آنچه یاد خواهید گرفت:
تسلط به ارکستراسیون LCEL: با LangChain Expression Language و رابطهای Runnable، پایپلاینهای هوش مصنوعی بسیار کارآمد و قابلترکیب بسازید.
توسعه عاملهای خودمختار: با create_agent دستیارهای هوشمندی بسازید که بتوانند استدلال کنند و با ابزارهای خارجی تعامل داشته باشند.
معماری گرافهای Stateful: با LangGraph گردشکارهای غیرخطی هوش مصنوعی را برای مدیریت منطق پیچیده برنچینگ و حلقهزنی طراحی کنید.
پیادهسازی ماندگاری قدرتمند: با چکپوینترها state گراف را ذخیره کنید تا عاملها بتوانند وظایف را از سر بگیرند و حافظه را حفظ کنند.
فعالسازی نظارت در محیط تولید: LangSmith را راهاندازی کنید تا هر مرحله از اجرای برنامهتان را ردیابی کنید و اشکالزدایی و بهینهسازی را سریعتر انجام دهید.
ارزیابی عملکرد هوش مصنوعی: از مجموعه دادهها و توابع LangSmith برای نظارت بر تأخیر، هزینه و کیفیت خروجی در سناریوهای واقعی استفاده کنید.
پیشنیازهای دوره
دانش اولیه پایتون: آشنایی با سینتکس پایتون، توابع و list comprehensionها لازم است.
مبانی API: درک کلی از چگونگی استفاده از کلیدهای API (مانند OpenAI یا Anthropic) و ارسال درخواستهای وب ساده لازم است.
ذهنیت حل مسئله: تجربه قبلی در هوش مصنوعی لازم نیست، اما تمایل به ساخت و بهبود سیستمهای پیچیده ضروری است.
توضیحات دوره
به کاملترین و بروزترین راهنمای استک مدرن هوش مصنوعی خوش آمدید. در 2026، ساختن یک wrapper ساده روی یک مدل زبانی بزرگ دیگر کافی نیست. برای ساخت اپلیکیشنهایی که واقعاً مفید باشند، باید قابلاعتماد، Stateful و مشاهدهپذیر باشند. این دوره طوری طراحی شده است که شما را با تسلط به سه رکن اصلی اکوسیستم LangChain از سطح مبتدی به یک مهندس هوش مصنوعی حرفهای برساند.
ابتدا با LangChain شروع میکنیم؛ جایی که یاد میگیرید با LangChain Expression Language (LCEL) فراتر از فراخوانیهای ساده API بروید. شما هنر ارکستراسیون را یاد میگیرید و "Runnable Chain"هایی میسازید که کارآمد، ناهمگام و آماده استفاده در محیط تولید هستند. سپس به LangGraph، استاندارد صنعتی برای ساخت گردشکارهای عاملی، میرسیم. شما یاد میگیرید از زنجیرههای خطی فاصله بگیرید و به ماشینهای استیت چرخهای بپردازید و با پیادهسازی ماندگاری از طریق چکپوینترها کاری کنید که عاملهای شما هیچوقت یک گفتگو را "فراموش" نکنند یا در صورت کرش کردن، جای خود را از دست ندهند.
در نهایت، با LangSmith شکاف میان توسعه و محیط تولید را پر میکنیم. شما یاد میگیرید چگونه بر اپلیکیشنهای خود به صورت بلادرنگ نظارت کنید، مسیرهای پیچیده استدلال را با مسیرهای دقیق اشکالزدایی کنید و با مجموعههای ارزیابی مطمئن شوید هوش مصنوعی دقیقاً همانطور که انتظار میرود رفتار میکند. این آموزش فقط یک دوره کدنویسی نیست؛ بلکه نقشهای برای ساخت سیستمهای هوش مصنوعی در سطح سازمانی است که به همان اندازه که هوشمند هستند، قدرتمند و قابلاعتماد نیز باشند.
این دوره برای چه کسانی مناسب است؟
افرادی که میخواهند مهندس هوش مصنوعی شوند و به دنبال یک مسیر جامع و یکپارچه برای تسلط به کل اکوسیستم LangChain از ابتدا هستند.
توسعهدهندگان نرمافزار که میخواهند فراتر از چتباتهای ساده بروند و گردشکارهای عاملی پیچیده و Stateful بسازند.
دانشمندان داده و مدیران محصولی که میخواهند یاد بگیرند چگونه اپلیکیشنهای مدل زبانی بزرگ را در محیط تولید نظارت، ردیابی و ارزیابی کنند.