آموزش ساخت عامل‌های پژوهشی هوش مصنوعی: LangChain، RAG و LangGraph - آخرین آپدیت

مبانی بصری‌سازی داده‌ها و Plotly Foundations of Data Visualization & Plotly

• نحوه خواندن نمودارها توسط انسان‌ها (ادراک بصری) How Humans Read Charts (Visual Perception)

• کالبدشناسی یک روایت داده‌ای The Anatomy of a Data Story

• آشنایی با پروژه: داده‌های یادگیرندگان EdTech Meet the Project: EdTech Learner Data

• پیکربندی کلید API OpenAI و اولین فراخوانی API Configuring the OpenAI API Key and Making the First API Call

• درک پیام‌ها، نقش‌ها و پارامترها در Chat API Understanding Messages, Roles, and Parameters in the Chat API

• راه‌اندازی LangChain ChatOpenAI و اجرای پرس‌وجوی پژوهشی Initialising LangChain ChatOpenAI and Running a Research Query

• مدیریت خطاهای API، محدودیت نرخ درخواست و اعتبارسنجی پاسخ Handling API Errors, Rate Limits, and Response Validation

• نصب و پیکربندی محیط Plotly Installing & Configuring the Plotly Environment

• بارگذاری و بررسی مجموعه داده‌های یادگیرندگان Loading & Exploring the Learner Dataset

• تعریف طرح‌های خروجی ساختاریافته با Pydantic Defining Structured Output Schemas with Pydantic

• تجمیع نهایی: از پرس‌وجوی پژوهشی تا خروجی ساختاریافته Putting It Together: End-to-End Research Query to Structured Output

جعبه‌ابزار نمودارها: انتخاب و ساخت بصری‌ها The Chart Toolkit: Choosing & Building Visuals

• نحوه عملکرد فراخوانی توابع: از پرس‌وجوی کاربر تا اجرای ابزار How Function Calling Works: From User Query to Tool Execution

• طرح‌های ابزار OpenAI: تعریف پارامترهایی که عامل می‌تواند استفاده کند OpenAI Tool Schemas: Defining Parameters the Agent Can Use

• تمرین عملی: افزودن جستجوی وب Tavily به عنوان اولین ابزار Hands-On: Adding Tavily Web Search as the First Tool

• تست ابزار جستجو: اجرای پرس‌وجوهای پژوهشی زنده Testing the Search Tool: Running Live Research Queries

• ساخت ابزار فرمت‌ساز منابع با دکوراتور tool@ Creating a Source Formatter Tool with the @tool Decorator

• ساخت ابزار تلخیص‌کننده با StructuredTool و طرح‌های Pydantic Building a Summariser Tool with StructuredTool and Pydantic Schemas

• ساخت ابزار استخراج ارجاعات با BaseTool برای منطق‌های پیچیده Building a Citation Extractor Tool with BaseTool for Complex Logic

• اعتبارسنجی ابزار، مدیریت خطا و تست واحد ابزارهای شما Tool Validation, Error Handling, and Unit Testing Your Tools

• الگوی ReAct: نحوه استدلال عامل پیش از اقدام The ReAct Pattern: How the Agent Reasons Before Acting

• مونتاژ عامل: استفاده از create_react_agent() با تمام ابزارها Assembling the Agent: create_react_agent() with All Tools

• اجرای پژوهش چندمرحله‌ای: جستجو، فرمت‌بندی و پاسخ‌دهی عامل Running Multi-Step Research: The Agent Searches, Formats, and Responds

• عیب‌یابی تصمیمات عامل: ردیابی با LangSmith Debugging Agent Decisions: Tracing with LangSmith

بصری‌سازی پیشرفته و تکنیک‌های روایت‌گری Advanced Visuals & Storytelling Techniques

• چرا دستیار فراموش می‌کند: درک عامل‌های بدون وضعیت در مقابل عامل‌های دارای وضعیت Why the Assistant Forgets: Understanding Stateless vs Stateful Agents

• پیاده‌سازی ConversationBufferMemory برای بازیابی کامل تاریخچه Implementing ConversationBufferMemory for Full History Recall

• بهینه‌سازی با حافظه خلاصه و پنجره‌ای برای جلسات طولانی Optimising with Summary and Window Memory for Long Sessions

• ذخیره‌سازی دائمی تاریخچه گفتگو در فایل و پایگاه داده Persisting Conversation History to File and Database Storage

• چرا LangGraph؟ از AgentExecutor تا ارکستراسیون مبتنی بر گراف Why LangGraph? From AgentExecutor to Graph-Based Orchestration

• تعریف وضعیت دستیار پژوهشی با TypedDict Defining the Research Assistant State with TypedDict

• ساخت گره‌ها: گره LLM، گره جستجو و گره فرمت‌بندی Building Nodes: LLM Node, Search Node, and Format Node

• افزودن یال‌های شرطی: آیا عامل باید جستجو کند یا مستقیماً پاسخ دهد؟ Adding Conditional Edges: Should the Agent Search or Respond Directly?

• نقطه‌گذاری (Checkpointing): ذخیره و بازیابی جلسات پژوهشی با MemorySaver Checkpointing: Saving and Restoring Research Sessions with MemorySaver

• استریم کردن پاسخ‌های عامل و مراحل میانی پژوهش برای کاربر Streaming Agent Responses and Intermediate Research Steps to the User

• انسان در چرخه: افزودن مرحله تایید پیش از نهایی‌سازی گزارش Human-in-the-Loop: Adding an Approval Step Before Report Finalisation

• تست نهایی: جلسه پژوهشی چند-مرحله‌ای با قابلیت ذخیره‌سازی و تایید End-to-End Test: Multi-Turn Research Session with Persistence and Approval

ساخت و استقرار داشبورد تعاملی Building & Deploying an Interactive Dashboard

• RAG چیست و چرا دستیار پژوهشی به آن نیاز دارد؟ What Is RAG and Why Does the Research Assistant Need It?

• طراحی لایوت‌ها با اجزای Dash Bootstrap Layouts with Dash Bootstrap Components

• افزودن کارت‌های KPI و نمودارهای استاتیک Adding KPI Cards & Static Charts

• RAG عامل‌محور: تصمیم عامل برای جستجو در وب یا جستجو در اسناد Agentic RAG: The Agent Decides When to Search Web vs Search Documents

• ساخت عامل پژوهشگر: جستجو در وب و اسناد Building the Researcher Agent: Searches Web and Documents

• ساخت عامل نویسنده: تولید گزارش‌های پژوهشی ساختاریافته Building the Writer Agent: Produces Structured Research Reports

• ساخت عامل بازبین: بررسی کیفیت و حلقه بازخورد Building the Reviewer Agent: Quality Checks and Feedback Loop

• ساخت رابط کاربری چت Streamlit برای دستیار پژوهشی Building the Streamlit Chat Interface for the Research Assistant