کتاب AI Agents and Applications

 کتاب طراحی سیستم‌های پایدار مبتنی بر مدل‌های زبانی بزرگ

در اواخر سال ۲۰۲۲، دنیای فناوری شاهد یک تغییر بنیادین بود. مدل‌های زبانی بزرگ (LLM) از حالت پروژه‌های آزمایشی خارج شده و به ابزارهایی کاملاً کاربردی تبدیل شدند. این تغییر باعث شد تا توسعه‌دهندگان بتوانند نرم‌افزارهایی بسازند که قادرند به زبان انسان صحبت کنند، متون را خلاصه کنند، کد بنویسند و گردش‌کارهای پیچیده را مدیریت کنند. با این حال، تبدیل این پتانسیل به سیستم‌های قابل اعتماد در محیط عملیاتی، چالشی بزرگ است. خرید نسخه چاپی کتاب طراحی سیستم‌های مبتنی بر مدل‌های زبانی بزرگ، راهنمایی جامع و پایدار برای عبور از این چالش‌ها و تسلط بر معماری‌های نوین هوش مصنوعی است.

رویکرد کتاب: تمرکز بر مفاهیم پایدار به جای روندهای گذرا

یکی از بزرگ‌ترین مشکلات در یادگیری توسعه سیستم‌های مبتنی بر هوش مصنوعی، تغییرات سریع این حوزه است. ابزارها و پارامترها به سرعت به‌روز می‌شوند و تکنیک‌های جدید جایگزین روش‌های قبلی می‌گردند. نویسنده این کتاب، روبرتو اینفانته، با درک این موضوع، رویکرد متفاوتی را در پیش گرفته است.

هدف این کتاب، دنبال کردن هر پارامتر جدید یا بهترین روش‌های کوتاه‌مدت نیست؛ بلکه تمرکز اصلی بر مفاهیم، معماری‌ها و الگوهای طراحی است که حتی با تغییر مدل‌ها و رابط‌های برنامه‌نویسی (API) نیز پایدار می‌مانند. با مطالعه این کتاب فیزیکی، شما یک مدل ذهنی شفاف برای ساخت سیستم‌های مبتنی بر هوش مصنوعی به دست می‌آورید که پایه و اساس کارهای آینده شما را تشکیل خواهد داد.

مهارت‌ها و ابزارهایی که با مطالعه این کتاب می‌آموزید

این مرجع تخصصی، مسیر ساخت برنامه‌های کاربردی واقعی را به شما نشان می‌دهد. مفاهیمی که در این کتاب پوشش داده شده‌اند عبارتند از:

ساختاردهی پرامپت‌ها و زنجیره‌های ماژولار

یادگیری نحوه تعامل صحیح با مدل‌های زبانی از طریق پرامپت‌نویسی اصولی و ایجاد زنجیره‌های منعطف که بتوانند وظایف مختلف را به صورت مرحله به مرحله انجام دهند.

طراحی خطوط لوله RAG (تولید افزوده شده با بازیابی)

شما می‌آموزید که چگونه اسناد را دریافت کرده، آن‌ها را به قطعات کوچک‌تر تقسیم کنید (Chunking)، جاسازی‌ها (Embeddings) را انجام دهید و زمینه مناسب را بازیابی کنید. این فرآیند باعث می‌شود تا پاسخ‌های هوش مصنوعی بر اساس داده‌های واقعی تنظیم شده و پدیده توهم (Hallucination) در مدل‌های زبانی به شدت کاهش یابد یا از بین برود.

توسعه عوامل هوش مصنوعی (AI Agents) و ربات‌های چت

ساخت ربات‌های چت آگاه به زمینه که دارای حافظه هستند و همچنین طراحی عواملی که می‌توانند از ابزارهای مختلف استفاده کرده و گردش‌کارهای چندمرحله‌ای با منطق انشعابی را هماهنگ کنند.

تسلط بر چارچوب‌های استاندارد

مثال‌های این کتاب با استفاده از زبان برنامه‌نویسی پایتون و ابزارهای قدرتمندی نظیر LangChain، LangGraph و LangSmith نوشته شده‌اند. با این حال، الگوهای آموزش داده شده به گونه‌ای هستند که به راحتی می‌توانید آن‌ها را به سایر فریم‌ورک‌ها نیز تعمیم دهید. مدیریت محدودیت‌های زمینه (Context Limits)، ایجاد تعادل بین هزینه و تاخیر، و همچنین ارزیابی و نظارت بر رفتار سیستم در محیط پروداکشن از دیگر مباحث کلیدی این کتاب است.