آموزش توسعه ایجنت‌های هوش مصنوعی و سیستم‌های چند-ایجنت برای تست نرم‌افزار (QA) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه‌ای بر LangChain و ساختار دوره Introduction to langChain and course structure

• آشنایی با LangChain Introduction to LangChain

• مقدمه‌ای بر ایجنت‌های هوش مصنوعی در فرآیند QA Introduction to AI agents for QA process

• ساختار دوره Course structure

اجزای سازنده LangChain Building blocks of LangChain

• مدل‌های LLM و قالب‌های پرامپت (Prompt Template) LLM models and Prompt Template

• زنجیره‌ها (Chains) در LangChain Chains in LangChain

• ابزارها و ایجنت‌ها در LangChain Tools and Agents in LangChain

• حافظه (Memory) در LangChain Memory in LangChain

راه‌اندازی محیط توسعه Environment Setup

• نصب پایتون و راه‌اندازی محیط مجازی (Virtual Environment) Installing Python and Setting up Python Virtual Environment

• راه‌اندازی Jupyter Notebook برای توسعه ایجنت Setting up Jupyter Notebook for AI Agent development

• تنظیم کلیدهای API شرکت OpenAI Setting up OPENAI API keys

• راه‌اندازی LLM محلی با Ollama Setting up local LLM with Ollama

تکنیک‌های مهندسی پرامپت Prompt Engineering Techniques

• مهندسی پرامپت چیست؟ What is Prompt Engineering?

• درک زنجیره افکار (CoT) و تخصیص نقش Understanding Chain of Thought and Role Assignment

• درک نمونه‌های Few Shot و متد ReAct Understanding Few-Shot Examples and ReAct

• دموی عملی: نوشتن پرامپت برای تولید سناریوهای تست BDD Practical Demo : Writing a Prompt to Generate BDD Test Scenarios

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

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

• درک تکه‌بندی (Chunking) و Embeddings Understanding Chunking and Embeddings

• آشنایی با دیتابیس‌های برداری (Vector Database) Understanding Vector Database

• دموی عملی: ساخت یک ایجنت QA مبتنی بر RAG Practical Demo : Building a RAG QA Agent

ساخت ایجنت‌های هوش مصنوعی QA - تولیدکننده تست‌کیس BDD با نظارت انسانی Building QA AI Agents - Human-in-the-Loop (HIL) BDD Test Case Generator

• دریافت جزئیات استوری جیرا به عنوان ورودی Fetching Jira Story Details as Input

• آماده‌سازی و تکه‌بندی داده‌ها Preparing and Chunking Data

• ساخت Vector Store با استفاده از Embeddings Creating Vector Store with Embeddings

• ساخت ایجنت تولید تست‌کیس BDD Building the BDD Test Case Generation Agent

• افزودن نظارت انسانی و بازبینی نهایی Adding Human-in-the-Loop and Final Review

ساخت ایجنت‌های هوش مصنوعی QA - ساخت ایجنت اتوماسیون تست WebdriverIO Building QA AI Agents - Build a WedriverIO Test Automation AI Agent

• مقدمه‌ای بر ایجنت اتوماسیون تست WebdriverIO Introduction to the WebdriverIO Test Automation AI Agent

• ساخت سرور محلی WebdriverIO Building the WebdriverIO Local Server

• تعریف ابزارهای LangChain برای اکشن‌های WebdriverIO Defining LangChain Tools for WebdriverIO Actions

• ساخت و اجرای ایجنت اتوماسیون تست WebdriverIO Building and Running the WebdriverIO Test Automation AI Agent

ساخت سیستم‌های هوش مصنوعی چند-ایجنت QA Building Multi-Agent QA AI Systems

• مقدمه‌ای بر سیستم‌های چند-ایجنت هوش مصنوعی در QA Introduction to Multi-Agent QA AI Systems

• ایجنت تولیدکننده تست‌کیس - ایجاد سناریوهای BDD Test Case Generator Agent — Creating BDD Scenarios

• ایجنت اتوماسیون تست - اجرای تست‌های مرورگر Test Automation Agent — Executing Browser Tests

• ایجنت سرپرست - مدیریت و هماهنگی گردش‌کار Supervisor Agent — Orchestrating the Workflow