اگر تا حالا با مدل‌های زبانی بزرگ کار کرده باشی، حتماً این حس را تجربه کرده‌ای که «خب، حالا چطور این را به یک چیز واقعی و قابل اتکا تبدیل کنم؟» این دوره دقیقاً همان‌جایی شروع می‌شود که بیشتر آموزش‌ها تمام می‌شوند. تمرکز اصلی روی ساختن عامل‌های هوش ...
عامل‌های هوش مصنوعی در تولید: مسترکلاس مهندسی 🤖
اگر تا حالا با مدل‌های زبانی بزرگ کار کرده باشی، حتماً این حس را تجربه کرده‌ای که «خب، حالا چطور این را به یک چیز واقعی و قابل اتکا تبدیل کنم؟» این دوره دقیقاً همان‌جایی شروع می‌شود که بیشتر آموزش‌ها تمام می‌شوند. تمرکز اصلی روی ساختن عامل‌های هوش مصنوعی (AI Agents) قابل اعتماد برای سال ۲۰۲۶ است؛ از حلقه‌های عامل و طراحی ابزار گرفته تا ارزیابی، مهندسی زمینه و مشاهده‌پذیری.
چرا این دوره؟
اکثر دوره‌های عامل‌محور یا خیلی سطحی‌اند یا فقط یک فریم‌ورک را آموزش می‌دهند. اینجا خبری از لانگ‌چین یا کرو-ای‌آی نیست؛ با SDKهای خام کار می‌کنیم تا بفهمی زیر کاپوت دقیقاً چه اتفاقی می‌افتد. یعنی وقتی بعداً با هر فریم‌ورکی مواجه شدی، می‌توانی منطق پشتش را تشخیص بدهی، نه اینکه فقط بلد باشی دکمه‌ها را فشار بدهی.
چه چیزهایی یاد می‌گیری؟ 🎯
ساخت یک سامانه کامل عامل از صفر: چرخه کار، لایه ابزار، مدیریت زمینه و حفظ ایمنی هنگام فراخوانی خام مدل زبانی بزرگ.
طراحی مجموعه ارزیابی پیش از نوشتن کد: قبل از اینکه یک خط کد عامل بنویسی، معیار سنجش داری. هر تغییر را با ۱۲ تیکت پشتیبانی واقعی اندازه‌گیری می‌کنی، نه با حس شخصی.
نوشتن ابزارهایی که عامل واقعاً بتواند استفاده کند: با طرح‌واره‌ها، توضیحات و پیام‌های خطای درست، طوری که نرخ شکست فراخوانی ابزارها پایین بیاید.
مهندسی پنجرهٔ زمینه: با بازیابی، فشرده‌سازی و حفظ حالت، عامل در اجراهای طولانی هم دقیق باقی می‌ماند.
پیاده‌سازی یک عامل تولیدی: روی سرور خصوصی با Docker، Traefik و ردیابی Langfuse برای مشاهده‌پذیری کامل.
این دوره چطور به کارت می‌آید؟
فرض کن می‌خواهی برای پروژه پایان‌نامه‌ات یک دستیار هوشمند بسازی که به سؤالات دانشجویان جواب بدهد. صرفاً وصل کردن یک مدل به یک API کافی نیست؛ باید بدانی چطور ابزارها را تعریف کنی، چطور خطاها را مدیریت کنی و از کجا بفهمی سیستم واقعاً کار می‌کند. این دوره همان مسیر را قدم‌به‌قدم نشان می‌دهد. حتی برای پروژه‌های کوچک دانشجویی، داشتن یک لایه ارزیابی و ردیابی، تفاوت بین «دموی قشنگ» و «چیز واقعاً کارآمد» است.
پیش‌نیازها
آشنایی با پایتون و توانایی خواندن یک تابع و فراخوانی یک API HTTP
داشتن کلید API از Anthropic یا OpenAI و چند دلار اعتبار برای تمرین‌ها
مشخصات دوره 📋
مشخصه
جزئیات
عنوان
عامل‌های هوش مصنوعی در تولید: مسترکلاس مهندسی
سطح
متوسط تا پیشرفته (نیاز به دانش پایه پایتون)
موضوع
AI Agents، مهندسی زمینه، ارزیابی، مشاهده‌پذیری
وب‌سایت
مکتب‌خونه
وضعیت قیمت
تخفیف ویژه
چند سؤال رایج
آیا باید فریم‌ورک خاصی بلد باشم؟ نه. اتفاقاً چون با SDK خام کار می‌کنیم، درک عمیق‌تری از مکانیزم‌ها پیدا می‌کنی.
این دوره برای تازه‌کارها مناسب است؟ اگر پایتون پایه بلد باشی و مفهوم API را بشناسی، می‌توانی همراه بیایی. ولی اگر هیچ تجربه‌ای با مدل‌های زبانی نداری، بهتر است اول یک آشنایی مقدماتی داشته باشی.
فرقش با دوره‌های دیگر چیست؟ اینجا روی «تولید» (production) تأکید می‌شود؛ یعنی ارزیابی، ایمنی، مشاهده‌پذیری و استقرار واقعی روی سرور، نه فقط نوشتن یک اسکریپت ساده. با تخفیف ویژه‌ای که در نظر گرفته شده، فرصت خوبی است که این مهارت‌ها را جدی‌تر دنبال کنی.
عامل‌های هوش مصنوعی در تولید؛ ثبت‌نام با تخفیف را از دست ندهید.
