دوره جامع مهندسی ایجنت‌های هوش مصنوعی

یاد می‌گیری داده را با JSON مدل کنی و با API کار کنی؛ مهارت پایه برای Tool Calling و Structured Output.

• ساختار JSON، Schema و Validation
• درخواست HTTP، Header، Status Code و Authentication
• کار با SDKها، Retry ساده و خواندن پاسخ API

با Agentic AI و تفاوت Agent با Chatbot، Assistant، Copilot و Workflow آشنا می‌شوی و یاد می‌گیری چه زمانی Agent منطقی است.

• معماری کلی سیستم‌های Agentic
• Model، Instructions، Context، Tools و Tool Catalog
• State، Memory، Planning، Agent Loop، Guardrails، Evaluation و Tracing

LLM را به‌عنوان یکی از اجزای Agent به‌کار می‌گیری؛ نه به‌عنوان کل سیستم.

• System / User / Assistant Message و انتخاب مدل مناسب
• Streaming، Timeout، Retry، Model Fallback و مدیریت خطا
• Structured Output: JSON Schema، Enum، Validation و خروجی نامعتبر

تفاوت Prompt معمولی با Agent Prompt را می‌شناسی و Prompt تصمیم‌گیری و انتخاب Tool می‌نویسی.

• Role، Goal، Constraints، Success Criteria و Few-shot
• Prompt Template، تفکیک Instruction از Data، Prompt منتقد
• جلوگیری از Hallucination و نسخه‌بندی Prompt

به‌جای قراردادن همه اطلاعات در Prompt، فقط اطلاعات مرتبط را در زمان مناسب در اختیار مدل می‌گذاری.

• Context Window، Budget، Relevance، Ordering، Pollution و Conflict
• Compression، Sliding Window، Summarization و Dynamic Context
• طراحی Context Builder: Ranking، Deduplication و Token Budget Manager

ابزارها به Agent اجازه می‌دهند اطلاعات بخواند یا عمل واقعی انجام دهد.

• Function Calling، Tool Schema و Tool Description
• ابزارهای Read/Write و Sync/Async، Timeout و Retry
• استانداردسازی خطا و جلوگیری از Tool Hallucination

در پروژه‌های واقعی ده‌ها ابزار وجود دارد؛ یاد می‌گیری چگونه آن‌ها را فیلتر، رتبه‌بندی و با MCP متصل کنی.

• Tool Registry، Metadata، Permission، Risk Level و Confirmation Policy
• Rule / LLM / Hybrid Tool Router و Semantic Tool Search
• Tool Executor و آشنایی کاربردی با Model Context Protocol

قلب Agent حلقه اجراست: مشاهده، تصمیم، اجرا، بررسی و توقف در زمان مناسب.

• Observe / Think / Act، ReAct، Reflection و Critic Loop
• Human Approval، Max Steps، Timeout و Cost Budget
• تشخیص Infinite Loop، Tool Call تکراری، Stuck Agent و Stop Reason

تفاوت State، Context و Memory را می‌آموزی و Task Decomposition و Replanning را پیاده می‌کنی.

• State Schema، Checkpoint، Pause، Resume، Recovery و Idempotent Execution
• شکستن هدف به Task، Sequential/Parallel Planning و Dependency
• Planner / Executor / Critic و جلوگیری از Overplanning

برای رفتار پیوسته، اطلاعات مفید را ذخیره و در زمان مناسب بازیابی می‌کنی.

• Short-term، Long-term، Semantic، Episodic و Procedural Memory
• Extraction، Validation، Ranking، Update و Expiration
• Memory Privacy و حافظه در سیستم‌های چندکاربره

Agent را به اسناد و منابع دانشی وصل می‌کنی و پاسخ را با Citation ارائه می‌دهی.

• Embedding، Chunking، Hybrid Search، Query Rewriting و Reranking
• Citation، Source Attribution و ارزیابی Retrieval
• ترکیب RAG با Context Builder، History و Tool Result

یاد می‌گیری کدام مراحل باید قطعی باشند و کدام به تصمیم مدل نیاز دارند.

• Sequential / Parallel / Conditional / Router و Human-in-the-loop
• LangGraph: State، Node، Edge، Checkpoint، Interrupt و Subgraph
• Persistence، Human Approval، Parallel Nodes و Trace

OpenAI Agents SDK و مقایسه Frameworkها را یاد می‌گیری تا وابستگی شدید به یک کتابخانه نداشته باشی.

• OpenAI Agents SDK: Agent، Runner، Handoff، Sessions، Guardrails و Tracing
• مقایسه LangChain، LangGraph، CrewAI، AutoGen، n8n و MCP
• چه زمانی بدون Framework و چه زمانی با Framework کار کنی

هرچه ابزار بیشتر باشد، ریسک عملیات اشتباه هم بیشتر است؛ اینجا کنترل می‌کنی.

• Prompt Injection، Jailbreak، Data Leakage و Tool Abuse
• Permission، Risk Classification، Human Approval و Tool Allowlist
• Context Isolation، Memory Privacy، Secret Protection و Audit Trail

Agentها قطعی نیستند؛ تست آن‌ها با تست نرم‌افزار معمولی کافی نیست.

• Golden Dataset، Task Completion و Tool Selection Accuracy
• Context Relevance، Hallucination Rate و LLM-as-a-Judge
• Regression Testing، A/B Testing، Cost و Latency Evaluation

برای بهبود Agent باید بتوانی رفتار آن را مشاهده، اندازه‌گیری و بهینه کنی.

• Agent / Context / Tool / Loop / State Trace و Prompt Version
• Langfuse، LangSmith، OpenTelemetry، Token و Cost Tracking
• Model Routing، Context Compression، Caching و تعادل دقت/سرعت/هزینه