محور موضوعی
آموزش هوش مصنوعی مولد به زبان فارسی، قدم‌به‌قدم و کاربردی؛ از پرامپت‌نویسی و ساخت چت‌بات تا RAG، ایجنت‌ها، ارزیابی و امنیت. یک مسیر ۵۰ قسمتی که از مفاهیم پایه شروع می‌شود و تا ساخت ایجنت‌های واقعی پیش می‌رود.
ارزیابی ایجنت هوش مصنوعی ایجنت آزمایشی را به محصولی قابل‌اعتماد تبدیل می‌کند. در این آموزش با مشاهده‌پذیری، Trace و Span، هفت معیار کلیدی پایش، ارزیابی آفلاین با مجموعه‌ی آزمون، ارزیابی آنلاین روی کاربران واقعی و چرخه‌ی بهبود مداوم آشنا می‌شوید.
ساخت ابزار برای ایجنت در smolagents به دو روش انجام می‌شود؛ دکوراتور tool برای ابزارهای ساده و کلاس Tool برای ابزارهای پیچیده. در این آموزش هر دو روش را با مثال می‌بینید و یاد می‌گیرید ابزار را در Hub منتشر کنید و از Spaces، LangChain و سرورهای MCP ابزار وارد کنید.
CodeAgent ایجنتی است که اقدام‌هایش را به‌جای JSON با کد پایتون می‌نویسد و اجرا می‌کند. در این آموزش می‌بینید چرا کد از JSON قدرتمندتر است، CodeAgent پشت صحنه چطور کار می‌کند و با چهار مثال عملی، از جستجوی وب تا اشتراک ایجنت و ردیابی اجرا، کار با آن را یاد می‌گیرید.
آموزش smolagents از صفر؛ با کپی یک قالب آماده در Hugging Face Spaces، اولین ایجنت عملی خود را می‌سازید، ابزار اختصاصی تعریف می‌کنید، مدل را تنظیم می‌کنید و ایجنت را با رابط گرافیکی برای دیگران منتشر می‌کنید.
پیش از هر فریم‌ورکی، یک ایجنت هوش مصنوعی را از صفر با پایتون می‌سازیم تا سازوکارش را واقعاً بفهمیم؛ اتصال به مدل با API بدون سرور Hugging Face، پیام سیستمی ReAct، مشکل مشاهده‌ی ساختگی، توقف پیش از Observation و اجرای ابزار واقعی.
ایجنت هوش مصنوعی در یک چرخه‌ی تکرارشونده کار می‌کند؛ فکر می‌کند، با ابزار اقدام می‌کند و نتیجه را مشاهده می‌کند تا به هدف برسد. در این آموزش این چرخه را با مثال ایجنت هواشناسی، پیام سیستمی ReAct و یک حلقه‌ی ساده‌ی پایتون قدم‌به‌قدم می‌بینید.
ابزار ایجنت هوش مصنوعی تابعی است که توانایی تازه‌ای به مدل زبانی می‌دهد؛ از جستجوی وب تا ماشین‌حساب. در این آموزش می‌بینید ابزار چطور کار می‌کند، چطور در پیام سیستمی معرفی می‌شود، چطور با دکوراتور خودکار توصیف می‌شود و MCP چه نقشی دارد.
با function calling مدل زبانی به‌جای متن آزاد، نام تابع و ورودی‌های ساختاریافته برمی‌گرداند و برنامه‌ی شما تابع را اجرا می‌کند. در این آموزش سه مرحله‌ی فراخوانی تابع را با پایتون و یک مثال واقعی جستجوی دوره یاد می‌گیرید.
RAG چیست و چرا مهم‌ترین روش اتصال هوش مصنوعی به داده‌های خودتان است؟ در این آموزش با مراحل RAG، پایگاه داده برداری، قطعه‌بندی، بازیابی ترکیبی و بازچینی آشنا می‌شوید و یک دستیار پاسخ‌گو از روی اسناد را با پایتون می‌سازید.
جستجوی معنایی به‌جای تطبیق کلمه، منظور کاربر را پیدا می‌کند. در این آموزش می‌بینید Embedding چیست، شاخص برداری چطور ساخته می‌شود، شباهت کسینوسی چه می‌کند و چطور با چند خط پایتون یک موتور جستجوی معنایی کوچک بسازید.
راهنمای ساخت چت‌بات هوش مصنوعی از طراحی تا سنجش کیفیت؛ تفاوت چت‌بات و برنامه‌ی گفت‌وگو، کد حلقه‌ی چت با حافظه، نوشتن پیام سیستمی، شخصی‌سازی، دسترس‌پذیری، فاین‌تیون و معیارهای کیفیت برای یک دستیار قابل‌اعتماد.
از پنجره‌ی چت به کد می‌رسیم؛ آموزش ساخت برنامه تولید متن با هوش مصنوعی در پایتون، از نصب کتابخانه‌ی openai و گرفتن کلید API تا ساخت یک برنامه‌ی پیشنهاد دستور پخت با ورودی کاربر، فیلتر مواد و فهرست خرید.
