آنچه یاد خواهید گرفت:
طراحی و ساخت یک اپلیکیشن کامل عامل هوش مصنوعی فولاستک با استفاده از Angular ،Node.js و Express
پیادهسازی پایپ لاین های پیشرفته تولید افزوده بازیابی (RAG) با استفاده از تعبیهها، جستجوی برداری و تقویت زمینه
تسلط به پروتکل زمینه مدل (MCP) با ساخت سرورهای MCP سفارشی در Node.js برای ارائه Real-World Tool به LLMها
ساخت یک رابط چت آماده تولید در Angular که پاسخهای جریانی، رندر مارکداون و خروجیهای ابزار را مدیریت کند.
راهاندازی و مدیریت پایگاههای داده برداری (ChromaDB و pgVector) برای ذخیره تعبیههای با ابعاد بالا جهت جستجوی معنایی.
ایجاد سیستمهای RAG ایستا با استفاده از JSON و شباهت کسینوسی مبتنی بر ریاضیات برای درک الگوریتمهای اصلی بازیابی
پیادهسازی Tool Calling بومی با Gemini و OpenAI برای تبدیل زبان طبیعی به توابع کد قابل اجرا.
اتصال موتور RAG خود به عنوان یک ابزار MCP و ایجاد یک سیستم ماژولار که در آن عامل ها میتوانند جستجو در پایگاه داده شما را "انتخاب" کنند.
پیشنیازهای دوره
درک قوی از JavaScript و TypeScript: باید با Async/Await، Promises و سینتکس ES6+ راحت باشید.
آشنایی مقدماتی با Node.js و Express: ما یک backend API میسازیم، بنابراین باید چگونگی راهاندازی سرور و مسیرها را بدانید.
مبانی فرانتاند: تجربه کار با Angular الزامی است. ما در رابط کاربری سریع پیش میرویم (70% با Vibe Coding ساخته شده است).
نیازی به تجربه هوش مصنوعی نیست: مدرس RAG، پایگاههای داده برداری و MCP را از پایه به شما آموزش خواهد داد.
توضیحات دوره
ساخت رباتهای چت ساده را متوقف کنید. زمان آن رسیده است که عامل های هوشمند هوش مصنوعی بسازید که واقعاً بتوانند کارها را انجام دهند.
به کلاس تخصصی جامع Agentic AI خوش آمدید، تنها دورهای که برای پر کردن شکاف بین پوششهای ساده LLM و سیستمهای عامل پیچیده و آماده تولید به آن نیاز دارید.
بیشتر توسعهدهندگان در ساخت اپلیکیشن های "چت با PDF" گیر کردهاند. در این دوره، ما چندین سطح عمیقتر میرویم. شما یک اپلیکیشن عامل فولاستک را از ابتدا با استفاده از Angular و Node.js طراحی خواهید کرد و پروتکلهای پیشرفتهای مانند MCP و پایپ لاین های پیشرفته RAG را یکپارچه خواهید کرد.
چرا این دوره؟ صنعت در حال حرکت از "هوش مصنوعی مولد" به "هوش مصنوعی عامل" است. شرکتها فقط متن نمیخواهند؛ آنها عامل هایی را میخواهند که بتوانند پایگاههای داده را کوئری کنند، ابزارها را اجرا کنند و اقدامات را انجام دهند. این دوره شما را از این منحنی جلو میاندازد.
چه چیزی خواهید ساخت: ما یک پلتفرم هوش مصنوعی در سطح حرفهای با یک رابط کاربری مدرن Angular و یک back-end قوی Node.js/Express خواهیم ساخت. شما فقط سینتکس کدنویسی را یاد نخواهید گرفت؛ بلکه معماری پشت سیستمهای خودمختار را خواهید آموخت.
بررسیهای عمیق فنی کلیدی:
پروتکل زمینه مدل (MCP): جزو اولین کسانی باشید که به این استاندارد مسلط میشوید. شما سرورهای MCP سفارشی را در Node.js میسازید تا هوش مصنوعی خود را به دادههای دنیای واقعی (مانند Weather APIs) متصل کرده و آنها را به عنوان ابزار در اختیار Claude ،Gemini یا OpenAI قرار دهید.
پایپ لاین های پیشرفته RAG: فراتر از مبانی بروید. ما جستجوی برداری را با استفاده از ChromaDB و pgVector پیادهسازی میکنیم و بهصورت دستی تعبیهها، تکهتکه کردن و دریافت داده را برای کنترل کامل شما مدیریت میکنیم.
Tool Calling بومی: یاد بگیرید چگونه LLMها (Gemini و OpenAI) را وادار به تولید JSON با ساختار مشخص برای فراخوانی توابع در کد خود کنید - ستون فقرات هوش مصنوعی عامل.
ریاضیات و تئوری: ما فقط کتابخانهها را وارد نمیکنیم. منطق پشت شباهت کسینوسی، فضاهای برداری و امتیازدهی بازیابی را پوشش میدهیم تا بفهمید چرا بازیابی شما کار میکند.
پشته فناوری:
فرانتاند: Angular (آخرین نسخه)، TailwindCSS
بکاند: Node.js ،Express
مدلهای هوش مصنوعی: Google Gemini ،OpenAI (نسخههای ChatGPT)
پایگاههای داده برداری: ChromaDB ،pgVector (PostgreSQL)
پروتکلها: MCP
اگر آماده توقف بازی با اسباببازیها و شروع ساخت سیستمهای هوشمند و عامل هستید، اکنون در این دوره شرکت کنید. بیایید کمی کد بنویسیم.
دانشجویان در دوره شما چه چیزی یاد خواهند گرفت؟
(اینها تصحیح و موجز شدهاند. خطاهای "context au" و "fundar" برطرف شده است.)
طراحی و ساخت یک اپلیکیشن عامل هوش مصنوعی فولاستک کامل با استفاده از Angular ،Node.js و Express
پیادهسازی پایپ لاین های پیشرفته تولید افزوده بازیابی (RAG) با تعبیهها، جستجوی برداری و تقویت زمینه
تسلط به پروتکل زمینه مدل (MCP) با ساخت سرورهای MCP سفارشی در Node.js برای ارائه Real-World Tool به LLMها
ساخت یک رابط چت آماده تولید در Angular که پاسخهای جریانی، رندر مارکداون و خروجیهای ابزار را مدیریت کند.
راهاندازی و مدیریت پایگاههای داده برداری (ChromaDB و pgVector) برای ذخیره تعبیههای با ابعاد بالا جهت جستجوی معنایی
ایجاد سیستمهای RAG ایستا با استفاده از JSON و شباهت کسینوسی مبتنی بر ریاضیات برای درک الگوریتمهای اصلی بازیابی
پیادهسازی Tool Calling بومی با Gemini و OpenAI برای تبدیل زبان طبیعی به توابع کد قابل اجرا
اتصال موتور RAG خود به عنوان یک ابزار MCP و ایجاد یک سیستم ماژولار که در آن عامل ها میتوانند جستجو در پایگاه داده شما را "انتخاب" کنند.
پیشنیازها
(مدرس این بخش را محکمتر کرده است. از مبتدیان مطلق استقبال نکنید؛ آنها امتیاز شما را خراب میکنند.)
درک قوی از JavaScript و TypeScript: باید با Async/Await، Promises و سینتکس ES6+ راحت باشید.
آشنایی مقدماتی با Node.js و Express: ما یک backend API میسازیم، بنابراین باید چگونگی راهاندازی سرور و مسیرها را بدانید.
اصول فرانتاند: تجربه کار با Angular (یا React/Vue) الزامی است. ما در رابط کاربری سریع پیش میرویم.
نیازی به تجربه هوش مصنوعی نیست: مدرس RAG، پایگاههای داده برداری و MCP را از پایه به شما آموزش خواهد داد.
این دوره برای چه کسانی است؟ (یادگیرندگان مورد نظر)
توسعهدهندگان فولاستک که میخواهند از وب اپلیکیشن های سنتی به ساخت سیستمهای عامل مجهز به هوش مصنوعی گذر کنند.
علاقهمندان به هوش مصنوعی که به دنبال تسلط به پروتکل زمینه مدل (MCP) و استانداردهای مدرن Tool Calling هستند.
مهندسان نرمافزار که نیاز به پیادهسازی RAG و جستجوی برداری بدون اتکا به چارچوبهای "جعبه سیاه" مانند LangChain دارند.
فریلنسرها و مشاوران که میخواهند خدمات باارزش "عامل هوش مصنوعی سفارشی" را به مشتریان ارائه دهند.
این دوره برای چه کسانی مناسب است؟
توسعهدهندگان فولاستک که میخواهند از وب اپلیکیشن های سنتی به ساخت سیستمهای عامل مجهز به هوش مصنوعی گذر کنند.
علاقهمندان به هوش مصنوعی که به دنبال تسلط به پروتکل زمینه مدل (MCP) و استانداردهای مدرن Tool Calling هستند.
مهندسان نرمافزار که نیاز به پیادهسازی RAG و جستجوی برداری بدون اتکا به چارچوبهای "جعبه سیاه" مانند LangChain دارند.
فریلنسرها و مشاورانی که میخواهند خدمات باارزش "عامل هوش مصنوعی سفارشی" را به مشتریان ارائه دهند.