توسعه بازی و LLMs: ساخت بازی با LangChain

آنچه یاد خواهید گرفت:

• طراحی و کدنویسی NPCs هوش مصنوعی که از chains و ابزارهای LangChain برای دیالوگ، راهنمایی‌ها و منطق کوئست استفاده می‌کنند.
• یادگیری OpenAI Function Calling برای اینکه به LLMs اجازه دهید اقدامات درون بازی را فعال کنند.
• پیاده‌سازی بازیابی معنایی (RAG) برای داستان، متن کوئست و توضیحات آیتم‌ها؛ ذخیره و کوئری کردن Embeddingها برای هدایت پاسخ‌های NPC آگاه به متن
• یادگیری ایجاد Wrapperهای ابزار و ارائه آن‌ها به LLM از طریق LangChain با اسکیما و اعتبارسنجی مناسب
• یادگیری ساخت Chainهای متوالی و موازی با استفاده از رابط‌های Runnable در LangChain، ترکیب فراخوانی‌های LLM، ابزارها و پس‌پردازش
• ایجاد PromptTemplate / ChatPromptTemplate قابل استفاده مجدد با متغیرها، مثال‌های Few-shot و اسکیماهای خروجی
• پیاده‌سازی خروجی ساختاریافته (Pydantic/JSON schema) و اعتبارسنجی پاسخ‌های LLM در داخل Chainها
• پیاده‌سازی پایپ‌لاین‌های RAG از انتها به انتها: Document Loaderها -> استراتژی‌های Chunking -> Embeddingها -> Retrieverها -> سنتز پاسخ
• ساخت ایجنت‌های استفاده‌کننده از ابزار (ReAct/Function Calling) با Tool/AgentExecutor برای فراخوانی ایمن توابع بازی یا اپلیکیشن

پیش‌نیازهای دوره

• مهارت‌های مقدماتی Python: متغیرها، لیست‌ها/دیکشنری‌ها، توابع، نصب پکیج‌ها (pip)
• حساب OpenAI + دسترسی API: توانایی ایجاد API Key و شارژ حداقل 5 دلار (تمرین‌های معمول در این دوره در همین حد باقی می‌مانند).

توضیحات دوره

در این دوره مبتنی بر پروژه، شما از LangChain و OpenAI API استفاده خواهید کرد تا ایده‌های بازی را به تجربیات هوشمند و تعاملی تبدیل کنید. مدرس با ایجاد اصول بنیادی شروع می‌کند که سیستم‌های LLM را قابل پیش‌بینی و مقرون‌به‌صرفه می‌سازند: قالب‌های پرامپت که محتوا را از ساختار جدا می‌کنند، Chainهایی که چندین مرحله را در جریان‌های کاری قابل‌اعتماد ترکیب می‌کنند، Callbackها برای ردیابی و دورسنجی، و استراتژی‌های حافظه که کانتکست را بدون افزایش هزینه توکن، فشرده نگه می‌دارند.

زمانی که این بلوک‌های سازنده آماده شدند، شما به سراغ RAG (Retrieval-Augmented Generation) خواهید رفت که NPCها را قادر می‌سازد تا به سوالات پاسخ دهند و بر اساس داستان بازی (Lore) و اسناد شما تصمیم‌گیری کنند. شما همچنین ایجنت‌هایی ایجاد خواهید کرد که به طور ایمن ابزارهای درون بازی را از طریق فراخوانی‌های تابع اعتبارسنجی‌شده و مبتنی بر اسکیما و لیست‌های مجاز سخت‌گیرانه فراخوانی می‌کنند. در طول دوره، شما کد خود را ابزار دقیق می‌زنید، رفتارها را به صورت قطعی تست می‌کنید و گاردریل‌هایی را پیاده‌سازی می‌کنید تا اطمینان حاصل شود که خروجی‌ها مطابق سیاست باقی می‌مانند. دوره با دو مینی‌گیم پلتفرمر به پایان می‌رسد که در آن یک ایجنت و NPCها رقابت می‌کنند و استراتژی‌ها را با استفاده از حافظه و بازیابی برای غلبه بر یکدیگر تطبیق می‌دهند. در پایان، شما یک جعبه‌ابزار قابل استفاده مجدد خواهید داشت شامل پرامپت‌ها، Chainها، حافظه، RAG و ایجنت‌ها، همراه با دموهای آماده برای پورتفولیو که می‌توانید آن‌ها را گسترش دهید یا مستقر کنید.

آنچه خواهید ساخت و یاد خواهید گرفت

• اصول OpenAI API: استریمینگ، خروجی‌های JSON/ساختاریافته قابل‌اعتماد، و فراخوانی تابع (ابزار).
• ورودی/خروجی LangChain و پرامپت‌ها: PromptTemplate، ChatPromptTemplate، الگوهای Few-shot و اعتبارسنجی خروجی.
• Chainها: Chainهای متوالی و مسیریاب، دسته‌بندی/استریمینگ، تلاش‌های مجدد و تنظیم هزینه/تاخیر
• Callbackها و ردیابی: مشاهده اجرای کامل و دیباگ رفتار مدل/ابزار با دورسنجی شفاف.
• حافظه: بافر، خلاصه، و حافظه مبتنی بر وکتور با ماندگاری، TTLها و گاردریل‌ها.
• RAG: بارگذارها -> Chunking -> Embeddingها -> Retrieverها -> پاسخ‌های مستند با ارجاعات و فیلترها.
• ایجنت‌ها: ایجنت‌های ReAct/Function-calling با اسکیماهای دقیق، لیست‌های مجاز، تایم‌اوت‌ها و محافظ‌ها.
• بازی‌ها: دو پلتفرمر هوش مصنوعی که در آن استراتژی‌های ایجنت/NPC بر اساس دانش بازیابی‌شده و کانتکست به‌خاطر سپرده‌شده تکامل می‌یابند.

شما کار را با الگوهای عملی و مناسب تولید به پایان خواهید رساند که می‌توانید در بازی‌ها، دستیارهای چت یا هر اپلیکیشن تعاملی LLM مجدداً استفاده کنید.

این دوره برای چه کسانی مناسب است؟

• یادگیرندگان مبتدی تا متوسط Python که می‌خواهند یک ورود عملی به هوش مصنوعی داشته باشند، ساخت پروژه‌های واقعی و تعاملی به جای فقط فراخوانی یک API واحد است.
• دانشجویان و تغییر دهندگان مسیر شغلی در علوم کامپیوتر/IT که پروژه‌های عملی را برای درک Chainها، قالب‌های پرامپت، حافظه و بازیابی ترجیح می‌دهند.
• توسعه‌دهندگان بازی مستقل یا مشتاق که می‌خواهند با استفاده از LangChain و OpenAI Function Calling، دیالوگ‌های هوشمند NPC، کوئست‌های پویا و رفتارهای مبتنی بر داده را اضافه کنند.