آموزش سیستم‌های هوش مصنوعی عامل‌محور (Agentic AI): ساخت و استقرار با LangChain و LangGraph [ویدئویی] - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه، پیش‌نیازها و آنچه خواهید ساخت Introduction, Prerequisites and What You'll Build

• چرا LangChain و LangGraph؟ رشد سریع Why LangChain and LangGraph - Rapid Growth

• ساختار دوره Course Structure

مبانی LangChain - بررسی عمیق LangChain Foundations - A Deep Dive

• اکوسیستم LangChain - نمای کلی The LangChain Ecosystem - Overview

• راه‌اندازی محیط توسعه Setup Development Environment

• تنظیم و تایید APIها (OpenAI و Anthropic) API Setup and Verification (OpenAI and Anthropic)

• معماری نسخه 1.0 (LangChain) The V 1.0 Architecture (LangChain)

• مفاهیم محوری LangChain - LCEL و Runnable Chains - عملی LangChain Core Concepts - LCEL and Runnable Chains - Hands-on

• دموی اجرای دسته‌ای (Batch Execution) در LCEL LCEL - Batch Execution Demo

• دموی استریم خروجی در لحظه با LCEL Demo Stream Realtime Output with LCEL

• دموی بازرسی طرحواره (Schema Inspection) Demo Schema Inspection

• نوبت شما: ساخت اولین زنجیره با LangChain Your Turn - Build Your First Chain with LangChain

• راه حل: اولین زنجیره شما Solution - Your First Chain

• مرور عملگر Pipe در LCEL LCEL - The Pipe Operator Overview

• راه‌اندازی مدل‌های جدید و مدل‌های موجود در سال 2026 New Model Initiation and Available Models in 2026

• چرا از Output Parsers در LangChain استفاده می‌کنیم؟ Why Output Parsers in LangChain

• پیکربندی مدل و استراتژی‌های بهینه‌سازی هزینه Model Configuration and Cost Optimization Strategies

• کار با LLMها در LangChain - پیکربندی چند ارائه‌دهنده Working with LLMs in LangChain - Multi Providers Configuration

• نوبت شما: تمرین ایجاد تنظیمات چند-مدلی Your Turn - Exercise - Create a Multi-model Setup

• راه حل تمرین Solution

• قالب‌های پرامپت و پیام‌ها - بررسی عمیق Prompt Templates and Messages - Deep Dive

• عملی: پیام‌های پرامپت Hands-on: Prompt Messages

• عملی: اجرای کد قالب‌های پرامپت و تست Hands-on: Prompt Templates Code Run Through and Testing

• عملی: چرا Output Parsers و خروجی‌های ساختاریافته؟ Hands-on: Why Output Parsers and Structured Outputs

• عملی: Output Parsers و خروجی‌های ساختاریافته Hands-on: Output Parsers and Structured Outputs

• دموی اجرای اسکریپت نهایی خروجی ساختاریافته Running the Final Output Parser and Structured Output Script - Demo

• معماری بات Smart Q&A - نمای کلی Smart Q&A Bot Architecture - Overview

• پروژه 1: بات Smart Q&A - نمای کلی Project 1 - Smart Q&A Bot - Overview

• پروژه 1: مراحل نهایی Project 1 - Final Touches

الگوهای زنجیره (Chain Patterns) Chain Patterns

• زنجیره‌ها، RAG، حافظه و الگوهای زنجیره - نمای کلی Chains, RAG and Memory & Chain Patterns - Overview

• عملی: زنجیره‌های پایه و موازی Hands-on: Basic and Parallel Chains

• عملی: دموی Passthrough Runnable Hands-on: Demo Passthrough Runnable

• عملی: شاخه‌بندی زنجیره (Chain Branching) Hands-on: Chain Branching

• عملی: عیب‌یابی (Debugging) Hands-on: Debugging

بارگذاری اسناد، تکه‌بندی و Embeddingها - لودرها، اسپلیترها و ذخیره‌سازهای برداری Document Loading, Chunking & Embeddings - Loaders, Splitters, Vector Stores

• لودرهای اسناد در LangChain - نمای کلی LangChain Document Loaders - Overview

• عملی: TextLoaders Hands-on: TextLoaders

• عملی: WebLoader Hands-on: WebLoader

• عملی: Lazy Loader Hands-on: Lazy Loader

• عملی: ساختار اسناد Hands-on: Document Structure

• عملی: بارگذاری فایل‌های PDF Hands-on: Loading PDF Files

• چرا تکه‌بندی (Chunking) مهم است؟ بررسی عمیق تقسیم متن Why Chunking Matters and Text Splitting Deep Dive

• عملی: Text Splitter - مدل RecursiveCharacterTextSplitter Hands-on: Text Splitter - RecursiveCharacterTextSplitter

• عملی: مقایسه تکه‌ها (Chunks) Hands-on: Chunk Comparison

• عملی: اهمیت همپوشانی (Overlap) در کد Hands-on: Overlap Importance In Code

• عملی: Markdown Header Splitter Hands-on: Markdown Header Splitter

• عملی: Code Splitter Hands-on: Code Splitter

• تقسیم اسناد PDF PDF Document Splitting

• نمای کلی RAG RAG Overview

• بررسی کامل Vector و Embeddingها Vector and Embeddings Full Overview

• عملی: Embeddingهای OpenAI Hands-on: OpenAI Embedding

• مدل‌های Embedding رایگان Free Embedding Models

• عملی: بررسی عمیق Embeddingها - مبانی و جستجوی شباهت Hands-on: Embeddings Deep Dive - Basics - Similarity Search

• عملی: کشینگ Embeddingها Hands-on: Embedding Caching

• ذخیره‌سازهای برداری: معماری و گزینه‌های تولیدی - نمای کلی Vector Stores: Architecture and Production Options - Overview

• عملی: راه‌اندازی Chroma و اجرای مبانی آن Hands-on: Setting Up Chroma and Running Chroma Basics

• عملی: جستجوی شباهت همراه با امتیاز (Score) Hands-on: Similarity Search with Scores

• عملی: فیلتر کردن متادیتا Hands-on: Metadata Filtering

• عملی: پایداری داده‌ها در Chroma DB Hands-on: Chroma DB Persistence

• عملی: استفاده از Vector Store به عنوان Retriever برای زنجیره‌ها Hands-on: Vector Store as a Retriever for Chains

• تمرین و راه حل: ذخیره‌سازهای برداری Exercise and Solution: Vector Stores

سیستم RAG و حافظه - بررسی جامع RAG and Memory - A Comprehensive Dive

• معماری RAG و بهترین متدها - نمای کلی RAG Architecture and Best Practices - Overview

• عملی: خط لوله (Pipeline) پایه RAG Hands-on: Basic RAG Pipeline

• عملی: RAG با استفاده از منابع (Resources) Hands-on: RAG with Resources

• عملی: RAG با مکانیزم Fallback Hands-on: RAG with Fallback

• عملی: RAG با خروجی‌های ساختاریافته Hands-on: RAG with Structured Outputs

• عملی: تمرین خط لوله RAG Hands-on: RAG Pipeline Exercise

• از RAG پایه تا RAG پیشرفته - نمای کلی From Basic RAG to Advanced RAG - Overview

• عملی: RAG پیشرفته - Multi Query Retriever Hands-on: Advanced RAG - Multi-Query Retriever

• عملی: RAG پیشرفته - Contextual Compression Hands-on: Advanced RAG - Contextual Compression

• عملی: RAG پیشرفته - Hybrid Search Hands-on: Advanced RAG - Hybrid Search

• عملی: RAG پیشرفته - Parent Document Retriever Hands-on: Advanced RAG - Parent Document Retriever

• عملی: RAG پیشرفته - ترکیب استراتژی‌های Multi Query و Compression Hands-on: Advanced RAG - Combining Multi-Query and Compression Strategies

• حافظه در LangChain - بررسی کامل Memory in LangChain - Full Overview

• عملی: حافظه گفتگو (Conversation Memory) - مبانی Hands-on: Conversation Memory - Basics

• عملی: حافظه برای جلسات متعدد (Multiple Sessions) Hands-on: Multiple Sessions Memory

• عملی: کوتاه کردن پیام‌ها (Message Trimming) Hands-on: Message Trimming

• عملی: حافظه پنجره‌ای (Windowed Memory) Hands-on: Windowed Memory

• عملی: حافظه خلاصه (Summary Memory) Hands-on: Summary Memory

• تمرین و راه حل: حافظه پایدار (Persistent Memory) Exercise and Solution: Persistent Memory

• پروژه: دستیار پژوهشی AI - نمای کلی Project: AI Research Assistant - Overview

• پروژه: دستیار پژوهشی AI - ایندکس کردن اسناد (بخش اول) Project: AI Research Assistant - Indexing Documents (Part 1)

• پروژه: دستیار پژوهشی AI - پرامپت LLM و Output Parser (بخش دوم) Project: AI Research Assistant - LLM Prompt and Output Parser (Part 2)

• پروژه: دستیار پژوهشی AI - افزودن حافظه (بخش سوم) Project: AI Research Assistant - Adding Memory (Part 3)

• پروژه: دستیار پژوهشی AI - پیاده‌سازی Multi Query (بخش چهارم) Project: AI Research Assistant - Multi-Query Implementation (Part 4)

• پروژه: دستیار پژوهشی AI - خروجی ساختاریافته (بخش نهایی) Project: AI Research Assistant - Structured Output - Final Part

بررسی کامل و عمیق LangGraph LangGraph - A Full Deep Dive

• LangGraph و ستون‌های آن - نمای کلی LangGraph and Its Pillars - Overview

• عملی: ساخت اولین گراف ساده شما Hands-on: Create Your First Simple Graph

• عملی: درک Reducerها و انباشت وضعیت (State Accumulation) Hands-on: Understanding Reducers and Accumulating State

• عملی: وضعیت پیام - الگوی چت (Chat Pattern) Hands-on: Message State - The Chat Pattern

• عملی: خط لوله‌های چند-گره‌ای - زنجیره‌سازی فراخوانی‌های LLM Hands-on: Multi-Node Pipelines - Chaining LLM Calls

• تمرین: ساخت اولین گره (Node) شما Exercise: Build Your First Node

• عملی: گردش کار کامل LangGraph گام به گام Hands-on: Full LangGraph Step-by-Step Workflow

• بررسی عمیق یال‌ها (Edges) و یال‌های شرطی Edges and Conditional Edges Deep Dive

• عملی: مسیریابی پایه با انواع Literal Routing Hands-on: Basic Routing with Literal Routing Types

• عملی: حلقه‌های شرطی Hands-on: Conditional Looping

• عملی: مسیریابی چند-مسیره Hands-on: Multipath Routing

• عملی: چرخه ها و حلقه‌ها - نویسنده کد خود-اصلاح‌گر Hands-on: Cycles and Loops - Self-Correcting Code Writer

• عملی: عامل پژوهش تکرار شونده با حلقه‌ها و چرخه‌ها Hands-on: Iterative Research Agent with Loops and Cycles

• انسان در حلقه (Human in the Loop) - نمای کلی Human in the Loop - Overview

• عملی: ورودی انسان - وقفه برای تایید Hands-on: Human Input - Interrupt for Approval

• گردش کار کامل انسان در حلقه Full Human in the Loop Workflow

• عملی: بررسی عمیق Checkpointing Hands-on: Checkpointing Deep Dive

• بررسی عمیق ساختار داخلی Checkpoint Checkpoint Internals Deep Dive

• خلاصه LangGraph و نکات کلیدی LangGraph Summary and Key Takeaways

سیستم‌های چند-عاملی با LangGraph و LangChain Multi-Agent Systems with LangGraph and LangChain

• مقدمه‌ای بر عامل‌های چندگانه و الگوی ReAct Introduction to Multi-Agents and the ReAct Pattern

• عملی: عامل فراخوانی ابزار (Tool Calling Agent) Hands-on: Tool Calling Agent

• ابزار سفارشی با مدیریت خطا Custom Tool with Error Handling

• عملی: عامل ناظر (Supervisor Agent) Hands-on: The Supervisor Agent

• عملی: جابجایی عامل‌ها (Agent Handoffs) در LangGraph Hands-on: Agent Handoffs in LangGraph

• عملی: استراتژی Map Reduce Hands-on: Map-Reduce Strategy

• نحوه ارتباط عامل‌ها: بررسی عمیق Reducerها How Agents Communicate: Reducers Deep Dive

• عملی: الگوی انتقال پیام (Message Passing) Hands-on: Message Passing Pattern

• عملی: وضعیت فیلد مشترک (Shared Field State) Hands-on: Shared Field State

• عملی: اصلاح تکرارشونده تخته سیاه (Blackboard) Hands-on: The Blackboard Iterative Refinement

• بررسی عمیق معماری سلسله‌مراتبی Hierarchical Architecture Deep Dive

• عملی: یک دپارتمان در حالت ایزوله Hands-on: Single Department in Isolation

• عملی: مسیریابی سلسله‌مراتبی و ردیابی کامل Hands-on: Hierarchical Routing and Full Tracing

• پروژه بخش: نمای کلی سیستم پژوهش چند-عاملی Section Project: Multi-Agent Research System Overview

• عملی: نمای کلی State Schema و Send API Hands-on: State Schema and Send API Overview

• پروژه نهایی: ساخت سیستم پژوهش از پایه Final Project: Research System from the Ground Up

• سیستم‌های چند-عاملی: خلاصه بخش Multi-Agent Systems: Section Summary

استقرار در محیط عملیاتی - استقرار عامل‌های AI Production Deployment - Deploying AI Agents

• مقدمه‌ای بر مشاهده‌پذیری (Observability) و مزایای آن Introduction to Observability and Benefits Deep Dive

• راه‌اندازی LangSmith و تست ردیابی‌های مشاهده‌پذیری Setting Up LangSmith and Testing Observability Traces

• اطلاعات حساس (PII)، دسته‌های امنیتی و حملات تزریق پرامپت PII, Security Categories, and Prompt Injection Attacks

• عملی: دفاع در عمق - پاک‌سازی ورودی و تشخیص PII Hands-on: Defense in Depth - Input Sanitization and PII Detection

• عملی: LLM Guard - نگهبان هوشمند Hands-on: The LLM Guard - The Smart Bouncer

• عملی: تاییدکننده خروجی و جمع‌بندی Hands-on: Output Validator and Summary

• ملاحظات محیط تولید (Production) Production Considerations

• تست LLM و تست‌های واحد (Unit Tests) LLM Testing and Unit Tests

• عملی: تست یکپارچه‌سازی (Integration Testing) Hands-on: Integration Testing

• عملی: ارزیابی LLM به عنوان داور (LLM as Judge) Hands-on: LLM-as-Judge Evaluation

• عملی: تست رگرسیون Hands-on: Regression Testing

• عملی: مجموعه‌داده‌های LangSmith - رویکرد تولیدی Hands-on: LangSmith Datasets - Production Approach

• عملی: هرم تست LLM Hands-on: LLM Testing Pyramid

• درک مدیریت خطا و دکوراتور Retry Understanding Error Handling and the Retry Decorator

• عملی: Circuit Breaker (قطع‌کننده مدار) Hands-on: Circuit Breaker

• عملی: زنجیره جایگزین (Fallback Chain) Hands-on: Fallback Chain

• عملی: تلاش مجدد مبتنی بر گراف (Graph Based Retry) Hands-on: Graph-Based Retry

• عملی: کاهش هزینه - مسیریاب مدل (Model Router) Hands-on: Cost Reduction - Model Router

• عملی: کشینگ معنایی (Semantic Caching) Hands-on: Semantic Caching

• عملی: بودجه‌بندی توکن‌ها Hands-on: Token Budgeting

• ستون‌های دید در محیط تولید - مشاهده‌پذیری و مانیتورینگ Pillars of Production Visibility - Observability and Monitoring

• پروژه: API آماده تولید - ساختار پروژه و نمای کلی Project: Production-Ready API - Project Scaffold and the Big Picture

• پروژه: لایه امنیتی - اولین خط دفاعی Project: Security Layer - First Line of Defense

• پروژه: کش تولیدی و مانیتورینگ - صرفه‌جویی در هزینه و مشاهده همه چیز Project: Production Cache and Monitoring - Save Money, See Everything

• پروژه: عامل LangGraph - مغز همراه با شبکه ایمنی Project: The LangGraph Agent - Brain with Safety Net

• پروژه: FastAPI - متصل کردن همه اجزا Project: FastAPI - Wiring Everything Together

• پروژه: API تولیدی LangGraph - ساخت نهایی و Dockerize کردن Project: Production LangGraph API - Final Build and Dockerization

• استقرار در Render - آنلاین شدن API شما Deployment to Render - Your API Goes Live

جمع‌بندی Wrap up

• جمع‌بندی و گام‌های بعدی Wrap up and Next Steps