آموزش هوش مصنوعی مولد برای .NET: ساخت اپلیکیشن‌های LLM با OpenAI و Ollama [ویدیو] - 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 چگونه کار می‌کنند؟ How Large Language Models (LLMs) Work?

• توکن و توکن‌سازی 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 .NET و AI: ابزارها و کتابخانه‌های توسعه AI برای .NET .NET + AI Ecosystem: AI Development Tools and Libraries for .NET

• چرا .NET را برای ساخت اپلیکیشن‌های AI 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 تامین‌کنندگان LLM: مدل‌های GitHub، Ollama و Azure AI Foundry Setup LLM Providers: GitHub Models, Ollama, Azure AI Foundry

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

• سرویس‌های 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

• ساخت توکن دسترسی برای مدل‌های GitHub Create Access Token for GitHub Models

• Ollama – اجرای محلی LLMها Ollama – Run LLMs Locally

• دانلود Ollama و مدل‌های llama3.2 و all-minilm با داکر 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

• ساخت Solution در .NET برای توسعه پروژه‌های AI Create .NET Solution for Developing AI Projects

• تکمیل متن LLM با مدل OpenAI gpt-4o-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 در LLM برای کاربرد استخراج داده Structured Output in LLM for Data Extraction Use Case

• ساخت اپلیکیشن چت AI با .NET و مدل gpt-4o-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 Function Calling in Large Language Models (LLMs)

• اجرای توابع .NET با استفاده از مدل GH gpt-4o-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 (Vectors) و تعبیهات برداری (Vector Embeddings) چیستند؟ What Are Vectors and Vector Embeddings?

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

• پایگاه داده برداری چیست؟ What Is a Vector Database?

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

• ساخت 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 Embeddings و ذخیره در Vector Store در حافظه Generate Embeddings and Store in In-Memory Vector Store

• ساخت Embedding برای پرس‌وجو و اجرای جستجوی برداری Create Query Embedding and Perform Vector Search

• توسعه اپلیکیشن جستجوی برداری .NET AI با Ollama و مدل 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?

• مکانیزم کار 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

• توسعه اپلیکیشن RAG با اسناد شخصی: وارد کردن و Embed کردن PDF سفارشی Extend RAG Chat App with Your Own Documents - Ingest and Embeddings Custom PDF

• توسعه 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 پایگاه داده 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-4o-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 بینایی Llava 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-4o-mini و Qdrant Build Eshop Vector Search App w/ .NET Aspire, gpt-5-mini and Qdrant Vector DB

• مقدمه: جستجوی برداری EShop با .NET Aspire، gpt-4o-mini و Qdrant Introduction - EShop Vector Search w/ .NET Aspire, gpt-5-mini, Qdrant

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

• افزودن قابلیت چت به EShop و یکپارچه‌سازی مدل OpenAI gpt-4o-mini Add Chat Capability in EShop Integrate GitHub Models OpenAI gpt-5-mini Model

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

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

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

• افزودن پایگاه داده برداری Qdrant به محیط توزیع‌شده .NET Aspire Add Qdrant Vector Database into .NET Aspire Distributed Environment (Hosting)

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

• ثبت سرویس‌های کلاینت Qdrant در DI سرویس‌های .NET 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 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 (Semantic Search) 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 از میکروسرویس Catalog Test Search Endpoints from Catalog Microservices

• توسعه صفحه جستجوی فرانت-اند 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