توضیحات

آموزش ساخت ایجنت‌ های هوش مصنوعی (AI Agents) با پایتون

نام دوره : AI Agents for Beginners

پیش‌نیازها

• دانش پایه برنامه‌نویسی (ترجیحاً زبان پایتون): آشنایی مقدماتی با ساختارهای کدنویسی، توابع و کار با کتابخانه‌ها جهت درک منطق پیاده‌سازی ایجنت‌ها.

• شناخت اولیه از نحوه تعامل با ابزارهای هوش مصنوعی نظیر ChatGPT: درک پایه‌ای از ارسال پرامپت و دریافت پاسخ از مدل‌های زبانی.

• رایانه شخصی متصل به اینترنت: مناسب برای اتصال به محیط‌های آزمایشگاهی هدایت‌شده (Guided Labs) و اجرای تمرین‌های عملی.

• بدون نیاز به خرید کلید API یا پیکربندی زیرساخت ابری: تمامی محیط‌های اجرایی، کلیدهای دسترسی و منابع پردازشی به صورت آماده در اختیار دانش‌پذیران قرار می‌گیرد تا بدون نگرانی از هزینه‌های کلود بر یادگیری متمرکز شوند.

توضیحات:

چرا بسیاری از توسعه‌دهندگان در مرز استفاده از رابط‌های چت ساده باقی می‌مانند و چگونه می‌توان یک مدل زبانی را به یک عامل خودمختار (Agent) تبدیل کرد که قادر به تصمیم‌گیری، استفاده از ابزارها و حل مسائل پیچیده باشد؟

درک این موضوع که یک گردش‌کار از پیش تعیین‌شده (Workflow) کجا به پایان می‌رسد و یک ایجنت واقعی (True Agent) دارای قدرت استدلال، حافظه و برنامه‌ریزی کجا آغاز می‌شود، سنگ‌بنای معماری سیستم‌های هوشمند مدرن است.

این دوره عملی و جذاب با هدف ساده‌سازی و کاربردی‌سازی مفاهیم پیچیده هوش مصنوعی طراحی شده است. آموزش با کالبدشکافی نحوه عملکرد واقعی مدل‌هایی نظیر ChatGPT — شامل معماری ترنسفورمرها، توکن‌سازی، پنجره‌های کانتکست، تنظیم دما و توسعه مبتنی بر API — آغاز می‌شود. در ادامه، شما از سطح تئوری فراتر رفته و در محیط‌های آزمایشگاهی آماده، چهار ایجنت کاربردی و متفاوت را از صفر می‌سازید: از یک ایجنت ساده آغاز می‌کنید و به تدریج آن را به یک اکوسیستم چندایجنتی (Multi-Agent) شامل ایجنت‌های تخصصی برای تحقیق، مدیریت حافظه و کدنویسی ارتقا می‌دهید تا با الگوهای استاندارد شرکت‌های پیشرو هوش مصنوعی آشنا شوید.

سرفصل‌های تخصصی و مهارت‌های کسب‌شده

• مبانی هوش مصنوعی، مدل‌های زبانی بزرگ (LLMs) و توسعه API:

  • کالبدشکافی سازوکار داخلی مدل‌های زبانی: معماری Transformers، نحوه پردازش Tokens و مدیریت Context Windows.

  • کنترل رفتار و خلاقیت خروجی مدل از طریق پارامترهای تنظیمی نظیر Temperature و اصول مهندسی پرامپت.

  • گذار از رابط‌های کاربری چت به توسعه برنامه‌نویسی‌شده از طریق فراخوانی APIها.

• معماری سیستم‌های هوش مصنوعی، ابزارها و تمایز Workflow با Agent:

  • بررسی عمیق قابلیت فراخوانی ابزار (Tool Calling) و نحوه اتصال مدل‌های زبانی به توابع و سرویس‌های بیرونی.

  • تحلیل تفاوت بنیادین میان گردش‌کارهای مبتنی بر LLM (Workflows) و ایجنت‌های خودمختار (True Agents).

  • طراحی حلقه تصمیم‌گیری ایجنت و نحوه تعامل آن با محیط اطراف.

• ساخت عملی چهار ایجنت تخصصی (Zippy, Savvy, Meshy, Cody):

  • ساخت ایجنت Zippy: پیاده‌سازی یک ایجنت پایه و سریع برای درک ساختار اولیه چرخه اجرا و فراخوانی ابزارها.

  • ساخت ایجنت Savvy: توسعه یک ایجنت تخصصی تحقیق و جستجو با قابلیت جمع‌آوری و تحلیل اطلاعات.

  • ساخت ایجنت Meshy: پیاده‌سازی معماری ارتباطی و هماهنگی میان چندین عامل هوشمند در قالب یک شبکه.

  • ساخت ایجنت کدنویس Cody: طراحی یک ایجنت برنامه‌نویس پیشرفته با الهام از الگوهای پروداکشن شرکت‌های تراز اول هوش مصنوعی.

• الگوهای هسته‌ای مهندسی ایجنت و ارکستراسیون چندایجنتی:

  • پیاده‌سازی سیستم‌های حافظه کوتاه‌مدت و بلندمدت (Memory Patterns) برای حفظ تداوم اطلاعات در تعاملات پیچیده.

  • طراحی مکانیزم‌های برنامه‌ریزی (Planning) و استدلال گام‌به‌گام (Reasoning) برای شکستن وظایف بزرگ.

  • پیاده‌سازی مدیریت خطا (Error Handling) و بازیابی خودکار ایجنت هنگام مواجهه با خروجی‌های نامعتبر.

  • ارکستراسیون چندایجنتی (Multi-Agent Orchestration): تقسیم وظایف میان ایجنت‌های متخصص تحقیق، حافظه و کدنویسی و مدیریت تعامل آن‌ها.

• تست، ارزیابی و استقرار ایجنت‌های هوش مصنوعی در پروداکشن:

  • روش‌های تست عملکرد، ردیابی تصمیمات ایجنت و اطمینان از پایداری رفتار سیستم.

  • آماده‌سازی و دیپلوی ایجنت‌های طراحی‌شده برای استفاده در پروژه‌های واقعی و سازمانی.

چرا باید در دوره آموزش ساخت ایجنت‌ های هوش مصنوعی (AI Agents) با پایتون شرکت کنید؟

• محیط‌های آزمایشگاهی آماده بدون نیاز به کلید API و هزینه کلود: تمرکز صددرصدی بر کدنویسی و یادگیری معماری ایجنت‌ها بدون درگیری با تنظیمات زیرساخت یا صورت‌حساب‌های غیرمنتظره.

• آموزش گام‌به‌گام تکامل یک ایجنت ساده به سیستم چندایجنتی: مشاهده عینی چگونگی ارتقای یک عامل منفرد به شبکه‌ای هوشمند از ایجنت‌های همکار.

• الهام‌گرفته از معماری‌های واقعی شرکت‌های پیشرو AI: یادگیری الگوهای استاندارد ساخت Coding Agentها، مدیریت حافظه و کنترل خطا در سطح عملیاتی.

• یادگیری پروژه‌محور و جذاب: ساخت ۴ پروژه ملموس و کاربردی که درک عمیقی از مهندسی ایجنت‌ها ایجاد می‌کند.

دوره آموزش ساخت ایجنت‌ های هوش مصنوعی (AI Agents) با پایتون برای چه کسانی مناسب است؟

• توسعه‌دهندگان نرم‌افزار و برنامه‌نویسان پایتون: متخصصانی که قصد دارند فراتر از فراخوانی ساده API مدل‌های زبانی رفته و سیستم‌های خودمختار و مجهز به ابزار بسازند.

• متخصصان اتوماسیون و مهندسان فرآیند: افرادی که به دنبال جایگزینی اسکریپت‌های ایستا با ایجنت‌های هوشمند دارای قدرت تصمیم‌گیری و حل مسئله هستند.

• مهندسان هوش مصنوعی و علاقه‌مندان به GenAI: کسانی که مایلند الگوهای معماری مدرن نظیر Multi-Agent Orchestration، حافظه و برنامه‌ریزی را به صورت عملی تجربه کنند.