آموزش مهندسی پرامپت برای توسعه‌دهندگان: راهنمای جامع و تخصصی - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

• چرا مهندسی پرامپت را یاد بگیریم؟ Why Learn Prompt Engineering?

• همسو کردن انتظارات Aligning Expectations

• پروژه دوره: چه چیزی خواهیم ساخت Course Project: What We Will Build

• پروژه دوره: تفکیک ماژول‌ها Course Project: Module Breakdown

• مرور هزینه‌های استفاده از API شرکت OpenAI Cost Overview for Using the OpenAI API

• در ارتباط باشیم! Let's Stay Connected!

• بهترین بهره‌برداری از این دوره Making the Most of This Course

• منابع دوره Course Resources

ابزارها و راه‌اندازی محلی Tools and Local Setup

• مقدمه بخش Section Introduction

• راه‌اندازی محلی پایتون Python Local Setup

• به‌روزرسانی‌های راه‌اندازی OpenAI OpenAI Setup Updates

• راه‌اندازی OpenAI OpenAI Setup

• راه‌اندازی Anthropic Anthropic Setup

• مهم! راه‌اندازی پایتون و محیط محلی IMPORTANT! Setting Up Python and the Local Environment

• نکته‌ای درباره استفاده از GitHub Copilot در پروژه ما A Note on Using GitHub Copilot for Our Project

دوره فشرده: کتابخانه پایتون OpenAI Crash Course: The OpenAI Python Library

• مقدمه بخش Section Introduction

• راه‌اندازی محیط Setting Up the Environment

• مدیریت احراز هویت Handling Authentication

• اولین فراخوانی Chat Completion Your First Chat Completion Call

• مبانی تعامل با API Fundamentals of API Interaction

• مقدمه‌ای بر LiteLLM Introduction to LiteLLM

• استفاده از LiteLLM با Anthropic Using LiteLLM with Anthropic

• شیء پاسخ (Response Object) The Response Object

• پارامترهای مفید: temperature و max_tokens Useful Parameters: temperature and max_tokens

• مهم: تطبیق با max_completion_tokens برای مدل‌های GPT-5 IMPORTANT: Adapting to max_completion_tokens for GPT-5 Models

• پارامترهای مفید: stop, n, response_format Useful Parameters: stop, n, response_format

• کنترل رفتار مدل با LiteLLM و پارامترها Controlling Model Behavior with LiteLLM and Parameters

• استریمینگ (Streaming) Streaming

• اجرای محلی LLMها با Ollama Running LLMs Locally with Ollama

جعبه‌ابزار هوش مصنوعی ۱: راه‌اندازی و اولین دستور AI Toolbox #1 - Setup and First Comand

• ماژول ۱: نمای کلی Module 1: Overview

• ایجاد ساختار اولیه پروژه Scaffold the Project

• مرور کدبیس Codebase Walkthrough

• پیاده‌سازی یک CLI حداقلی با Click Implement a Minimal CLI with Click

• سلام مبتنی بر هوش مصنوعی AI-Powered Hello

• تست کردن قابلیت Testing Our Feature

بنیادها: مدل‌های زبانی بزرگ چگونه «فکر» می‌کنند Foundations: How LLMs "Think"

• مقدمه بخش Section Introduction

• توکن‌بندی (Tokenization) چیست؟ What Is Tokenization?

• آزمایشگاه: توکن‌بندی - بخش ۱ Lab: Tokenization - Part 1

• آزمایشگاه: توکن‌بندی - بخش ۲ Lab: Tokenization - Part 2

• درک احتمالات لگاریتمی (Log Probabilities) Understanding Log Probabilities

• آزمایشگاه: مدل‌های زبانی چگونه جملات را می‌سازند Lab: How LLMs Build Sentences

• پنجره زمینه (Context Window) The Context Window

• توضیح محدودیت‌های LLM به مشتری غیر فنی Explaining LLM Limitations to a Non-Technical Client

• اجزای اصلی هزینه استفاده Usage Cost Main Components

• درک توکن‌ها، زمینه و هزینه‌ها Understanding Tokens, Context, and Costs

• آزمایشگاه: هزینه استفاده - بخش ۱ Lab: Usage Cost - Part 1

• آزمایشگاه: هزینه استفاده - بخش ۲ Lab: Usage Cost - Part 2

• عیب‌یابی و توضیح افزایش هزینه‌های API Diagnosing and Explaining Rising API Costs

• کلاس‌های مدل Model Classes

• نقش‌های پرامپت Prompt Roles

• نقش‌های مدل و پرامپت‌های سیستمی موثر Model Roles and Effective System Prompts

• آزمایشگاه: پرامپت‌های سیستمی Lab: System Prompts

الگوهای اصلی پرامپت‌نویسی برای توسعه‌دهندگان Core Prompting Patterns for Developers

• مقدمه بخش Section Introduction

• دستور، زمینه و محدودیت‌ها Instruction, Context, and Constraints

• آزمایشگاه: دستور، زمینه و محدودیت‌ها Lab: Instruction, Context, and Constraints

• قدرت جداکننده‌ها: نمای کلی جداکننده‌ها The Power of Delimiters: Delimiter Overview

• قدرت جداکننده‌ها: بازنویسی یک پرامپت The Power of Delimiters: Refactoring a Prompt

• آزمایشگاه: استفاده از جداکننده‌ها Lab: Using Delimiters

• ساختاردهی پرامپت برای نتایج بهتر Structuring a Prompt for Better Results

• الگوی Persona The Persona Pattern

• آزمایشگاه: الگوی Persona Lab: The Persona Pattern

• آزمایشگاه: تعریف قوانین رفتاری Lab: Defining Behavioral Rules

• آزمایشگاه: مثال - تعریف یک متخصص DBA Lab: Example - Defining a DBA Expert

• ساختاردهی پرامپت‌ها برای شفافیت و کنترل Structuring Prompts for Clarity and Control

• طراحی پرامپت برای یک بازبین کد خبره Designing an Expert Code Reviewer Prompt

• پرامپت‌نویسی چند-نمونه‌ای (Few Shot) Few-Shot Prompting

• آزمایشگاه: پرامپت‌نویسی چند-نمونه‌ای Lab: Few-Shot Prompting

• تکنیک‌های فرمت‌بندی خروجی - بخش ۱ Techniques for Formatting Output - Part 1

• تکنیک‌های فرمت‌بندی خروجی - بخش ۲ Techniques for Formatting Output - Part 2

• الگوی زنجیره تفکر (Chain of Thought) The Chain-of-Thought Pattern

• آزمایشگاه: تمرین زنجیره تفکر Lab: Practicing Chain-of-Thought

• الگوی Template The Template Pattern

• آزمایشگاه: تمرین الگوی Template Lab: Practicing the Template Pattern

• تکنیک‌های پیشرفته استدلال و خروجی ساختاریافته Advanced Techniques for Reasoning and Structured Output

• ساخت پرامپت تحلیل هوش مصنوعی قابل اعتماد Building a Trustworthy AI Analysis Prompt

جعبه‌ابزار هوش مصنوعی ۲: کامیت‌های هوشمند AI Toolbox #2 - Smart Commits

• ماژول ۲: نمای کلی Module 2: Overview

• ایجاد کد اولیه برای قابلیت کامیت Scaffold the Commit Feature Boilerplate Code

• دریافت Git Diff Retrieve the Git Diff

• تولید قالب‌های پرامپت Generate the Prompt Templates

• پیاده‌سازی قابلیت کامیت Implement the Commit Functionality

• امکان تنظیم پیام‌های کامیت Allow Commit Message Adjustments

• بهبود مجموعه تست‌ها Improve the Test Suite

• افزودن لاگ‌گذاری مناسب به قابلیت کامیت Add Proper Logging to the Commit Feature

• امکان انتخاب مدل سفارشی از طریق CLI Allow Choosing a Custom Model via the CLI

• افزودن مستندات Add Documentation

تکنیک‌های پیشرفته پرامپت‌نویسی Advanced Prompting Techniques

• مقدمه بخش Section Introduction

• آزمایشگاه: الگوی Flip the Script - بخش ۱ Lab: Flip the Script Pattern - Part 1

• آزمایشگاه: الگوی Flip the Script - بخش ۲ Lab: Flip the Script Pattern - Part 2

• هدایت با الگوی «Flip the Script» Guiding with the "Flip the Script" Pattern

• آزمایشگاه: تولید پرامپت‌ها - بخش ۱ Lab: Generate Prompts - Part 1

• آزمایشگاه: تولید پرامپت‌ها - بخش ۲ Lab: Generate Prompts - Part 2

• آزمایشگاه: الگوی تجزیه (Decomposition) Lab: The Decomposition Pattern

• پرامپت‌نویسی و تولید مشارکتی Collaborative Prompting and Generation

• تجزیه یک تکلیف پیچیده هوش مصنوعی Decomposing a Complex AI Task

• آزمایشگاه: الگوی خود-نقد (Self Critique) Lab: The Self-Critique Pattern

• آزمایشگاه: پیاده‌سازی فراخوانی توابع - بخش ۱ Lab: Implement Function Calling - Part 1

• آزمایشگاه: پیاده‌سازی فراخوانی توابع - بخش ۲ Lab: Implement Function Calling - Part 2

• چت‌بات «داده‌های دنیای واقعی» The "Real-World Data" Chatbot

• آزمایشگاه: الگوی Self Consistency - بخش ۱ Lab: The Self-Consistency Pattern - Part 1

• آزمایشگاه: الگوی Self Consistency - بخش ۲ Lab: The Self-Consistency Pattern - Part 2

• پردازش پیشرفته تکالیف و استفاده از ابزارها Advanced Task Processing and Tool Use

جعبه‌ابزار هوش مصنوعی ۳: بازبینی هوشمند کد AI Toolbox #3 - Smart Code Reviews

• ماژول ۳: نمای کلی Module 3: Overview

• مرور لیست کارهای (TODOs) ماژول Module TODOs Overview

• مهاجرت از Subprocess به GitPython Migrate from Subprocess to GitPython

• بازنویسی استثناها (Exceptions) Refactor Exceptions

• ایجاد ساختار دستور Review Scaffolding the Review Command

• پیاده‌سازی Dataclasses و توابع کمکی Implementing Dataclasses and Helper Functions

• ادغام دستور Review در CLI Integrating the Review Command into the CLI

• پیاده‌سازی پرامپت‌های بازبینی منطق و نحو (Syntax) Implementing Logic and Syntax Review Prompts

• بهره‌گیری از LLMها برای بازبینی Leveraging LLMs for Reviews

• ایجاد Personaهای مرتبط برای تحلیل‌های پیشرفته‌تر Creating Relevant Personas for More Advanced Analysis

• پیاده‌سازی گردش‌کار Self Consistency - بخش ۱ Implementing the Self-Consistency Workflow - Part 1

• پیاده‌سازی گردش‌کار Self Consistency - بخش ۲ Implementing the Self-Consistency Workflow - Part 2

• تعریف توابع برای فراخوانی ابزارها Define Functions for Tool Calling

• پیاده‌سازی یک رجیستری ابزار سبک - بخش ۱ Implement a Lightweight Tool Registry - Part 1

• پیاده‌سازی یک رجیستری ابزار سبک - بخش ۲ Implement a Lightweight Tool Registry - Part 2

• رفع مشکلات تایپینگ (Typing) Fix Typing Issues

• پیاده‌سازی پیش‌نویس اول برای فراخوانی ابزار مبتنی بر هوش مصنوعی Implement a First Draft for AI-Driven Tool Calling

• بهبود حلقه فراخوانی ابزار Improve the Tool Calling Loop

• پیاده‌سازی تست‌ها برای فراخوانی ابزار Implement Tests for Tool Calling

• افزودن مرحله خود-نقد در بازبینی Add a Self-Critique Step in the Review

جعبه‌ابزار هوش مصنوعی ۴: خروجی JSON و Markdown AI Toolbox #4 - JSON and Markdown Output

• ماژول ۴: نمای کلی Module 4: Overview

• شروع با مهاجرت خروجی Start with Output Migration

• تقسیم ماژول Review به چندین فایل Split the Review Module into Multiple Files

• رفع تست‌های شکست‌خورده Fix Failing Tests

• مهاجرت پرامپت‌های موجود به خروجی JSON Migrate Existing Prompts to Output JSON

• به‌روزرسانی تست‌های موجود Update Existing Tests

• مهاجرت خط لوله بازبینی و کمکی‌ها برای کار با Dataclasses - بخش ۱ Migrate Review Pipeline and Helpers to Work with Dataclasses - Part 1

• مهاجرت خط لوله بازبینی و کمکی‌ها برای کار با Dataclasses - بخش ۲ Migrate Review Pipeline and Helpers to Work with Dataclasses - Part 2

• تکمیل مهاجرت خط لوله Complete Pipeline Migration

• رفع باگ‌های جزئی Fix Minor Bugs

• رفع تست‌های موجود Fix Existing Tests

• پیاده‌سازی تجزیه خروجی (Output Parsing) برای دستور Review Implement Output Parsing for the Review Command

• جمع‌بندی پروژه: به‌روزرسانی منطق ترکیب و مستندات پروژه Project Wrap-Up: Update Synthesis Logic and Project Documentation

جمع‌بندی Conclusion

• تبریکات + سخنرانی جایزه! Congratulations + BONUS Lecture!