دوره طراحی فرایندهای ایجنتی در مؤسسه کادوس، ادامه مسیر یادگیری مهندسی ایجنت برای افرادی است که می‌خواهند دستیارهای هوشمند چندمرحله‌ای بسازند. در این دوره ۴۵ ساعته، با ابزارهای langChain و langGraph آشنا می‌شوید و مدیریت وضعیت، حافظه، مسیرهای شرطی و بازخورد را تمرین می‌کنید. آموزش با پروژه‌هایی مانند نویسنده و ویراستار محتوا و دستیار پشتیبانی فروشگاه اینترنتی پیش می‌رود تا کاربرد مفاهیم را در موقعیت‌های متفاوت تجربه کنید.
چرا طراحی فرایندهای ایجنتی مهم است؟
ساخت یک دستیار هوشمند، به ارسال درخواست به مدل محدود نمی‌شود. برنامه باید تشخیص دهد چه اطلاعاتی لازم دارد، کدام ابزار را اجرا کند و چگونه از نتیجه آن استفاده کند. گاهی درخواست کاربر مبهم است، ابزار خطا می‌دهد یا پاسخ تولیدشده به اصلاح نیاز دارد. در بعضی مراحل نیز باید پیش از ادامه کار، تأیید کاربر دریافت شود.
در دوره آموزش langChain و langGraph برای ساخت ایجنت هوش مصنوعی، یاد می‌گیرید این موقعیت‌ها را در طراحی برنامه لحاظ کنید. مراحل ثابت، تصمیم‌های مدل و مسیرهای جایگزین را مشخص می‌کنید و برای تکرار، توقف و ادامه اجرا قواعد می‌سازید.
هدف دوره آموزش لنگ‌چین و لنگ‌گراف
هدف دوره، ساخت فرایندهای ایجنتی با کنترل مشخص بر مراحل اجراست. لنگ‌چین یا LangChain برای کار با مدل، پیام‌ها و ابزارها استفاده می‌شود. لنگ‌گراف یا LangGraph به شما امکان می‌دهد وضعیت برنامه و ارتباط میان مراحل را تعریف کنید. ابتدا منطق هر قابلیت را بررسی می‌کنید و سپس آن را در پروژه پیاده‌سازی می‌کنید.
ترتیب مباحث با الهام از مسیرهای آموزشی آکادمی لنگ‌چین تنظیم شده و با تمرین‌های هدایت‌شده متناسب با سطح دانش‌پذیران ادامه پیدا می‌کند. آموزش از اجرای ساده و متوالی شروع می‌شود و به انتخاب مسیر، حلقه ایجنت، حافظه، اصلاح پاسخ و تأیید انسان می‌رسد.
دوره آموزش langChain و langGraph برای چه کسانی مناسب است؟
این دوره برای دانش‌آموختگان دوره مبانی مهندسی ایجنت و افرادی مناسب است که با پایتون، ارتباط با مدل‌های زبانی و ساخت ابزار آشنا هستند. اگر یک دستیار ساده ساخته‌اید و می‌خواهید مسیر اجرای آن را توسعه دهید، این دوره فرصت مناسبی برای تمرین طراحی و استفاده از فریمورک‌هاست.
پیش‌نیاز اصلی، توانایی ارسال درخواست به مدل، خواندن پاسخ ساختاریافته و تعریف ابزار با تابع پایتون است. باید بدانید نتیجه ابزار چگونه به مدل برمی‌گردد و حلقه ایجنت چه زمانی ادامه پیدا می‌کند یا متوقف می‌شود. آشنایی با توابع، دیکشنری‌ها و مدیریت خطا نیز برای دنبال‌کردن تمرین‌ها ضروری است.
سرفصل‌های دوره ساخت ایجنت با لنگ‌چین و لنگ‌گراف
۱. مرور مفاهیم و تجزیه مسئله
ساختار یک ایجنت ابزارمحور را مرور می‌کنید و مسئله را به مراحل کوچک تقسیم می‌کنید. ورودی، خروجی و مسئولیت هر مرحله مشخص می‌شود. سپس معیار موفقیت را تعریف می‌کنید تا بتوانید نتیجه برنامه را با هدف کاربر مقایسه کنید.
۲. مبانی کار با langChain
با مدل‌ها، پیام‌ها، ابزارها و ساخت ایجنت در لنگ‌چین آشنا می‌شوید. یک ایجنت ساده را با اجزای آماده پیاده‌سازی می‌کنید و دریافت خروجی ساختاریافته را تمرین می‌کنید. مقایسه با پیاده‌سازی دستی کمک می‌کند نقش فریمورک و مسئولیت کد خودتان را بفهمید.
۳. مبانی langGraph و انتخاب مسیر
وضعیت، گره و ارتباط میان گره‌ها را با مثال یاد می‌گیرید. ابتدا گراف ساده می‌سازید و سپس اجرای متوالی، مسیرهای شرطی و حلقه ابزار را اضافه می‌کنید. برنامه می‌تواند نوع درخواست را تشخیص دهد و آن را به مسیر مناسب هدایت کند.
۴. مدیریت وضعیت و حافظه گفت‌وگو
اطلاعات موردنیاز مراحل را در وضعیت برنامه نگه می‌دارید و به‌روزرسانی آن را تمرین می‌کنید. مدیریت پیام‌ها، انتخاب تاریخچه مرتبط و خلاصه‌سازی گفت‌وگو نیز آموزش داده می‌شود. سپس ذخیره وضعیت در نقاط مشخص را تجربه می‌کنید تا اطلاعات لازم برای ادامه اجرا حفظ شوند.
۵. بازیابی اطلاعات از متن‌های آماده
در یک تمرین کوتاه، با پاسخ‌گویی بر پایه اطلاعات بازیابی‌شده یا RAG آشنا می‌شوید. چند متن ساده را تقسیم می‌کنید و با ابزار آماده، بخش مرتبط با پرسش را پیدا می‌کنید. سپس متن به مدل داده می‌شود تا پاسخ همراه با منبع تولید کند. معرفی بردار معنایی در حد نیاز همین تمرین انجام می‌شود.
۶. حلقه بازخورد و اصلاح پاسخ
فرایندی می‌سازید که پاسخ تولید می‌کند، آن را با معیار مشخص بررسی می‌کند و در صورت نیاز اصلاح می‌کند. بازخورد باید ایراد قابل‌بررسی بیان کند و تعداد اصلاح‌ها محدود باشد. نسخه اولیه و اصلاح‌شده را از نظر کیفیت، زمان و هزینه مقایسه می‌کنید.
۷. تأیید انسان و ادامه اجرا
برنامه را پیش از یک اقدام مشخص متوقف می‌کنید، تأیید یا اصلاح کاربر را دریافت می‌کنید و اجرا را ادامه می‌دهید.
۸. مشاهده اجرا و خطایابی
با لنگ‌اسمیت در حد مشاهده مسیر اجرای پروژه آشنا می‌شوید. ورودی و خروجی مراحل، ابزارهای فراخوانی‌شده و پاسخ نهایی را بررسی می‌کنید. سناریوهایی مانند درخواست مبهم، داده ناقص، ابزار نامناسب و خطای اجرا آزمایش می‌شوند. تعداد مراحل و هزینه نیز بررسی می‌شوند.
۹. تکمیل و ارائه پروژه
اجزای برنامه را یکپارچه می‌کنید و با قالب آماده، رابط ساده‌ای برای دستیار می‌سازید. سپس سناریوهای آزمون را اجرا می‌کنید، مشکلات را برطرف می‌کنید و روش اجرا را مستند می‌کنید. ارائه پروژه شامل نمایش قابلیت‌ها و توضیح محدودیت‌هاست.
پروژه‌های عملی دوره ساخت ایجنت هوش مصنوعی با langChain و langGraph
مینی‌پروژه نویسنده و ویراستار محتوا: برنامه‌ای می‌سازید که بر اساس اطلاعات آماده محصول، متن معرفی تولید می‌کند. مرحله بررسی، متن را از نظر کامل‌بودن اطلاعات، رعایت لحن و وجود ادعاهای بدون پشتوانه ارزیابی می‌کند. سپس بازخورد برای اصلاح متن استفاده می‌شود. این تمرین، کاربرد حلقه بازخورد را نشان می‌دهد.
پروژه اصلی دستیار پشتیبانی فروشگاه اینترنتی: دستیار، درخواست‌های مربوط به وضعیت سفارش، شرایط ارسال و مرجوعی را تشخیص می‌دهد و مسیر مناسب را انتخاب می‌کند. وضعیت سفارش با ابزار پایتون بررسی می‌شود و پرسش‌های مربوط به قوانین، از متن‌های آماده پاسخ می‌گیرند.
در ادامه، برنامه می‌تواند اطلاعات لازم برای درخواست مرجوعی را جمع‌آوری کند، پیش‌نویس را نمایش دهد و پس از تأیید کاربر، درخواست را در داده‌های نمونه ثبت کند. پروژه با اطلاعات آموزشی ساخته می‌شود و قابلیت‌های آن در طول جلسات، مرحله‌به‌مرحله تکمیل می‌شوند.
مدت زمان دوره
دوره در ۱۵ جلسه سه‌ساعته و مجموعاً ۴۵ ساعت برگزار می‌شود. تمرین، رفع اشکال و پروژه در همین زمان قرار دارند. در پایان، می‌توانید یک فرایند ایجنتی طراحی کنید، ابزارها و مسیرهای شرطی را به کار بگیرید، وضعیت و حافظه را مدیریت کنید و با مشاهده مراحل اجرا، خطاهای پروژه را پیدا کنید.
مشاوره و ثبت‌نام
برای دریافت مشاوره تخصصی و اطلاعات ثبت‌نام در دوره‌های هوش مصنوعی در رشت، با یکی از شعب مؤسسه کادوس تماس بگیرید:
شعبه لاکانی رشت (مرکزی)
شعبه مسکن مهر رشت
