Udemy – Agentic Architecture: AI Agent Design Patterns in Python 2026-10

در تاریخ: 1405/07/25 2:06:48

توضیحات

دوره Agentic Architecture: AI Agent Design Patterns in Python. این دوره آموزشی یک برنامه پیشرفته و عملی است که به توسعه‌دهندگان نرم‌افزار می‌آموزد چگونه معماری و الگوهای طراحی ایجنت‌های هوش مصنوعی را به شکلی ایمن، قابل پیش‌بینی و مقرون‌به‌صرفه پیاده‌سازی کنند. این آموزش فراتر از نمایش‌های ساده و نمایشی عمل می‌کند و بر ساختارهایی تمرکز دارد که یک ایجنت هوش مصنوعی را در محیط‌های واقعی قابل پیش‌بینی، امن و اقتصادی می‌سازد. بیشتر نمونه‌های نمایشی در مواجهه با درخواست‌های غیرمنتظره کاربران با مشکل مواجه می‌شوند، اما این دوره به معماری پشت صحنه می‌پردازد. فراگیران در این برنامه یک سامانه کامل را از ابتدا تا انتها، یعنی بخش پشتیبانی یک کتابفروشی آنلاین کوچک، توسعه می‌دهند. این سامانه وظیفه خواندن تیکت‌های مشتریان، بررسی سفارش‌ها، کنترل سیاست‌های بازپرداخت وجه و نوشتن پاسخ‌ها را بر عهده دارد، در حالی که برخی تیکت‌ها نیازمند قضاوت دقیق بوده و حتی شامل تلاش‌های مخرب برای فریب دادن ایجنت هستند. در طول این دوره، شرکت‌کنندگان می‌آموزند که چگونه میان جریان‌های کاری و ایجنت‌ها تمایز قائل شوند، حلقه ایجنت را با پایتون و کیت توسعه نرم‌افزار ایجنت کلود به صورت دستی پیاده‌سازی کنند و محدودیت‌های زمانی و بودجه‌ای را اعمال نمایند. مباحث طراحی ابزار، الگوهای جریان کاری، الگوهای چند ایجنتی، مدیریت وضعیت و حافظه، مکانیزم‌های حفاظتی و گاردریل‌ها، و ارزیابی عملکرد عملیاتی به صورت کاملاً کاربردی بررسی می‌شوند. تمامی الگوها به همراه پیاده‌سازی‌های واقعی پایتون، ردیابی تمامی فراخوانی‌ها، بررسی هزینه‌های API و بررسی سناریوی خطاهای واقعی ارائه شده‌اند تا فراگیران با تسلط کامل بر الگوهای طراحی، آماده پیاده‌سازی سیستم‌های هوش مصنوعی در سطح تولید باشند.

آنچه فرا خواهید گرفت

تشخیص زمان مناسب برای استفاده از فراخوانی تکی مدل، جریان کاری یا ایجنت خودمختار و توجیه این انتخاب بر اساس هزینه و ریسک
پیاده‌سازی دستی حلقه ایجنت در پایتون و سپس به کمک کیت توسعه نرم‌افزار ایجنت کلود با اعمال محدودیت‌های گردش، بودجه و زمان
طراحی ابزارهای بهینه برای مدل شامل توضیحات واضح، شماهای دقیق، مدیریت خطاها و نوشتن ابزارهایی با قابلیت اعتبارسنجی در کد
پیاده‌سازی الگوهای زنجیره‌سازی پرامپت، مسیریابی، بخش‌بندی موازی، رای‌گیری، ارکستراتور-کارگران و ارزیاب-بهینه‌ساز
مدیریت حافظه پنهان، نشست‌ها، حافظه خارجی و بازیابی اطلاعات و نحوه مواجهه با اطلاعات منسوخ شده در حافظه ایجنت
حفظ امنیت ایجنت‌ها با استفاده از اصل حداقل دسترسی، تایید انسانی، قلاب‌ها، مسیرهای ممیزی و دفاع در برابر تزریق پرامپت
اثبات عملکرد ایجنت با استفاده از مجموعه‌های ارزیابی کدگذاری‌شده، ردیابی تمامی اجراها و محاسبه هزینه به ازای هر وظیفه

این دوره مناسب افرادیست که

توسعه‌دهندگان نرم‌افزاری که می‌خواهند ایجنت‌های هوش مصنوعی با رفتار قابل پیش‌بینی در محیط تولید بسازند
رهبران فنی و معمارانی که میان فراخوانی‌های تکی، جریان‌های کاری و ایجنت‌ها برای محصولات واقعی انتخاب می‌کنند
مهندسانی که در حال حاضر از رابط‌های برنامه‌نویسی مدل‌های زبان بزرگ استفاده می‌کنند و به دنبال الگوهایی برای ابزارها، سیستم‌های چند ایجنتی و ارزیابی‌ها هستند
هر فردی که می‌خواهد عملکردهای واقعی ایجنت‌ها را به جای اسلایدهای تئوری همراه با تمامی جزئیات ابزارها و هزینه‌ها مشاهده کند

مشخصات دوره Agentic Architecture: AI Agent Design Patterns in Python

ناشر: Udemy
مدرس: Laurentiu Raducu
سطح آموزش: مبتدی تا پیشرفته
مدت زمان آموزش: 1 ساعت و 41 دقیقه
تعداد دروس: 35

سرفصل های دوره

پیشنیازهای دوره Agentic Architecture: AI Agent Design Patterns in Python

Comfortable reading Python 3. No prior experience with AI agents is needed
Python 3.12 or newer to run the demo project
To run the demos yourself: Claude Code installed, with a Claude subscription or an Anthropic API key. Watching the course needs neither