Ai Agent Engineer – AI Agent Engineer 2026-10

در تاریخ: 1405/08/14 9:28:00

توضیحات

AI Agent Engineer، دوره آموزش مهندسی عامل های هوش مصنوعی توسط آکادمی Daniel Moka منتشر شده است.دوره AI Agent Engineer یک دوره ویدیویی کاربردی از Daniel Moka است که به شما می آموزد چگونه عامل های کدنویسی هوش مصنوعی قابل اعتماد بسازید، آن ها را هدایت کنید، عملکردشان را بررسی کنید و به کار بگیرید. در 10 ماژول، 55 درس ویدیویی و 27 تمرین عملی، با مبانی عامل های هوش مصنوعی، مهندسی پرامپت و زمینه، مهندسی زیرساخت اجرایی عامل، مهندسی حافظه، مهندسی حلقه های اجرایی و مهندسی مرزها آشنا می شوید. یاد می گیرید عامل ها را از طریق مخزن کد پروژه خود و با استفاده از فایل های دستورالعمل، مهارت ها، ابزارها، پروتکل زمینه مدل (MCP)، عامل های فرعی و هوک ها هدایت کنید. این دوره همچنین مهندسی اعتبارسنجی را پوشش می دهد؛ از جمله آزمون جهش، آزمون مبتنی بر ویژگی، آزمون سرتاسری، آزمون برنامه های قدیمی و دروازه های کنترل کیفیت در یکپارچه سازی پیوسته. علاوه بر این، با روش های مهندسی بازبینی، مانند ارزیابی دقیق برنامه پیش از پیاده سازی، استفاده از بازبین های نقاد و بررسی کارآمد درخواست های ادغام کد آشنا خواهید شد.

همچنین یاد می گیرید یک مخزن دانش متمرکز برای عامل ها ایجاد کنید، سرورهای محلی و آنلاین MCP بسازید و گردش کارهای خودکاری پیاده سازی کنید که بتوانند به صورت پیوسته اجرا شوند و در برابر خطرهایی مانند تزریق پرامپت نیز مورد بررسی قرار گیرند. در پایان دوره، عامل هوش مصنوعی اختصاصی خود را می سازید و آن را به صورت شبانه روزی روی یک رایانه یا سرور اجرا می کنید؛ عاملی که ابزارها، حافظه و وظایف مشخص خود را دارد. منابع همراه دوره شامل کتاب راهنمای 90 صفحه ای Agentic Coding Handbook با 9 فصل و 3 پیوست، نمونه کدها، 20 نمودار، راهنماهای قابل اجرا توسط عامل ها، بسته هوک ها، بسته پیکربندی عامل هوش مصنوعی، کتابخانه ای با بیش از 10 مهارت کاربردی، مخزن الگوی حافظه دوم و برنامه تمرینی TicketBay مبتنی بر Next.js و PostgreSQL است که محیط آزمایشی، دروازه یکپارچه سازی پیوسته، 27 تمرین عملی و راه حل های آن ها را ارائه می دهد. دسترسی مادام العمر به دوره و به روزرسانی های آن در اختیار شما قرار می گیرد.

آنچه خواهید آموخت

با مبانی عامل های کدنویسی هوش مصنوعی و نحوه همکاری مدل ها، پرامپت ها، زمینه، زیرساخت اجرایی، حافظه، حلقه های اجرایی و مرزها آشنا شوید.
از مهندسی پرامپت و مهندسی زمینه برای بهبود عملکرد عامل های هوش مصنوعی در انجام وظایف برنامه نویسی استفاده کنید.
عامل های هوش مصنوعی را از طریق مخزن کد و با استفاده از فایل های دستورالعمل، مهارت ها، ابزارها، MCP، عامل های فرعی و هوک ها هدایت کنید.
کد تولیدشده توسط هوش مصنوعی را با استفاده از آزمون جهش، آزمون مبتنی بر ویژگی، آزمون سرتاسری و دروازه های کنترل کیفیت در یکپارچه سازی پیوسته اعتبارسنجی کنید.
برنامه ها و کدهای تولیدشده توسط هوش مصنوعی را با استفاده از بازبین های نقاد، بررسی درخواست های ادغام کد و روش های اولویت بندی، به شکل کارآمد بازبینی کنید.
یک مخزن دانش متمرکز ایجاد کنید که عامل ها بتوانند دانش را در آن به اشتراک بگذارند، نگهداری کنند و به کار بگیرند.
سرورهای محلی و آنلاین MCP را برای اتصال عامل های هوش مصنوعی به ابزارها و محصولات بسازید و پیکربندی کنید.
حلقه های اجرایی خودکار و گردش کارهای مبتنی بر ایمیل ایجاد کنید و خطرهای تزریق پرامپت را شناسایی و مدیریت کنید.
یک عامل هوش مصنوعی شبانه روزی با حافظه، ابزارها و وظایف اختصاصی خود روی رایانه یا سرور شخصی تان بسازید و اجرا کنید.
مفاهیم دوره را از طریق 27 تمرین عملی با استفاده از برنامه تمرینی TicketBay ساخته شده با Next.js و PostgreSQL به کار بگیرید.

این دوره برای چه کسانی مناسب است

مهندسان نرم افزار که از قبل از عامل های کدنویسی هوش مصنوعی استفاده می کنند و می خواهند خروجی آن ها قابل اعتمادتر باشد و به نظارت مداوم کمتری نیاز داشته باشد.
توسعه دهندگانی که نرم افزار را به محیط عملیاتی منتقل می کنند و می خواهند کد تولیدشده توسط هوش مصنوعی را با آزمون های ساختاریافته و دروازه های کنترل کیفیت اعتبارسنجی کنند.
مهندسانی که می خواهند گردش کارهای خودکار هوش مصنوعی بسازند و یک عامل هوش مصنوعی را به طور پیوسته روی رایانه یا سرور خود اجرا کنند.
توسعه دهندگانی که از Claude Code، Cursor یا Codex استفاده می کنند و می خواهند اصول مهندسی عامل ها را در ابزارهای مختلف به کار بگیرند.
متخصصان نرم افزار علاقه مند به پیکربندی عامل ها از طریق مخزن کد، ابزارهای MCP، عامل های فرعی، هوک ها، حافظه مشترک و گردش کارهای خودکار برنامه نویسی.