آموزش هوش مصنوعی مولد (GenAI) برای .NET: ساخت اپلیکیشن‌های LLM با OpenAI و Ollama - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

• پیش‌نیازها، سورس کد و اسلایدهای دوره Prerequisites, Source Code and Course Slides

• پروژه‌های دوره: چت، تحلیل متن، جستجوی برداری، RAG و جستجوی برداری EShop Course Projects: Chat, Text Analysis, Vector Search, RAG, EShop Vector Search

مفاهیم GenAI: مدل‌های LLM، توکن، SLM و مهندسی پرامپت GenAI Concepts: LLM, Token, SLM, Prompt Engineering

• مدل‌های زبانی بزرگ (LLMs) چیستند؟ What Are Large Language Models (LLMs)?

• مدل‌های زبانی بزرگ (LLMs) چگونه کار می‌کنند؟ How Large Language Models (LLMs) Work?

• توکن و توکن‌سازی (Tokenization) چیست؟ What Is Token and Tokenization?

• مدل‌های زبانی کوچک (SLMs) چیستند؟ What Are Small Language Models (SLMs)?

• پرامپت و مهندسی پرامپت چیست؟ What Is Prompt and Prompt Engineering?

اکوسیستم AI و .NET: ابزارها و کتابخانه‌های توسعه AI برای دات‌نت .NET + AI Ecosystem: AI Development Tools and Libraries for .NET

• چرا برای ساخت اپلیکیشن‌های AI دات‌نت را انتخاب کنیم؟ Why Choose .NET to Build AI Applications?

• فریم‌ورک‌ها و SDKهای AI برای .NET AI Frameworks and SDKs for .NET

• بلوک‌های سازنده یکپارچه AI: Microsoft.Extensions.AI (MEAI) Unified AI Building Blocks: Microsoft.Extensions.AI (MEAI)

• Semantic Kernel برای .NET Semantic Kernel for .NET

راه‌اندازی ارائه‌دهندگان LLM: مدل‌های GitHub، Ollama و Azure AI Foundry Setup LLM Providers: GitHub Models, Ollama, Azure AI Foundry

• از کدام ارائه‌دهنده AI برای این دوره استفاده کنم؟ Which AI Provider Should I Use for This Course?

• Azure OpenAI از Azure AI Foundry و پلتفرم OpenAI (سرویس‌های پولی) Azure OpenAI from Azure AI Foundry and OpenAI Platform (Paid Services)

• مدل‌های GitHub GitHub Models

• ایجاد Access Token برای مدل‌های GitHub Create Access Token for GitHub Models

• Ollama – اجرای محلی مدل‌های LLM Ollama – Run LLMs Locally

• دانلود Ollama و مدل‌های llama3.2 و all-minilm با Docker Download Ollama and llama3.2, all-minilm Models with Docker

چت، تکمیل متن، تحلیل و فراخوانی توابع با .NET Chat, Text Completions, Analysis and Function Calling w/ .NET

• ایجاد Solution دات‌نت برای توسعه پروژه‌های AI Create .NET Solution for Developing AI Projects

• تکمیل متن (Text Completion) با مدل gpt 5 mini در GitHub Models Text Completion LLM with GitHub Models OpenAI gpt-5-mini Model

• تکمیل متن LLM به صورت استریمینگ (Streaming) Streaming LLM Text Completion

• دسته‌بندی، خلاصه‌سازی، تحلیل احساسات و سایر کاربردهای LLM Classification, Summarization, Sentiment Analysis LLM Other Use Cases

• خروجی ساختاریافته (Structured Output) در LLM برای استخراج داده‌ها Structured Output in LLM for Data Extraction Use Case

• ساخت اپلیکیشن چت AI با .NET و مدل gpt 5 mini Build AI Chat App with .NET and gpt-5-mini Model

• تکمیل متن LLM با مدل محلی Ollama llama3.2 Text Completion LLM with Local Ollama llama3.2 Model

• اجرای کاربردهای LLM با مدل محلی Ollama llama3.2 Run LLM Use Cases with Local Ollama llama3.2 Model

• فراخوانی توابع (Function Calling) در مدل‌های زبانی بزرگ (LLMs) Function Calling in Large Language Models (LLMs)

• اجرای توابع .NET با استفاده از مدل GH gpt 5 mini Invoke .NET Functions Using GH gpt-5-mini Model

جستجوی برداری .NET AI با استفاده از Vector Embeddings و Vector Store .NET AI Vector Search Using Vector Embeddings and Vector Store

• بردارها و امبدینگ‌های برداری (Vector Embeddings) چیستند؟ What Are Vectors and Vector Embeddings?

• تولید امبدینگ‌ها و محاسبه شباهت با CosineSimilarity Generate Embeddings and Calculate Similarity w/ CosineSimilarity

• دیتابیس برداری (Vector Database) چیست؟ What Is a Vector Database?

• جستجوی برداری .NET AI با Extensions.VectorData.Abstractions .NET AI Vector Search w/ Extensions.VectorData.Abstractions

• ایجاد اپلیکیشن VectorSearch و نصب پکیج‌ها Create VectorSearch App and Install Packages

• توسعه موجودیت داده‌های برداری و مقداردهی داده‌ها Develop Vector Data Entity and Populate Data

• تولید امبدینگ‌ها و ذخیره در In-Memory Vector Store Generate Embeddings and Store in In-Memory Vector Store

• ایجاد امبدینگ کوئری و اجرای جستجوی برداری Create Query Embedding and Perform Vector Search

• توسعه اپلیکیشن جستجوی برداری .NET AI با Ollama و مدل امبدینگ all-minilm Develop .NET AI Vector Search App w/ Ollama and all-minilm Embedding Model

ساخت اپلیکیشن تولید تقویت‌شده با بازیابی (RAG) با .NET AI Retrieval Augmented Generation (RAG) Application w/ .NET AI

• تولید تقویت‌شده با بازیابی (RAG) چیست؟ What Is Retrieval-Augmented Generation (RAG)?

• چرا به RAG نیاز داریم و چرا اهمیت دارد؟ Why Need Retrieval-Augmented Generation (RAG)? Why Is RAG Important?

• مکانیسم کارکرد تولید تقویت‌شده با بازیابی (RAG) چگونه است؟ How Does Retrieval-Augmented Generation (RAG) Work?

• ساخت اپلیکیشن چت .NET با قالب RAG Build .NET Chat App w/ RAG Template

• بررسی راهکار RAG در اپلیکیشن چت .NET Explore .NET Chat App RAG Solution

• اجرا و تست راهکار RAG در اپلیکیشن چت .NET Run & Test .NET Chat App RAG Solution

• گسترش اپلیکیشن RAG با اسناد شخصی (دریافت و امبدینگ PDF سفارشی) Extend RAG Chat App with Your Own Documents - Ingest and Embeddings Custom PDF

• گسترش قابلیت‌های اپلیکیشن RAG با ابزار فراخوانی توابع Extend RAG Chat App Functionality with Function Calling Tool

• ساخت اپلیکیشن چت .NET با قالب RAG با استفاده از Ollama و all-minilm Build .NET Chat App w/ RAG Template Using Ollama and all-minilm

• افزودن دیتابیس برداری Qdrant به اپلیکیشن RAG با .NET Aspire Add Qdrant Vector Database into Our RAG Chat App w/ .NET Aspire

اپلیکیشن‌های تحلیل تصویر با .NET AI Image Analysis Apps w/ .NET AI

• تشخیص تصویر با .NET و MEAI Image Recognition with .NET and MEAI

• ساخت اپلیکیشن تحلیل تصویر با .NET و مدل‌های GH (OpenAI gpt 5 mini) Build Image Analysis App w/ .NET and GH Models - OpenAI gpt-5-mini

• تحلیل دوربین‌های ترافیکی با خروجی ساختاریافته Analysis Traffic Cams with Structured Output

• دانلود مدل Llava Vision برای Ollama Download Llava Vision Model for Ollama

• ساخت اپلیکیشن تحلیل تصویر با .NET و Ollama Llava Build Image Analysis App w/ .NET and Ollama Llava

ساخت اپلیکیشن جستجوی برداری EShop با .NET Aspire، gpt 5 mini و دیتابیس برداری Qdrant Build Eshop Vector Search App w/ .NET Aspire, gpt-5-mini and Qdrant Vector DB

• مقدمه: جستجوی برداری EShop با .NET Aspire، gpt 5 mini و Qdrant Introduction - EShop Vector Search w/ .NET Aspire, gpt-5-mini, Qdrant

• نقطه شروع: معماری میکروسرویس‌های توزیع شده EShop با .NET Aspire Starting Point: EShop Distributed Microservices Architecture with .NET Aspire

• افزودن قابلیت چت به EShop و یکپارچه‌سازی مدل OpenAI gpt 5 mini Add Chat Capability in EShop Integrate GitHub Models OpenAI gpt-5-mini Model

• توسعه کلاس ProductAIService.cs برای لایه بیزنس (چت پشتیبانی مشتری) Develop ProductAIService.cs Class for Business Layer - Customer Support Chat AI

• توسعه ProductEndpoints و End-pointهای پشتیبانی برای پرسش و پاسخ چت Develop ProductEndpoints Support Query Endpoint for Chat Q&A

• توسعه صفحات UI چت برای مصرف End-point پشتیبانی Develop Chat UI Pages to Consume Support Endpoint

• افزودن دیتابیس برداری Qdrant به محیط توزیع شده .NET Aspire (میزبانی) Add Qdrant Vector Database into .NET Aspire Distributed Environment (Hosting)

• پکیج‌های یکپارچه‌سازی کلاینت برای Qdrant و Extensions.VectorData Client Integration Packages for Qdrant and Extensions.VectorData

• ثبت سرویس‌های کلاینت Qdrant در سرویس‌های DI دات‌نت در Catalog/Program.cs Register Qdrant Client Services into .NET DI Services in Catalog/Program.cs

• ثبت سرویس‌های EmbeddingGenerator در Catalog/Program.cs Register EmbeddingGenerator Services in Catalog/Program.cs

• توسعه موجودیت دامنه ProductVector برای ذخیره داده‌های برداری Develop ProductVector Domain Entity for Storing Vector Data

• توسعه جستجوی سنتی در کلاس بیزنس ProductService.cs Develop Traditional Search in ProductService.cs Business Class

• توسعه ProductAIService.cs برای پیاده‌سازی جستجوی معنایی Develop ProductAIService.cs for Semantic Search Implementation

• توسعه End-pointهای جستجو در ProductEndpoints.cs برای جستجوی معنایی Develop Search Endpoints in ProductEndpoints.cs for Semantic Search

• تست End-pointهای جستجو در میکروسرویس‌های Catalog Test Search Endpoints from Catalog Microservices

• توسعه صفحه جستجوی FrontEnd با Blazor Blazor FrontEnd Search Page Development

• تست صفحه جستجوی وب‌اپلیکیشن Blazor برای جستجوی معنایی Test WebApp Blazor Search Page for Semantic Search

پایان و تشکر Thanks

• پایان و تشکر Thanks