دوره آموزشی مکالمه با داده‌های خود با استفاده از ChatGPT

یه مأمور هوشمند (intelligent agent) بساز که بتونه اطلاعات رو بازیابی (retrieve) کنه، استدلال (reason) کنه و به خاطر بسپاره (remember). توی این دوره عملی، یه سیستم RAG مبتنی بر عامل (agentic RAG) می‌سازی که یه مدل زبانی (language model) رو به داده‌های دنیای واقعی وصل می‌کنه تا پاسخگویی پویا به سؤالات و کشف اطلاعات رو امکان‌پذیر کنه.

اول از همه، محیط توسعه‌ات رو راه‌اندازی می‌کنی و یه مجموعه داده (dataset) آماده می‌کنی. بعدش، عاملی می‌سازی که قادر به استدلال خودکار، بازیابی اطلاعات و حافظه بلندمدت باشه. در طول دوره، عاملت رو با ابزارهای سفارشی برای ترجمه، تحلیل و تشخیص الگو گسترش می‌دی تا به یه دستیار تحقیق تبدیلش کنی. تا پایان دوره، یه عامل تعاملی کارآمد خواهی داشت که می‌تونه با داده‌های تو چت کنه و یه نقشه راه واضح برای انطباق سیستم‌های agentic RAG با موارد استفاده واقعی خواهی داشت.

اهداف یادگیری
یه عامل هوش مصنوعی هوشمند بساز که بتونه به طور مستقل استدلال، برنامه‌ریزی و عمل کنه.
یه گردش کار RAG مبتنی بر عامل (retrieval-augmented generation) پیاده‌سازی کن که اطلاعات رو از یه پایگاه دانش بازیابی، تحلیل و خلاصه می‌کنه.
حافظه بلندمدت و حلقه‌های استدلال چندمرحله‌ای رو ادغام کن تا عاملت بتونه در طول جلسات یاد بگیره و بهبود پیدا کنه.
ابزارهای عامل سفارشی، مانند ماژول‌های ترجمه یا تحلیل الگو، رو توسعه بده تا تخصص دامنه عاملت رو گسترش بدی.
سیستم RAG مبتنی بر عاملت رو به عنوان یه تجربه چت تعاملی مستقر کن و اون رو برای موارد استفاده واقعی مانند دستیاران تحقیق، ربات‌های انطباق یا هوش مصنوعی پشتیبانی مشتری تطبیق بده.