آموزش LangGraph پیشرفته: گردش‌کارها، چندعامل‌ها، عامل‌های عمیق

آنچه یاد خواهید گرفت:

• تسلط به اصول LangGraph: با درک عمیق state ،nodes و edges، از زنجیره‌های خطی به گردش‌کارهای چرخه‌ای و عاملی حرکت کنید.
• طراحی گردش‌کارهای پیشرفته: الگوهای پیچیده‌ی ماشین استیت را برای مدیریت منطق تجاری پیچیده و مسیرهای استدلال غیرخطی هوش مصنوعی طراحی کنید.
• پیاده‌سازی حافظه‌ی کوتاه‌مدت: از persistence در سطح thread استفاده کنید تا context و state را در یک جلسه یا گفت‌وگوی واحد حفظ کنید.
• مدیریت persistence بلندمدت: با یکپارچه‌سازی راهکارهای قدرتمند ذخیره‌سازی حافظه‌ی بلندمدت، به عامل‌ها امکان دهید اطلاعات را در چندین جلسه به خاطر بیاورند.
• هماهنگ‌سازی سیستم‌های چندعاملی: اکوسیستم‌های مشارکتی بسازید که در آن عامل‌های تخصصی از طریق sub-graphs با هم تعامل می‌کنند تا تسک های سطح بالای سازمانی را حل کنند.
• مهندسی عامل‌های عمیق: عامل‌های بازگشتی و بلندافق توسعه دهید که قادر به برنامه‌ریزی خودکار، اصلاح خود و اجرای تسک های پیچیده باشند.

پیش‌نیازهای دوره

• تسلط به Python در سطح متوسط: باید با Type Annotations ،TypedDicts و برنامه‌نویسی ناهمزمان در Python احساس راحتی کنید.
• اصول LangChain: دانش قبلی در مورد LLMها، Prompt Templates و LangChain Expression Language (LCEL) برای دنبال کردن ماژول‌های پیشرفته ضروری است.
• درک اولیه از Agentها: آشنایی با الگوی پایه‌ای Agent «ReAct» و چگونگی کارکرد LLM tool-calling برای ماژول‌های پیشرفته لازم خواهد بود.
• راه اندازی محیط: نیاز به یک محیط توسعه محلی با نصب Python 3.10 به بالا و قابلیت مدیریت API keyها برای ارائه‌دهندگانی مانند OpenAI یا Anthropic دارید.

توضیحات دوره

به آموزش LangGraph پیشرفته: گردش‌های کاری، چندعاملی‌ها و عامل‌های عمیق خوش آمدید؛ راهنمای جامعی برای توسعه‌دهندگانی که آماده عبور از محدودیت‌های زنجیره‌های خطی هوش مصنوعی و ورود به عصر گردش‌های کاری عاملی هستند.

در حالی که اپلیکیشن های LLM ساده اغلب از شکنندگی و فقدان مدیریت state رنج می‌برند، این دوره شما را با الگوهای معماری لازم برای ساخت سیستم‌های خودمختار مقاوم، خودترمیم‌شونده و بسیار پیچیده مجهز می‌کند. ما از چرخه‌های ساده درخواست-پاسخ فراتر رفته و به دنیای گراف‌های چرخه‌ای وارد می‌شویم؛ جایی که هوش مصنوعی فقط پاسخ نمی‌دهد، بلکه استدلال می‌کند، به خاطر می‌سپارد و همکاری می‌کند.

در این دوره، به بررسی عمیق هسته LangGraph می پردازیم؛ با یک مقدمه دقیق بر سازوکارهای اساسی آن شروع کرده و سپس به سرعت به سمت معماری‌های پیچیده گردش کاری پیش می‌رویم. شما به هنر مدیریت state مسلط خواهید شد و یاد می‌گیرید که هم persistence کوتاه‌مدت و هم بلندمدت را پیاده‌سازی کنید تا به عامل های خود حافظه‌ای «انسان‌گونه» در طول جلسات بدهید. ما فقط عامل نخواهیم ساخت، بلکه سیستم‌های چندعاملی مهندسی خواهیم کرد که از Sub-Graph برای جداسازی منطق و حل مسائل در مقیاس سازمانی استفاده می‌کنند.

در نهایت، مرزهای عامل‌های عمیق را بررسی می‌کنیم و به شما می‌آموزیم چگونه سیستم‌های بازگشتی و بلندمدتی بسازید که می‌توانند برنامه‌ریزی کنند، خود را تصحیح کنند و تسک های چندمرحله‌ای را با حداقل دخالت انسان اجرا کنند.

چه یک مهندس هوش مصنوعی باشید، چه یک توسعه‌دهنده بک‌اند یا یک معمار فنی، این دوره نقشه‌های آماده production را برای هماهنگ‌سازی چندین LLM در یک نیروی کار یکپارچه و با عملکرد بالا در اختیارتان می‌گذارد. در پایان این مسیر، مهارت‌های طراحی و استقرار سیستم‌های عاملی stateful، قابل اعتماد و هوشمند را خواهید داشت که می‌توانند عدم قطعیت داده‌های دنیای واقعی و تعاملات کاربر را مدیریت کنند.

توسعه هوش مصنوعی خود را از اسکریپت‌های ساده به معماری‌های عاملی در سطح سازمانی ارتقا دهید.

این دوره برای چه کسانی مناسب است؟

• مهندسان هوش مصنوعی که بر زنجیره‌های اولیه تسلط یافته‌اند و آماده ساخت معماری‌های عاملی پیچیده و stateful هستند.
• توسعه‌دهندگان بک‌اند که به دنبال پیاده‌سازی گردش‌های کاری چندمرحله‌ای و قابل اعتماد هوش مصنوعی با persistence و حافظه مقاوم هستند.
• معماران فنی که نیاز به طراحی سیستم‌های چندعاملی مشارکتی دارند که می‌توانند در تسک های سطح سازمانی مقیاس‌پذیر باشند.