لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
نمایش نظرات