تسلط به هوش مصنوعی عاملی - سیستم‌های چندعاملی در عمل

آنچه یاد خواهید گرفت:

• طراحی و ساخت سیستم‌های هوش مصنوعی چندعاملی با نقش‌های تخصصی برای هر عامل
• پیاده‌سازی گردش‌کارهای ارکستراسیون عامل‌ها (الگوهای Planner–Worker و Manager–Executor)
• یکپارچه‌سازی ابزارها، APIها و حافظه مبتنی بر RAG در سیستم‌های عاملی
• توسعه معماری‌های آماده تولید با FastAPI و رابط‌های کاربری ساده
• به‌کارگیری guardrailها، ارزیابی و نظارت برای ساخت سیستم‌های هوش مصنوعی قابل‌اعتماد
• بهینه‌سازی سیستم‌ها با اجرای موازی، کشینگ و کنترل هزینه

پیش‌نیازهای دوره

• درک اولیه از هوش مصنوعی و مدل‌های زبانی بزرگ (مفید است، اما الزامی نیست)
• دانش مقدماتی پایتون (متغیرها، توابع و اسکریپت‌های اولیه)
• آشنایی با ابزارهایی مانند چت‌جی‌پی‌تی یا Claude
• یک کامپیوتر (ویندوز، مک یا لینوکس) که بتواند پایتون را اجرا کند.
• اتصال اینترنت برای دسترسی به APIها و ابزارها
• تمایل به ساخت پروژه‌های عملی و آزمایش کردن

توضیحات دوره

«این دوره شامل استفاده از هوش مصنوعی است»

آینده هوش مصنوعی دیگر فقط درباره یک پرامپت نیست؛ بلکه درباره ساخت سیستم‌های چندعاملی است که می‌توانند برنامه‌ریزی کنند، اجرا کنند، همکاری داشته باشند و نتایج واقعی ارائه دهند.

در "تسلط به هوش مصنوعی عاملی - سیستم‌های چندعاملی در عمل" یاد می‌گیرید چگونه فراتر از استفاده اولیه از مدل‌های زبانی بزرگ بروید و ساخت سیستم‌های هوش مصنوعی آماده تولید را آغاز کنید؛ سیستم‌هایی که شبیه همان چیزی هستند که شرکت‌های واقعی امروز برای استقرار هوش مصنوعی به کار می‌گیرند.

بیشتر دوره‌ها روی مهندسی پرامپت تمرکز دارند. این دوره روی معماری هوش مصنوعی عاملی تمرکز می‌کند؛ یعنی طراحی سیستم‌هایی که در آن چند عامل تخصصی برای حل مسائل پیچیده با هم کار می‌کنند. یاد می‌گیرید چگونه گردش‌کارهای Planner–Worker را ساختاربندی کنید، ارکستراسیون عامل‌ها را پیاده‌سازی کنید و سیستم‌هایی بسازید که فراتر از وظایف ساده مقیاس‌پذیر باشند.

این آموزش یک برنامه بسیار عملی است. شما فقط مفاهیم را یاد نمی‌گیرید؛ بلکه سیستم‌های واقعی می‌سازید. از یک عامل شروع می‌کنید و بتدریج به معماری‌های چندعاملی با نقش‌های مشخص، ارتباط ساختاریافته و اجرای هماهنگ می‌رسید. استفاده از ابزارها را پیاده‌سازی می‌کنید، APIها را یکپارچه می‌سازید و با تکنیک‌هایی مانند RAG (Retrieval-Augmented Generation) لایه‌های حافظه اضافه می‌کنید تا استدلال مبتنی بر زمینه ممکن شود.

همچنین با فریم‌ورک‌های مدرنی مانند LangGraph ،CrewAI و AutoGen آشنا می‌شوید و در عین حال یاد می‌گیرید چه زمانی باید از فریم‌ورک‌ها استفاده کنید و چه زمانی بهتر است لایه ارکستراسیون خودتان را بسازید. این رویکرد به شما هم مهارت عملی و هم تفکر معماری می‌دهد.

فراتر از ساختن، یاد می‌گیرید چه چیزهایی لازم است تا سیستم‌ها آماده تولید شوند. guardrailها را برای کنترل توهم و جلوگیری از تزریق پرامپت پیاده‌سازی می‌کنید، پایپ‌لاین‌های ارزیابی را با معیارهایی مانند موفقیت در انجام وظیفه و کیفیت خروجی طراحی می‌کنید و رویت‌پذیری و نظارت را برای ردیابی رفتار سیستم، تاخیر و هزینه اضافه می‌کنید.

استقرار بخش اصلی این دوره است. سیستم خود را از طریق یک بک‌اند مبتنی بر FastAPI در دسترس قرار می‌دهید، یک رابط ساده با Streamlit می‌سازید و یاد می‌گیرید چگونه با گردش‌کارهای async، معماری‌های مبتنی بر صف و استراتژی‌های کشینگ سیستم‌ها را مقیاس‌بندی کنید. همچنین یاد می‌گیرید چگونه با tمدیریت توکن و طراحی کارآمد سیستم، عملکرد را بهینه و هزینه‌ها را کاهش دهید.

تا پایان این برنامه، یک سیستم شرکتی هوش مصنوعی در سطح تولید می‌سازید؛ پروژه‌ای مناسب برای پورتفولیو که چند عامل، ارکستراسیون، حافظه، نظارت و دسترسی API را در خود دارد. این پروژه همان نوع سیستمی است که نشان می‌دهد هوش مصنوعی در محیط‌های سازمانی واقعاً چگونه استفاده می‌شود.

این دوره برای سازندگان، مهندسان، رهبران محصول و هر کسی طراحی شده که می‌خواهد در سیستم‌های هوش مصنوعی عاملی به تسلط برسد. اگر می‌خواهید از استفاده ساده از مدل‌های زبانی بزرگ به سمت طراحی معماری‌های هوش مصنوعی مقیاس‌پذیر حرکت کنید، این برنامه مهارت‌های لازم را در اختیار شما می‌گذارد.

این تغییر، از پرامپت‌ها به سمت سیستم‌ها، از ابزارها به سمت تیم‌های مجهز به هوش مصنوعی، همین حالا هم در حال رخ دادن است.

این دوره به شما کمک می‌کند یک گام جلوتر از این تغییر بمانید.

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگان و مهندسانی که می‌خواهند سیستم‌های هوش مصنوعی واقعی بسازند، نه اینکه فقط به پرامپت بپردازند.
• مدیران محصول و رهبران فنی که در حال بررسی هوش مصنوعی عاملی و استراتژی‌های اتوماسیون هستند.
• علاقه‌مندان به هوش مصنوعی که می‌خواهند از تئوری به ساخت عملی سیستم‌ها برسند.
• بنیان‌گذاران و سازندگانی که محصولات یا استارتاپ‌های مبتنی بر هوش مصنوعی ایجاد می‌کنند.
• متخصصانی که می‌خواهند با مهارت‌های سیستم‌های چندعاملی، آینده شغلی خود را تضمین کنند.
• هر کسی که درباره حرکت از مدل‌های زبانی بزرگ به سیستم‌های عاملی به هشو مصنوعی در سطح تولید جدی است.