سطح عمومی

نقشه راه AI Agents

Learn to design, build and ship AI agents in 2025

طراحی و تدوین مسیر

امیر دایی

محتوای مسیر
۹۷ گام آموزشی
رضایت یادگیرندگان
۵ از ۵(۱ رأی)
همراهان این مسیر
اولین نفر باشید
نظرتان درباره‌ی این مسیر؟
اولین دیدگاه را بنویسید
ابزار DeepEvalساختار Input و Outputمشاهده سایر مسیرهای یادگیری مرتبطپروتکل MCPقابلیت Tool Use در Anthropicقیمت‌گذاری مبتنی بر Tokenساخت MCP Serverهاابزارها چه هستند؟سرویس OpenAI Assistant APIدرخواست‌های APIالگوی ReActسایر الگوهای معماریعملیات Web Scraping و Crawlingمقایسه Fine-tuning و PromptEngineeringمثال‌های کاربردیامنیت و Red Team Testingارائه Context و جزییات تکمیلیالگوی Planner Executorنمونه‌هایی ازابزارهاپیاده‌سازی و ساختAgentدرک مفاهیم پایه‌ایابزار openllmetryفریم‌ورکAutoGenمیزبان‌های MCPقابلیت Native برای FunctionCalling در LLMهاعامل‌های هوش مصنوعی چیستند؟Backend Beginner Roadmapقابلیت Function Calling در OpenAIامنیت و اصولاخلاقیقیمت‌گذاری مدل‌های رایج2حداکثر طول مجازدسترسی به فایل سیستممدیریت و نگهداریحافظهکلاینت‌های MCPروش‌های استقرارعامل‌های RAGمحیط ابری یا ریموتمدل‌های Open Weightتنظیمات و کنترل‌هایتولید متنمفهوم Context Windowsمبانی LLMمقایسه حافظه Episodic وSemanticمدیریت خطاهاحلقه اجرایی Agent Loopعامل‌های DAGابزار Smol Depotگاردریل‌های مربوط به Bias وToxicityمفهوم Tokenizationاجزای اصلیاستفاده از پایگاه دادهVector، SQL یا سفارشیپاسخ‌های Streamed در مقایسه باUnstreamedمحیط محلی دسکتاپپارامتر Top-pفریم‌ورکLlamaIndexkaar2.irقابلیت Function Calling در Geminiیادگیری پیش‌نیازهامکانیسم‌های مدلAI Agentsخلاصه‌سازی و فشرده‌سازی اطلاعاتمعیارهای توقفGit and GitHub Roadmapفریم‌ورکLangChainجستجو در وب4مشاهده نسخه کامل این نقشه راه و مواردمشابهپارامترTemperatureدریافت و پردازش ورودی کاربرحافظه Short Termاستراتژی‌های منقضی‌سازی وفراموشی داده‌هااستفاده از Git و Terminalپلتفرم Heliconeاجرای کد در REPLپارس کردن خروجی مدلمدل‌های Reasoning در مقابل Standardفراخوانی مستقیمAPIهای مدلابزارها و اقدام‌هاتکنیک Tree-of-Thoughtتست و بهبود مداوم پرامپت‌هاAI Engineerهوش مصنوعی در بازی‌ها و NPCهاپیاده‌سازی چرخه Agent Loopفریم‌ورک‌هادیباگ و مانیتورینگتست یکپارچگی جریان‌هاتولید کددستیار شخصیابزارهای مانیتورینگو Observabilityمدیریت خطاها و محدودیت‌هایRate-limitتعریف ابزارهاارسال ایمیل، پیام در اسلک یاپیامکمشخص و دقیق بودن در بیان خواستهذخیره‌سازی اطلاعات کاربرمعماری‌های رایجتست واحد برای هر یک از ابزارهاآشنایی با REST APIتکنیک Chain of Thoughtاصول نوشتن پرامپت‌هایموثردرک اصول و مبانی RAGحریم خصوصی داده‌ها و PIIRedactionارزیابی با بازخورد انسانیAI & Data Scientistاجرا و فراخوانی ابزارهاپلتفرم LangSmithحملات Prompt Injection وJailbreakمعماری‌های مختلفAgentاستفاده از اصطلاحات تخصصی مرتبطکوئری‌های دیتابیسمفهوم Agent Memory چیست؟کاربردهای نمونهمفاهیم اولیه AIAgentهامدل‌های Closed Weightمفهوم PromptEngineeringقرار دادن درداخل Promptحافظه Long Termفریم‌ورک CrewAIمفاهیم Embeddings و Vector Searchحافظه Agentابزار LangFuseپیاده‌سازی دستی از صفرایزوله‌سازی Toolها و مدیریتدسترسی‌هاشاخص‌ها و معیارهای سنجشپارامتر Presence Penaltyنام و توضیحاتتوسعه پایه‌ای Backendتوسعه به کمک فریم‌ورک‌ها31Prompt Engineering Roadmapاستفاده از RAG و دیتابیس‌هایVectorتحلیل دادهRELATED ROADMAPS› AI Engineer Roadmap› AI and Data Scientist Roadmap› MLOps Roadmap› AI Red Teaming Roadmap› Prompt Engineering Roadmapتعیین طول، فرمت و جزییات خروجیخانواده مدل‌ها و لایسنس‌هاپلتفرم LangSmithفریم‌ورکHaystackارزیابی و تستتعریف Prompt Engineeringاستدلال و برنامه‌ریزیAPI Design Roadmapاستفاده از مثال در Promptسرورهای MCPابزار Ragasمدل‌های Transformer و LLMهامراحل Observation وReflectionپارامتر Frequency Penaltyلاگ‌گیری ساختاریافته و Tracing