آموزش توسعه اپلیکیشن‌های RAG با LlamaIndex و جاوا اسکریپت - آخرین آپدیت

مقدمه Introduction

• مقدمه Introduction

• پیش‌نیازهای دوره و این دوره برای چه کسانی است؟ Course Prerequisites & Who is This Course For?

• ساختار دوره Course Structure

• حتماً تماشا کنید: آنچه در این دوره خواهید ساخت PLEASE WATCH - What You'll Build in This Course

راه‌اندازی محیط توسعه Development Environment Setup

• راه‌اندازی محیط توسعه – دستورالعمل‌های NodeJS Setup Dev. Environment - NodeJS Instructions

• راه‌اندازی حساب OpenAI و دریافت کلید API Setup OpenAI Account and the OpenAI API Key

بررسی عمیق LlamaIndex – مبانی LlamaIndex Deep Dive – Fundamentals

• بررسی عمیق LlamaIndex و ویژگی‌های کلیدی – نمای کلی Deep Dive into LlamaIndex and Key Features - Overview

• دوره فشرده RAG RAG Crash Course

• جریان کاری LlamaIndex – نمای کلی LlamaIndex Flow - Overview

• نمای کلی LlamaIndex – ورود داده‌ها، ایندکس‌گذاری و رابط پرس‌وجو LlamaIndex - Data Ingestion, Indexing and Query Interface Overview

• پروژه عملی – راه‌اندازی سیستم RAG ساده با LlamaIndex Hands-on - Setup LlamaIndex Simple RAG System

• خلاصه Summary

بررسی عمیق LlamaIndex – مفاهیم اصلی و لودرهای داده LlamaIndex Deep Dive - Main Concepts and Data Loaders

• مفاهیم اصلی LlamaIndex – ایندکس لودرها LlamaIndex Core Concepts - Loaders Index

• مرحله پرس‌وجو – نمای کلی The Querying Stage - Overview

• مرحله پرس‌وجو – بررسی کامل ChatEngine و Querying Engine Querying Stage - ChatEngine & Querying Engine Full Overview

• پروژه عملی: ساخت یک سیستم RAG سفارشی با LlamaIndex Hands-on: Create a Custom RAG System with LlamaIndex

• پروژه عملی: استخراج داده‌های ساختاریافته Hands-on: Structured Data Extraction

• پروژه عملی: پرس‌وجو از یک فایل PDF Hands-on: Querying a PDF File

• پروژه عملی: تعامل با سیستم RAG از طریق Express API – اجرای کامل Hands-on: Interacting with a RAG System Through an Express API - Full Hands-on

• خلاصه Summary

ایجنت‌ها و پرس‌وجوهای پیشرفته با LlamaIndex Agents & Advanced Queries with LlamaIndex

• ایجنت‌ها و پرس‌وجوهای پیشرفته – نمای کلی RouterQueryEngine Agents and Advanced Queries - The RouterQueryEngine Overview

• پروژه عملی – سیستم RAG با چندین منبع داده Hands-on - RAG System with Multiple Data Sources

• پروژه عملی – ساخت RouterQueryEngine برای مدیریت چندین موتور پرس‌وجو Hands-on - Creating a RouterQueryEngine to Handle Multiple Query Engines

• پروژه عملی: تعریف توابع و ابزارهای پرس‌وجو برای شروع گفتگو با ایجنت Hands-on: Defining Functions and Querying Tools to Start Chatting with the Agent

پایداری داده‌ها و تکنیک‌های آماده برای محیط عملیاتی Persist Your Data & Production-ready Techniques

• تکنیک‌های آماده برای محیط عملیاتی – مقدمه Production-ready Techniques - Introduction

• پروژه عملی: مدیریت داده‌ها با LlamaIndex Hands-on: Data with LlamaIndex

• پروژه عملی: لود کردن ایندکس با داده‌های ذخیره شده و پاسخ‌های استریم Hands-on: Load Index with the Persisted Data and Stream Response

• خلاصه Summary

چت‌بات Full-stack با NextJS با یک دستور و استقرار NextJS Full-stack Web Application Chatbot with One Command & Deployment

• اپلیکیشن چت‌بات با NextJS – نمای کلی وب‌اپلیکیشن Full-stack Chatbot App with NextJS - Full-stack Web App - Overview

• پروژه عملی: تولید وب‌اپلیکیشن Full-stack با دستور CLI create llama Hands-on: Generating a Full-stack Web App with create-llama CLI Command

• پروژه عملی: سفارشی‌سازی اپلیکیشن با داده‌های خودتان و گفتگو با آن Hands-on: Customizing the App with Your Own Data and Chatting with It

• پروژه عملی: استقرار اپلیکیشن چت Full-stack NextJS در Vercel Hands-on: Deploying our NextJS Full-stack Chat App to Vercel

جمع‌بندی Wrap up

• جمع‌بندی و گام‌های بعدی Wrap up and Next Steps