تسلط به Langchain و Ollama - چت‌بات، RAG و ایجنت‌ها در 2025

آنچه یاد خواهید گرفت:

• راه‌اندازی و یکپارچه‌سازی Ollama با Langchain - دانشجویان یاد می‌گیرند که چگونه Ollama را در کنار Langchain نصب، پیکربندی و با آن کار کنند.
• ساخت چت‌بات‌های سفارشی - یادگیرندگان مهارت‌هایی را برای ایجاد اپلیکیشن‌های چت با حافظه، تاریخچه و ویژگی‌های پیشرفته چت‌بات با استفاده از Streamlit و Langchain توسعه خواهند داد.
• استفاده از قالب‌های پرامپت، زنجیره‌ها و تجزیه‌‌گرهای خروجی - دانشجویان به قالب‌های پرامپت و متدهای زنجیره‌سازی (زنجیره‌های توالی، موازی و مسیریاب) تسلط خواهند یافت.
• استقرار اپلیکیشن‌های واقعی - این دوره دانشجویان را در مسیر استقرار اپلیکیشن‌ها روی AWS EC2 راهنمایی خواهد کرد.

پیش‌نیازهای دوره

• دانش اولیه برنامه‌نویسی پایتون
• آشنایی با APIs و درخواست‌های وب
• درک اولیه مفاهیم یادگیری ماشین
• دسترسی به یک کامپیوتر با اینترنت برای نصب‌ها و راه‌اندازی‌ها

توضیحات دوره

این دوره راهنمایی عملی برای یکپارچه‌سازی Langchain و Ollama به منظور ساخت، خودکارسازی و استقرار اپلیکیشن‌های هوش مصنوعی است. شما یاد می‌گیرید که چگونه این ابزارها را راه‌اندازی کنید، قالب‌های پرامپت را ایجاد کنید، گردش‌کارها را خودکار کنید، بازیابی داده را مدیریت کنید و اپلیکیشن‌های واقعی را روی AWS مستقر کنید. هر بخش به گونه‌ای طراحی شده که مهارت‌ها و تجربه‌های عملی را به شما ارائه دهد.

آنچه یاد خواهید گرفت:

راه‌اندازی Ollama و Langchain

• راه‌اندازی کامل و نصب Ollama و Langchain
• پیکربندی URLs اولیه و مدیریت فراخوانی‌های مستقیم API
• ایجاد محیط برای یکپارچه‌سازی موثر

مهندسی پرامپت

• درک پرامپت‌های پیام هوش مصنوعی، انسانی و سیستم
• استفاده از AIPromptTemplate، انسانی، سیستم و ChatMessagePromptTemplate برای شکل‌دهی به پاسخ‌ها
• بررسی متد invoke برای کنترل رفتار مدل

زنجیره‌ها برای اتوماسیون گردش‌کار

• یادگیری زنجیره‌های متوالی، موازی و مسیریاب برای ساخت گردش‌کارهای انعطاف‌پذیر
• کار با زنجیره‌های سفارشی و بررسی زنجیره قابل اجرا برای افزودن اتوماسیون
• پیاده‌سازی گردش‌کارهای واقعی با استفاده از قابلیت‌های زنجیره‌سازی Langchain

تجزیه خروجی

• فرمت‌بندی داده‌ با تجزیه‌گرهایی مانند جی سان، CSV، Markdown و Pydantic
• تجزیه خروجی ساختاریافته و استفاده از مدیریت خروجی تاریخ و زمان برای داده‌ سازمان‌یافته

حافظه پیام چت

• استفاده از BaseChatMessageHistory و InMemoryChatMessageHistory برای مدیریت سشن‌های چت
• ایجاد اپلیکیشن‌های چت با حافظه برای بهبود تجربه کاربری

ساخت و استقرار چت‌بات‌ها

• ساخت اپلیکیشن چت‌بات با استفاده از Streamlit
• حفظ تاریخچه چت و مدیریت ورودی‌های کاربر به طور موثر

بارگذارها و بازیابی مستندات

• کار با بارگذارها برای صفحات وب‌، PDFs و داده‌ HTML
• بازیابی و خلاصه‌سازی مستندات، تبدیل داده‌ متنی و استفاده از فروشگاه‌های برداری

فروشگاه‌های برداری و بازیابی‌ها

• یکپارچه‌سازی فروشگاه‌های برداری برای بازیابی مستندات با استفاده از FAISS و Chroma
• بارگذاری مجدد retrievers، ایندکس‌گذاری مستندات و افزایش دقت بازیابی

فراخوانی ابزار و ایجنت‌های سفارشی

• راه‌اندازی ابزارها برای جستجوی Tavily و PubMed، ویکی‌پدیا و موارد دیگر
• طراحی ابزارهای سفارشی که می‌توانند با ایجنت‌ها استفاده شوند و دستورالعمل‌های گام به گام را اجرا کنند.

یکپارچه‌سازی‌های واقعی

• اجرای کوئری‌های مبتنی بر متن روی MySQL
• تجزیه پروفایل لینکدین با LLM
• تجزیه رزومه شغلی با LLM
• استقرار LLAMA (LAMA) با OLLAMA روی AWS

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگان و دانشمندان داده که می‌خواهند از Langchain و Ollama برای اپلیکیشن‌های هوش مصنوعی استفاده کنند.
• علاقه‌مندان به هوش مصنوعی که به دنبال خودکارسازی گردش‌کارها و ایجاد سیستم‌های بازیابی مستندات هستند.
• متخصصانی که به ساخت چت‌بات‌های end-to-end یا استقرار اپلیکیشن‌ها روی AWS نیاز دارند.
• یادگیرندگانی که دارای دانش اولیه از پایتون و به دنبال تجربه عملی با ابزارهای واقعی هوش مصنوعی هستند.

در پایان دوره، برای ساخت، استقرار و مدیریت اپلیکیشن‌های مجهز به هوش مصنوعی، از چت‌بات‌ها تا retrievers مستندات آماده برای تولید، مهارت‌های لازم را در اختیار خواهید داشت.

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگانی که در حال تلاش برای یکپارچه‌سازی مدل‌های زبانی در اپلیکیشن‌ها هستند.
• دانشمندان داده‌ که به خودکارسازی گردش‌کارها و استفاده از بازیابی مستندات علاقه‌مند هستند.
• علاقه‌مندان به هوش مصنوعی که مشتاق ساخت چت‌بات‌های سفارشی و ابزارهای مکالمه‌ای هستند.
• متخصصانی که به دنبال مهارت‌هایی در استقرار اپلیکیشن‌ها روی AWS و دیگر پلتفرم‌ها هستند.
• یادگیرندگانی که دارای دانش اولیه از پایتون و API هستند و می‌خواهند راه‌حل‌های هوش مصنوعی end-to-end را ایجاد کنند.