Udemy – Production AI Agents with LangChain + LangGraph [2026] 2026-5

در تاریخ: 1405/03/28 11:09:42

توضیحات

Production AI Agents with LangChain + LangGraph [2026]، دوره آموزش عامل‌های هوش مصنوعی تولیدی با LangChain و LangGraph [2026] توسط آکادمی Udemy منتشر شده است.این دوره به شما می‌آموزد که چگونه سیستم‌های عامل هوش مصنوعی آماده تولید را با استفاده از LangChain v0.3، LangGraph 1.0 و FastAPI بسازید. شما فراتر از دموهای ساده رفته و عامل‌های هوش مصنوعی را که بارهای کاری واقعی را مدیریت می‌کنند، عرضه خواهید کرد. این دوره پایپ‌لاین‌های RAG، ارکستراسیون چند-عاملی، امنیت، تست، قابلیت مشاهده‌پذیری با LangSmith و استقرار با داکر را پوشش می‌دهد. برنامه درسی پروژه‌محور است و شما را برای ساخت یک عامل پشتیبانی مشتری مبتنی بر RAG برای کاهش تیکت‌های پشتیبانی، یک سیستم تحقیقاتی چند-عاملی برای کاهش زمان تحقیق و یک API آماده تولید با پایپ‌لاین کامل درخواست شامل امنیت، کش و معیارها، راهنمایی می‌کند.

شما بر زبان بیانی LangChain (LCEL)، پایپ‌لاین‌های کامل RAG با الگوهای بازیابی پیشرفته و LangGraph برای عامل‌های حالت‌مند با مسیریابی شرطی و گردش کارهای انسان-در-حلقه مسلط خواهید شد. این دوره با پوشش امنیت در برابر تزریق پرامپت و نشت اطلاعات شخصی قابل شناسایی (PII)، مجموعه کاملی از متدولوژی‌های تست از واحد تا ارزیابی معنایی، و شیوه‌های استقرار با استفاده از داکر و Render، بر آمادگی برای تولید تأکید دارد. در پایان، شما یک پورتفولیو از پروژه‌های هوش مصنوعی واقعی و مستقر شده و مهارت‌های لازم برای مهندسی راه‌حل‌های هوش مصنوعی قوی و مقیاس‌پذیر را خواهید داشت.

آنچه خواهید آموخت

ساخت زنجیره‌های LLM قابل ترکیب با استفاده از LCEL LangChain نسخه 1 با خروجی ساختاریافته، استریمینگ، پردازش دسته‌ای و تعویض بین چند ارائه‌دهنده
پیاده‌سازی پایپ‌لاین‌های RAG تولیدی با قطعه‌بندی هوشمند، ذخیره‌سازهای برداری و 4 الگوی بازیابی پیشرفته: چند-کوئری، فشرده‌سازی متنی، جستجوی ترکیبی
طراحی عامل‌های هوش مصنوعی حالت‌مند با ماشین‌های حالت LangGraph، مسیریابی شرطی، حلقه‌های خود-اصلاح‌گر و گردش کارهای تأیید توسط انسان
ارکستراسیون سیستم‌های چند-عاملی با استفاده از الگوهای ناظر، انتقال وظیفه بین عامل‌ها، اجرای موازی و ساختارهای تیمی سلسله‌مراتبی
ایمن‌سازی اپلیکیشن‌های LLM در برابر تزریق پرامپت، نشت اطلاعات شخصی و دستکاری خروجی با لایه‌های دفاعی در سطح تولید
تست و ارزیابی سیستم‌های LLM با استفاده از تست‌های واحد، تست‌های یکپارچه‌سازی و ارزیابی معنایی بر اساس صحت، ارتباط و انسجام
استقرار APIهای تولیدی با FastAPI، محدودسازی نرخ درخواست، کش کردن پاسخ، لاگ‌گیری ساختاریافته، معیارها، ردگیری با LangSmith و داکر
ساخت 3 اپلیکیشن دنیای واقعی: عامل پشتیبانی مشتری، سیستم تحقیقاتی چند-عاملی و عامل بازبینی کد، هر کدام با بازگشت سرمایه قابل اندازه‌گیری

این دوره برای چه کسانی مناسب است

توسعه‌دهندگان پایتون که می‌خواهند مهارت‌های عامل هوش مصنوعی را به ابزارهای خود اضافه کرده و اپلیکیشن‌های واقعی بسازند، نه اینکه فقط آموزش‌ها را دنبال کنند
توسعه‌دهندگان بک‌اند یا فول-استک که می‌خواهند عامل‌های هوش مصنوعی را در محصولات و APIهای موجود ادغام کنند
مهندسانی که پس از یادگیری مبانی گیر کرده‌اند — آموزش‌های LangChain را دیده‌اند و می‌توانند یک LLM را فراخوانی کنند، اما نمی‌دانند چگونه سیستمی بسازند که خطاها را مدیریت کند، مقیاس‌پذیر باشد و در تولید خراب نشود
افرادی که به دنبال تغییر شغل به نقش مهندس هوش مصنوعی هستند — شرکت‌ها در سال 2026 برای این مهارت‌ها 25 درصد حقوق بیشتری پرداخت می‌کنند

مشخصات دوره Production AI Agents with LangChain + LangGraph [2026]

ناشر : Udemy
مدرس : Paulo Dichone | Software Engineer, AWS Cloud Practitioner & Instructor
زبان: انگلیسی
سطح آموزش: متوسط
تعداد دروس: 155
مدت زمان آموزش: 17 ساعت و 6 دقیقه

سر فصل های دوره Production AI Agents with LangChain + LangGraph [2026]

Production AI Agents with LangChain + LangGraph [2026]

پیش نیاز های دوره

Python intermediate level — comfortable with functions, classes, decorators, and type hints
Basic command line familiarity — creating directories, running scripts, installing packages
A code editor such as VS Code (free) and an OpenAI API key (costs $2–5 for the entire course)
No prior LangChain or LangGraph experience needed — Section 1 covers all foundations from scratch