedDict
Structured Outputs with Pydantic and TypedDict
نمایش عملی: ساخت ابزارها با استفاده از @tool
Demonstration: Creating Tools with @tool
نمایش عملی: ادغام ابزارهای خارجی در عامل خود
Demonstration: Integrating External Tools into Your Agent
نمایش عملی: تولید خروجیهای ساختاریافته و تایید شده - بخش اول
Demonstration: Producing Validated Structured Outputs - I
نمایش عملی: تولید خروجیهای ساختاریافته و تایید شده - بخش دوم
Demonstration: Producing Validated Structured Outputs - II
جمعبندی دوره و ارزیابی
Course Wrap-Up and Assessment
نمایش نظرات