ما در آیتی هلو از شهریور ۱۴۰۲ کارمون رو با عشق به کتاب و یادگیری شروع کردیم. تخصص ما چاپ کتابهای تخصصی به زبان اصلیه و با استفاده از تکنولوژیهای روز و مواد اولیه باکیفیت، مطمئن میشیم که هر کتاب از نظر ظاهر و محتوا در بهترین سطح قرار بگیره.
هدفمون اینه که دسترسی به منابع علمی و آموزشی معتبر رو برای همه سادهتر کنیم و در این مسیر، همراه و همکار خوبی برای شما باشیم.
Move beyond prompting to build a Context Engine, a transparent architecture of context and reasoning
اگر به دنبال کتابی هستید که شما را از سطح پرامپتنویسی ساده و غیرقابل پیشبینی به سمت طراحی سیستمهای هوش مصنوعی حرفهای، قابل اعتماد، شفاف و قابل تولید ببرد، کتاب Context Engineering for Multi-Agent Systems نوشتهٔ دنیس روثمن (Denis Rothman)، یکی از شناختهشدهترین نویسندگان حوزه هوش مصنوعی پیشرفته، دقیقاً همان منبعی است که نیاز دارید.
این کتاب ۱۰ فصلی، جدیدترین اثر نویسندهٔ پرفروش کتابهای Transformerها، Reinforcement Learning و Generative AI است که در سال ۲۰۲۵ منتشر شده و به شما یاد میدهد چگونه یک موتور زمینه (Context Engine) کاملاً شفاف، قابل ردیابی و مقاوم در برابر خطا طراحی و پیادهسازی کنید؛ سیستمی که فراتر از مدلهای تکعاملهٔ معمولی عمل میکند و آمادهٔ استفاده در پروژههای واقعی سازمانی است.
در حالی که اکثر کتابهای موجود هنوز روی «پرامپتنویسی بهتر» تمرکز دارند، دنیس روثمن یک گام بزرگ جلوتر رفته و به شما یاد میدهد چگونه کل معماری هوش مصنوعی را از نو طراحی کنید. در این کتاب شما یاد میگیرید:
چرا پرامپتنویسی دیگر کافی نیست
چگونه یک سیستم چندعاملهٔ شفاف (Glass-Box) بسازید که تمام تصمیماتش قابل ردیابی و توضیحپذیر باشد
چگونه حافظهٔ کوتاهمدت و بلندمدت، بازیابی اطلاعات با دقت بالا (High-Fidelity RAG)، و حفاظتهای امنیتی را در دل سیستم خودکار کنید
چگونه این معماری را در حوزههای کاملاً متفاوت (از حقوقی تا بازاریابی) دوباره استفاده کنید
این کتاب برای متخصصان و توسعهدهندگانی است که دیگر نمیخواهند فقط «پرامپت بزنند»، بلکه میخواهند سیستمهای هوش مصنوعی واقعی و قابل اعتماد بسازند:
مهندسان هوش مصنوعی و توسعهدهندگانی که با LLM کار میکنند
معماران سیستم و Solutions Architectها
دانشمندان داده و مهندسان یادگیری ماشین
توسعهدهندگانی که مسئولیت ساخت محصولات هوش مصنوعی سازمانی را دارند
هر کسی که با مفاهیم پایهٔ LLM آشنا است و حالا میخواهد به سطح حرفهای برسد
چگونه به جای پرامپتهای طولانی و شکننده، طرحهای معنایی دقیق و قابل تکرار بسازید که هدف، نقش و زمینه را به صورت ساختاریافته تعریف کنند.
معرفی پروتکل MCP و نحوهٔ هماهنگی چندین ایجنت تخصصی با یکدیگر برای حل مسائل پیچیده.
ترکیب ایجنتها، حافظهٔ کوتاهمدت و بلندمدت و جریان اطلاعات برای ایجاد رفتار هوشمند واقعی.
طراحی کامل معماری اصلی کتاب: یک موتور مرکزی که تمام اجزا را هماهنگ میکند.
اضافه کردن لایههای امنیتی، مدیریت خطا، و حفاظت در برابر حملات Prompt Injection و Data Poisoning.
یادگیری تکنیکهای پیشرفتهٔ Context Reduction بدون از دست دادن اطلاعات کلیدی.
پیادهسازی یک سیستم RAG واقعی با ارجاعدهی دقیق، قابل تأیید و مقاوم در برابر هالوسینیشن.
مدیریت Latency، Moderation خودکار، و اعمال سیاستهای سازمانی در خروجیهای هوش مصنوعی.
مثال واقعی از استفادهٔ مجدد موتور زمینه در حوزهٔ بازاریابی و تولید محتوای برندمحور.
نکات نهایی برای استقرار امن، مقیاسپذیر و قابل نظارت موتور زمینه در محیطهای واقعی.
کاملاً عملی و پروژهمحور: هر فصل همراه با کد قابل اجرا و پروژهٔ واقعی
معرفی پروتکل MCP (Model Context Protocol) برای اولین بار در یک کتاب
آموزش ساخت Glass-Box AI که تمام مراحل تصمیمگیری قابل ردیابی است
پوشش کامل امنیت: Prompt Injection، Data Poisoning، Moderation خودکار
مثالهای واقعی از حوزهٔ حقوقی، بازاریابی، پژوهش علمی و سازمانی
آموزش RAG با ارجاعدهی دقیق و قابل تأیید (High-Fidelity RAG with Citations)
آمادهسازی برای تولید: Observability، Scalability، Latency Management
نمونه چاپ کتاب موجود نیست.
نظرات کاربران