آموزش هوش مصنوعی عامل‌محور (Agentic AI) - پیاده‌سازی Private Agentic RAG با LangGraph و Ollama - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

• مسیر یادگیری تسلط بر عامل‌های هوش مصنوعی | ضروری AI Agent Mastery Learning Path | Must Watch

• فایل‌های کد و نصب requirements.txt Code Files and Install Requirements.txt

راه‌اندازی Ollama Ollama Setup

• نصب و آشنایی با Ollama Installation and Introduction to Ollama

• بررسی رابط کاربری و مدل‌های Ollama Explore Ollama UI Interface and Models

• بررسی تنظیمات Context و جستجوی لحظه‌ای در Ollama Explore Context and Realtime Search Settings in Ollama

• استفاده از Ollama برای تحلیل سریع اسناد Use Ollama for Quick Documents Analysis

• بررسی مدل Qwen3 Inspecting Qwen3 Model

• مرور کلی بنچ‌مارک Qwen3 Qwen3 Benchmarking Overview

• تست محلی سوالات بنچ‌مارک Test Benchmark Questions Locally

• نحوه انتخاب مدل برای یک تسک یا پروژه خاص How to Select Model for a Specific Task or Project

• دستورات ollama pull و run ollama pull and run commands

• دستورات ollama serve, ollama rm و ollama show ollama serve, ollama rm and ollama show commands

• دستورات ollama cp و ollama ps ollama cp and ollama ps commands

• ایجاد و اجرای مدل Ollama با تنظیمات پیش‌فرض Create and Run Ollama Model with Predefined Settings

• بررسی دستورات پیام Ollama Exploring Ollama Message Commands

• ایجاد مدل Ollama با دستورات پیام Create Ollama Model with Message Commands

• درخواست‌های Raw API در Ollama Ollama Raw API Requests

• بارگذاری مدل‌های GGUF بدون سانسور برای تولید محتوای خاص [فقط آموزشی] Load Uncesored GGUF Models for Banned Content Generation [Only Educational Pu

بنچ‌مارک LLMهای محلی ۲۰۲۶: سرعت، کدنویسی و عملکرد واقعی 2026 Local LLM Benchmarking: Speed, Coding & Real-World Performance

• اجرای محلی LLMها در ۲۰۲۶: بررسی Qwen3.5, Nemotron و Mixtral Run LLMs Locally in 2026: Qwen3.5, Nemotron & Mixtral Overview

• نیازمندی‌های VRAM: مدل‌های Qwen3.5, Nemotron و Mixtral در Ollama (۲۰۲۶) VRAM Requirements: Qwen3.5, Nemotron & Mixtral on Ollama (2026)

• توضیح معماری‌های LLM: Dense در مقابل MoE و Hybrid Mamba Dense vs MoE vs Hybrid Mamba: LLM Architectures Explained

• تست کدنویسی Nemotron 3 Nano 4B: حل مسائل Hard لیت‌کد به صورت محلی Nemotron 3 Nano 4B Coding Test: LeetCode Hard Problems Locally

• مقایسه Nemotron 3 Nano 4B و Qwen3.5 4B: بنچ‌مارک مسائل Medium لیت‌کد Nemotron 3 Nano 4B vs Qwen3.5 4B: LeetCode Medium Benchmark

• بنچ‌مارک سرعت Ollama: تعداد توکن در ثانیه Nemotron 3 Nano در مقابل Qwen3.5 Ollama Speed Benchmark: Nemotron 3 Nano vs Qwen3.5 Tokens/sec

• بنچ‌مارک Nemotron 3 Nano 30B: تست سرعت و مسائل Hard لیت‌کد Nemotron 3 Nano 30B Benchmark: LeetCode Hard + Speed Test

• بنچ‌مارک Qwen3.5 35B MoE: تست سرعت و مسائل Hard لیت‌کد Qwen3.5 35B MoE Benchmark: LeetCode Hard + Speed Test

شروع به کار با LangGraph LangGraph Getting Started

• مقدمه‌ای بر Flow Engineering و ماشین حالت محدود برای LangGraph Introduction to Flow Engineering and Finite State Machine for LangGraph

• نحوه ایجاد حالت (State) سفارشی در LangGraph How to Create Custom State in LangGraph

• نحوه ایجاد گره سفارشی و نحوه تغییر حالت‌ها توسط LangGraph How to Create Custom Node and How States are Modified by LangGraph

• اجرای گره‌های تو در تو با حالت LangGraph Execute Nested Nodes with LangGraph State

• ساخت و بصری‌سازی اولین گراف LangGraph Build and Visualize Your First LangGraph Graph

• فراخوانی LangGraph و بررسی نحوه تغییر حالت‌ها Invoke LangGraph and Explore How States are Changing

عامل MySQL MySQL Agent

• مسیر یادگیری جریان‌های کاری پیشرفته LangGraph [ضروری] [Must] Learning Path for Advanced LangGraph Worflows

• مقدمه‌ای بر عامل MySQL Introduction MySQL Agent

• راه‌اندازی نوت‌بوک عامل MySQL MySQL Agent Notebook Setup

• راه‌اندازی دیتابیس MySQL و استخراج DB SCHEMA MySQL Database Setup and DB SCHEMA Extraction

• ساخت ابزار Langchain برای get_database_schema در MySQL Create get_database_schema Langchain Tool for MySQL

• ساخت ابزار Langchain برای generate_sql_query در MySQL Create generate_sql_query Langchain Tool for MySQL

• ساخت ابزار Langchain برای validate_sql_query در MySQL (بخش اول) Create validate_sql_query Langchain Tool for MySQL Part 1

• ساخت ابزار Langchain برای validate_sql_query در MySQL (بخش دوم) Create validate_sql_query Langchain Tool for MySQL Part 2

• ساخت ابزار Langchain برای execute_sql_query در MySQL Create execute_sql_query Langchain Tool for MySQL

• ساخت ابزار Langchain برای fix_sql_error در MySQL Create fix_sql_error Langchain Tool for MySQL

• ایجاد MySQL AgentState و LLM همراه با ابزارها Create MySQL AgentState and LLM with Tools

• ایجاد گره عامل (Agent Node) Create Agent Node

• ایجاد مسیریاب شرطی برای کنترل اجرای عامل Create Conditional Router to Control Agent Execution

• ساخت عامل MySQL با LangGraph Create MySQL Agent with LangGraph

• ارزیابی عملکرد عامل MySQL: Qwen3 در مقابل OpenAI GPT OSS Qwen3 vs OpenAI GPT-OSS - Performance Evaluation of MySQL Agent

• ارزیابی عامل MySQL با پرس‌وجوهای پیچیده Evaluating MySQL Agent with Complex Queries

PageRAG ورود داده‌ها PageRAG - Data Ingestion

• پیش‌نمایش یادگیری PageRAG PageRAG Learning Sneak Peek

• مقدمه‌ای بر RAG Introduction to RAG

• طراحی معماری PageRAG (بخش اول) PageRAG Architecture Design Part 1

• طراحی معماری PageRAG (بخش دوم) PageRAG Architecture Design Part 2

• راه‌اندازی نوت‌بوک PageRAG PageRAG Notebook Setup

• آشنایی با Chroma DB و راه‌اندازی آن Introduction to Chroma DB and Its Setup

• استخراج متادیتای اسناد Extract Documents Metadata

• استخراج متن مارک‌داون از PDFها با استفاده از Docling Extract Markdown Text from PDF Documents using Docling

• محاسبه هش SHA256 محتوای فایل برای جلوگیری از ورود داده تکراری Compute SHA256 Hash of a File Content to Avoid Duplicated Ingestion

• ردیابی فایل‌های پردازش شده برای حذف تکرار Track the Processed Files for Deduplication

• ورود اسناد به Chroma Vector DB (بخش اول) Documents Ingestion in Chroma Vector DB Part 1

• ورود اسناد به Chroma Vector DB (بخش دوم) Documents Ingestion in Chroma Vector DB Part 2

• ورود کل دایرکتوری اسناد به Vector DB Ingest Whole Documents Dir in Vector DB

• جستجوی تکه‌های نمونه و دلیل نیاز به فیلترینگ متادیتا Search Sample Chunks and Why We Need Metadata Filtering

PageRAG بازیابی داده‌ها و رتبه‌بندی مجدد PageRAG - Data Retrieval and Re-Ranking

• مسیر یادگیری بازیابی داده‌ها و RAG Learning Path for Data Retrieval and RAG

• راه‌اندازی نوت‌بوک بازیابی داده‌ها و رتبه‌بندی مجدد Data Retrieval and Re-ranking Notebook Setup

• تعریف مدل Pydantic برای فصل مالی و نوع اسناد Define Fiscal Quarter and Documents Type Pydantic Model

• نحوه استخراج متادیتا از پرس‌وجوی کاربر How to Extract Metadata from User Query

• ساخت کلاس Pydantic برای استخراج ChunkMetadata Create ChunkMetadata Pydantic Class for Metadata Extraction

• ساخت مدل Pydantic برای کلمات کلیدی رتبه‌بندی Create Pydantic Model for Ranking Keywords

• استخراج فیلترهای متادیتا با خروجی ساختاریافته LLM Extract Metadata Filters with Structured LLM Output

• تولید کلمات کلیدی رتبه‌بندی Generate Ranking Keywords

• پیاده‌سازی بازیابی پایه اسناد Implement Basic Document Retrieval

• پیاده‌سازی عبارت فیلتر در Chroma DB Implement Filter Clause in Chroma DB

• پیاده‌سازی بازیابی پیشرفته اسناد Implement Enhanced Document Retrieval

• بررسی عمیق استراتژی بازیابی پیشرفته Deep Dive Into Enhanced Retrieval Strategy

• پردازش تکه‌ها برای رتبه‌بندی مجدد (بخش اول) Process Chunks for Re-Ranking Part 1

• پردازش تکه‌ها برای رتبه‌بندی مجدد (بخش دوم) Process Chunks for Re-Ranking Part 2

• رتبه‌بندی اسناد با استفاده از BM25 و کلمات کلیدی (بخش اول) Rank Documents using BM25 and Ranking Keywords

• رتبه‌بندی اسناد با استفاده از BM25 و کلمات کلیدی (بخش دوم) Rank Documents using BM25 and Ranking Keywords Part 2

• رتبه‌بندی اسناد با استفاده از BM25 و کلمات کلیدی (بخش سوم) Rank Documents using BM25 and Ranking Keywords Part 3

• اجرای بازیابی و رتبه‌بندی مجدد پیشرفته در سطح صنعتی Prod Level Advanced Data Retrieval and Re-Ranking in Action

• طراحی جریان کاری GenAI با استفاده از LangGraph و مدل‌های Ollama Designing a GenAI Workflow Using LangGraph and Ollama Models

PageRAG سیستم Agentic RAG PageRAG - Agentic RAG

• مقدمه‌ای بر Agentic RAG Introduction to Agentic RAG

• کدنویسی حرفه‌ای: ایجاد بازیابی و رتبه‌بندی مجدد متمرکز و قابل استفاده مجدد (بخش اول) Code Like a Pro - Create Reusable Centralized Retrieval and Re-Ranker Part 1

• کدنویسی حرفه‌ای: ایجاد بازیابی و رتبه‌بندی مجدد متمرکز و قابل استفاده مجدد (بخش دوم) Code Like a Pro - Create Reusable Centralized Retrieval and Re-Ranker Part 2

• جریان کاری Agentic RAG و ایجاد حالت عامل (Agent State) Agentic RAG Workflow and Agent State Creation

• نوشتن ابزار Langchain برای بازیابی اسناد (بخش اول) Write Retrieve Docs Langchain Tool Part 1

• نوشتن ابزار Langchain برای بازیابی اسناد (بخش دوم) Write Retrieve Docs Langchain Tool Part 2

• ذخیره کانتکست بازیابی شده برای دیباگ و درک بهتر Save Retrieved Context for Debugging and Understanding

• ایجاد گره عامل با AgentState Create Agent Node with AgentState

• ساخت Agentic PageRAG Create Agentic PageRAG

• اجرای Agentic PageRAG در عمل Agentic PageRAG in Action

Corrective RAG (CRAG) Corrective RAG (CRAG)

• مرور سریع مقاله پژوهشی Corrective RAG Quick Walkthrough of Corrective RAG Research Paper

• طراحی سیستم Corrective RAG (CRAG) Corrective RAG (CRAG) System Design

• راه‌اندازی نوت‌بوک CRAG CRAG Notebook Setup

• ایجاد ابزار متمرکز retrieve_docs در Langchain Create Centralized retrieve_docs Langchain Tool

• بازیابی گسترده، انتخاب محدود: رتبه‌بندی BM25 Wide Retrieval, Narrow Selection - BM25 Reranking

• ایجاد AgentState و تست ابزارهای بازیابی اسناد و جستجوی وب Create AgentState and Test Retrieve Docs and Web Search Tools

• ایجاد گره بازیابی اسناد Create Retrieve Docs Node

• ایجاد گره درجه‌بندی اسناد Create Documents Grading Node

• ایجاد گره بازنویسی پرس‌وجوی کاربر Create Re-Write User Query Node

• ایجاد گره بازیاب پایگاه دانش خارجی (جستجوی وب) Create External Knowledge Base Retriever (Web Search) Node

• ایجاد گره تولید پاسخ Create Answer Generator Node

• ایجاد منطق مسیریاب اجرای گراف برای گره‌های پاسخ و بازنویسی Create Graph Execution Router Logic for Answer and Rewrite Node

• ساخت عامل CRAG در LangGraph Create CRAG Agent in LangGraph

• ارزیابی عملکرد عامل CRAG (بخش اول) CRAG Agent Performance Evaluation Part 1

• ارزیابی عملکرد عامل CRAG (بخش دوم) CRAG Agent Performance Evaluation Part 2

Reflexion RAG یادگیری از طریق خود-بازتابی Reflexion RAG- Learning through Self-Reflection

• مرور سریع عامل Reflexion RAG Quick Walk-through to Reflexion RAG Agent

• طراحی سیستم Reflexion Agentic RAG و راه‌اندازی نوت‌بوک Reflexion Agentic RAG System Design and Notebook Setup

• ایجاد گره پیش‌نویس برای مسیر پاسخ اولیه (بخش اول) Create Draft Node for Initial Answer Trajectory Part 1

• ایجاد گره پیش‌نویس برای مسیر پاسخ اولیه (بخش دوم) Create Draft Node for Initial Answer Trajectory Part 2

• بازیابی اسناد برای گره بازتاب (Reflection) (بخش اول) Retrieve Documents for Reflection Node Part 1

• بازیابی اسناد برای گره بازتاب (Reflection) (بخش دوم) Retrieve Documents for Reflection Node Part 2

• ایجاد گره بازبینی (نقد) با خود-بازتابی (بخش اول) Create Revise (Critique) Node with Self Reflection Part 1

• ایجاد گره بازبینی (نقد) با خود-بازتابی (بخش دوم) Create Revise (Critique) Node with Self Reflection Part 2

• ایجاد منطق مسیریاب برای گره بازبینی (نقد) Create Router Logic for Revise (Critique) Node

• ساخت Reflexion Agentic RAG Create Reflexion Agentic RAG

• تست عملکرد Reflexion Agentic RAG (بخش اول) Performance Testing of Reflexion Agentic RAG Part 1

• تست عملکرد Reflexion Agentic RAG (بخش دوم) Performance Testing of Reflexion Agentic RAG Part 2

Self RAG یادگیری بازیابی، تولید و نقد Self-RAG - Learning to Retrieve, Generate and Critique

• پیش‌نمای Self RAG Sneak Peek to Self-RAG

• مرور سریع Self RAG: یادگیری بازیابی، تولید و نقد Quick Walkthrough to Self-RAG - Learning to Retrieve, Generate and Critique

• طراحی معماری Self RAG Design Self-RAG Architecture

• راه‌اندازی نوت‌بوک Self RAG Self-RAG Notebook Setup

• اسکیمای Pydantic برای درجه‌بندی اسناد و بررسی توهمات (Hallucinations) Pydantic Schema for Docs Grading and Hallucinations Check

• ایجاد Self RAG AgentState Create Self RAG AgentState

• ایجاد گره بازیاب برای Self RAG (بخش اول) Create Retriever Node for Self-RAG Part 1

• ایجاد گره بازیاب برای Self RAG (بخش دوم) Create Retriever Node for Self-RAG Part 2

• ایجاد گره درجه‌بندی اسناد برای Self RAG Create Documents Grading Node for Self-RAG

• ایجاد گره تولید پاسخ برای Self RAG Create Answer Generator Node for Self-RAG

• ایجاد گره تغییر پرس‌وجو برای Self RAG Create Transform Query Node for Self-RAG

• تصمیم‌گیری بین تولید پاسخ یا بازنویسی پرس‌وجو Decide Whether to Generate Answer or Rewrite the Query

• بررسی توهم RAG و هدایت LLM برای تولید مجدد پاسخ Check for RAG Hallucination and Direct LLM to Regenerate the Answer

• بررسی کیفیت پاسخ و کنترل جریان عامل Check for Answer Quality and Control Agent Flow

• ساخت عامل Self RAG Create Self-RAG Agent

• ارزیابی عملکرد Self RAG: برتر از سایرین Performance Evaluation of Self-RAG - Better Than All Others

Adaptive RAG یادگیری مسیریابی در پایگاه دانش Adaptive RAG - Learning to Navigate Through Knowledge Base

• مقدمه‌ای بر Adaptive RAG Introduction to Adaptive RAG

• خروجی گرفتن از گره‌های Self RAG در یک فایل اسکریپت پایتون قابل استفاده مجدد Export Self-RAG Nodes in Reusable Python Script File

• فعال‌سازی قابلیت گفتگوهای چند مرحله‌ای در اسکریپت Self RAG Enable Multi-Turn Conversation Capability in Self-RAG Script

• خروجی گرفتن از ابزارهای عامل MySQL در یک فایل اسکریپت پایتون Export MySQL Agent Tools into Reusable Python Script File

• راه‌اندازی نوت‌بوک Adaptive RAG Adaptive RAG Notebook Setup

• ایجاد اسکیمای Pydantic برای مسیریاب و AgentState Create Router Pydantic Schema and AgentState

• پیاده‌سازی منطق مسیریاب پرس‌وجوی کاربر Implement User Query Router Logic

• ایجاد عامل MySQL برای Adaptive RAG Create MySQL Agent for Adaptive RAG

• ایجاد عامل جستجوی وب برای Adaptive RAG Create Web Search Agent for Adaptive RAG

• ساخت عامل Adaptive RAG Create Adaptive RAG Agent

• افزودن حافظه کوتاه‌مدت در Adaptive RAG برای ذخیره تاریخچه چت Add Short-Term Memory in Adaptive RAG to Store Chat Histories

• تست عملکرد Adaptive RAG Adaptive RAG Performance Testing

ساخت عامل LangGraph با سرورهای Airbnb MCP Build LangGraph Agent with Airbnb MCP Servers

• مقدمه‌ای بر MCP Introduction to MCP

• نصب Node.js برای MCP و آداپتور Langchain MCP Install Node.js for MCP and Langchain MCP Adapter

• اتصال کلاینت Langchain MCP به سرور Airbnb MCP Connect Langchain MCP Client with Airbnb MCP Server

• ساخت عامل Langgraph با ابزارهای سرور Airbnb MCP Create Langgraph Agent with Airbnb MCP Server tools

• دریافت لیست هتل‌های Airbnb با استفاده از Langchain MCP Get the Airbnb Hotel Listing using Langchain MCP

• تست عملکرد سرور Airbnb MCP با کلاینت Langchain MCP در Jupyter Performance Testing of Airbnb MCP Server with Langchain MCP Client in Jupyter

آخرین به‌روزرسانی‌های ترند LLM Trending Latest LLM Updates

• بررسی عمیق پیش‌نمایش Qwen 3.6 Plus در OpenRouter Deep Dive Qwen 3.6 Plus Preview at OpenRouter

• تولید بازی با استفاده از Qwen 3.5 و Ollama به صورت محلی Game Generation using Qwen 3.5 with Ollama Locally

• Blender MCP و Claude: ساخت مدل‌ها و شخصیت‌های سه بعدی AI در بلندر با Ollama Blender MCP and Claude- Build 3D AI Models and Characters in Blender with Ollama

• بررسی عمیق Qwen 3.5 Omini | تولید بازی‌های دو بعدی و سه بعدی Deep Dive Qwen 3.5 Omini | Generate 2D and 3D Games

• راه‌اندازی OpenClaw با Ollama (۲۰۲۶) | دستیار AI رایگان Setup OpenClaw with Ollama (2026) | Zero Cost AI Assistant

• Gemma 4 | قاتل Qwen؟ Gemma 4 (Gemma4) | Qwen Killer?