دوره آموزشی ساخت یک تیم از عاملهای هوش مصنوعی در ۱۰ دقیقه
9 دقیقهمتوسط2026-08-31
مدرسین

Ray Villalobos
Senior Staff Instructor at LinkedIn Learning
جزئیات دوره
ساخت یک سیستم چندعاملی (Multi-Agent) برای توسعه نرمافزار زمانی قدرتمندتر میشود که هر Agent نقش مشخصی داشته باشد و بر اساس نوع وظیفه، از مدل هوش مصنوعی مناسب استفاده کند. در این دوره، یاد میگیرید چگونه با استفاده از CrewAI یک تیم تخصصی از Agentها برای انجام وظایف کدنویسی طراحی و اجرا کنید؛ تیمی که در آن هر Agent مسئول بخشی از فرآیند توسعه است و خروجی یک Agent میتواند مبنای کار Agent بعدی قرار بگیرد.
در این دوره با طراحی نقشهای تخصصی مانند Orchestrator، Architect، Implementer و Reviewer آشنا میشوید و یاد میگیرید برای هر نقش، مدلی را انتخاب کنید که با نیاز و پیچیدگی وظیفه آن متناسب باشد. این رویکرد به شما اجازه میدهد بهجای استفاده از یک مدل واحد برای تمام مراحل، منابع محاسباتی و قابلیتهای مدلها را متناسب با نوع کار مدیریت کنید.
سپس در CrewAI Studio نحوه اتصال Agentها به Taskها را روی Studio Canvas بررسی میکنید. یاد میگیرید چگونه خطاهای مربوط به Taskهای بدون Agent را برطرف کنید و وظایف را در یک ترتیب منطقی قرار دهید تا هر Agent بتواند از خروجی مراحل قبلی استفاده کند و فرآیند توسعه به شکل منظم پیش برود.
یکی از بخشهای مهم دوره، اضافه کردن Test Runner و نقش Reviewer به فرآیند است. به این ترتیب، سیستم صرفاً فرض نمیکند که کد تولیدشده درست است؛ بلکه خروجی را آزمایش و بررسی میکند تا کیفیت کار قبل از ادامه فرآیند یا تحویل نهایی ارزیابی شود.
همچنین با مفهوم Escalation آشنا میشوید و بررسی میکنید چگونه میتوان پس از چند بار شکست یک Agent یا فرآیند، کار را به یک Frontier Model قدرتمندتر منتقل کرد. در ادامه، نحوه استفاده از این ساختار چندعاملی در یک Coding Platform نیز بررسی میشود.
در پایان، یاد میگیرید چگونه پروژه ساختهشده در CrewAI Studio را Export کرده و آن را به یک Codebase قابل اجرا در محیط محلی تبدیل کنید. این دوره برای توسعهدهندگان Python، مهندسان نرمافزار و افرادی مناسب است که میخواهند با استفاده از Multi-Agent Systems، فرآیند توسعه و بررسی کد را ساختاریافتهتر و خودکارتر کنند.
اهداف یادگیری
تعریف نقشهای تخصصی Agent شامل Orchestrator، Architect، Implementer و Reviewer
انتخاب مدل مناسب برای هر Agent بر اساس پیچیدگی و نیازهای وظیفه
اتصال Agentها به Taskها در Studio Canvas برای ایجاد یک Workflow چندعاملی
رفع خطاهای مربوط به Taskهای بدون Agent در CrewAI Studio
ترتیبدهی منطقی Taskها برای انتقال صحیح خروجی میان Agentها
طراحی فرآیند توسعه کد با همکاری چند Agent تخصصی
افزودن Test Runner برای بررسی و اعتبارسنجی خروجی تولیدشده
ایجاد فرآیند Review برای جلوگیری از پذیرش خودکار و بدون بررسی کد
طراحی Escalation به Frontier Model پس از شکستهای تکرارشونده
Export کردن پروژه CrewAI Studio و تبدیل آن به یک Codebase قابل اجرای محلی
در این دوره با طراحی نقشهای تخصصی مانند Orchestrator، Architect، Implementer و Reviewer آشنا میشوید و یاد میگیرید برای هر نقش، مدلی را انتخاب کنید که با نیاز و پیچیدگی وظیفه آن متناسب باشد. این رویکرد به شما اجازه میدهد بهجای استفاده از یک مدل واحد برای تمام مراحل، منابع محاسباتی و قابلیتهای مدلها را متناسب با نوع کار مدیریت کنید.
سپس در CrewAI Studio نحوه اتصال Agentها به Taskها را روی Studio Canvas بررسی میکنید. یاد میگیرید چگونه خطاهای مربوط به Taskهای بدون Agent را برطرف کنید و وظایف را در یک ترتیب منطقی قرار دهید تا هر Agent بتواند از خروجی مراحل قبلی استفاده کند و فرآیند توسعه به شکل منظم پیش برود.
یکی از بخشهای مهم دوره، اضافه کردن Test Runner و نقش Reviewer به فرآیند است. به این ترتیب، سیستم صرفاً فرض نمیکند که کد تولیدشده درست است؛ بلکه خروجی را آزمایش و بررسی میکند تا کیفیت کار قبل از ادامه فرآیند یا تحویل نهایی ارزیابی شود.
همچنین با مفهوم Escalation آشنا میشوید و بررسی میکنید چگونه میتوان پس از چند بار شکست یک Agent یا فرآیند، کار را به یک Frontier Model قدرتمندتر منتقل کرد. در ادامه، نحوه استفاده از این ساختار چندعاملی در یک Coding Platform نیز بررسی میشود.
در پایان، یاد میگیرید چگونه پروژه ساختهشده در CrewAI Studio را Export کرده و آن را به یک Codebase قابل اجرا در محیط محلی تبدیل کنید. این دوره برای توسعهدهندگان Python، مهندسان نرمافزار و افرادی مناسب است که میخواهند با استفاده از Multi-Agent Systems، فرآیند توسعه و بررسی کد را ساختاریافتهتر و خودکارتر کنند.
اهداف یادگیری
تعریف نقشهای تخصصی Agent شامل Orchestrator، Architect، Implementer و Reviewer
انتخاب مدل مناسب برای هر Agent بر اساس پیچیدگی و نیازهای وظیفه
اتصال Agentها به Taskها در Studio Canvas برای ایجاد یک Workflow چندعاملی
رفع خطاهای مربوط به Taskهای بدون Agent در CrewAI Studio
ترتیبدهی منطقی Taskها برای انتقال صحیح خروجی میان Agentها
طراحی فرآیند توسعه کد با همکاری چند Agent تخصصی
افزودن Test Runner برای بررسی و اعتبارسنجی خروجی تولیدشده
ایجاد فرآیند Review برای جلوگیری از پذیرش خودکار و بدون بررسی کد
طراحی Escalation به Frontier Model پس از شکستهای تکرارشونده
Export کردن پروژه CrewAI Studio و تبدیل آن به یک Codebase قابل اجرای محلی
سرفصل ها
ایجاد تیمی از ایجنتها با CrewAI
- ساخت تیمی از ایجنتها در 10 دقیقه با CrewAI