آموزش سیستم‌های RAG و جریان‌های کاری عامل‌محور (Agentic Workflows) با Pinecone و LangGraph - آخرین آپدیت

مبانی تولید تقویت‌شده با بازیابی (RAG) Fundamentals of Retrieval-Augmented Generation (RAG)

• مقدمه‌ای بر RAG Introduction to RAG

• بررسی عمیق معماری RAG RAG Architecture Deep Dive

• کاربرد Embeddings در عمل Embeddings in Action

• ساخت یک خط‌لوله RAG ساده Build a Simple RAG Pipeline

• ارزیابی پاسخ‌های RAG Evaluating RAG Responses

• چالش‌های RAG و خلاصه ماژول RAG Pitfalls & Module Recap

پایگاه‌های داده برداری و جستجوی معنایی Vector Databases and Semantic Search

• مبانی پایگاه‌های داده برداری Vector Databases 101

• مرور کلی FAISS و Chroma FAISS & Chroma Overview

• استفاده از Pinecone برای RAG مقیاس‌پذیر Pinecone for Scalable RAG

• تکنیک‌های بهینه‌سازی پرس‌وجو Query Optimization Techniques

• جستجوی ترکیبی (Hybrid Search) با ترکیب برداری و کلیدواژه‌ای Hybrid Search Combining Vector & Keyword

• جذب داده و قطعه‌بندی (Chunking) Data Ingestion & Chunking

• آزمایشگاه: ایندکس‌گذاری پایگاه دانش محصول Lab Indexing Product Knowledge Base

عامل‌ها و جریان‌های کاری گفتگومحور Conversational Agents and Workflows

• جریان‌های کاری عامل‌محور چیستند؟ What Are Agentic Workflows

• مرور کلی معماری‌های عامل Agent Architectures Overview

• مقدمه‌ای بر LangGraph Introduction to LangGraph

• استفاده از LangGraph برای طراحی جریان کار LangGraph for Workflow Design

• معماری‌های عامل در LangGraph LangGraph Agent Architectures

• عامل‌های دارای حافظه بلندمدت Long-Term Memory Agents

• عامل‌های چندمرحله‌ای آگاه از بازیابی Retrieval-Aware Multi-Step Agents

بهینه‌سازی، عیب‌یابی و مشاهده‌پذیری Optimization, Debugging, and Observability

• چرا مشاهده‌پذیری اهمیت دارد؟ Why Observability Matters

• راه‌اندازی و ردیابی در LangSmith LangSmith Setup & Tracing

• جایگزین LangFuse LangFuse Alternative

• تغییر شکل پرس‌وجو و بازرتبه‌بندی (Reranking) Query Transformation & Reranking

• مطالعه موردی بهینه‌سازی خط‌لوله Pipeline Optimization Case Study

• جمع‌بندی دوره دوم و پیش‌نمایش Course 2 Wrap-up & Preview