آموزش هوش مصنوعی عاملمحور (Agentic AI) - آخرین آپدیت
دانلود Agentic AI
این دوره شامل استفاده از هوش مصنوعی است.
بسیاری از دورههای AI تنها به پرامپت دادن به یک چتبات ختم میشوند. این دوره فراتر رفته و به شما میآموزد چگونه سیستمهای عاملمحور واقعی را طراحی کنید؛ سیستمهایی که برنامهریزی میکنند، از ابزارها استفاده میکنند، با سایر عاملها هماهنگ میشوند و میدانند چه زمانی باید انسان را وارد چرخه تصمیمگیری کنند.
شما با مبانی شروع میکنید: حلقه مشاهده، تفکر و اقدام که موتور محرک هر عامل مدرن است، و یاد میگیرید چگونه هر تابعی را به ابزاری قابل اعتماد تبدیل کنید که یک LLM بتواند آن را فراخوانی کند. سپس وارد LangGraph میشوید و یاد میگیرید چگونه جریانهای کاری وضعیتمند با منطق شاخهای، نقاط بازگشت و مراحل تایید انسانی بسازید.
در مرحله بعد، به سیستمهای چندعاملی با CrewAI میپردازید، جایی که طراحی عاملهای متخصصی را میآموزید که به جای تکیه بر یک مدل کلی برای همه کارها، بر روی یک وظیفه واحد با هم همکاری میکنند. شما فرآیندهای متوالی، سلسلهمراتبی، اشتراک ابزارها و تفویض اختیار بین عاملها را بررسی خواهید کرد.
سپس دوره به لایه پروتکل میپردازد که همه چیز را به هم متصل میکند: MCP برای اتصال عاملها به ابزارها و دادهها، A2A برای ارتباط و شناسایی عامل-به-عامل، و AG-UI برای اتصال عاملها به رابطهای کاربری. درک خواهید کرد که چرا این پروتکلها وجود دارند و هر کدام چه مشکلی را حل میکنند.
در تمام طول دوره، تمرکز بر طراحی حافظه و وضعیت (State)، نحوه به خاطر سپردن اطلاعات در جلسات مختلف و بازیابی از خطا، چرخه توسعه عامل (ADL) و روشهای ارزیابی برای جلوگیری از رفتارهای غیرقابل پیشبینی است.
هر مفهوم از طریق پروژههای عملی با APIهای واقعی و مستندات بهروز تدریس میشود، نه مثالهای ساده و تئوری. شما کدها را سلول به سلول مینویسید و توضیح میدهید تا نه تنها بدانید کد چه میکند، بلکه دلیل ساختار آن را نیز درک کنید.
این دوره برای توسعهدهندگانی طراحی شده است که با پایتون و APIهای LLM آشنا هستند و میخواهند از نوشتن پرامپت ساده به مهندسی عاملهایی حرکت کنند که در محیطهای عملیاتی واقعی قابل اتکا باشند.
مبانی هوش مصنوعی عاملمحور Agentic AI Foundations
-
مقدمهای بر هوش مصنوعی عاملمحور Introduction to Agentic AI
-
ویژگیها و اجزای هوش مصنوعی عاملمحور Agentic AI - Characteristics and Components
-
ساخت ابزار: تبدیل هر تابع به ابزاری برای عامل Tool Creation - Turning Any Function Into an Agent Tool
-
چشمانداز عاملها در سال ۲۰۲۶: انتخاب چارچوب مناسب The Agent Landscape in 2026 - Picking Your Framework
-
الگوی ReAct: استدلال + اقدام The ReAct Pattern: Reasoning + Acting
-
پروژه TaskPilot بخش اول: چه چیزی میسازیم TaskPilot Part 1 - What We're Building
-
پروژه TaskPilot بخش دوم: تنظیمات Google API TaskPilot Part 2 - Google API Setup
بررسی عمیق LangGraph LangGraph Deep Dive
-
مفاهیم اصلی LangGraph LangGraph Core Concepts
-
اولین گراف شما: وضعیت، گرهها و کاهشکنندهها Your First Graph - State, Nodes & Reducers
-
جریان کنترل و استفاده از ابزارها Control Flow & Tool Use
سیستمهای چندعاملی با CrewAI Multi-Agent Systems with CrewAI
-
چرا یک عامل تنها کافی نیست Why One Agent Isn't Enough
-
مفاهیم کلیدی Core Concepts
الگوهای پیشرفته عاملها Advanced Agent Patterns
-
به زودی Upcoming
چارچوبهای جایگزین: AutoGen، OpenAI Agents SDK و Google ADK Alternative Frameworks - AutoGen, OpenAI Agents SDK & Google ADK
-
به زودی Upcoming
سیستمهای RAG عاملمحور Agentic RAG
-
به زودی Upcoming
استفاده از کامپیوتر و عاملهای مرورگر Computer Use & Browser Agents
-
به زودی Upcoming
سیستمهای عاملمحور در محیط عملیاتی Production Agentic Systems
-
به زودی Upcoming
پروژه نهایی جامع Grand Capstone
-
به زودی Upcoming
https://donyad.com/d/26832c
The Horizon
توانمندسازی نسل آینده نوآوران IT.
نمایش نظرات