پرش به محتوای اصلی

جست‌وجو در مدل‌ها، ابزارها، سرویس‌ها، شرکت‌ها، ارائه‌دهندگان، APIها، پلن‌ها، مقالات و اخبار.

ایجنت‌های AIپیشرفته 18 دقیقه

مسیر واقع‌بینانه تسلط بر ایجنت‌های AI: نقشه راه ۶ تا ۹ ماهه

نقشه راه یادگیری از پایه‌های برنامه‌نویسی تا استقرار سیستم‌های عاملی در محیط عملیاتی — با پروژهٔ مشخص برای هر مرحله و برآورد صادقانه از هزینهٔ زمانی.

مسیر واقع‌بینانه تسلط بر ایجنت‌های AI: نقشه راه ۶ تا ۹ ماهه

نقشه راه در یک نگاه

مسیر واقع‌بینانه برای تسلط بر ایجنت‌ها ۶ تا ۹ ماه کار منظم است، نه سه هفته. مراحل را با پروژه‌های تمام‌شده جدا کنید، نه با جمع‌کردن دوره.

ماه ۱–۲: پایه‌ها

پایتون روان (فراتر از مقدماتی): تابع، کلاس، async، کار با API. ریاضی فقط به‌اندازهٔ لازم: احتمال مقدماتی و بردار/ماتریس برای فهم embedding. معیار خروج از این مرحله: بتوانید اسکریپتی بنویسید که به یک LLM وصل می‌شود، خروجی JSON را می‌گیرد و خطاها را مدیریت می‌کند.

ماه ۳–۴: مهندسی پرامپت و RAG

پرامپت سیستمی، few-shot، خروجی ساخت‌یافته و ارزیابی. بعد RAG: تکه‌بندی اسناد، embedding، بازیابی برداری و reranking. پروژه: «پاسخ‌گوی مستندات»ی بسازید که جواب‌هایش با منبع استناد شود.

ماه ۵–۶: ایجنت و ابزارها

فراخوانی تابع، حلقهٔ ایجنت، چند-ایجنت ساده و فریم‌ورک‌ها — آن‌ها را امتحان کنید ولی وابسته‌شان نشوید؛ حلقهٔ پایه را یک بار خودتان هم بنویسید. پروژه: ایجنتی که یک کار چندمرحله‌ای واقعی را با سه ابزار انجام می‌دهد و لاگ کامل دارد.

ماه ۷–۹: عملیات و تخصص

ارزیابی خودکار، گاردریل، هزینه/تأخیر، مشاهده‌پذیری و استقرار. اینجا جایی است که بازار کار پرداخت می‌کند: کسی که می‌تواند یک سیستم عاملی را در عملیات *نگه دارد*، خیلی کمتر از کسی است که دموی قشنگ می‌سازد.

هزینهٔ واقعی

۸ تا ۱۵ ساعت در هفته. میان‌بُری نیست، ولی خط مستقیم است: هر ماه یک پروژهٔ کوچکِ تمام‌شده، بهتر از یک سال جمع‌کردن آموزش بدون خروجی است.