آموزش ساخت اولین سیستم هوش مصنوعی چندعاملی با CrewAI - آخرین آپدیت

دانلود Building Your First Multi-Agent AI System with CrewAI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این برنامه شما را با ساخت اولین عامل خود با CrewAI آشنا می‌کند که برای توسعه‌دهندگان و علاقه‌مندان به هوش مصنوعی طراحی شده است که می‌خواهند سیستم‌های هوشمند چندعاملی را طراحی و پیاده‌سازی کنند. شما با یادگیری مفاهیم پایه عامل‌های هوش مصنوعی (AI Agents) و هوش مصنوعی عامل‌محور (Agentic AI) شروع خواهید کرد و بررسی خواهید کرد که چگونه عوامل خودمختار استدلال می‌کنند، همکاری می‌کنند و وظایف را اجرا می‌کنند. این دوره همچنین چارچوب CrewAI را معرفی کرده و معماری آن و نحوه همکاری عامل‌ها، وظایف، گروه‌ها (Crews) و جریان‌ها (Flows) برای خودکارسازی گردش کارهای پیچیده را توضیح می‌دهد. در مرحله بعد، پیکربندی LLM و تکنیک‌های طراحی عامل، از جمله انتخاب مدل‌های زبانی مناسب برای نقش‌های مختلف و به‌کارگیری استراتژی‌های موثر مهندسی پرامپت را بررسی خواهید کرد. شما خواهید آموخت که چگونه پرامپت‌های ساختاریافته رفتار عامل را هدایت کرده و کیفیت استدلال را بهبود می‌بخشند. این دوره همچنین مهندسی متن (Context Engineering) را پوشش می‌دهد که به شما کمک می‌کند ورودی‌های بافتاری معناداری طراحی کنید تا عامل‌ها بتوانند تصمیمات بهتر بگیرند و وظایف را با اثربخشی بیشتری انجام دهند. با پیشرفت در دوره، یاد خواهید گرفت که چگونه سیستم‌های چندعاملی را با استفاده از CrewAI ساخته و اجرا کنید. از طریق نمایش‌های عملی، شما عامل‌های تخصصی را طراحی، وظایف ساختاریافته را تعریف و گردش کارهای مشارکتی ایجاد خواهید کرد. همچنین بررسی خواهید کرد که گروه‌ها چگونه فعالیت‌های عامل‌ها را هماهنگ می‌کنند، خروجی‌ها چگونه ساختار می‌یابند و چگونه سیستم‌های چندعاملی می‌توانند فرآیندهای پیچیده مانند تحقیق، برنامه‌ریزی و تولید محتوا را خودکارسازی کنند. در پایان این برنامه، شما قادر خواهید بود: - اصول اصلی عامل‌های هوش مصنوعی، هوش مصنوعی عامل‌محور و سیستم‌های چندعاملی را توضیح دهید. - معماری CrewAI شامل عامل‌ها، وظایف، گروه‌ها و جریان‌ها را توصیف کنید. - محیط‌های توسعه و ابزارهای مورد نیاز برای ساخت پروژه‌های CrewAI را پیکربندی کنید. - تکنیک‌های مهندسی پرامپت و مهندسی متن را برای هدایت استدلال عامل‌ها به کار بگیرید. - گردش کارهای ساختاریافته و جریان‌های اجرا را برای سیستم‌های چندعاملی طراحی کنید. - گروه‌های چندعاملی مشارکتی را برای خودکارسازی گردش کارهای پیچیده بسازید و اجرا کنید. این برنامه برای توسعه‌دهندگان، متخصصان هوش مصنوعی و حرفه‌ای‌های فنی علاقه‌مند به ساخت سیستم‌های عامل هوشمند ایده‌آل است. تجربه قبلی در برنامه‌نویسی پایتون و مفاهیم پایه هوش مصنوعی به یادگیرندگان کمک می‌کند تا بیشترین ارزش را از این دوره کسب کنند. یادگیرندگان به یک اتصال اینترنت قابل اعتماد، یک مرورگر وب مدرن و دسترسی به ابزارهای توسعه پایتون نیاز دارند. این دوره از چارچوب CrewAI و APIهای مدل‌های زبانی بزرگ استفاده می‌کند که به سخت‌افزار خاصی نیاز ندارند. آشنایی اولیه با پایتون و کار با محیط‌های توسعه توصیه می‌شود. به این دوره بپیوندید تا یاد بگیرید چگونه سیستم‌های هوش مصنوعی چندعاملی را طراحی، ساخته و مستقر کنید که می‌توانند گردش کارها را خودکارسازی کرده، وظایف را هماهنگ کنند و برنامه‌های هوشمند مبتنی بر هوش مصنوعی را تقویت کنند.

سرفصل ها و درس ها

مقدمه‌ای بر سیستم‌های هوش مصنوعی چندعاملی و CrewAI Introduction to Multi-Agent AI Systems and CrewAI

  • معرفی تخصص Specialization Introduction

  • مقدمه دوره Course Introduction

  • چالش تیم بازاریابی با هوش مصنوعی سنتی Marketing Team’s Struggle with Traditional AI

  • مقدمه‌ای بر هوش مصنوعی عامل‌محور Introduction to Agentic AI

  • مفاهیم اصلی هوش مصنوعی عامل‌محور Core Concepts of Agentic AI

  • تفاوت بین عامل‌های هوش مصنوعی و هوش مصنوعی عامل‌محور Difference between AI Agents and Agentic AI

  • موارد استفاده واقعی هوش مصنوعی عامل‌محور Real-World Agentic AI Use Cases

  • مقایسه معماری‌های هوش مصنوعی تک‌عاملی در مقابل چندعاملی Single-Agent vs Multi-Agent AI Architectures

  • سیستم‌های چندعاملی چگونه کار می‌کنند؟ How do Multi-Agent Systems Work?

  • CrewAI چیست؟ What is CrewAI?

  • درک معماری CrewAI Understanding CrewAI Architecture

  • مقایسه CrewAI با سایر چارچوب‌های عامل هوش مصنوعی CrewAI vs Other AI Agent Frameworks

  • آماده‌سازی محیط توسعه CrewAI Preparing Your CrewAI Development Environment

  • نمایش عملی: راه‌اندازی محیط مجازی برای سیستم عامل‌محور شما Demonstration: Setting up Virtual Environment for Your Agentic System

  • نمایش عملی: نصب CrewAI با مدیریت بسته uv Demonstration: Installing CrewAI with uv Package Manager

  • نمایش عملی: درک ساختار پروژه و سازماندهی فایل‌ها Demonstration: Understanding Project Structure and File Organization

مهندسی پرامپت، متن و جریان برای عامل‌های هوش مصنوعی Prompt, Context, and Flow Engineering for AI Agents

  • ارائه‌دهندگان LLM و انتخاب مدل LLM Providers and Model Selection

  • نمایش عملی: پیکربندی مدل‌ها بر اساس نقش عامل Demonstration: Configuring Models per Agent Role

  • نمایش عملی: ارزیابی موازنه بین هزینه، تأخیر و دقت Demonstration: Evaluating Cost, Latency, and Accuracy Trade-offs

  • اصول مهندسی پرامپت مؤثر برای عامل‌ها Principles of Effective Prompt Engineering for Agents

  • تکنیک‌های اصلی پرامپت‌نویسی Core Prompting Techniques

  • نمایش عملی: نوشتن پرامپت برای هدایت رفتار و لحن عامل Demonstration: Writing prompts to guide agent behavior and tone

  • نمایش عملی: ارزیابی تأثیر پرامپت از طریق مقایسه ساختاریافته Demonstration: Evaluating Prompt Impact Through Structured Comparison

  • نمایش عملی: اصلاح پرامپت‌ها برای بهبود استدلال عامل Demonstration: Refining Prompts to Improve Agent Reasoning

  • مقدمه‌ای بر مهندسی متن (Context Engineering) Introduction to Context Engineering

  • مبانی مهندسی جریان (Flow Engineering) Flow Engineering Fundamentals

  • نمایش عملی: طراحی متن با کیفیت بالا برای عامل‌های هوش مصنوعی Demonstration: Designing High-Quality Context for AI Agents

  • نمایش عملی: کیفیت متن در عمل – سیگنال در مقابل نویز Demonstration: Context Quality in Action – Signal vs Noise

  • نمایش عملی: مهندسی جریان برای سیستم‌های چندعاملی Demonstration: Flow Engineering for Multi-Agent Systems

  • نمایش عملی: معماری جریان‌های اجرا در سیستم‌های چندعاملی Demonstration: Architecting Execution Flows in Multi-Agent Systems

ساخت و اجرای گروه‌های چندعاملی Building and Executing Multi-Agent Crews

  • عناصر کلیدی برای عامل‌های با کارایی بالا در CrewAI Key Elements for High-Performance Agents in CrewAI

  • نمایش عملی: معماری هوش: راه‌اندازی پروژه CrewAI شما Demonstration: Architecting Intelligence: Setting Up Your CrewAI Project

  • نمایش عملی: طراحی عامل‌های با کارایی بالا با پیکربندی YAML Demonstration: Designing High-Performance Agents with YAML Configuration

  • درک وظایف (Tasks) در CrewAI Understanding Tasks in CrewAI

  • نمایش عملی: طراحی وظایف استراتژیک و تحقیق با دقت بالا Demonstration: Designing High-Precision Research and Strategy Tasks

  • نمایش عملی: ساخت یک خط لوله کمپین خوداجرا و خودارزیاب Demonstration: Building a Self-Executing and Self-Evaluating Campaign Pipeline

  • نمایش عملی: مهندسی هوش ساختاریافته: اسکیماها، هوک‌ها و چرخه حیات اجرا Demonstration: Engineering Structured Intelligence: Schemas, Hooks, and Execution Lifecycle

  • نمایش عملی: تخصیص هوشمند مدل و اجرای ساختاریافته چندعاملی Demonstration: Intelligent Model Assignment and Structured Multi-Agent Execution

  • مکانیزم‌های همکاری عامل‌ها Agent Collaboration Mechanisms

  • نمایش عملی: حالت‌های اجرا و بازرسی خروجی در main.py Demonstration: Execution Modes and Output Inspection in main.py

  • نمایش عملی: حالت‌های اجرای تک‌واحدی، دسته‌ای و ناهمگام در main.py Demonstration: Single, Batch, and Async Execution Modes in main.py

  • نمایش عملی: اجرای سیستم CrewAI از طریق ترمینال Demonstration: Running Your CrewAI System from the Terminal

جمع‌بندی دوره و ارزیابی Course Wrap-Up and Assessment

  • خلاصه دوره Course Summary

نمایش نظرات

آموزش ساخت اولین سیستم هوش مصنوعی چندعاملی با CrewAI
جزییات دوره
11h 19m
43
(آخرین آپدیت)
254
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده