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