آموزش دوره جامع ساخت ایجنت‌های هوش مصنوعی خودگردان با پایتون (۷ روزه) - آخرین آپدیت

سرفصل ها و درس ها

پروژه دموی ابتدایی Teaser Project

• مرکز فرماندهی هوش مصنوعی برای مدیریت اختلالات پرواز Airline Disruption AI Command Center

روز اول — مبانی ایجنت‌های هوش مصنوعی Day 1 — AI Agent Foundations

• مقدمه بخش Introduction to Section

• ایجنت هوش مصنوعی چیست؟ What is an AI agent?

• تفاوت دستیارهای هوش مصنوعی و ایجنت‌های هوش مصنوعی AI assistants versus AI agents

• اجزای تشکیل‌دهنده یک ایجنت Components of an agent

• حلقه عملیاتی ایجنت (Agent Loop) The agent loop

• جریان‌های کاری قطعی در مقابل جریان‌های خودگردان Deterministic versus autonomous workflows

• پرامپت‌های سیستمی و شخصیت‌پردازی ایجنت System prompts and agent personas

• اتصال پایتون به مدل زبانی (LLM) Connecting Python to an LLM

• مدیریت تاریخچه گفتگو Managing conversation history

• مقدمه‌ای بر پاسخ‌های ساختاریافته ایجنت Introduction to structured agent responses

• الگوهای رایج شکست ایجنت‌ها Common agent failure patterns

• کارگاه عملی ۱: ساخت دستیار هوش مصنوعی شخصی Hands-On Lab 1: Personal AI Assistant

• دمو: دستیار هوش مصنوعی شخصی Demo: Personal AI Assistant

روز دوم — برنامه‌ریزی، استدلال و خروجی‌های ساختاریافته Day 2 — Planning, Reasoning, and Structured Outputs

• مقدمه بخش Introduction to Section

• چرا ایجنت‌ها به برنامه‌ریزی نیاز دارند؟ Why agents need planning

• تجزیه وظایف (Task Decomposition) Task decomposition

• اهداف، وظایف و زیر-وظایف Goals, tasks, and subtasks

• معماری برنامه‌ریز-اجراکننده Planner-executor architecture

• استدلال به سبک ReAct ReAct-style reasoning

• بازاندیشی و اصلاح خودکار Reflection and self-correction

• درخت‌های تصمیم و مسیریابی (Routing) Decision trees and routing

• خروجی‌های ساختاریافته با Pydantic Structured outputs with Pydantic

• پاسخ‌های ایجنت بر پایه JSON JSON-based agent responses

• اعتبارسنجی خروجی مدل Validating model output

• مدیریت پاسخ‌های بدساخت یا ناقص Handling malformed responses

• کنترل میزان استقلال ایجنت Controlling agent autonomy

• کارگاه عملی ۲: ایجنت برنامه‌ریزی وظایف AI Hands-On Lab 2: AI Task Planning Agent

• دمو: ایجنت برنامه‌ریزی وظایف AI Demo: AI Task Planning Agent

روز سوم — ابزارها، توابع و APIهای خارجی Day 3 — Tools, Functions, and External APIs

• مقدمه بخش Introduction to Section

• چرا ایجنت‌ها به ابزار نیاز دارند؟ Why agents need tools

• تعاریف ابزار و طرح‌های (Schemas) آن‌ها Tool definitions and schemas

• فراخوانی توابع (Function Calling) Function calling

• انتخاب ابزار مناسب Tool selection

• مسیریابی ابزارها Tool routing

• ارسال ایمن آرگومان‌ها Passing arguments safely

• بازگرداندن نتایج ابزار به مدل Returning tool results to the model

• ساخت ابزارهای پایتونی قابل استفاده مجدد Building reusable Python tools

• کار با REST APIها Working with REST APIs

• مدیریت خطا و تلاش مجدد Error handling and retries

• مجوزهای ابزار و امنیت Tool permissions and security

• جلوگیری از اقدامات غیرمجاز Preventing unauthorized actions

• اجرای متوالی و موازی ابزارها Sequential and parallel tool execution

• مشاهده و تحلیل تصمیمات استفاده از ابزار Observing tool-use decisions

• کارگاه عملی ۳: ایجنت بهره‌وری ابزار-محور Hands-On Lab 3: Tool-Using Productivity Agent

• دمو: ایجنت بهره‌وری ابزار-محور Demo: Tool-Using Productivity Agent

روز چهارم — حافظه، دانش و RAG Day 4 — Memory, Knowledge, and RAG

• مقدمه بخش Introduction to Section

• چرا ایجنت‌ها به حافظه نیاز دارند؟ Why agents need memory

• حافظه کوتاه‌مدت Short-term memory

• حافظه بلندمدت Long-term memory

• حافظه اپیزودیک، معنایی و رویه‌ای Episodic, semantic, and procedural memory

• حافظه گفتگو Conversation memory

• حافظه ماندگار با SQLite Persistent memory with SQLite

• امبدینگ‌ها و پایگاه‌های داده برداری Embeddings and vector databases

• تکه‌تکه کردن اسناد (Document Chunking) Document chunking

• جستجوی معنایی (Semantic Search) Semantic search

• تولید تقویت‌شده با بازیابی (RAG) Retrieval-Augmented Generation

• مدیریت پنجره بافت (Context Window) Context-window management

• پاسخ‌های مستند و ارجاعات Grounded answers and citations

• استراتژی‌های بازیابی حافظه Memory retrieval strategies

• جلوگیری از بازیابی حافظه‌های نامرتبط Avoiding irrelevant memory

• حافظه تحت کنترل کاربر User-controlled memory

• کارگاه عملی ۴: دستیار اسناد با قابلیت حافظه Hands-On Lab 4: Memory-Enabled Document Assistant

• دمو: دستیار اسناد با قابلیت حافظه Demo: Memory-Enabled Document Assistant

روز پنجم — ایجنت‌های تحقیق خودگردان Day 5 — Autonomous Research Agents

• مقدمه بخش Introduction to Section

• چه چیزی یک ایجنت را خودگردان می‌کند؟ What makes an agent autonomous?

• طراحی جریان کاری تحقیق Research workflow design

• تولید کوئری Query generation

• استراتژی جستجو Search strategy

• جمع‌آوری منابع Source collection

• استخراج اطلاعات Information extraction

• سنجش قابلیت اطمینان منابع Source reliability

• تایید واقعیت‌ها (Fact Verification) Fact verification

• حذف موارد تکراری Duplicate removal

• تحقیق تکرارشونده (Iterative Research) Iterative research

• شرایط توقف تحقیق Research stopping conditions

• بازاندیشی و تحلیل شکاف‌های اطلاعاتی Reflection and gap analysis

• تولید گزارش Report generation

• ارجاعات و شواهد Citations and evidence

• جلوگیری از حلقه‌های بی‌پایان تحقیق Preventing research loops

• کارگاه عملی ۵: ایجنت تحقیق خودگردان Hands-On Lab 5: Autonomous Research Agent

• دمو: ایجنت تحقیق خودگردان Demo: Autonomous Research Agent

روز ششم — سیستم‌های چند-ایجنته Day 6 — Multi-Agent Systems

• مقدمه بخش Introduction to Section

• چرا از چندین ایجنت استفاده کنیم؟ Why use multiple agents?

• سیستم‌های تک-ایجنت در مقابل چند-ایجنت Single-agent versus multi-agent systems

• نقش‌های ایجنت و تخصص‌ها Agent roles and specialization

• معماری برنامه‌ریز-اجراکننده-بازبین Planner-executor-reviewer architecture

• معماری ناظر (Supervisor) Supervisor architecture

• جریان‌های کاری متوالی Sequential workflows

• جریان‌های کاری موازی Parallel workflows

• ارتباطات بین ایجنت‌ها Agent communication

• حالت مشترک (Shared State) Shared state

• تبادل پیام‌ها (Message Passing) Message passing

• انتقال تسک بین ایجنت‌ها (Handoffs) Handoffs between agents

• حل تعارضات Conflict resolution

• حافظه مشترک در مقابل حافظه ایزوله Shared versus isolated memory

• الگوهای شکست در سیستم‌های چند-ایجنت Multi-agent failure patterns

• مقدمه‌ای بر LangGraph Introduction to LangGraph

• کارگاه عملی ۶: جریان کاری چند-ایجنت برای تولید محتوا و تحلیل Hands-On Lab 6: Multi-Agent Content and Analysis Workflow

• دمو: جریان کاری چند-ایجنت برای تولید محتوا و تحلیل Demo: Multi-Agent Content and Analysis Workflow

روز هفتم — اپلیکیشن‌های خودگردان آماده تولید (Production) Day 7 — Production-Ready Autonomous Applications

• مقدمه بخش Introduction to Section

• طراحی معماری‌های کامل ایجنت Designing complete agent architectures

• ترکیب برنامه‌ریزی، ابزارها، حافظه و ایجنت‌ها Combining planning, tools, memory, and agents

• مدیریت وضعیت جریان کاری Workflow state management

• نقاط بررسی تایید انسانی Human approval checkpoints

• قابلیت مشاهده‌پذیری ایجنت (Observability) Agent observability

• ثبت تصمیمات و اقدامات (Logging) Logging decisions and actions

• مدیریت توکن‌ها و تاخیر (Latency) Token and latency management

• کش کردن پاسخ‌های مدل Caching model responses

• بازیابی از خطا (Error Recovery) Error recovery

• استراتژی‌های تلاش مجدد و جایگزین (Fallback) Retry and fallback strategies

• حفاظ‌های ایمنی (Safety Guardrails) Safety guardrails

• دسترسی به ابزارها بر اساس مجوز Permission-based tool access

• ارزیابی ایجنت Agent evaluation

• تست جریان‌های کاری ایجنت Testing agent workflows

• استقرار با Streamlit Deploying with Streamlit

• طراحی اجزای ایجنت قابل استفاده مجدد Designing reusable agent components

• کارگاه عملی ۷: دستیار خودگردان عملیات هوش مصنوعی Hands-On Lab 7: Autonomous AI Operations Assistant

• دمو: دستیار خودگردان عملیات هوش مصنوعی Demo: Autonomous AI Operations Assistant