آموزش هوش مصنوعی کاربردی: ساخت ایجنت‌ها با کیت توسعه ایجنت گوگل (ADK) - آخرین آپدیت

سرفصل ها و درس ها

شروع به کار Getting Started

• خوش‌آمدگویی Welcome

1. مقدمه 1. Introduction

• معرفی کیت توسعه ایجنت (ADK): بلوک‌های سازنده هوش مصنوعی شما Introducing Agent Development Kit (ADK): Your AI building blocks

• سیستم‌های چند-ایجنت: مفاهیم کلیدی Multi-agent systems: Core concepts

• شروع سریع ADK: ساخت اولین ایجنت متنی شما ADK quickstart: Building your first text-based agent

2. بررسی عمیق‌تر ایجنت‌های ADK 2. Diving Deeper into ADK Agents

• ایجنت‌های LLM: موتور گفتگوهای هوشمند و استدلال LLM agents: The engine of intelligent conversation and reasoning

• ساخت ایجنت‌های LLM: از پرامپت‌های ساده تا قدرت ابزار-محور Building LLM agents: From basic prompts to tool-enabled power

• ایجنت‌های سفارشی: انعطاف‌پذیری کامل با منطق پایتون Custom agents: Ultimate flexibility with Python logic

• انواع اصلی ایجنت‌ها: LLM، گردش‌کاری و سفارشی Core agent types: LLM, workflow, and custom agents

• انتخاب استراتژیک ایجنت: انتخاب ایجنت مناسب در ADK Strategic agent selection: Choosing the right ADK agent

• ایجنت‌های گردش‌کاری: سازماندهی وظایف پیچیده با دقت و نظم Workflow agents: Orchestrating complex tasks with precision and order

3. توانمندسازی ایجنت‌ها: ابزارها و یکپارچه‌سازی‌ها 3. Empowering Agents: Tools and Integrations

• ابزارهای تابعی: شخصی‌سازی اقدامات ایجنت با پایتون Function tools: Tailoring agent actions with Python

• جعبه ابزار داخلی ADK: قابلیت‌های ضروری برای ایجنت‌های شما ADK's built-in toolbox: Essential capabilities for your agents

• طراحی ابزار: بهترین روش‌ها برای ایجاد ایجنت‌های مطمئن و امن در ADK Tool design: Best practices for reliable and secure ADK agents

• گسترش افق‌ها: یکپارچه‌سازی ابزارهای شخص ثالث و داده‌های زنده Expanding horizons: Integrating third-party tools and live data

• بهره‌گیری از گوگل کلاود: یکپارچگی‌های بومی ADK و سرویس‌های امن Leveraging Google Cloud: Native ADK integrations and secure services

4. ارکستراسیون سیستم‌های چند-ایجنت و کانتکست 4. Orchestrating Multi-Agent Systems and Context

• ایجنت‌های آگاه به کانتکست: جلسه عملی و مدیریت وضعیت (State) Context-aware agents: Practical session and state management

• ایجنت‌های حلقوی: فرآیندهای تکرار شونده و بهینه‌سازی Loop agents: Iterative processes and refinement

• ترکیب کلی: ارکستراسیون پیشرفته چند-ایجنت با یک هماهنگ‌کننده Putting it all together: Advanced multi-agent orchestration with a coordinator

• طراحی‌های سلسله‌مراتبی: تفویض اختیار، مسیریابی و سازماندهی Hierarchical designs: Delegation, routing, and orchestration

• ایجنت‌های موازی: اجرای همزمان برای افزایش بهره‌وری Parallel agents: Concurrent execution for enhanced efficiency

• نقشه راه گفتگو: درک سشن، وضعیت و حافظه Conversational blueprint: Understanding session, state, and memory

5. ایجنت‌های پیشرفته: آرتیفکت‌های پایدار و کال‌بک‌های چرخه حیات 5. Advanced Agents: Persistent Artifacts and Lifecycle Callbacks

• آرتیفکت‌ها: ایجاد حافظه ماندگار و نسخه‌بندی شده برای ایجنت‌ها Artifacts: Giving agents lasting, versioned memory

• کال‌بک‌ها: شخصی‌سازی چرخه حیات ایجنت با هوک‌های دقیق Callbacks: Customizing the agent lifecycle with precision hooks

• آرتیفکت‌های داده: بهترین روش‌ها برای نام‌گذاری، نسخه‌بندی و فضای نام‌ها Data artifacts: Best practices for naming, versioning, and namespaces

6. تجاری‌سازی ایجنت‌ها: استقرار، ارزیابی و هوش مصنوعی مسئولانه 6. Productionizing Agents: Deployment, Evaluation & Responsible AI

• تعالی عملیاتی: امنیت، مانیتورینگ و قابلیت مشاهده Operational excellence: Security, monitoring, and observability

• استقرار ایجنت‌ها: Agent Engine، Cloud Run و GKE Deploying agents: Agent Engine, Cloud Run, and GKE

• کیفیت ایجنت: تحلیل مسیر (Trajectory) و ارزیابی پاسخ‌ها Agent quality: Trajectory analysis and response evaluation

• ایجنت‌های مسئولانه: حفظ ایمنی، اخلاق و اعتماد Responsible agents: Upholding safety, ethics, and trust

جمع‌بندی Conclusion

• مرور دوره: مسیر پیش رو Course recap: The road ahead