دوره کامل LangChain ،LangGraph و LangSmith (سال 2026)
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- تسلط به ارکستراسیون LCEL: با LangChain Expression Language و رابطهای Runnable، پایپلاینهای هوش مصنوعی بسیار کارآمد و قابلترکیب بسازید.
- توسعه عاملهای خودمختار: با create_agent دستیارهای هوشمندی بسازید که بتوانند استدلال کنند و با ابزارهای خارجی تعامل داشته باشند.
- معماری گرافهای Stateful: با LangGraph گردشکارهای غیرخطی هوش مصنوعی را برای مدیریت منطق پیچیده برنچینگ و حلقهزنی طراحی کنید.
- پیادهسازی ماندگاری قدرتمند: با چکپوینترها state گراف را ذخیره کنید تا عاملها بتوانند وظایف را از سر بگیرند و حافظه را حفظ کنند.
- فعالسازی نظارت در محیط تولید: LangSmith را راهاندازی کنید تا هر مرحله از اجرای برنامهتان را ردیابی کنید و اشکالزدایی و بهینهسازی را سریعتر انجام دهید.
- ارزیابی عملکرد هوش مصنوعی: از مجموعه دادهها و توابع LangSmith برای نظارت بر تأخیر، هزینه و کیفیت خروجی در سناریوهای واقعی استفاده کنید.
پیشنیازهای دوره
- دانش اولیه پایتون: آشنایی با سینتکس پایتون، توابع و list comprehensionها لازم است.
- مبانی API: درک کلی از چگونگی استفاده از کلیدهای API (مانند OpenAI یا Anthropic) و ارسال درخواستهای وب ساده لازم است.
- ذهنیت حل مسئله: تجربه قبلی در هوش مصنوعی لازم نیست، اما تمایل به ساخت و بهبود سیستمهای پیچیده ضروری است.
توضیحات دوره
به کاملترین و بروزترین راهنمای استک مدرن هوش مصنوعی خوش آمدید. در 2026، ساختن یک wrapper ساده روی یک مدل زبانی بزرگ دیگر کافی نیست. برای ساخت اپلیکیشنهایی که واقعاً مفید باشند، باید قابلاعتماد، Stateful و مشاهدهپذیر باشند. این دوره طوری طراحی شده است که شما را با تسلط به سه رکن اصلی اکوسیستم LangChain از سطح مبتدی به یک مهندس هوش مصنوعی حرفهای برساند.
ابتدا با LangChain شروع میکنیم؛ جایی که یاد میگیرید با LangChain Expression Language (LCEL) فراتر از فراخوانیهای ساده API بروید. شما هنر ارکستراسیون را یاد میگیرید و "Runnable Chain"هایی میسازید که کارآمد، ناهمگام و آماده استفاده در محیط تولید هستند. سپس به LangGraph، استاندارد صنعتی برای ساخت گردشکارهای عاملی، میرسیم. شما یاد میگیرید از زنجیرههای خطی فاصله بگیرید و به ماشینهای استیت چرخهای بپردازید و با پیادهسازی ماندگاری از طریق چکپوینترها کاری کنید که عاملهای شما هیچوقت یک گفتگو را "فراموش" نکنند یا در صورت کرش کردن، جای خود را از دست ندهند.
در نهایت، با LangSmith شکاف میان توسعه و محیط تولید را پر میکنیم. شما یاد میگیرید چگونه بر اپلیکیشنهای خود به صورت بلادرنگ نظارت کنید، مسیرهای پیچیده استدلال را با مسیرهای دقیق اشکالزدایی کنید و با مجموعههای ارزیابی مطمئن شوید هوش مصنوعی دقیقاً همانطور که انتظار میرود رفتار میکند. این آموزش فقط یک دوره کدنویسی نیست؛ بلکه نقشهای برای ساخت سیستمهای هوش مصنوعی در سطح سازمانی است که به همان اندازه که هوشمند هستند، قدرتمند و قابلاعتماد نیز باشند.
این دوره برای چه کسانی مناسب است؟
- افرادی که میخواهند مهندس هوش مصنوعی شوند و به دنبال یک مسیر جامع و یکپارچه برای تسلط به کل اکوسیستم LangChain از ابتدا هستند.
- توسعهدهندگان نرمافزار که میخواهند فراتر از چتباتهای ساده بروند و گردشکارهای عاملی پیچیده و Stateful بسازند.
- دانشمندان داده و مدیران محصولی که میخواهند یاد بگیرند چگونه اپلیکیشنهای مدل زبانی بزرگ را در محیط تولید نظارت، ردیابی و ارزیابی کنند.
دوره کامل LangChain ،LangGraph و LangSmith (سال 2026)
-
LangChain چیست؟ 14:21
-
اکوسیستم LangChain 15:32
-
همه کامپوننتهای LangChain 21:30
-
اولین پروژه LangChain شما 18:37
-
درک مدلهای چت 14:48
-
راهاندازی مدلهای چت 27:28
-
تولید پاسخها 16:56
-
درک انواع پیام 21:34
-
استفاده از قالبهای پرامپت 34:32
-
پیکربندی پاسخهای مدل 30:27
-
بازگردانی خروجیهای ساختاریافته 27:08
-
استریمینگ پاسخها 20:17
-
ردیابی توکنها 17:37
-
کشینگ پاسخها 16:03
-
آشنایی با قالبهای پرامپت 15:11
-
درک پیامهای پرامپت 20:14
-
قالبهای پرامپت رشتهای 11:55
-
قالبهای پرامپت چت 17:30
-
ویژگیهای قالب 11:14
-
روشهای قالب 20:00
-
قالبهای پرامپت Few-Shot 14:40
-
پرامپتهای چت Few-Shot 12:03
-
استفاده از پرامپتها با مدلها 14:06
-
ارکستراسیون در LangChain چگونه کار میکند؟ 23:54
-
آشنایی با Runnableها 11:12
-
اجرای Runnableهای داخلی 25:17
-
ساخت یک Runnable سفارشی 20:03
-
Runnableها بهصورت ترتیبی 15:44
-
Runnableها بهصورت موازی 20:41
-
ترکیب Runnableها 19:42
-
مصورسازی زنجیرههای Runnable 11:21
-
دریافت همه پرامپتها در یک زنجیره Runnable 04:14
-
هوک کردن به رویدادهای چرخه عمر زنجیرههای Runnable 16:53
-
مدیریت خطاها در زنجیرهها 17:53
-
پیکربندی با RunnableConfig 27:20
-
پیکربندی زنجیرهها در ران تایم 16:01
-
الگوی عامل ReAct در عاملهای LangChain 10:43
-
سازنده عامل create_agent 13:48
-
ساخت یک عامل دستیار مالی شخصی 31:44
-
Feed کردن در داده کاربر با Runtime Context 27:07
-
تعویض پویا مدلها و پرامپتها 25:21
-
مدیریت آسان خطاهای ابزار 25:35
-
افزودن ساختار با خروجیهای ساختار یافته 15:23
-
افزودن حافظه 12:23
-
استریمینگ خروجیهای عامل 14:40
-
عاملها در LangGraph 14:29
-
درک Graph API 33:52
-
State گراف چگونه کار میکند؟ 29:47
-
استفاده از State Reducerها 25:08
-
Reducerِ add_messages 29:13
-
پیامهای LLM در گرافها 28:19
-
گرههای گراف 34:58
-
یالهای گراف 23:55
-
داده زمینهای با Runtime Context 26:29
-
Map-Reduce با Send() API00 31:42
-
ناوبری پویا با ()Command 18:13
-
مدیریت خطا با سیاستهای تلاش مجدد 30:08
-
درک گردشکارها 21:26
-
گردشکار 1: مدل زبانی بزرگ تقویتشده 10:32
-
دمو: مدل زبانی بزرگ تقویتشده - فراخوانی ابزار 18:18
-
دمو: مدل زبانی بزرگ تقویتشده - خروجیهای ساختاریافته 14:45
-
گردشکار 2: زنجیرهسازی پرامپت 08:00
-
دمو: زنجیرهسازی پرامپت - ژنراتور وبلاگ با کنترل کیفیت 25:43
-
گردشکار 3: موازیسازی 08:24
-
دمو: موازیسازی - ژنراتور پستهای شبکههای اجتماعی 24:46
-
گردشکار 4: مسیریابی 08:34
-
دمو: مسیریابی - سیستم پشتیبانی مشتری 35:42
-
گردشکار 5: Orchestrator و Worker 09:28
-
دمو: Orchestrator و Worker - ژنراتور گزارش پژوهشی 47:04
-
گردشکار 6: ارزیاب و بهینهساز 06:57
-
دمو: ارزیاب و بهینهساز - بازاریاب محصول 53:17
-
حافظه در LangGraph چگونه کار میکند؟ 17:50
-
ساخت یک اپلیکیشن چت با حافظه 13:41
-
بازیابی State از اسنپشاتها 22:39
-
بازپخش State از چکپوینتها 10:19
-
بروزرسانی دستی State 08:50
-
حافظه در محیط تولید 12:46
مشخصات آموزش
دوره کامل LangChain ،LangGraph و LangSmith (سال 2026)
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:مقدماتی
- تعداد درس:77
- مدت زمان :25:46:10
- حجم :25.91GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy