دوره آموزشی عاملهای عمیق عملی: پیادهسازی حلقههای حل مسئله خودکار
2 ساعت 42 دقیقهمتوسط2026-09-02
مدرسین

Krish Naik
جزئیات دوره
توسعه هوش مصنوعی در حال حرکت از مدلهای زبانی بزرگ (LLM) به سمت عاملهای مستقل، سیستمهای چندعاملی (Multi-Agent) و نسل جدیدی از Agentهای پیشرفته موسوم به Deep Agents یا Deep Research Agents است. این دوره یک دیدگاه مفهومی و کاربردی برای درک این مسیر تکاملی ارائه میدهد و به شما کمک میکند تفاوت میان Agentهای ساده و سیستمهای هوشمندتر و خودمختارتر را بهتر درک کنید.
در ابتدا با مفهوم Shallow Agent یا عامل ساده آشنا میشوید؛ سیستمی که از یک LLM بهعنوان «مغز» استفاده میکند تا بتواند با ابزارها و APIهای خارجی مانند سرویسهای جستوجو یا آبوهوا تعامل داشته باشد. سپس اجزای اصلی این Agentها و نحوه تولید پاسخ توسط مدل و فراخوانی ابزارهای خارجی را بررسی میکنید.
در ادامه، محدودیتهای Agentهای ساده را بررسی خواهید کرد؛ از جمله ضعف در برنامهریزی صریح (Planning)، محدودیت حافظه و نگهداری Context و دشواری در مدیریت پرسوجوهای پیچیده و چندبخشی. درک این محدودیتها به شما نشان میدهد چرا برای حل مسائل پیچیدهتر، معماریهای پیشرفتهتری مانند Deep Agents مورد نیاز هستند.
یکی از موضوعات مهم دوره، نحوه تجزیه یک پرسوجوی پیچیده به مجموعهای از Sub-queryهای کوچکتر و قابل مدیریت است. با استفاده از توضیحات مفهومی و نمونههای کدنویسی، با اصولی آشنا میشوید که زیربنای توسعه Agentهای عمیق و خودمختار را تشکیل میدهند.
در پایان دوره، درک مناسبی از مسیر تحول LLMها به Agentهای مستقل، Multi-Agentها و Deep Agents خواهید داشت و برای ورود به پیادهسازی راهکارهای پیشرفتهتر و خودمختار هوش مصنوعی آمادگی بیشتری پیدا میکنید.
اهداف یادگیری
مسیر تکامل توسعه هوش مصنوعی از LLMها به Agentهای مستقل، سیستمهای Multi-Agent و Deep Agents را تشریح کنید.
مفهوم Shallow Agent و نحوه عملکرد آن در تعامل با مدلهای زبانی را توضیح دهید.
مفهوم Deep Agent یا Deep Research Agent و تفاوت آن با Shallow Agent را تعریف کنید.
اجزای اصلی یک Agent ساده و نقش LLM بهعنوان مغز سیستم را شناسایی کنید.
نحوه تعامل Agentها با ابزارها و APIهای خارجی مانند سرویسهای جستوجو و آبوهوا را توضیح دهید.
محدودیتهای Shallow Agentها در زمینه Planning، Memory و مدیریت Context را تحلیل کنید.
چالشهای Agentهای ساده در پردازش پرسوجوهای پیچیده و چندبخشی را شناسایی کنید.
پرسوجوهای پیچیده را به Sub-queryهای کوچکتر و قابل مدیریت تجزیه کنید.
نمونههای کدنویسی مرتبط با ایجاد Deep Agentها را بررسی و مفاهیم بنیادی آنها را تشریح کنید.
اصول معماری Deep Agentها را برای حرکت به سمت پیادهسازی راهکارهای خودمختار و پیشرفته هوش مصنوعی بهکار بگیرید.
در ابتدا با مفهوم Shallow Agent یا عامل ساده آشنا میشوید؛ سیستمی که از یک LLM بهعنوان «مغز» استفاده میکند تا بتواند با ابزارها و APIهای خارجی مانند سرویسهای جستوجو یا آبوهوا تعامل داشته باشد. سپس اجزای اصلی این Agentها و نحوه تولید پاسخ توسط مدل و فراخوانی ابزارهای خارجی را بررسی میکنید.
در ادامه، محدودیتهای Agentهای ساده را بررسی خواهید کرد؛ از جمله ضعف در برنامهریزی صریح (Planning)، محدودیت حافظه و نگهداری Context و دشواری در مدیریت پرسوجوهای پیچیده و چندبخشی. درک این محدودیتها به شما نشان میدهد چرا برای حل مسائل پیچیدهتر، معماریهای پیشرفتهتری مانند Deep Agents مورد نیاز هستند.
یکی از موضوعات مهم دوره، نحوه تجزیه یک پرسوجوی پیچیده به مجموعهای از Sub-queryهای کوچکتر و قابل مدیریت است. با استفاده از توضیحات مفهومی و نمونههای کدنویسی، با اصولی آشنا میشوید که زیربنای توسعه Agentهای عمیق و خودمختار را تشکیل میدهند.
در پایان دوره، درک مناسبی از مسیر تحول LLMها به Agentهای مستقل، Multi-Agentها و Deep Agents خواهید داشت و برای ورود به پیادهسازی راهکارهای پیشرفتهتر و خودمختار هوش مصنوعی آمادگی بیشتری پیدا میکنید.
اهداف یادگیری
مسیر تکامل توسعه هوش مصنوعی از LLMها به Agentهای مستقل، سیستمهای Multi-Agent و Deep Agents را تشریح کنید.
مفهوم Shallow Agent و نحوه عملکرد آن در تعامل با مدلهای زبانی را توضیح دهید.
مفهوم Deep Agent یا Deep Research Agent و تفاوت آن با Shallow Agent را تعریف کنید.
اجزای اصلی یک Agent ساده و نقش LLM بهعنوان مغز سیستم را شناسایی کنید.
نحوه تعامل Agentها با ابزارها و APIهای خارجی مانند سرویسهای جستوجو و آبوهوا را توضیح دهید.
محدودیتهای Shallow Agentها در زمینه Planning، Memory و مدیریت Context را تحلیل کنید.
چالشهای Agentهای ساده در پردازش پرسوجوهای پیچیده و چندبخشی را شناسایی کنید.
پرسوجوهای پیچیده را به Sub-queryهای کوچکتر و قابل مدیریت تجزیه کنید.
نمونههای کدنویسی مرتبط با ایجاد Deep Agentها را بررسی و مفاهیم بنیادی آنها را تشریح کنید.
اصول معماری Deep Agentها را برای حرکت به سمت پیادهسازی راهکارهای خودمختار و پیشرفته هوش مصنوعی بهکار بگیرید.
سرفصل ها
عاملهای عمیق عملی
- عاملهای عمیق - بخش اول
- عاملهای عمیق - بخش دوم
- عاملهای عمیق در مقابل کیت توسعه نرمافزار (SDK) عامل Claude
- بکاند عاملهای عمیق
- مهندسی زمینه - زمینه ورودی
- مهندسی زمینه مهارتها
- زیرعاملها درون عاملهای عمیق
- پروژه عاملهای عمیق با قابلیتها