آموزش هوش مصنوعی عامل‌محور (Agentic AI): از مبانی تا سیستم‌های سطح سازمانی - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• خوش آمدید به دنیای Agentic AI Welcome to Agentic AI

• در این دوره چه خواهید آموخت What You Will Learn in This Course

• این دوره برای چه کسانی است Who Is This Course For

• نحوه استفاده از این دوره How to Use This Course

• ابزارهای مورد نیاز شما Tools You’ll Need

مبانی و باورهای غلط هوش مصنوعی عامل‌محور Agentic AI Fundamentals & Myths

• هوش مصنوعی عامل‌محور چیست What is Agentic AI

• از چت‌بات‌ها تا عامل‌های خودمختار From Chatbots to Autonomous Agents

• حلقه عامل (درک ← تفکر ← اقدام ← یادگیری) The Agent Loop (Perceive → Think → Act → Learn)

• مفاهیم کلیدی: حافظه، ابزارها، برنامه‌ریزی، اقدامات Key Concepts Memory Tools Planning Actions

• بررسی باورهای غلط درباره Agentic AI Busting Myths Around Agentic AI

• الگوی عامل ReAct (استدلال و اقدام) ReAct-Reason-Act-Agent-Pattern

• پرامپت‌نویسی زنجیره افکار (CoT) Chain-of-Thought-CoT-Prompting

• فراخوانی توابع (Function Calling) در LLMها Function-Calling-in-LLMs

• رفلکسین (Reflexion) چیست What-is-Reflexion

مرور کلی استک تکنولوژی Technology Stack Overview

• مدل‌های زبانی پشت عامل‌ها LLMs Behind the Agents

• امبدینگ‌ها و پایگاه داده‌های برداری (FAISS, Chroma, Pinecone) Embeddings & Vector Databases (FAISS, Chroma, Pinecone)

• فریم‌ورک‌های عامل‌محور: LangChain, CrewAI, LangGraph, AutoGen و بیشتر Agentic Frameworks- LangChain, CrewAI, LangGraph, AutoGen & More

• انتخاب ابزارها و مدل‌ها (ابری در مقابل محلی) Choosing Tools and Models (Cloud vs Local)

• مدل زبانی کوچک (SLM) چیست What-is-a-Small-Language-Model-SLM

• تولید تقویت‌شده با بازیابی (RAG) چیست What-is-RAG-Retrieval-Augmented-Generation

• مقدمه‌ای بر پروتکل کانتکست مدل (MCP) Introduction-to-Model-Context-Protocol-MCP

راه‌اندازی و ابزارها Setup & Tooling

• راه‌اندازی محیط توسعه (Ubuntu + VS Code + Conda) Dev Environment Setup (Ubuntu + VS Code + Conda)

• تست محیط با عامل تست Testing Setup with Test Agent

ساخت اولین عامل شما Build Your First Agent

• الگوی عامل ReAct The ReAct Agent Pattern

• ساخت یک عامل ReAct حداقلی Building a Minimal ReAct Agent

• افزودن ابزارها به عامل شما Adding Tools to Your Agent

• استدلال چندمرحله‌ای با مشاهدات Multi-turn Reasoning with Observations

• مدیریت هوشمندانه خطاها و شکست ابزارها Handling Errors and Tool Failures Gracefully

• لاگ‌گیری، مانیتورینگ و ارزیابی عامل Logging, Monitoring, and Agent Evaluation

• مانیتورینگ و ارزیابی عامل با Prometheus و Grafana Monitoring and Agent Evaluation using Premetheus and Grafanna

معماری‌های پیشرفته عامل Advanced Agent Architectures

• ساختارهای عامل سلسله‌مراتبی Hierarchical Agent Structures

• همکاری چند-عاملی با استفاده از LangGraph Multi-Agent Collaboration using LangGraph

• مدیریت حافظه و وضعیت (State) Memory and State Management

• مدیریت حافظه و وضعیت (بخش تکمیلی) Memory and State Management - Extended

• بازیابی خطا در سیستم‌های چند-عاملی Multi-Agent Error Recovery

• ملاحظات اخلاقی و ایمنی در Agentic AI Ethical Considerations & Safety in Agentic AI

پروژه جامع ۱: عامل دستیار پژوهشی شخصی Capstone Project 1 - Personal Research Assistant Agent

• عامل دستیار پژوهشی شخصی - جلسه ۱ Personal Research Assistant Agent - Lecture 1

• عامل دستیار پژوهشی شخصی - جلسه ۲ Personal Research Assistant Agent Lecture 2

• عامل دستیار پژوهشی شخصی - جلسه ۳ Personal Research Assistant Agent Lecture 3

پروژه جامع ۲: عامل تحلیلگر پژوهشی سرمایه‌گذاری Capstone Project 2 - Investment Research Analyst Agent

• عامل تحلیلگر پژوهشی سرمایه‌گذاری - جلسه ۱ Investment Research Analyst Agent Lecture 1

• عامل تحلیلگر پژوهشی سرمایه‌گذاری - جلسه ۲ Investment Research Analyst Agent Lecture 2

• عامل تحلیلگر پژوهشی سرمایه‌گذاری - جلسه ۳ Investment Research Analyst Agent Lecture 3

• عامل تحلیلگر پژوهشی سرمایه‌گذاری - جلسه ۴ Investment Research Analyst Agent Lecture 4

مباحث پیشرفته Advanced Topics

• معماری مرجع Agentic AI Agentic AI Reference Architecture

• استراتژی داده در عصر هوش مصنوعی عامل‌محور Data Strategy in the Agentic AI Era

• از پراکندگی AI تا سازمان خودمختار From-AI-Sprawl-to-Autonomous-Enterprise

• (اختیاری) LLM خصوصی و صفحه کنترل عامل برای سازمان‌های خودمختار (OPTIONAL) The Private LLM & Agentic Control Plane for Autonomous Enterprises

• لایه حاکمیتی در معماری عامل‌محور Governance-Layer-in-Agentic-Architecture

جمع‌بندی Wrapping Up

• مرور دوره - آنچه آموختید Course Recap – What You’ve Learned

• گام‌های بعدی - مسیرهای شغلی، تخصص، اکوسیستم What’s Next – Career Tracks, Specialization, Ecosystem

• منابع و انجمن‌ها Resources & Communities

پیوست Appendix

• راهنما ۱: ساخت کلیدهای API برای OpenAI Utility1 - Create API Keys for OpenAI

• راهنما ۲: ساخت کلیدهای API برای SERP API Utility2 - Create API Keys for SERP API

• راهنما ۳: محتویات فایل .env Utility3 - Contents of .env file

• راهنما ۴: نصب Anaconda برای ویندوز Utility4 - Anaconda for Windows

• راهنما ۵: کار با WSL و VS Code در ویندوز Utility5 - On Windows working with WSL and VS Code

• راهنما ۶: نصب دوگانه اوبونتو و ویندوز ۱۱ Utility6 - dual boot ubuntu windows 11

• راهنما ۷: فایل Conda Requirements txt Utility7 - Conda Requirements txt