دوره آموزشی آمادگی برای گواهینامه مبانی معمار Claude از Anthropic (CCA-F)
7 ساعت 13 دقیقهپیشرفته2026-06-22
مدرسین

Tutorials Dojo
جزئیات دوره
این دوره مهارتهای بنیادی موردنیاز برای تبدیل شدن به یک Claude Certified Architect را در اختیار شما قرار میدهد. اگر قصد دارید سیستمهای مبتنی بر هوش مصنوعی را در سطح معماری طراحی، مدیریت و ارکستراسیون کنید یا برای آزمون گواهینامه Claude آماده شوید، این دوره نقطه شروع مناسبی خواهد بود.
در ابتدای دوره با مفاهیم Agentic Architecture و AI Orchestration آشنا میشوید؛ مفاهیمی که ستون فقرات سیستمهای هوش مصنوعی مدرن را تشکیل میدهند. یاد میگیرید چگونه عاملهای هوشمند (Agents) را طراحی و هماهنگ کنید تا بتوانند وظایف پیچیده را بهصورت قابل اعتماد و مقیاسپذیر انجام دهند.
سپس به طراحی ابزارها و یکپارچهسازی Model Context Protocol (MCP) پرداخته میشود. در این بخش یاد میگیرید چگونه ابزارها، سرویسها و منابع خارجی را به Claude متصل کنید تا قابلیتهای آن را گسترش دهید و سیستمهایی قدرتمندتر بسازید.
در ادامه، مباحث مربوط به Claude Code Configuration و گردشکارهای توسعه (Workflows) آموزش داده میشود تا بتوانید بهرهوری و قابلیت اطمینان سیستمهای مبتنی بر Claude را افزایش دهید.
همچنین با تکنیکهای پیشرفته Prompt Engineering برای تولید خروجیهای ساختاریافته آشنا میشوید و یاد میگیرید چگونه پاسخهای دقیقتر، قابل پیشبینیتر و قابل پردازشتر از مدل دریافت کنید.
یکی دیگر از بخشهای مهم دوره، مدیریت کانتکست (Context Management) است. این مهارت به شما کمک میکند حتی در سناریوهای پیچیده و چندمرحلهای، ثبات، دقت و قابلیت اطمینان سیستم را حفظ کنید.
در پایان دوره، دانش و مهارت لازم برای طراحی، ارکستراسیون و مدیریت سیستمهای هوش مصنوعی مبتنی بر Claude را به دست خواهید آورد و آمادگی بیشتری برای دریافت گواهینامه Claude Certified Architect خواهید داشت.
🎯 اهداف یادگیری
درک معماری عاملمحور (Agentic Architecture)
آشنایی با اصول ارکستراسیون سیستمهای هوش مصنوعی
طراحی سیستمهای مبتنی بر عاملهای هوشمند
هماهنگسازی چند عامل هوش مصنوعی
پیادهسازی گردشکارهای Agentic
طراحی ابزارهای قابل استفاده در Claude
یکپارچهسازی ابزارها با مدلهای هوش مصنوعی
استفاده از Model Context Protocol (MCP)
اتصال Claude به سرویسها و منابع خارجی
طراحی معماریهای مقیاسپذیر مبتنی بر Claude
پیکربندی Claude Code
بهینهسازی گردشکارهای توسعه مبتنی بر Claude
افزایش قابلیت اطمینان سیستمهای هوش مصنوعی
استفاده از تکنیکهای Prompt Engineering
تولید خروجیهای ساختاریافته
طراحی پرامپتهای حرفهای و قابل کنترل
بهبود کیفیت پاسخهای مدل
مدیریت مؤثر Context در مکالمات طولانی
حفظ پایداری سیستم در سناریوهای پیچیده
مدیریت حافظه و اطلاعات زمینهای
طراحی سیستمهای هوش مصنوعی قابل اعتماد
آمادگی برای آزمون Claude Certified Architect
پیادهسازی بهترین روشهای معماری هوش مصنوعی
بهبود عملکرد سیستمهای مبتنی بر Claude
ارزیابی و بهینهسازی راهکارهای هوش مصنوعی
در ابتدای دوره با مفاهیم Agentic Architecture و AI Orchestration آشنا میشوید؛ مفاهیمی که ستون فقرات سیستمهای هوش مصنوعی مدرن را تشکیل میدهند. یاد میگیرید چگونه عاملهای هوشمند (Agents) را طراحی و هماهنگ کنید تا بتوانند وظایف پیچیده را بهصورت قابل اعتماد و مقیاسپذیر انجام دهند.
سپس به طراحی ابزارها و یکپارچهسازی Model Context Protocol (MCP) پرداخته میشود. در این بخش یاد میگیرید چگونه ابزارها، سرویسها و منابع خارجی را به Claude متصل کنید تا قابلیتهای آن را گسترش دهید و سیستمهایی قدرتمندتر بسازید.
در ادامه، مباحث مربوط به Claude Code Configuration و گردشکارهای توسعه (Workflows) آموزش داده میشود تا بتوانید بهرهوری و قابلیت اطمینان سیستمهای مبتنی بر Claude را افزایش دهید.
همچنین با تکنیکهای پیشرفته Prompt Engineering برای تولید خروجیهای ساختاریافته آشنا میشوید و یاد میگیرید چگونه پاسخهای دقیقتر، قابل پیشبینیتر و قابل پردازشتر از مدل دریافت کنید.
یکی دیگر از بخشهای مهم دوره، مدیریت کانتکست (Context Management) است. این مهارت به شما کمک میکند حتی در سناریوهای پیچیده و چندمرحلهای، ثبات، دقت و قابلیت اطمینان سیستم را حفظ کنید.
در پایان دوره، دانش و مهارت لازم برای طراحی، ارکستراسیون و مدیریت سیستمهای هوش مصنوعی مبتنی بر Claude را به دست خواهید آورد و آمادگی بیشتری برای دریافت گواهینامه Claude Certified Architect خواهید داشت.
🎯 اهداف یادگیری
درک معماری عاملمحور (Agentic Architecture)
آشنایی با اصول ارکستراسیون سیستمهای هوش مصنوعی
طراحی سیستمهای مبتنی بر عاملهای هوشمند
هماهنگسازی چند عامل هوش مصنوعی
پیادهسازی گردشکارهای Agentic
طراحی ابزارهای قابل استفاده در Claude
یکپارچهسازی ابزارها با مدلهای هوش مصنوعی
استفاده از Model Context Protocol (MCP)
اتصال Claude به سرویسها و منابع خارجی
طراحی معماریهای مقیاسپذیر مبتنی بر Claude
پیکربندی Claude Code
بهینهسازی گردشکارهای توسعه مبتنی بر Claude
افزایش قابلیت اطمینان سیستمهای هوش مصنوعی
استفاده از تکنیکهای Prompt Engineering
تولید خروجیهای ساختاریافته
طراحی پرامپتهای حرفهای و قابل کنترل
بهبود کیفیت پاسخهای مدل
مدیریت مؤثر Context در مکالمات طولانی
حفظ پایداری سیستم در سناریوهای پیچیده
مدیریت حافظه و اطلاعات زمینهای
طراحی سیستمهای هوش مصنوعی قابل اعتماد
آمادگی برای آزمون Claude Certified Architect
پیادهسازی بهترین روشهای معماری هوش مصنوعی
بهبود عملکرد سیستمهای مبتنی بر Claude
ارزیابی و بهینهسازی راهکارهای هوش مصنوعی
سرفصل ها
حلقهی عامل
- مقدمهای بر حوزه ۱ - معماری عاملگرا و ارکستراسیون
- حلقه عامل چیست؟
- آشنایی با فیلد دلیل توقف
- نحوه استفاده از ابزار
- نحوه افزودن نتایج ابزار به تاریخچه
- نحوه ادامه صحیح حلقه
- اشتباه رایج - نادیده گرفتن تاریخچه در نتایج ابزار
- اشتباه رایج - پایان دادن زودهنگام به حلقه
مدل هاب و اسپوک
- مقدمهای بر مدل هاب و اقمار
- چگونگی جریان ارتباطات در سیستم مرکزی و اقماری
- چگونه یک هماهنگکننده وظایف را تجزیه میکند
- چگونه یک هماهنگکننده، زیرعاملها را فراخوانی میکند
- نحوهی ارسال متن به یک subagent
- چگونه یک هماهنگکننده نتایج را جمعآوری میکند
- چگونه یک هماهنگکننده خطاهای زیرمجموعه را مدیریت میکند
- چرا زیر-مامورها هیچ خاطرهای از هماهنگکننده ندارند؟
- نحوه تشخیص خروجی ناقص هماهنگکننده
ابزار وظیفه و اجرای موازی
- مقدمهای بر ابزار کار
- چرا هماهنگکنندهها به وظایفی در allowedTools نیاز دارند؟
- نحوه اجرای زیرعاملها به صورت موازی
- چه زمانی از فراخوانی متوالی در مقابل فراخوانی موازی استفاده کنیم
- قانون متناسب با سهام چیست؟
کنترل برنامهنویسی و هوکها
- گیت برنامهنویسیشده چیست؟
- مقدمهای بر قلابهای رهگیری فراخوانی ابزار
- مقدمهای بر قلابهای PostToolUse
- چرا صرفاً ارائه دستورالعملها نمیتواند صحت را تضمین کند؟
توضیحات ابزار
- مقدمهای بر حوزه ۲ - طراحی ابزار و یکپارچهسازی MCP
- چرا توضیحات ابزار، انتخاب را هدایت میکند؟
- توصیفات مبهم چه شکلی هستند؟
- نحوه تشخیص انتخاب نادرست ابزار
- نحوه نوشتن توضیحات کامل ابزار
- چرا بند مربوط به ابزارهای مشابه در مقابل، بیشترین اهمیت را دارد؟
الگوهای مدیریت خطا
- نحوه مدیریت خطاهای گذرا
- نحوه مدیریت خطاهای اعتبارسنجی
- نحوه مدیریت شکستهای منطق کسبوکار
- نحوه مدیریت خطاهای مجوز
- خطای دسترسی در مقابل نتیجه خالی معتبر
- نحوه طراحی پاسخهای خطای قابل تشخیص
پیکربندی MCP
- چه مواردی در پیکربندی MCP در سطح پروژه قرار میگیرد؟
- چه مواردی در پیکربندی MCP سطح کاربر قرار میگیرد؟
- نحوه تشخیص عدم دسترسی به سرور MCP
محدودهبندی ابزار و نقشهای عامل
- چرا ابزارهای زیاد به انتخاب آسیب میزنند؟
- هر عامل باید چند ابزار داشته باشد
- نحوهی تعریف ابزارها برای نقشهای عامل
سلسله مراتب CLAUDE.md
- مقدمهای بر دامنه ۳ - پیکربندی کد کلود و گردشهای کاری
- مقدمهای بر سلسله مراتب CLAUDE.md
- چه مواردی در CLAUDE.md سطح پروژه قرار میگیرد؟
- چه چیزی در CLAUDE.md در سطح دایرکتوری قرار میگیرد
- چه چیزی در CLAUDE.md سطح کاربر قرار میگیرد؟
- چگونه قراردادهای نادیده گرفته شده تیمی را تشخیص دهیم
مهارتهای عامل
- CLAUDE.md در مقابل مهارتهای عامل - تفاوت در بارگیری
- جایی که استانداردهای جهانی به آن تعلق دارند
- جایگاه گردشهای کاری مختص به هر وظیفه
- مقدمهای بر مهارتها
- درک چگونگی ایجاد و عملکرد مهارتها
- انتخاب ابزار مناسب - مهارتها در مقایسه با هر چیز دیگری
- مهارتهای پیشرفته - پیکربندی و مقیاسبندی
قوانین و زمینههای مختص مسیر - Fork
- زمینه چیست - چنگال
- چه زمانی از context استفاده کنیم - Fork
- مقدمهای بر قوانین مختص مسیر
- قوانین مختص مسیر در مقابل دایرکتوری CLAUDE.md
- چگونه قوانین خاص مسیر بر بودجه توکن تأثیر میگذارند
پرچمهای CLI و CI CD
- عملکرد پرچم -p
- نحوه اجرای کد Claude در CI CD
معیارهای تطبیق و مثالهای کمیاب
- مقدمهای بر حوزه ۴ - مهندسی سریع و خروجی ساختاریافته
- چرا فقط اگر اعتماد به نفس داشته باشید، جواب نمیدهد؟
- نحوه نوشتن معیارهای تطابق صریح
- نحوه تعریف موارد غیر منطبق و موارد حاشیهای
- چه زمانی به سراغ نمونههای کم تعداد برویم؟
- چند نمونه چند عکسی را لحاظ کنیم؟
- چرا مثالها باید استدلال را نشان دهند، نه فقط پاسخها را؟
طرحواره JSON و خروجی ساختاریافته
- چگونه استفاده از ابزار با طرحواره JSON از خطاهای نحوی جلوگیری میکند
- چرا طرحوارهها از دادههای ساختگی جلوگیری نمیکنند؟
- چرا فیلدهای الزامی باعث ایجاد خطای ساخت فیلد خالی میشوند؟
- نحوه استفاده از فیلدهای اختیاری و تهیپذیر
- نحوه استفاده از مقادیر شمارشی برای رفع ابهام
انتخاب API و هزینه در مقابل تأخیر
- چه زمانی از API همگام استفاده کنیم
- چه زمانی از API دستهای استفاده کنیم
- چگونه بین هزینه و تأخیر یکی را انتخاب کنیم
مدیریت پنجره زمینه
- مقدمهای بر حوزه ۵ - مدیریت زمینه و قابلیت اطمینان
- چگونه خلاصهسازی تدریجی جزئیات را از دست میدهد؟
- بلوک حقایق موردی چیست؟
- مسئلهی «گمشده در میانه» چیست؟
- چگونه یافتههای کلیدی را در صدر متن قرار دهیم؟
- چگونه تگهای ساختاریافته، قابلیت اطمینان را بهبود میبخشند
- نحوهی اصلاح نتایج ابزار verbose
محرکهای تشدید
- وقتی درخواست مستقیم انسان یک تریگر معتبر است
- وقتی شکاف اختیارات، عامل محرک معتبری است
- وقتی یک پرچم تأیید، یک تریگر معتبر است
- چرا ناامیدی به تنهایی محرک معتبری نیست؟
- چرا پیچیدگی به تنهایی یک محرک معتبر نیست؟
- چگونه با یک مشتری ناراضی که با یک مشکل ساده مواجه است، برخورد کنیم؟
- چه زمانی باید بدون بررسی، فوراً موضوع را مطرح کرد؟
زمینه خطا و اشتباهات رایج
- زمینه خطای ساختاریافته در سیستمهای چندعاملی
- چرا رویکردهای جایگزین بیشترین اهمیت را دارند؟
- اشتباه رایج - صبر کردن تا زمانی که تلاشهای مجدد تمام شوند
دوره های مرتبط
- دوره آموزشی اتوماتیکسازی هوش مصنوعی با استفاده از APIهای Anthropic Claude و استفاده از کامپیوتر عامل
- دوره آموزشی قدرت تحریک دقیق با Anthropic Claude
- دوره آموزشی بازاریابی با Anthropic Claude: تبدیل کامنتهای لینکدین به استراتژیهای محتوا
- دوره آموزشی قابلیت های سطح بعدی هوش مصنوعی در Anthropic's Claude 3.5
- دوره آموزشی شروع کار با کلود 3
- دوره آموزشی مقدمهای بر مهندسی پرامپت برای هوش مصنوعی تولیدی
- دوره آموزشی ساخت SDKهای بهتر با هوش مصنوعی مولد
- دوره آموزشی کلود با Google Cloud Vertex AI