لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش LangChain - توسعه ایجنتهای هوش مصنوعی کنترلشده با LangChain و RAG
- آخرین آپدیت
دانلود LangChain - Develop Controlled AI Agent with LangChain & RAG
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
بیاموزید چگونه ایجنتهای هوش مصنوعی تجاری کنترلشده را با استفاده از LangChain،RAG (تولید تقویتشده با بازیابی)،مدلهای زبانی OpenAI (LLMs) و یک بکاند آماده برای محیط عملیاتی با FastAPI طراحی، ساخته و مستقر کنید.
این دوره بر نحوه ساختاردهی سیستمهای واقعی ایجنت هوش مصنوعی در محصولات مدرن و استارتاپها تمرکز دارد. شما یاد خواهید گرفت که چگونه ایجنتها، زنجیرهها (Chains)، پرامپتها، اسکیماها و پایگاههای داده برداری را ترکیب کنید تا سیستمهای هوش مصنوعی ایجاد کنید که بتوانند به روشی کنترلشده و قابل اعتماد استدلال کنند، برنامهریزی نمایند، دانش را بازیابی کرده و خروجیها را اعتبارسنجی کنند.
*** آنچه خواهید آموخت ***
تفاوت بین LLMها و ایجنتهای هوش مصنوعی
چرا LangChain برای ارکستراسیون ایجنتها استفاده میشود
نحوه طراحی ایجنتهای هوش مصنوعی کنترلشده برای کاربردهای تجاری
مهندسی پرامپت برای کسبوکار، برنامهریزی، بازاریابی، ایمیلها و وظایف
استفاده از اسکیماها (Schemas) برای اجبار به دریافت پاسخهای ساختاریافته از هوش مصنوعی
ساخت زنجیرهها (Chains) و اجراکنندههای ایجنت
درک عمیق RAG (Retrieval-Augmented Generation)
آپلود فایلها و تبدیل آنها به کانتکست (زمینه) قابل استفاده برای هوش مصنوعی
ایجاد امبدینگها و ذخیره آنها در یک پایگاه داده برداری (Vector Database)
انجام جستجوی شباهت با استفاده از Retrieverها
مدیریت کانتکست و حل مشکلات حافظه در RAG
بررسی و اعتبارسنجی پاسخهای هوش مصنوعی قبل از خروجی نهایی
مشاهده و مدیریت بردارها در ChromaDB
افزودن میانافزار امنیتی (Security Middleware) به بکاند هوش مصنوعی
اجرای کامل ایجنت هوش مصنوعی با استفاده از FastAPI
در پایان این دوره، شما درک خواهید کرد که چگونه چندین ایجنت در یک سیستم هوش مصنوعی واقعی با یکدیگر همکاری میکنند.
سرفصل ها و درس ها
درسها
Lessons
مقدمهای بر دوره
Introduction to Course
دموی پروژه
DEMO of Project
ابزارهای مورد نیاز
Required tools
نحوه دریافت کد منبع و همراهی با دوره
How to get Source Code & Follow along?
مدلهای LLM و ایجنتهای هوش مصنوعی؛ تفاوت چیست؟
LLM’s & AI Agents. What’s the difference?
لنگچین (LangChain) چیست و چرا باید از آن استفاده کرد؟
What is LangChain & why to use it?
راهاندازی اولیه پروژه
Initializing the project
پیکربندی پروژه
Project Config
افزودن API مدل OpenAI
Add OpenAI API
رابط کاربری اپلیکیشن و Router
App UI & Router
پرامپتهای تجاری و سیستمی
Business & System Prompt
اسکیمای تجاری
Business Schema
زنجیره (Chain) تجاری
Business Chain
اجراکننده ایجنت (Agent Executer)
Agent Executer
اجرای ایجنت
Run Agent
پرامپت برنامهریز (Planner)
Planner Prompt
ایجنت برنامهریز
Planner Agent
مدیریت لاگهای ایجنت
Handle Agent logs
پرامپت و اسکیمای بازاریابی
Marketing Prompt & Schema
زنجیره بازاریابی و خروجی نهایی
Marketing Chain & Final Output
پرامپت و اسکیمای ایمیلها
Emails Prompt & Schema
زنجیره ایمیل
Email Chain
پرامپت و اسکیمای وظایف تجاری
Business Tasks Prompt & Schema
زنجیره وظایف
Tasks Chain
سیستم بازبینی و پرامپت کاربر
Review System & User Prompt
بازبینی و اعتبارسنجی پاسخ
Review & Validate Response
RAG و پایگاه داده برداری چیست؟
What is RAG & Vector DB?
آپلود و دریافت فایل کانتکست
Upload and get Context File
تبدیل به بردار (Embedder)
Embedder
ذخیرهساز برداری (Vector Store)
Vector Store
مدیریت کانتکست برای ورود دادهها
Context Manger for file Ingestion
نمایش نظرات