آموزش مهندسی پیشرفته پرامپت برای همه - آخرین آپدیت

ماژول ۱: مبانی مهندسی زمینه (Context Engineering) Module 1: Foundations of Context Engineering

• معرفی دوره Course Introduction

• ۱.۱ مهندسی زمینه چیست؟ 1.1 What Is Context Engineering?

• ۱.۲ تغییر پارادایم: از پرامپت به زمینه 1.2 The Paradigm Shift: From Prompt to Context

• ۱.۳ چهار بلوک سازنده زمینه 1.3 The Four Building Blocks of Context

• ۱.۴ مزایای اصلی مهندسی زمینه 1.4 The Core Benefits of Context Engineering

• ۱.۵ حافظه LLM و زمینه 1.5 LLM Memory and Context

• ۱.۶ مطالعات موردی در مهندسی زمینه تولیدی 1.6 Case Studies in Production Context Engineering

ماژول ۲: الگوها و تکنیک‌های مدیریت زمینه Module 2: Context Management Patterns and Techniques

• ۲.۱ چارچوب مدیریت زمینه 2.1 The Context Management Framework

• ۲.۲ نوشتن زمینه (تعریف هویت و وضعیت) 2.2 Write Context (Defining Identity and State)

• ۲.۳ انتخاب زمینه (بازیابی دقیق) 2.3 Select Context (Precision Retrieval)

• ۲.۴ فشرده‌سازی زمینه (کارایی و مقیاس‌پذیری) 2.4 Compress Context (Efficiency and Scaling)

• ۲.۵ جداسازی زمینه (تعریف مرزها و محدوده) 2.5 Isolate Context (Defining Boundaries and Scope)

• ۲.۶ تکنیک‌های پیشرفته بازیابی و فشرده‌سازی (LlamaIndex/LangChain) 2.6 Advanced Retrieval and Compression Techniques (LlamaIndex/LangChain)

• ۲.۷ انتخاب ابزار به عنوان زمینه 2.7 Tool Selection as Context

• ۲.۸ مطالعات موردی – از استدلال شاخه‌ای تا جریان زمینه یکپارچه 2.8 Case Studies – From Branching Reasoning to Unified Context Flow

ماژول ۳: خط لوله زمینه، RAG و معماری مستندسازی Module 3: The Context Pipeline, RAG, and Grounding Architecture

• ۳.۱ خط لوله زمینه: نمای سیستم جامع (End to End) 3.1 The Context Pipeline: An End-to-End System View

• ۳.۲ مثال خط لوله زمینه: نحوه استفاده ربات پرسش و پاسخ از کل خط لوله 3.2 Context Pipeline Example: How a Q&A Bot Uses the Full Pipeline

• ۳.۳ بررسی عمیق معماری تولید تقویت‌شده با بازیابی (RAG) 3.3 Retrieval-Augmented Generation (RAG) Architecture Deep Dive

• ۳.۴ مفاهیم و کاربردهای عملی پایگاه‌های داده برداری 3.4 Conceptual and Practical Vector Databases

• ۳.۵ چالش‌های کیفیت زمینه: شکست در مستندسازی و راهکارهای کاهش آن 3.5 Context Quality Challenges: Grounding Failures and Mitigation

• ۳.۶ چارچوب‌های ارکستراسیون: ساخت وضعیت و جریان 3.6 Orchestration Frameworks: Building State and Flow

• ۳.۷ مطالعه موردی: پژوهشگر چند-عاملی Anthropic 3.7 Case Study: Anthropic’s Multi-Agent Researcher

ماژول ۴: بهینه‌سازی، مقیاس‌پذیری و آمادگی سازمانی Module 4: Optimization, Scaling, and Enterprise Readiness

• ۴.۱ بهینه‌سازی هزینه و عملکرد: خط لوله اقتصادی زمینه 4.1 Cost and Performance Optimization: The Economic Context Pipeline

• ۴.۲ مقیاس‌پذیری زمینه و پروتکل زمینه مدل (MCP) 4.2 Context Scaling and the Model Context Protocol (MCP)

• ۴.۳ امنیت و انطباق: گاردریل‌ها برای زمینه سازمانی 4.3 Security and Compliance: Guardrails for Enterprise Context

• ۴.۴ ثبات زمینه و حل تعارضات 4.4 Context Consistency and Conflict Resolution

• ۴.۵ زمینه چند-وجهی: باز کردن قفل داده‌های ساختارنیافته سازمانی 4.5 Multi-Modal Context: Unlocking Unstructured Enterprise Data

• ۴.۶ مطالعات موردی در دنیای واقعی 4.6 Real-World Case Studies

ماژول ۵: طراحی جریان زمینه برای کاربران تجاری: معماری هوش مصنوعی قابل اعتماد از طریق پلتفرم‌های بدون کد Module 5: Context Flow Design for Business Users: Architecting Reliable AI via No-Code Platforms

• ۵.۱ معرفی معماری جریان زمینه برای کاربر تجاری 5.1 Introduction to Context Flow Architecture for the Business User

• ۵.۲ نگاشت فرآیندهای تجاری به جریان‌های زمینه‌ای آماده برای هوش مصنوعی 5.2 Mapping Business Processes to AI-Ready Context Flows

• ۵.۳ ابزارهای بدون کد برای کنترل جریان: پیاده‌سازی بصری W S C I 5.3 No-Code Tools for Flow Control: Implementing W-S-C-I Visually

• ۵.۴ مدیریت زمینه کاربرپسند: قالب‌ها و خلاصه‌ها 5.4 Business-Friendly Context Management: Templates and Summaries

• ۵.۵ طراحی دستیار دینامیک برای پذیرش مشتری (Onboarding) 5.5 Designing a Dynamic Customer Onboarding Assistant

• ۵.۶ زمینه برای گردش‌کارهای خودکار: پیوند با AWA 5.6 Context for Automated Workflows: The Link to AWA

• ۵.۷ موفقیت‌های سازمانی واقعی در طراحی جریان زمینه 5.7 Real-World Enterprise Success in Context Flow Design

ماژول ۶: کاربردهای زمینه‌ای در صنایع واقعی Module 6: Real-World Industry Context Applications

• ۶.۱ ضرورت مهندسی زمینه در حوزه‌های تحت نظارت (Regulated) 6.1 The Context Engineering Imperative in Regulated Domains

• ۶.۲ بهداشت و درمان: پشتیبانی تصمیمات بالینی و ایمنی بیمار 6.2 Healthcare: Clinical Decision Support and Patient Safety

• ۶.۳ امور مالی: تحلیل بلادرنگ و پایبندی به مقررات 6.3 Finance: Real-Time Analysis and Regulatory Adherence

• ۶.۴ حقوق و آموزش: دقت و زمینه شخصی‌سازی شده 6.4 Legal and Education: Precision and Personalized Context

• ۶.۵ کاهش ریسک‌های زمینه‌ای در صنعت 6.5 Industry Context Risk Mitigation

• ۶.۶ مهندسی زمینه برای عوامل پیشرفته هوش مصنوعی 6.6 Context Engineering for Advanced AI Agents

• ۶.۷ مطالعات موردی مفصل از دنیای واقعی 6.7 Detailed Real-World Case Studies

ماژول ۷: ارکستراسیون چندعاملی و آینده Module 7: Multi-Agent Orchestration and the Future

• ۷.۱ ضرورت معماری سیستم‌های چند-عاملی 7.1 The Architectural Imperative of Multi-Agent Systems

• ۷.۲ ارتباطات زمینه‌ای و طراحی جریان در سیستم‌های چند-عاملی 7.2 Multi-Agent Context Communication and Flow Design

• ۷.۳ کنترل رفتار عامل از طریق زمینه سیستم و گاردریل‌ها 7.3 Controlling Agent Behavior Through System Context and Guardrails

• ۷.۴ روندهای آینده: تاثیر مقیاس و اتوماسیون 7.4 Future Trends: The Impact of Scale and Automation

• ۷.۵ اخلاق و استفاده مسئولانه در سیستم‌های هماهنگ 7.5 Ethics and Responsible Use in Coordinated Systems

• ۷.۶ مطالعات موردی در استقرار چند-عاملی سازمانی 7.6 Case Studies in Enterprise Multi-Agent Deployment

• ۷.۷ مسیرهای شغلی: معمار زمینه و حاکمیت هوش مصنوعی 7.7 Career Pathways: The Context Architect and AI Governance

ماژول ۸: پروژه نهایی Module 8: Capstone Project

• ۸.۱ معرفی پروژه نهایی 8.1 Introduction to Capstone Project

• خلاصه دوره Course Summary

عوامل هوش مصنوعی در مهندسی زمینه AI Agents in Context Engineering

• ۱.۱ عوامل هوش مصنوعی در مهندسی زمینه 1.1 AI Agents in Context Engineering

• ۱.۲ ویژگی‌های اصلی عوامل هوش مصنوعی مهندسی‌شده از نظر زمینه 1.2 Core Characteristics of Context-Engineered AI Agents

• ۱.۳ اهمیت عوامل هوش مصنوعی با مهندسی زمینه 1.3 Importance of Context-Engineered AI Agents

• ۱.۴ سیستم‌های حافظه در هوش مصنوعی 1.4 Memory Systems in AI

• ۱.۵ انواع عوامل هوش مصنوعی با مهندسی زمینه 1.5 Types of Context-Engineered AI Agents

• ۱.۶ کاربردها و روندها 1.6 Applications and Trends