آموزش ساخت عوامل هوشمند AI با Agno - آخرین آپدیت

دانلود Building AI Agents with Agno

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: گردش‌های کاری (Workflow) عوامل هوشمند شما می‌توانند سریع‌تر، 똑똑تر و قابل‌اعتمادتر شوند. در این دوره عملی، شما با فریم‌ورک Agno آشنا می‌شوید؛ ابزاری جامع برای توسعه‌دهندگان که به طراحی عوامل هوشمند، سازماندهی تیم‌های چند-عاملی (Multi-agent)، یکپارچه‌سازی سیستم‌های دانش، مدیریت حافظه و استقرار AI عامل‌محور در سطح تولید (Production) کمک می‌کند. چه به دنبال کاهش هماهنگی‌های دستی در گردش‌های کاری باشید، چه بخواهید قابلیت اطمینان سیستم را بهبود ببخشید و یا درک کنید که عوامل AI چگونه از معماری‌های نرم‌افزاری مدرن پشتیبانی می‌کنند، این دوره به شما می‌آموزد که چگونه از Agno به صورت موثر و مسئولانه استفاده کنید. شما با بررسی نحوه عملکرد Agno، از جمله معماری، مدل اجرا، مدیریت کانتکست و قابلیت‌های سازماندهی چند-عاملی شروع خواهید کرد. سپس از طریق تمرینات عملی، مسیر زیر را طی می‌کنید: از ساخت اولین عامل تک‌عاملی و یکپارچه‌سازی ابزارهای سفارشی گرفته تا پیاده‌سازی بازیابی دانش، مدیریت حافظه پایدار، سازماندهی تیم‌های چند-عاملی، عیب‌یابی رفتار عامل‌ها و به‌کارگیری Agno در محیط‌های عملیاتی. در پایان این دوره، شما قادر خواهید بود: ۱. قابلیت‌های اصلی Agno را تعریف کرده و توضیح دهید که چگونه معماری، کانتکست، پرامپت‌ها، یکپارچه‌سازی ابزارها و سازماندهی چند-عاملی از اتوماسیون‌های مبتنی بر AI پشتیبانی می‌کنند. ۲. از APIهای Agno، یکپارچه‌سازی ابزارها و خروجی‌های ساختاریافته برای ساخت، تحلیل، عیب‌یابی و بازنویسی بهینه گردش‌های کاری هوشمند استفاده کنید. ۳. تعاریف ابزاری و پرامپت‌های موثری بنویسید که عوامل را به سمت تولید کدهای دقیق، امن و خروجی‌های سیستم قابل نگهداری هدایت کند. ۴. تصمیمات تولید شده توسط عامل‌ها را با استفاده از لاگینگ، تست، مانیتورینگ و نظارت انسانی (Human-in-the-loop) بررسی و تایید کنید. ۵. Agno را در زمینه‌های بازیابی دانش، هماهنگی چند-عاملی، مشاهده‌پذیری سیستم و توسعه اپلیکیشن‌های Full-stack عامل‌محور به کار ببرید. این دوره برای توسعه‌دهندگان نرم‌افزار، مهندسان بک‌اند، توسعه‌دهندگان فول‌استک، متخصصان AI/ML، متخصصان DevOps و هر کسی که می‌خواهد بداند Agno چگونه می‌تواند از جریان‌های کاری واقعی AI پشتیبانی کند، طراحی شده است. اگر در Agno یا سیستم‌های چند-عاملی تازه‌کار هستید، این دوره یک نقطه شروع عملی عالی است. پیش‌نیازها: تجربه پایه در کدنویسی پایتون (Python). آشنایی با APIها، محیط خط فرمان (CLI) و مفاهیم مدل‌های زبانی بزرگ (LLM) مفید خواهد بود. همین حالا ثبت‌نام کنید و یاد بگیرید چگونه با Agno، عوامل هوشمند را بسازید، تست کنید، عیب‌یابی کنید و مستقر نمایید.

سرفصل ها و درس ها

مبانی Agno و اولین عامل شما Agno Fundamentals and Your First Agent

  • معرفی دوره Course Introduction

  • آشنایی با Agno و سیستم‌های AI عامل‌محور Introduction to Agno and Agentic AI Systems

  • ساخت و اجرای یک عامل پشتیبانی پایه با Agno Building and Running a Basic Support Agent with Agno

  • پایه‌های سیستم‌های AI عامل‌محور Foundations of Agentic AI Systems

  • ارتقای عامل با قابلیت‌های پژوهشی Enhancing the Agent with Research Capabilities

  • اتوماسیون دسته‌بندی تیکت‌های پشتیبانی با استفاده از عوامل AI Automating Support Ticket Classification using AI Agents

  • معماری و جریان کاری فریم‌ورک Agno Agno Framework Architecture and Workflow

  • یکپارچه‌سازی ابزارهای سفارشی برای جستجوی تیکت و ارجاع Integrating Custom Tools for Ticket Lookup and Escalation

  • ساخت یک سیستم پشتیبانی کامل تک-عاملی Building a Complete Single-Agent Support System

دانش، حافظه و عوامل چند-وجهی Knowledge, Memory, and Multimodal Agents

  • سیستم RAG عامل‌محور و بازیابی هوشمند دانش Agentic RAG and Intelligent Knowledge Retrieval

  • ایجاد پایگاه دانش اسنادی با استفاده از LanceDB Creating a Document Knowledge using LanceDB

  • جستجوی ترکیبی (Hybrid) برای بازیابی بهتر اسناد Hybrid Search for Better Document Retrieval

  • طراحی عوامل AI مبتنی بر حافظه Designing Memory-Driven AI Agents

  • افزودن حافظه به عامل پشتیبانی AI Adding Memory to AI Support Agent

  • عامل AI آگاه به کانتکست با دانش و حافظه Context-Aware AI Agent with Knowledge and Memory

تیم‌های چند-عاملی و جریان‌های کاری تولید Multi-Agent Teams and Production Workflows

  • الگوهای ارکستراسیون چند-عاملی در Agno Multi-Agent Orchestration Patterns in Agno

  • سیستم مسیریابی تیکت چند-عاملی Multi-Agent Ticket Routing System

  • سیستم پشتیبانی همکاری چند-عاملی Collaborative Multi-Agent Support System

  • معماری جریان کاری عامل و خط لوله‌های اجرا Agent Workflow Architecture and Execution Pipelines

  • ساخت یک جریان کاری کامل چند-عاملی Building a Complete Multi-Agent Workflow

  • استقرار InsightFlow همراه با رابط کاربری و مانیتورینگ Deploying InsightFlow with UI and Monitoring

  • عامل پشتیبانی AI آماده تولید (InsightFlow) InsightFlow Production ready AI Support Agent

جمع‌بندی دوره و ارزیابی‌ها Course Wrap-Up and Assessments

  • خلاصه دوره Course Summary

نمایش نظرات

آموزش ساخت عوامل هوشمند AI با Agno
جزییات دوره
6h 24m
23
(آخرین آپدیت)
28
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده