دوره آموزشی آمادگی آزمون Anthropic Claude Certified Architect Professional (CCAR-P)
10 ساعت 8 دقیقهپیشرفته2026-09-14
مدرسین

Tutorials Dojo
جزئیات دوره
این دوره برای متخصصان فنی در سطح متوسط تا ارشد طراحی شده است که قصد دارند برای آزمون Anthropic Claude Certified Architect Professional (CCAR-P) آماده شوند و مهارتهای خود را در طراحی و پیادهسازی راهکارهای مبتنی بر هوش مصنوعی ارتقا دهند. در این دوره با مفاهیم کلیدی طراحی راهکار و معماری (Solution Design & Architecture) آشنا میشوید و یاد میگیرید چگونه مسائل و نیازهای کسبوکار را به راهکارهای عملی و قابل اجرا مبتنی بر AI تبدیل کنید. سپس مدلهای Claude، تکنیکهای پرامپتنویسی (Prompting) و مهندسی زمینه (Context Engineering) را بررسی میکنید تا توانایی طراحی تعاملات مؤثر با مدلهای هوش مصنوعی را توسعه دهید. در ادامه، استراتژیهای یکپارچهسازی (Integration) و روشهای استقرار سیستمهای AI در محیطهای عملیاتی و Production را یاد میگیرید. همچنین با روشهای ارزیابی، تست و بهینهسازی دقیق سیستمهای هوش مصنوعی آشنا میشوید و موضوعاتی مانند حاکمیت (Governance)، ایمنی (Safety) و مدیریت ریسک (Risk Management) را برای طراحی سیستمهای قابل اعتماد و منطبق با الزامات قانونی بررسی میکنید. در کنار مهارتهای فنی، دوره بر ارتباط با ذینفعان (Stakeholder Communication) و مدیریت چرخه عمر پروژههای AI نیز تمرکز دارد. این دوره برای معماران راهکار (Solution Architects)، مهندسان AI/ML و مهندسان ارشد نرمافزار طراحی شده است که میخواهند درک جامعی از فرایند طراحی و ارائه راهکارهای مبتنی بر هوش مصنوعی به دست آورند.
اهداف یادگیری
تحلیل مسائل و نیازهای کسبوکار و تبدیل آنها به راهکارهای عملی مبتنی بر هوش مصنوعی
طراحی معماری راهکارهای AI با در نظر گرفتن نیازهای فنی، کسبوکار و عملیاتی
بررسی مدلهای Claude و انتخاب رویکرد مناسب برای سناریوهای مختلف
بهکارگیری تکنیکهای پرامپتنویسی (Prompting) برای بهبود تعامل با مدلهای Claude
استفاده از مهندسی زمینه (Context Engineering) برای ارائه اطلاعات مرتبط و افزایش کیفیت عملکرد مدل
طراحی استراتژیهای یکپارچهسازی (Integration) برای اتصال سیستمهای هوش مصنوعی به محیطهای Production
اجرای فرایندهای ارزیابی (Evaluation) و تست برای سنجش عملکرد، کیفیت و قابلیت اطمینان سیستمهای AI
بهینهسازی راهکارهای هوش مصنوعی با توجه به عملکرد، هزینه، کیفیت و نیازهای عملیاتی
بررسی حاکمیت، ایمنی و مدیریت ریسک (Governance, Safety & Risk Management) برای ایجاد سیستمهای منطبق با الزامات قانونی
تقویت مهارتهای ارتباط با ذینفعان و مدیریت چرخه عمر (Lifecycle Management) پروژههای مبتنی بر هوش مصنوعی
اهداف یادگیری
تحلیل مسائل و نیازهای کسبوکار و تبدیل آنها به راهکارهای عملی مبتنی بر هوش مصنوعی
طراحی معماری راهکارهای AI با در نظر گرفتن نیازهای فنی، کسبوکار و عملیاتی
بررسی مدلهای Claude و انتخاب رویکرد مناسب برای سناریوهای مختلف
بهکارگیری تکنیکهای پرامپتنویسی (Prompting) برای بهبود تعامل با مدلهای Claude
استفاده از مهندسی زمینه (Context Engineering) برای ارائه اطلاعات مرتبط و افزایش کیفیت عملکرد مدل
طراحی استراتژیهای یکپارچهسازی (Integration) برای اتصال سیستمهای هوش مصنوعی به محیطهای Production
اجرای فرایندهای ارزیابی (Evaluation) و تست برای سنجش عملکرد، کیفیت و قابلیت اطمینان سیستمهای AI
بهینهسازی راهکارهای هوش مصنوعی با توجه به عملکرد، هزینه، کیفیت و نیازهای عملیاتی
بررسی حاکمیت، ایمنی و مدیریت ریسک (Governance, Safety & Risk Management) برای ایجاد سیستمهای منطبق با الزامات قانونی
تقویت مهارتهای ارتباط با ذینفعان و مدیریت چرخه عمر (Lifecycle Management) پروژههای مبتنی بر هوش مصنوعی
سرفصل ها
مقدمه
- مرور گواهینامه حرفهای معماری Claude (CCAR-P)
الگوهای معماری و طراحی
- انتخاب فریمورک عامل (Strands در مقابل LangGraph در مقابل PydanticAI)
- فراخوانی Claude از طریق ارائهدهندگان شخص ثالث (Bedrock، Vertex)
- تجزیه وظیفه چیست؟
- تجزیه یک درخواست پیچیده به مراحل مختلف
- استفاده از Claude برای تحلیل نیازمندیها و شناسایی موارد کاربرد
- انتقال ارزش و محدودیتهای Claude به ذینفعان
- معماری هوش مصنوعی عاملمحور
- هوش مصنوعی عاملمحور در مقابل هوش مصنوعی مولد
- LangGraph چیست؟
- AWS Strands Agents چیست؟
- انواع هوش مصنوعی عاملمحور
حلقه عاملی
- Claude چیست؟
- حلقه عاملی چیست؟
- درک فیلد دلیل توقف
- نحوه ایجاد انشعاب بر اساس استفاده از ابزار
- نحوه افزودن نتایج ابزار به تاریخچه
- نحوه ادامه صحیح حلقه
- اشتباه رایج - نادیده گرفتن تاریخچه هنگام دریافت نتایج ابزار
- اشتباه رایج - خاتمه زودهنگام حلقه
- حافظه و زمینه در عاملهای هوش مصنوعی
مدل Hub-Spoke
- معرفی مدل Hub-Spoke
- جریان ارتباطات در مدل Hub-Spoke
- نحوه تجزیه وظایف توسط هماهنگکننده
- نحوه فراخوانی زیرعاملها توسط هماهنگکننده
- نحوه انتقال زمینه به زیرعامل
- نحوه تجمیع نتایج توسط هماهنگکننده
- نحوه مدیریت خطاهای زیرعامل توسط هماهنگکننده
- چرا زیرعاملها حافظهای از هماهنگکننده ندارند؟
- نحوه عیبیابی خروجی ناقص هماهنگکننده
- گردشهای کاری چندعاملی با Claude
- سیستمهای چند
ابزار Task، اجرای موازی و کنترل برنامهنویسیشده
- معرفی ابزار Task
- چرا هماهنگکنندهها به ابزار Task در allowedTools نیاز دارند
- نحوه اجرای زیرعاملها به صورت موازی
- چه زمانی از فراخوانی ترتیبی در مقابل موازی استفاده کنیم
- قانون متناسب با ریسک چیست
- دروازه برنامهنویسیشده چیست
- معرفی هوکهای رهگیری فراخوانی ابزار
- معرفی هوکهای PostToolUse
- چرا پرامپتها به تنهایی نمیتوانند صحت را تضمین کنند
- هوک Claude چیست
انتخاب مدل
- مدلهای Claude کدامند
- temperature و نمونهبرداری چیستند
- زمان تا اولین توکن (TTFT) چیست
- انتخاب مدل مناسب Claude
- عدم قطعیت در LLMها چیست
- تولید توکن بعدی چیست
- تغییرات رفتار ناسازگار در نسخههای مختلف مدل چیست
- تثبیت نسخه مدل چیست
طراحی پرامپت و گاردریلها
- نسخهبندی پرامپت چیست
- پرامپتهای سیستم و پرسوناهای سفارشی
- پرامپتنویسی zero-shot چیست
- پرامپتنویسی few-shot چیست
- پرامپتنویسی زنجیره افکار چیست
- طراحی پرامپتهای سیستم و گاردریلها
- انتخاب تکنیک پرامپتنویسی
- پرامپتنویسی zero-shot، single-shot و multi-shot چیستند
- چند مثال few-shot باید گنجانده شود
- چه زمانی باید از مثالهای few-shot استفاده کرد
کانتکست، توکنها و استفاده مجدد از پرامپت
- پنجره کانتکست چیست
- توکنها و مصرف توکن چیست
- کشینگ پرامپت چیست
- ترتیب پیشوند پرامپت چیست
- پرامپتهای ماژولار و مهارتها چیستند
- مدیریت پنجره کانتکست و بودجه توکن
- چگونه خلاصهسازی تدریجی باعث از دست رفتن جزئیات میشود
- بلوک حقایق پرونده چیست
- مشکل گمشدن در میانه متن چیست
- چگونه یافتههای کلیدی را در ابتدای کانتکست قرار دهیم
- چگونه تگهای ساختاریافته قابلیت اطمینان را بهبود میبخشند
- چگونه نتایج طولانی ابزار را کوتاه کنیم
پروتکلهای یکپارچهسازی و استراتژی کانتکست
- چه چیزی در پیکربندی پروتکل کانتکست مدل (MCP) در سطح پروژه قرار میگیرد
- چه چیزی در پیکربندی MCP در سطح کاربر قرار میگیرد
- نحوه عیبیابی عدم دسترسی به سرور MCP
- چرا داشتن ابزارهای زیاد به انتخاب آسیب میزند
- هر عامل باید چند ابزار داشته باشد
- نحوه محدود کردن ابزارها به نقشهای عامل
- تولید افزودهشده با بازیابی (RAG) با Claude
- اسرار و مدیریت کلید رابط برنامهنویسی کاربردی (API) چیست؟
- لایهبندی حفاظها و اعمال اصل کمترین امتیاز
- سرور MCP چیست؟
- پروتکل ارتباطی عامل (ACP)
- عاملبهعامل (A2A)
- پروتکل زمینه مدل (MCP) چیست؟
- یکپارچهسازی API CLI چیست؟
- ارتباط عاملبهعامل (A2A) چیست؟
عملکرد و مشاهدهپذیری
- توهم چیست؟
- زمینه خطای ساختاریافته در سیستمهای چندعاملی
- چرا رویکردهای جایگزین بیشترین اهمیت را دارند
- اشتباه رایج: انتظار تا پایان تلاشهای مجدد
- نحوه انتخاب بین هزینه و تأخیر
- انواع خطاهای رایج در برنامههای Claude کدامند؟
- پایش کیفیت محیط تولید
- رفع اشکال: تفکیک مشکلات لایه یکپارچهسازی از مشکلات خروجی مدل
- حالت شکست چیست؟
- انتخاب استراتژی بازیابی از خطا
- LangSmith چیست؟
ایمنی، ریسک، تیم قرمز و انطباق
- تزریق پرامپت چیست؟
- دفاع در برابر تزریق پرامپت و دور زدن محدودیتها
- استفاده از هوکها برای مسدود کردن اقدامات مخرب
- حساسیت دادهها و اطلاعات شناسایی شخصی (PII) چیست؟
- احراز هویت، مجوزدهی، محرمانگی، حریم خصوصی و یکپارچگی چیستند؟
- سیاست محتوا و لایهبندی حفاظها چیست؟
- امنیت در طراحی (Secure-by-Design) چیست؟
انسان در حلقه و هوش مصنوعی اخلاقی
- چه زمانی درخواست مستقیم انسان یک محرک معتبر است؟
- چه زمانی شکاف اختیارات یک محرک معتبر است؟
- چه زمانی پرچم تأیید یک محرک معتبر است؟
- چرا ناامیدی به تنهایی محرک معتبری نیست
- چرا پیچیدگی به تنهایی محرک معتبری نیست
- نحوه برخورد با مشتری ناراضی دارای مشکل ساده
- چه زمانی باید بدون بررسی فوراً ارجاع داد
- الگوهای اعتبارسنجی انسان در حلقه (HITL)
- حاکمیت و انطباق در هوش مصنوعی
چرخه عمر راهکار و مدیریت توافقنامه سطح خدمات (SLA)
- SLA (توافقنامه سطح خدمات) چیست؟
- حلقه بازخورد ذینفعان چیست؟
- مستندات معماری و راهنمای پیادهسازی چیست؟
- فازهای چرخه عمر راهکار هوش مصنوعی (کشف، طراحی، تحویل، پایش و تکرار) کدامند؟
- مدیریت پیکربندی: CLAUDE.md، settings.json، تثبیت نسخه و نسخهبندی پرامپت
سلسلهمراتب CLAUDE.md
- مقدمهای بر سلسلهمراتب CLAUDE.md
- چه مواردی در CLAUDE.md سطح پروژه قرار میگیرد
- چه مواردی در CLAUDE.md سطح دایرکتوری قرار میگیرد
- چه چیزی در CLAUDE.md سطح کاربر قرار میگیرد
- نحوه عیبیابی قراردادهای نادیدهگرفتهشده تیم
مهارتهای عامل
- CLAUDE.md در مقابل مهارتهای عامل - تفاوت بارگذاری
- استانداردهای عمومی کجا باید باشند
- گردشکارهای خاصِ وظیفه کجا باید باشند
- مقدمهای بر مهارتها
- درک چگونگی ایجاد و عملکرد مهارتها
- انتخاب ابزار مناسب - مقایسه مهارتها با سایر موارد
- مهارتهای پیشرفته - پیکربندی و مقیاسپذیری
قوانین خاص مسیر و رابط خط فرمان (CLI)
- context - fork چیست
- چه زمانی از context - fork استفاده کنیم
- مقدمهای بر قوانین خاص مسیر
- قوانین خاص مسیر در مقابل CLAUDE.md دایرکتوری
- تأثیر قوانین خاص مسیر بر بودجه توکن
- فلگ -p چه کاری انجام میدهد
- نحوه اجرای Claude Code در یکپارچهسازی مداوم و تحویل مداوم (CI/CD)
- Claude Code چیست
- اجزای اصلی Claude Code کدامند
- دستورات اسلش (/) چیستند
- حالتهای headless، streaming و auto چیستند