آموزش ساخت سریع‌تر ایجنت‌های هوشمند AI: از مبانی تا Agentic AI 2026 - آخرین آپدیت

دانلود Build Smart AI Agents 10x Faster: Basic to Agentic AI 2026

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با استفاده از ابزارهای رایگان LangChain، LangGraph، ChromaDB و Llama 3، ایجنت‌هایی با قابلیت حافظه و جستجوی وب بسازید و سپس وارد دنیای Agentic AI شوید. ساخت ایجنت‌های هوشمند AI از صفر با استفاده از پایتون، Ollama، LangChain و LangGraph؛ بدون هزینه API و اجرای محلی با کنترل کامل بر حریم خصوصی. تسلط بر الگوهای ایجنتی: استدلال ReAct، مهندسی پرامپت زنجیره افکار (Chain-of-Thought) و حلقه‌های خود-اصلاحی برای خلق ایجنت‌هایی که به طور مستقل فکر و تصمیم می‌گیرند. پیاده‌سازی جستجوی وب، تحلیل فایل و حافظه دائمی با استفاده از پایگاه داده برداری ChromaDB برای ساخت ایجنت‌هایی که گفتگوها را در جلسات مختلف به یاد می‌آورند. خلق اپلیکیشن‌های AI آماده تولید با رابط کاربری Streamlit، تصمیم‌گیری مستقل و جریان‌های کاری چندمرحله‌ای به همراه پروژه‌های عملی برای پورتفولیو. پیش نیازها: دانش پایه پایتون، سیستم عامل ویندوز، اتصال پایدار به اینترنت.

آنچه خواهید آموخت:

  • ساخت یک ایجنت AI کامل از صفر با استفاده از ابزارهای ۱۰۰٪ متن‌باز و بدون هزینه API

  • درک تفاوت‌های بنیادین بین چت‌بات‌های ساده و سیستم‌های هوشمند Agentic AI

  • پیاده‌سازی قابلیت‌های جستجوی وب برای دسترسی ایجنت به اطلاعات لحظه‌ای اینترنت

  • ایجاد سیستم‌های حافظه دائمی با استفاده از دیتابیس برداری ChromaDB برای ذخیره تاریخچه گفتگوها

  • افزودن قابلیت آپلود فایل برای تحلیل PDFها و اسناد متنی توسط AI

  • تسلط بر الگوی ReAct (استدلال + اقدام) برای تصمیم‌گیری هوشمندانه

  • پیاده‌سازی پرامپت‌های زنجیره افکار برای حل مسائل پیچیده

  • ساخت حلقه‌های خود-اصلاحی که در آن ایجنت‌ها پاسخ‌های خود را اعتبارسنجی و بهبود می‌بخشند

  • طراحی جریان‌های کاری ایجنتی با LangGraph با استفاده از ماشین‌های حالت و مسیریابی شرطی

  • اجرای مدل‌های زبانی بزرگ به صورت محلی با Ollama (llama3.2) با حفظ کامل حریم خصوصی

  • ساخت رابط‌های چت تعاملی با Streamlit برای اپلیکیشن‌های آماده بهره‌برداری

  • پیاده‌سازی جستجوی معنایی و Embeddingهای برداری برای بازیابی هوشمند حافظه

  • ساخت ایجنت‌های خودمختاری که ابزارها را انتخاب، اقدامات را برنامه‌ریزی و وظایف را مستقل اجرا می‌کنند

  • شخصی‌سازی شخصیت و رفتار ایجنت از طریق مهندسی پرامپت پیشرفته

توضیحات دوره:

پرداخت هزینه‌های گران APIهای هوش مصنوعی را متوقف کنید و ساخت ایجنت‌های هوشمند خودتان را شروع کنید.

این دوره جامع به شما می‌آموزد چگونه سیستم‌های Agentic AIرا از پایه و با استفاده از تکنولوژی‌های مدرن متن‌باز بسازید. برخلاف چت‌بات‌های ساده، AI ایجنتی قادر به استدلال، برنامه‌ریزی، استفاده از ابزارها، به خاطر سپردن گفتگوها و تصمیم‌گیری مستقل است—و همه این‌ها به صورت محلی روی سیستم شما و با هزینه صفر APIاجرا می‌شود.


چه چیزی این دوره را متمایز می‌کند؟

- ۱۰۰٪ متن‌باز- بدون APIهای انحصاری، بدون وابستگی به فروشنده و بدون هزینه‌های تکراری

- شامل کد منبع کامل- هر درس همراه با کدهای کاملاً عملی است که می‌توانید دانلود و شخصی‌سازی کنید

- تمرینات عملی- تمریناتی دقیق برای ارتقای مهارت‌ها و افزودن ویژگی‌های قدرتمند به ایجنت شما. مهارت‌های آماده تولید- ساخت اپلیکیشن‌های واقعی، نه مثال‌های ساده.

- توسعه محلی- همه چیز روی لپ‌تاپ شما با حریم خصوصی کامل داده‌ها اجرا می‌شود

- استک مدرن AI- یادگیری ابزارهایی که مهندسان حرفه‌ای AI امروز از آن‌ها استفاده می‌کنند


آنچه خواهید ساخت:

در پایان این دوره، شما یک اپلیکیشن Agentic AI کاملاً کاربردیبا قابلیت‌های زیر خواهید داشت:

- ادغام جستجوی وب- ایجنت به طور خودکار برای یافتن اطلاعات به‌روز از DuckDuckGo جستجو می‌کند

- تحلیل اسناد- آپلود PDF یا فایل‌های متنی و پرسش درباره محتوای آن‌ها

- حافظه دائمی- به خاطر سپردن گفتگوها در جلسات مختلف با تکنولوژی دیتابیس برداری

- تصمیم‌گیری هوشمند- ایجنت تصمیم می‌گیرد چه زمانی جستجو کند، چه زمانی فایل‌ها را تحلیل کند یا از دانش موجود استفاده کند

- خود-اصلاحی- اعتبارسنجی پاسخ‌های خود و اصلاح آن‌ها در صورت نیاز

- برنامه‌ریزی خودمختار- استفاده از الگوی ReAct برای استدلال پیش از اقدام

- مدیریت حالت (State Management)- ساخته شده با LangGraph برای جریان‌های کاری پیچیده و چندمرحله‌ای

- جلسات کاربری- امکان داشتن گفتگوهای مجزا برای کاربران مختلف با تاریخچه دائمی

- شخصیت قابل شخصی‌سازی- تغییر رفتار ایجنت از طریق مهندسی پرامپت


تکنولوژی‌هایی که بر آن‌ها مسلط می‌شوید:

هوش مصنوعی و یادگیری ماشین:

  • Ollama (محیط اجرای LLM محلی)

  • LangChain (فریم‌ورک ایجنت)

  • LangGraph (جریان‌های کاری ماشین حالت)

  • llama3.2 (مدل زبانی متن‌باز)

دیتابیس‌های برداری و حافظه:

  • ChromaDB (پایگاه داده برداری)

  • Embeddingها و جستجوی معنایی

  • Sentence Transformers

توسعه وب:

  • Streamlit (فریم‌ورک UI)

  • Python (زبان برنامه‌نویسی)

  • ادغام API (OpenLibrary, DuckDuckGo)

الگوهای ایجنتی:

  • ReAct (استدلال + اقدام)

  • پرامپت زنجیره افکار (Chain-of-Thought)

  • حلقه‌های خود-اصلاحی

  • تصمیم‌گیری خودمختار

این دوره برای چه کسانی است؟

- توسعه‌دهندگان پایتونکه می‌خواهند بدون APIهای گران‌قیمت، اپلیکیشن‌های AI بسازند

- دانشمندان دادهکه قصد دارند توسعه ایجنت‌های AI را به مهارت‌های خود اضافه کنند

- مهندسان نرم‌افزارعلاقه‌مند به پیاده‌سازی عملی هوش مصنوعی

- کارآفرینان حوزه تکنولوژیکه در حال ساخت محصولات مبتنی بر AI هستند

- دانشجویاندر حال یادگیری تکنیک‌های مدرن توسعه AI

- متخصصانیکه می‌خواهند نحوه عملکرد ایجنت‌های هوشمند را درک کنند

- هر کسیکه به ساخت اپلیکیشن‌های AI با تمرکز بر حریم خصوصی علاقه دارد

- هیچ تجربه قبلی در AI نیاز نیست- ما از مبانی شروع کرده و گام به گام به مفاهیم پیشرفته می‌رسیم.


پیش‌نیازها:

  • دانش پایه برنامه‌نویسی پایتون (متغیرها، توابع، حلقه‌ها)

  • آشنایی با خط فرمان (Terminal/CMD)

  • کامپیوتر با حداقل ۸ گیگابایت رم (۱۶ گیگابایت برای عملکرد بهتر توصیه می‌شود)

  • اشتیاق به یادگیری و آزمایش

ویژگی‌های منحصر به فرد این دوره:

  • شامل تمرینات عملی- هر بخش اصلی شامل تمرینات کاربردی است تا درک شما عمیق‌تر شده و قابلیت‌های واقعی به ایجنت شما اضافه شود. پاسخ‌ها برای بررسی ارائه شده‌اند.

  • کد منبع کامل- دانلود کد عملی برای تک تک دروس. بدون حدس زدن و مثال‌های ناقص؛ فقط کدهای آماده تولید.

  • به‌روزرسانی‌های منظم- با تکامل تکنولوژی AI، این دوره با تکنیک‌ها و ابزارهای جدید به‌روز می‌شود.

  • از تئوری تا عمل- ما فقط مفاهیم را توضیح نمی‌دهیم، بلکه اپلیکیشن‌های واقعی و کاربردی می‌سازیم که می‌توانید مستقر و شخصی‌سازی کنید.

  • بهترین متدهای مدرن- یادگیری الگوها و تکنیک‌هایی که مهندسان حرفه‌ای AI در سال ۲۰۲۴ و پس از آن به کار می‌برند.

دستاوردهای دوره:

با تکمیل این دوره، شما:

  • نحوه عملکرد داخلی ایجنت‌های مدرن AI را درک خواهید کرد

  • اپلیکیشن‌های Agentic AI آماده تولید خواهید ساخت

  • الگوهای پیشرفته AI مانند ReAct و زنجیره افکار را پیاده‌سازی خواهید کرد

  • بر دیتابیس‌های برداری و جستجوی معنایی مسلط می‌شوید

  • ایجنت‌هایی می‌سازید که قادر به جستجوی وب، تحلیل فایل و به خاطر سپردن گفتگوها هستند

  • سیستم‌های خودمختاری را طراحی می‌کنید که تصمیمات هوشمندانه می‌گیرند

  • با اجرای محلی AI، صدها دلار در هزینه‌های API صرفه‌جویی خواهید کرد

  • پروژه‌های پورتفولیو برای نمایش مهارت‌های توسعه AI خواهید داشت

به هزاران دانشجویی که آینده AI را می‌سازند بپیوندید

همین حالا ثبت‌نام کنید و ساخت ایجنت‌های هوشمند را آغاز کنید. با ضمانت بازگشت وجه ۳۰ روزه، هیچ ریسکی نخواهید داشت.

از مصرف AI دست بردارید؛ شروع به ساختنش کنید.


سرفصل ها و درس ها

درک ایجنت‌های هوش مصنوعی Understanding AI Agents

  • مرور کلی دوره Course Overview

  • مقدمه‌ای بر ایجنت‌های AI Introduction to AI Agents

  • نحوه عملکرد ایجنت‌ها: ادراک، استدلال و اقدام How Agents Work: Perception, Reasoning, and Action

اجزای کلیدی ایجنت‌های AI Key Components of AI Agents

  • اجزای اصلی: مدل، حافظه، ابزارها و محیط Core Components: Model, Memory, Tools, Environment

  • مرور گزینه‌های متن‌باز برای ساخت ایجنت‌های AI Overview of Open-Source Options to Build AI Agents

آماده‌سازی محیط توسعه Setting Up Your Environment

  • نصب اجزای مورد نیاز برای ساخت ایجنت AI Install Required Components to Build our AI Agent

  • تست مدل زبانی (LLM) با یک پرس‌وجوی نمونه Testing LLM with a Sample Query

معماری ایجنت‌ها: از واکنشی تا خودمختار Agent Architectures: From Reactive to Autonomous

  • انواع ایجنت‌های AI Types of AI agents

  • انتخاب نوع مناسب ایجنت برای اپلیکیشن شما Choosing the Right Type of Agent for Your Application

طراحی معماری ایجنت شما Designing Your Agent's Architecture

  • معماری یک سیستم Agentic Architecture of an Agentic System

درک دیتابیس برداری: تفاوت با سیستم‌های دیتابیس سنتی Understanding Vector Database: How they differ from Traditional Database Systems

  • دیتابیس برداری چیست و چرا به جای دیتابیس معمولی استفاده شود What Is a Vector Database and Why Use It Instead of a Normal Database

  • تفاوت دیتابیس‌های برداری با دیتابیس‌های معمولی + جستجوی SQL در مقابل برداری How Vector Databases Differ From Normal Databases + SQL vs Vector Search

  • مقایسه پرس‌وجوهای CRUD SQL با کدهای دیتابیس برداری ما CRUD SQL Queries vs Our Vector Database Code

عملی: ساخت اولین ایجنت AI گام به گام Hands-On: Building Your First AI Agent Step by Step

  • آماده‌سازی محیط Setting Up the Environment

  • Importها و اتصال به حافظه Chroma Imports and Connecting to Chroma Memory

  • دریافت داده‌های کتاب با استفاده از API Fetching Book Data Using the API

  • فرمت‌بندی نتایج خام مدل Formatting Raw Results from the Model

  • آموزش به خاطر سپردن به ایجنت Teaching Our Agent to Remember

  • اتصال ایجنت به Ollama Connecting the Agent to Ollama

  • ساخت خط لوله (Pipeline) پرامپت Creating the Prompt Pipeline

  • ساخت مغز ایجنت Building the Agent's Brain

  • ساخت بخش ورودی پرامپت Building the Prompt Area

  • دیباگ کد و رفع مشکلات Debug your Code and Fix Problems

  • ذخیره و بارگذاری پیام‌های کاربر و ایجنت Saving and Loading User and Agent messages

  • بهبود ایجنت برای پاسخ‌های دقیق‌تر Improve the Agent to be more Specific

  • استفاده از Google Books و طراحی پاسخ دلخواه Use Google Books and Craft Response as you want

شخصی‌سازی و توسعه ایجنت: ایجنت اینترنتی با حافظه و آپلود فایل Customize and Extend Your Agent: Internet-Agent with Memory and File Upload

  • نصبات و Importهای ایجنت اینترنتی Installations and Imports for our Internet Agent

  • بخشیدن حافظه به ایجنت اینترنتی Giving our Internet Agent a Memory

  • افزودن دکمه پاکسازی چت Add a Clear Chat Button

  • شمارش کل پیام‌ها Count Total Messages

  • ایجاد قابلیت آپلود فایل Create File Upload Functionality

  • افزودن پیش‌نمایش سند Add Document Preview

  • نمایش اطلاعات فایل Show File Information

پیشرفته: از ایجنت‌های AI به Agentic AI با استفاده از LangGraph Advanced: From AI Agents to Agentic AI using LangGraph

  • درک LangGraph برای Agentic AI Understanding LangGraph for Agentic AI

  • ایجنت AI با LangGraph: پیاده‌سازی ایجنتی AI agent with LangGraph: Agentic Implementation

  • افزودن دستورالعمل‌های سفارشی برای شخصیت ایجنت Add Custom Instructions for Agent Personality

نمایش نظرات

آموزش ساخت سریع‌تر ایجنت‌های هوشمند AI: از مبانی تا Agentic AI 2026
جزییات دوره
2 hours
31
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
225
4.7 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

MetaTact AI Experts MetaTact AI Experts

متخصص هوش مصنوعی