لینک گروه چت Agentic AI
https://t.me/+08yJG36SmCExNWU0

مباحثی که مد نظر هست بهشون بپردازیم این هاست:

Agentic AI
چی هست و چطوری تکامل پیدا کرده و به این جا رسیده
مبحث Embeddibg و Vector Database
آشنایی با Memory و حافظه در سیستم های Agentic
آشنایی با RAG و انواع اون
آشنایی با دیتابیس های برداری مثل Neo4j و مبحث Graph RAG و Knowledge Graph و Multi Hop reasoning
مباحث تئوری Agentic AI و نحوه کارکرد یک سیستم Agentic با فرض این که مموری و گراف و وکتور دیتابیس ها رو بشناسیم.
ساخت یک سیستم Agentic با استفاده از pure python برای درک بهتر .

مباحث تئوری و عملی پروتکل MCP و A2A به همراه مثال های کاربردی

ساخت یک سیستم agentic با استفاده از فریمورک هایی مثل LangGraph, CrewAI ، Google ADK و یا Open AI SDK

آشنایی با فریمورک DSPy برای بهینه سازی اتوماتیک پرامپت ها

انواع معماری و دیزاین پترن در سیستم های Agentic

تکامل RAG از یک Naive RAG تا یک Agentic RAG

LLM Security
و آشنایی با طراحی SafeGuard در agent ها

مباحث مهندسی نرم افزار و طراحی API برای AI Agent ها

مباحث زیرساخت و Deployment برای سیستم های Agentic AI

مباحث جانبی هم هست
مثل Multi Modal Agent ها
OCR
و پردازش اسناد و ...

البته محدود به این مباحث نیستیم و سیلابس خیلی مشخصی رو نمیشه مشخص کرد ، چون مرتبا مباحث این حوزه در حال تغییر و به روز شدن هستن.

دوستان سلام به شما ، مطابق نظرسنجی که برگزار شد، ۷۸ درصد به برگزاری جلسه اول به صورت ویدئو آفلاین رای دادن.
به زودی تا چند روز دیگه جلسه اول، آپلود خواهد شد.

🎬 ویدئوی جلسه اول دوره Agentic AI ضبط شد! 🤖

در جلسه اول، قبل از اینکه وارد مباحث پیشرفته‌تر شویم، سعی کردم یک تصویر جامع از دنیای Agentic AI بسازیم و مفاهیم اصلی را قدم‌به‌قدم کنار هم قرار دهیم.

📌 سرفصل‌های جلسه اول:

1️⃣ مقدمه‌ای بر Agentic AI

- چرا Agentic AI اهمیت پیدا کرده؟
- نقشه راه دوره

2️⃣ LLM چیست؟

- تعریف و نحوه عملکرد
- محدودیت‌های ذاتی LLMها

3️⃣ Agent چیست؟

- چرخه‌ی Perceive → Reason → Act
- معرفی مثال محوری

4️⃣ RAG چیست؟

- Retrieve → Augment → Generate

5️⃣ Memory در Agentها

- Short-term vs Long-term Memory
- Episodic vs Semantic Memory

6️⃣ Prompt Engineering

- اصول پایه Prompt Engineering
- محدودیت‌های آن در سیستم‌های پیچیده‌تر

7️⃣ Context Engineering

- چرا Context Engineering اهمیت بیشتری پیدا کرده؟
- مدیریت Context Window
- ترکیب RAG، Memory، Tool Outputs و Instructions
- مفهوم Context Rot

8️⃣ Harness چیست؟

- زیرساخت تبدیل LLM به Agent
- Tools، Guardrails و Code Execution

9️⃣ Loop Engineering

- چرخه‌ی Reason → Act → Observe
- Stopping Conditions
- مدیریت خطا و کنترل Loop

🔟 کاربردهای Agentها

- Software Engineering و Coding Agents
- تولید محتوا و SEO
- Customer Support
- Research و Data
- Business Automation

1️⃣1️⃣ پروتکل‌های استاندارد

- MCP: اتصال Agent به ابزار و داده
- A2A: ارتباط Agent با Agent

2️⃣ 1️⃣فریمورک‌های مطرح

- LangChain / LangGraph
- CrewAI
- AutoGen
- OpenAI Agents SDK
- Claude Agent SDK
- Semantic Kernel

3️⃣ 1️⃣جمع‌بندی و نقشه راه جلسات بعدی

⏱️ مدت تقریبی جلسه: ۶۰ دقیقه

در این جلسه هدف اصلی این بود که یک Mental Model درست از Agentic AI داشته باشیم؛ از LLM و Prompt Engineering شروع کنیم و قدم‌به‌قدم به Context Engineering، Harness، Loop و در نهایت سیستم‌های Agentic برسیم.

🚀 این تازه شروع مسیر است.
جلسات بعدی وارد بخش‌های عمیق‌تر و عملی‌تر ساخت سیستم‌های Agentic AI خواهیم شد.
به زودی آپلود خواهد شد...

Agentic AI-01

دوستان محتوای جلسه ۲ هم آماده ست و ضبطش باقی مونده.
به prompt engineering می پردازیم و شامل ۲ جلسه هست.
جلسه اول از مبحث مهندسی پرامپت به تئوری ها می پردازیم و در جلسه دوم از این مبحث بر اساس یک کتابچه حل تمرین ، تکنیک های مختلف رو به صورت عملی انجام می دیم. تمریناتی هم در نظر گرفته شده که می تونید انجام بدید و حسابی خودتون تمرین کنید تا مفاهیم به صورت کامل جا بیفته.

@AgentiicAI

جلسه دوم هم ضبط شد و در یوتیوب آپلود شد، جلسه دوم به مبحث مهندسی پرامپت یا Prompt Engineering اختصاص داره‌.
در این جلسه مبانی و تکنیک های مختلف و مثال هایی رو بررسی می کنیم و در جلسه بعدی به تمرین عمیق تر می پردازیم. فایل های اسلایدها و دفترچه پرامپت بعد از جلسه سوم در کانال تلگرام قرار می گیرند‌.
@AgentiicAI

https://youtu.be/YXrlZIh1QSE

فایل های جلسات 1 تا 3 دوره Agentic AI

https://youtu.be/wWmjITREehU
جلسه سوم هم آپلود شد‌
۱۰ تا تمرین برای prompt engineering حل می کنیم و در این مبحث عمیق تر می شیم.
همین :)))


Channel: @AgentiicAI

دوستتان سلام، قسمت Embedding هم رکورد شد. ۲ ساعت و ۱۰ دقیقه راجع به امبدینگ صحبت کردیم و پیاده سازی هم داشتیم. فقط به خاطر مشکلات اینترنت خیلی کند آپلود می شد که آپلود ویدئو موکول شد به تایمی که سرعت اینترنت و کیفیت vpn بهتر باشه.
جلسه بعدی راجع به ۲ تا دیتابیس برداری Qdrant و Pinecone هست که در محصولات واقعی و تجاری به وفور استفاده می شن.
تا جای ممکن باید سعی کنیم سریع بریم جلو و مباحث رو هم عمیق و هم تا جای ممکن گسترده پوشش بدیم

سلام دوستان
جلسه ۴ ، به طور کامل به مبحث Embedding اختصاص داره.
خودمم تعجب می کنم که ۲ ساعت درباره Embedding صحبت کردم
هم تئوری داشتیم و هم کد نویسی.
البته رویکرد ما این جا یک رویکرد عملی و استفاده از امبدینگ برای حل مسائل مهندسی هست. اگر مایل بودید درباره امبدینگ بیشتر یاد بگیرید و مدل های امبدینگ رو آموزش بدید، باید برید سراغ کورس های NLP و دیپ لرنینگ.
فایل ها هم بعد از اتمام یکی دو جلسه آینده در اختیارتون قرار می گیره.
@AgentiicAI

https://youtu.be/nPgqHA9n1EU

https://agentrouter.org/register?aff=Q2c4

از این لینک هم می تونید معادل 125 تا 175 دلار کردیت ( اعتبار) API Key بگیرید برای استفاده از model های هوش مصنوعی ، کاملا رایگان .
فقط این که بهتر هست با اکانت گیت هاب در این سایت Log in کنید.

در ادامه دوره بسیار با API های مدل های مختلف کار خواهیم کرد.
تا جای ممکن باید سعی کنیم هزینه های توسعه رو پایین نگه داریم تا پروژه های متعدد رو پیاده کنیم.