عامل‌های هوش مصنوعی در عمل: ساخت عامل‌های هوش مصنوعی واقعی و سرتاسری

آنچه یاد خواهید گرفت:

• به اصول اصلی طراحی عاملی مسلط شوید.
• درک محکمی از دو چارچوب پیشرو عامل‌ها به دست آورید: ReAct و ReWOO
• ابزارهایی بسازید و یکپارچه کنید که به عامل‌ها اجازه می‌دهد با داده‌های واقعی کار کنند و تسک های معناداری انجام دهند.
• در ساخت پرامپت‌های متناسب با عامل‌ها - شامل استدلال، برنامه‌ریزی و استفاده از ابزار - به اعتماد به نفس برسید.
• عامل‌ها را با LangSmith نظارت و خطایابی کنید، تا همیشه بدانید در پشت صحنه چه می‌گذرد.

پیش‌نیازهای دوره

• مهارت متوسط در پایتون (راحتی با توابع، ساختمان داده‌ اولیه و کار در notebooks)
• آشنایی اولیه با مدل‌های زبانی بزرگ (مانند استفاده از مدل‌های GPT، پرامپت‌ها، توکن‌ها، پیام‌های سیستمی در مقابل کاربری)
• درک کلی از مفاهیم هوش مصنوعی مفید خواهد بود.

توضیحات دوره

عامل‌های هوش مصنوعی در عمل یک دوره عملی و مناسب برای مبتدیان است که نشان می‌دهد چگونه سیستم‌های عامل‌محور کاربردی را با استفاده از مرتبط‌ترین ابزارها و چارچوب‌های امروزی، از جمله ReAct ،ReWOO ،LangGraph و LangSmith طراحی و بسازید. این گام طبیعی بعدی برای هر کسی است که اصول اولیه مدل‌های زبانی بزرگ و چت‌بات‌های ساده را درک می‌کند و اکنون می‌خواهد عامل‌هایی بسازد که بتوانند برنامه‌ریزی کنند، از ابزارها استفاده نمایند و گردش‌های کاری چندمرحله‌ای را دنبال کنند.

در این مسیر، به سوالاتی می‌پردازیم که بیشتر افراد هنگام مواجهه اولیه با عامل‌های هوش مصنوعی دارند، مانند:

• چه چیزی یک سیستم هوش مصنوعی را که در وب گردش می‌کند، فایل‌ها را می‌خواند یا APIها را فراخوانی می‌کند، به سمت تصمیم‌گیری برای مرحله بعد هدایت می‌کند؟
• به چه نحوی یک تسک را به مراحل کوچک‌تر تقسیم می‌کند؟
• چگونه تشخیص می‌دهد که از کدام ابزار استفاده کند؟
• چه زمانی می‌فهمد که باید از یک انسان کمک بخواهد؟

اگر پاسخ‌های واضح و عملی به این سوالات را بدون گم شدن در نظریه می‌خواهید، این دوره برای شماست.

ما با یک بخش مقدماتی مختصر شروع می‌کنیم که درک محکمی از چیستی یک عامل هوش مصنوعی، تفاوت آن با یک برنامه استاندارد مدل زبانی بزرگ، و چگونگی استفاده از عامل‌ها در پروژه‌های واقعی ارائه می‌دهد.

• بلوک‌های ساختمانی اصلی یک عامل را درک کنید.
• ببینید سیستم‌های عامل‌محور چگونه در اپلیکیشن های هوش مصنوعی دنیای واقعی جای می‌گیرند.
• بهترین شیوه ها را برای ایجاد پرامپت و چارچوب‌های پرامپت اعمال کنید.
• درک کنید که پیام‌های سیستمی و کاربری چگونه رفتار عامل را شکل می‌دهند.
• الگوهای پرامپتی را که استدلال یک عامل را هدایت می‌کنند، بررسی کنید.
• پشت صحنه یک چت‌بات کمک‌یار واقعی را ببینید تا هر مفهوم را به یک مثال عینی متصل کنید.

در پروژه 1، با استفاده از الگوی ReAct یک عامل کمک‌یار شغلی خواهید ساخت و نظریه را گام به گام به یک سیستم کاری تبدیل می‌کنید.

• ساختار یک پروژه LangGraph را بررسی کنید.
• ابزارهایی مانند یک فایل‌خوان و یک کمک‌یار جستجوی وب ایجاد کنید.
• حافظه اضافه کنید تا عامل بتواند از اطلاعات مراحل قبلی استفاده کند.
• گرافی که همه چیز را به هم متصل می‌کند ساخته و اجرا کنید.
• رفتار عامل را در LangSmith ردیابی کنید.

در پروژه 2، با استفاده از ReWOO نسخه جدیدی از عامل کمک‌یار شغلی ایجاد می‌کنید و یک مقایسه عملی از دو معماری عامل‌محور به دست می‌آورید.

• از الگوی ReAct به ReWOO تغییر مسیر دهید.
• گره‌های برنامه‌ریز، اجراکننده و حل‌کننده را در LangGraph تعریف کنید.
• هر دو رویکرد را در LangSmith مقایسه کنید و تأخیر، هزینه و رفتار را بررسی نمایید.

در پروژه 3، همه چیز را در یک پروژه جدید به نام ارزیاب ایده کسب‌وکار گرد هم می‌آورید؛ یک گردش کاری غنی‌تر که چندین تکنیک را ترکیب می‌کند.

• «شخصیت‌های» مشاوری بسازید که ایده‌ها را از دیدگاه‌های مختلف ارزیابی می‌کنند.
• دو متد قدرتمند را ترکیب کنید: مراحل انسان-در-حلقه برای افزودن زمینه، و موازی‌سازی برای سرعت بخشیدن به ارزیابی
• از یک گره جمع‌آوری نهایی برای ادغام همه خروجی‌ها در یک ارزیابی واحد و واضح استفاده کنید.

تا پایان دوره، موارد زیر را درک خواهید کرد:

• عامل‌های مدرن چگونه فکر می‌کنند و عمل می‌نمایند؟
• تفاوت‌های ReAct و ReWOO چیست و هر کدام را چه زمانی باید استفاده کرد.
• تکنیک‌های طراحی پرامپت‌هایی که از استدلال، برنامه‌ریزی و استفاده از ابزار پشتیبانی می‌کنند.
• چگونه یک عامل را به صورت یک LangGraph با گره‌ها، لبه‌ها، حالت و حافظه ساختاردهی کنید؟
• روش‌های یکپارچه‌سازی ابزارهای سفارشی و APIهای خارجی در گراف خود.
• متدهای افزودن مراحل انسان-در-حلقه و شاخه‌های موازی به گردش‌های کاری خود
• چگونگی نظارت و خطایابی عامل‌های خود با LangSmith به جای کار کردن کورکورانه

ما مفاهیم و کدهای پیچیده را به گام‌های کوچک و قابل هضم تجزیه می‌کنیم که دنبال کردن و شروع به ساخت را آسان می‌کند. چه بخواهید نمونه کارهای خود را گسترش دهید، مهارت‌های هوش مصنوعی خود را ارتقا بخشید، یا به سادگی بفهمید عامل‌های واقعی در پشت صحنه چگونه کار می‌کنند، این دوره برای کمک به شما در انجام این جهش با اطمینان طراحی شده است.

این دوره برای چه کسانی مناسب است؟

• علاقه‌مندان به هوش مصنوعی که می‌خواهند فراتر از چت‌بات‌های ساده رفته و یاد بگیرند چگونه عامل‌های هوش مصنوعی واقعی بسازند که از ابزارها، APIها و استدلال ساختاریافته استفاده می‌کنند.
• برنامه‌نویسان پایتونی که به LangGraph، عامل‌های ReAct و پایپ لاین های داده بلادرنگ علاقه دارند، به ویژه در کاربردهای مالی یا تحلیلی.
• هر کسی که دوره «عامل‌های هوش مصنوعی در عمل» را گذرانده و یک پروژه عملی می‌خواهد که آن مفاهیم را در یک مورد استفاده واقعی و کاملاً کاربردی به کار گیرد.