آموزش هوش مصنوعی مولد (GenAI) برای .NET: ساخت اپلیکیشن‌های LLM با OpenAI و Ollama - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

• پیش‌نیازها، سورس کد و اسلایدهای دوره Prerequisites, Source Code and Course Slides

• پروژه‌های دوره: چت، تحلیل متن، جستجوی برداری، RAG و جستجوی برداری EShop Course Projects: Chat, Text Analysis, Vector Search, RAG, EShop Vector Search

مفاهیم GenAI: مدل‌های LLM، توکن، SLM و مهندسی پرامپت GenAI Concepts: LLM, Token, SLM, Prompt Engineering

• مدل‌های زبانی بزرگ (LLMs) چیستند؟ What are Large Language Models (LLMs) ?

• مدل‌های زبانی بزرگ چگونه کار می‌کنند؟ How Large Language Models (LLMs) works ?

• توکن و توکنایزیشن (Tokenization) چیست؟ What is Token And Tokenization ?

• مدل‌های زبانی کوچک (SLMs) چیستند؟ What are Small Language Models (SLMs) ?

• پرامپت و مهندسی پرامپت چیست؟ What is Prompt and Prompt Engineering ?

• کوییز مفاهیم LLM LLM Quiz

• توضیح مفاهیم اصلی GenAI برای یک مدیر ارشد Explaining Core GenAI Concepts to a Senior Manager

اکوسیستم .NET و AI: ابزارها و کتابخانه‌های توسعه برای .NET .NET + AI ecosystem: AI Development Tools and Libraries for .NET

• چرا .NET را برای ساخت اپلیکیشن‌های AI انتخاب کنیم؟ Why choose .NET to build AI applications ?

• فریم‌ورک‌ها و SDKهای AI برای .NET AI frameworks and SDKs for .NET

• بلوک‌های سازنده یکپارچه AI: Microsoft.Extensions.AI (MEAI) Unified AI building blocks: Microsoft.Extensions.AI (MEAI)

• Semantic Kernel برای .NET Semantic Kernel for .NET

راه‌اندازی ارائه‌دهندگان LLM: مدل‌های GitHub، Ollama و Azure AI Foundry Setup LLM Providers: GitHub Models, Ollama, Azure AI Foundry

• برای این دوره از کدام ارائه‌دهنده AI استفاده کنم؟ Which AI provider should I use for this course ?

• Azure OpenAI از Azure AI Foundry و پلتفرم OpenAI (سرویس‌های پولی) Azure OpenAI from Azure AI Foundry and OpenAI platform (Paid Services)

• مدل‌های GitHub (GitHub Models) GitHub Models

• ساخت Access Token برای مدل‌های GitHub Create Access Token for GitHub Models

• Ollama – اجرای LLMها به صورت محلی Ollama – Run LLMs Locally

• دانلود Ollama و مدل‌های llama3.2 و all-minilm با Docker Download Ollama and llama3.2, all-minilm models with Docker

• کوییز ارائه‌دهندگان LLM LLM Provider Quiz

• پیشنهاد استراتژی انتخاب ارائه‌دهنده AI برای یک پروژه جدید Recommending an AI Provider Strategy for a New Project

چت، تکمیل متن، تحلیل و فراخوانی توابع با .NET Chat, Text Completions, Analysis and Function Calling w/ .NET

• ساخت Solution دات‌نت برای توسعه پروژه‌های AI Create .NET Solution for Developing AI Projects

• تکمیل متن با مدل gpt-5-mini از OpenAI در GitHub Models Text Completion LLM with GitHub Models OpenAI gpt-5-mini model

• تکمیل متن به صورت استریمینگ (Streaming) Streaming LLM Text Completion

• موارد استفاده دیگر LLM: طبقه‌بندی، خلاصه‌سازی و تحلیل احساسات Classification, Summarization, Sentiment Analysis LLM Other Use Cases

• خروجی ساختاریافته در LLM برای استخراج داده‌ها Structured Output in LLM for Data Extraction Use Case

• ساخت اپلیکیشن چت AI با .NET و مدل gpt-5-mini Build AI Chat App with .NET and gpt-5-mini model

• تکمیل متن با مدل محلی llama3.2 در Ollama Text Completion LLM with Local Ollama llama3.2 Model

• اجرای سناریوهای LLM با مدل محلی llama3.2 در Ollama Run LLM Use Cases with Local Ollama llama3.2 Model

• فراخوانی توابع (Function Calling) در مدل‌های زبانی بزرگ Function Calling in Large Language Models (LLMs)

• اجرای توابع .NET با استفاده از مدل gpt-5-mini در GitHub Invoke .NET functions using GH gpt-5-mini model

• توسعه کوییز LLM Develop LLM Quiz

• طوفان فکری برای ویژگی‌های AI در یک پورتال پشتیبانی مشتریان Brainstorming AI Features for a Customer Support Portal

جستجوی برداری .NET AI با استفاده از Vector Embeddings و Vector Store .NET AI Vector Search using Vector Embeddings and Vector Store

• بردارها و Vector Embeddings چیستند؟ What are Vectors and Vector Embeddings ?

• تولید Embeddingها و محاسبه شباهت با CosineSimilarity Generate Embeddings and Calculate Similarity w/ CosineSimilarity

• پایگاه داده برداری (Vector Database) چیست؟ What is a Vector Database ?

• جستجوی برداری .NET AI با Extensions.VectorData.Abstractions .NET AI Vector Search w/ Extensions.VectorData.Abstractions

• ساخت اپلیکیشن VectorSearch و نصب پکیج‌ها Create VectorSearch App and Install Packages

• توسعه موجودیت داده‌های برداری و مقداردهی داده‌ها Develop Vector Data Entity and Populate Data

• تولید Embeddingها و ذخیره در Vector Store در حافظه (In-memory) Generate Embeddings and Store in In-memory Vector Store

• ساخت Embedding برای پرس‌وجو و اجرای جستجوی برداری Create Query Embedding and Perform Vector Search

• توسعه اپلیکیشن جستجوی برداری .NET با Ollama و مدل all-minilm Develop .NET AI Vector Search App w/ Ollama and all-minilm embedding model

• کوییز Embeddingها Embeddings Quiz

• ارائه ایده جستجوی معنایی به یک مدیر کسب‌وکار Pitching Semantic Search to a Business Leader

ساخت اپلیکیشن تولید تقویت‌شده بازیابی (RAG) با .NET AI Retrieval Augmented Generation (RAG) Application w/ .NET AI

• تولید تقویت‌شده بازیابی (RAG) چیست؟ What is Retrieval-Augmented Generation (RAG) ?

• چرا به RAG نیاز داریم و چرا اهمیت دارد؟ Why Need Retrieval-Augmented Generation (RAG) ? Why is RAG Important ?

• مکانیسم کارکرد RAG چگونه است؟ How Does Retrieval-Augmented Generation (RAG) Work ?

• ساخت اپلیکیشن چت .NET با قالب RAG Build .NET Chat App w/ RAG Template

• بررسی راهکار RAG در اپلیکیشن چت .NET Explore .NET Chat App RAG Solution

• اجرا و تست راهکار RAG در اپلیکیشن چت .NET Run & Test .NET Chat App RAG Solution

• گسترش اپلیکیشن RAG با اسناد شخصی: وارد کردن و Embedding فایل‌های PDF Extend RAG Chat App with Your Own Documents - Ingest and Embeddings Custom Pdf

• گسترش قابلیت‌های اپلیکیشن RAG با ابزار Function Calling Extend RAG Chat App Functionality with Function Calling Tool

• ساخت اپلیکیشن چت .NET با قالب RAG با استفاده از Ollama و all-minilm Build .NET Chat App w/ RAG Template using Ollama and all-minilm

• افزودن پایگاه داده برداری Qdrant به اپلیکیشن RAG با .Net Aspire Add Qdrant Vector Database into our RAG Chat App w/ .Net Aspire

• کوییز RAG RAG Quiz

• پیشنهاد معماری RAG برای اصلاح یک چت‌بات ناکارآمد Proposing a RAG Architecture to Fix a Failing Chatbot

اپلیکیشن‌های تحلیل تصویر با .NET AI Image Analysis Apps w/ .NET AI

• شناسایی تصویر با .NET و MEAI Image Recognition with .NET and MEAI

• ساخت اپلیکیشن تحلیل تصویر با .NET و مدل gpt-5-mini در GitHub Build Image Analysis App w/ .NET and GH Models - OpenAI gpt-5-mini

• تحلیل دوربین‌های ترافیکی با خروجی ساختاریافته Analysis Traffic Cams with Structured Output

• دانلود مدل بینایی llava برای Ollama Download llava vision model for Ollama

• ساخت اپلیکیشن تحلیل تصویر با .NET و مدل llava در Ollama Build Image Analysis App w/ .NET and Ollama llava

ساخت اپلیکیشن جستجوی برداری Eshop با .NET Aspire، gpt 5 mini و Qdrant Build Eshop Vector Search App w/ .NET Aspire, gpt-5-mini and Qdrant Vector DB

• مقدمه جستجوی برداری EShop با .NET Aspire، gpt-5-mini و Qdrant Introduction-EShop Vector Search w/ .NET Aspire, gpt-5-mini, Qdrant

• نقطه شروع: معماری میکروسرویس توزیع شده EShop با .NET Aspire Starting Point: EShop Distributed Microservices Architecture with .NET Aspire

• افزودن قابلیت چت به EShop و ادغام مدل gpt-5-mini از GitHub Add Chat Capability in EShop integrate GitHub Models OpenAI gpt-5-mini model

• توسعه کلاس ProductAIService.cs برای لایه بیزنس - چت AI پشتیبانی Develop ProductAIService.cs Class for Business Layer - Customer Support Chat AI

• توسعه ProductEndpoints و نقطه اتصال (Endpoint) برای پرسش و پاسخ چت Develop ProductEndpoints Support Query Endpoint for Chat Q&A

• توسعه صفحات UI چت برای استفاده از Endpoint پشتیبانی Develop Chat UI Pages to Consume Support Endpoint

• افزودن پایگاه داده برداری Qdrant به محیط توزیع شده .NET Aspire Add Qdrant Vector Database into .NET Aspire Distributed Environment (Hosting)

• پکیج‌های ادغام کلاینت برای Qdrant و Extensions.VectorData Client Integration Packages for Qdrant and Extensions.VectorData

• ثبت سرویس‌های کلاینت Qdrant در DI دات‌نت در Catalog/Program.cs Register Qdrant Client Services into .Net DI services in Catalog/Program.cs

• ثبت سرویس‌های EmbeddingGenerator در Catalog/Program.cs Register EmbeddingGenerator services in Catalog/Program.cs

• توسعه موجودیت ProductVector برای ذخیره داده‌های برداری Develop ProductVector Domain Entity for Storing Vector Data

• توسعه جستجوی سنتی در کلاس بیزنس ProductService.cs Develop Traditional Search in ProductService.cs Business Class

• توسعه ProductAIService.cs برای پیاده‌سازی جستجوی معنایی Develop ProductAIService.cs for Semantic Search Implementation

• توسعه Endpoints جستجو در ProductEndpoints.cs برای جستجوی معنایی Develop Search Endpoints in ProductEndpoints.cs for Semantic Search

• تست Endpoints جستجو در میکروسرویس کاتالوگ Test Search Endpoints from Catalog microservices

• توسعه صفحه جستجو در فرانت‌اند Blazor Blazor FrontEnd Search Page Development

• تست صفحه جستجوی Blazor برای جستجوی معنایی Test WebApp Blazor Search Page for Semantic Search

• کوییز پروژه ادغام AI در eShop eShop AI Integration Project Quiz

• جستجوی معنایی eShop: دمو پروژه نهایی برای مدیر فنی (CTO) eShop Semantic Search: Final Project Demo to the CTO

پایان و تشکر Thanks

• پایان و تشکر Thanks