آموزش عوامل هوشمند و معماری Agentic AI با پایتون - آخرین آپدیت

توسعه عوامل هوشمند با خود-پرومپتینگ Extending AI Agents with Self-Prompting

• پرومپت‌ها به عنوان محاسبات Prompts as Computation

• پل زدن بین ابزارهای کامپیوتری و داده‌های بدون ساختار با پرومپتینگ Bridging Computer Tools & Unstructured Data with Prompting - the AI Shim

• الگوی پرسونا و استدلال: پرسوناها به عنوان یک انتزاع برنامه‌نویسی کارآمد The Persona Pattern and Reasoning - Personas are an efficient programming abstraction

• الگوی پرسونا The Persona Pattern

• سیستم‌های چند-عاملی ساده با پرسوناها Simple Multi-Agent Systems with Personas

اصول طراحی و ایمنی عوامل هوشمند AI Agent Design Principles & Safety

• اصول طراحی MATE برای عوامل هوشمند The MATE Design Principles for AI Agents

سیستم‌های چند-عاملی Multi-Agent Systems

• مقدمه‌ای بر سیستم‌های چند-عاملی Introduction to Multi-Agent Systems

• تعامل و حافظه عوامل Agent Interaction & Memory

• حذف نویز: متمرکز کردن توجه عامل Removing Noise: Focusing Agent Attention

• ارائه اطلاعات دنیای واقعی به هوش مصنوعی Agentic Providing Agentic AI Information About the World

تزریق وابستگی برای ابزارها Dependency Injection for Tools

• جداسازی عوامل از پیچیدگی‌های تصادفی Isolating Agents from Accidental Complexity

رویکردهای بهبود استدلال در عوامل هوشمند Approaches to Improving AI Agent Reasoning

• بهبود استدلال عامل هوشمند با یادگیری در متن (In-Context Learning) Improving AI Agent Reasoning with In-Context Learning

• بهبود استدلال عامل هوشمند با برنامه‌ریزی اولیه و زنجیره تفکر (Chain of Thought) Improving AI Agent Reasoning with Up-front Planning & Chain of Thought

• بهبود استدلال عامل هوشمند با برنامه‌ریزی در حلقه (In-loop Planning) Improving AI Agent Reasoning with In-loop Planning

• توازن بزرگ در عوامل: برنامه‌ریزی پیش‌زمانی در مقابل پویا The Great Agent Trade-off: Ahead of Time vs. Dynamic