دوره آموزش LangChain - توسعه‌ یک عامل هوش مصنوعی کنترل‌شده با LangChain و RAG

آنچه یاد خواهید گرفت: تفاوت بین LLMها و عامل‌های هوش مصنوعی را درک کنید. یاد بگیرید LangChain چگونه برای ساخت سیستم‌های ساختاریافته و چندعاملی استفاده می‌شود. یک عامل هوش مصنوعی کسب و کار را از ابتدا طراحی و پیاده‌سازی کنید. از اسکیماها برای اعمال خروجی‌های ساختاریافته و قابل‌پیش‌بینی هوش مصنوعی استفاده کنید. زنجیره‌های قابل‌استفاده‌مجدد بسازید و اجرای آن‌ها را با عامل‌‌ Executors مدیریت کنید. عامل‌های تخصصی برای برنامه‌ریزی، بازاریابی، ایمیل و تسک ها توسعه دهید. فرآیند تصمیم‌گیری عامل را کنترل کنید و توهم‌ها را کاهش دهید. RAG (Retrieval-Augmented Generation) را گام‌به‌گام پیاده‌سازی کنید اسناد را با استفاده از تعبیه‌ها به دانش قابل‌خواندن برای هوش مصنوعی تبدیل کنید. با استفاده از یک پایگاه‌داده برداری، context را ذخیره و بازیابی کنید. جست‌وجوی شباهت انجام دهید تا context مرتبط را در اختیار عامل‌های هوش مصنوعی قرار دهید. حافظه‌ی RAG را مدیریت و پاک‌سازی کنید تا از پاسخ‌های قدیمی یا نادرست جلوگیری شود. خروجی‌های هوش مصنوعی را پیش از ارائه‌ی نتیجه‌ی نهایی بازبینی و اعتبارسنجی کنید. عامل هوش مصنوعی خود را با FastAPI بسازید و ارائه دهید. برای محافظت از اندپوینت‌های هوش مصنوعی، middleware امنیتی پایه اضافه کنید. پیش‌نیازهای دوره آشنایی اولیه با مفاهیم برنامه‌نویسی لازم است. آشنایی با موضوعاتی مانند python، متغیرهای محیطی و کلاس ها توضیحات دوره یاد بگیرید چگونه عامل‌های هوش مصنوعی کسب و کار کنترل‌شده را با استفاده از LangChain ،RAG (Retrieval-Augmented Generation) و OpenAI LLMs و یک backend آماده‌ی تولید با FastAPI طراحی، ساخته و مستقر کنید. این دوره بر این تمرکز دارد که سیستم‌های واقعی عامل هوش مصنوعی در محصولات و استارتاپ‌های مدرن چگونه ساختاردهی می‌شوند. شما یاد می‌گیرید چگونه عامل‌‌ها، زنجیره‌ها، پرامپت‌ها، اسکیماها و پایگاه‌داده‌ برداری را با هم ترکیب کنید تا سیستم‌های هوش مصنوعی‌ای بسازید که بتوانند به‌صورت کنترل‌شده و قابل‌اعتماد استدلال کنند، برنامه‌ریزی انجام دهند، دانش را بازیابی کنند و خروجی‌ها را اعتبارسنجی کنند. آنچه یاد خواهید گرفت تفاوت بین LLMها و عامل‌های هوش مصنوعی چرا از LangChain برای ارکستراسیون عامل‌ها استفاده می‌شود؟ چگونه عامل‌های هوش مصنوعی کنترل‌شده را برای کاربردهای کسب و کار طراحی کنید؟ مهندسی پرامپت‌ برای کسب‌وکار، برنامه‌ریزی، بازاریابی، ایمیل و تسک ها استفاده از اسکیماها برای اعمال پاسخ‌های ساختاریافته‌ی هوش مصنوعی ساخت زنجیره‌ها و agent executors درک عمیق RAG (Retrieval-Augmented Generation) بارگذاری فایل‌ها و تبدیل آن‌ها به context قابل‌استفاده برای هوش مصنوعی ساخت تعبیه‌ها و ذخیره‌ی آن‌ها در یک پایگاه‌داده برداری انجام جست‌وجوی شباهت با استفاده از retrieverها مدیریت context و حل مشکلات حافظه‌ی RAG بازبینی و اعتبارسنجی پاسخ‌های هوش مصنوعی پیش از خروجی نهایی مشاهده و مدیریت vectorها در ChromaDB افزودن middleware امنیتی به backend هوش مصنوعی خود اجرای کامل عامل هوش مصنوعی با استفاده از FastAPI پروژه‌ای که خواهید ساخت در این دوره، یک سیستم کامل عامل هوش مصنوعی کسب و کار خواهید ساخت که شامل موارد زیر است: یک عامل‌‌ کسب و کار برای درک نیازمندی‌ها یک عامل‌‌ برنامه ریزی برای تصمیم‌گیری ساختاریافته یک عامل‌‌ بازاریابی برای استراتژی و تولید محتوا یک عامل‌‌ Email برای ارتباط حرفه‌ای یک عامل‌‌ تسک ها برای تولید تسک ساختاریافته یک پایپ لاین RAG (Retrieval-Augmented Generation) با استفاده از پایگاه‌داده برداری بازبینی و اعتبارسنجی پاسخ پیش از خروجی نهایی یک backend API ساخته‌شده با FastAPI تا پایان دوره، درک خواهید کرد که چندین عامل چگونه در یک سیستم هوش مصنوعی واقعی با هم کار می‌کنند. این دوره برای چه کسانی مناسب است؟ هر کسی که می‌خواهد یاد بگیرد چگونه با LangChain و RAG عامل‌های هوش مصنوعی بسازد. هر کسی که می‌خواهد LangChain را یاد بگیرد. هر کسی که می‌خواهد درباره‌ی عامل‌های هوش مصنوعی کنترل‌شده یاد بگیرد.