از مفاهیم پایه تا پیادهسازی واقعی


۵۶۰+
کدآموز
۹۹
درسنامه آموزشی
۱۵
کوییز
به همراه گواهی معتبر
۶۰ روز مهلت گذراندن دوره
آموزش عملی Agentic AI
از مفاهیم پایه تا پیادهسازی واقعی
۷۷٪
از کاربردهای Claude در شرکتها مربوط به اتوماسیون است.
۳۹٪
از کاربران Claude وظایف را بهطور کامل به AI واگذار میکنند.
۷۸٪
از شرکتها در حال استفاده از GenAI هستند.
۱۰۰٪
افزایش استفاده از هوشمصنوعی توسط کارمندان شرکتهای آمریکا.
معرفی
مخاطبین
پیشنیازها
سرفصلها
اساتید
0 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 1
در این دوره با مفاهیم و معماری هوش مصنوعی عاملمحور (Agentic AI) آشنا میشوید و یاد میگیرید چگونه Agentهایی بسازید که بتوانند برای رسیدن به یک هدف برنامهریزی کنند، از ابزارهای مختلف استفاده کنند، اطلاعات را تحلیل کرده و وظایف پیچیده را بهصورت خودکار از ابتدا تا انتها انجام دهند. همچنین مهمترین مدلهای هوش مصنوعی مانند Claude، GPT، Gemini و مدلهای متنباز را از نظر قابلیتها، تفاوتها و کاربردها بررسی میکنید تا بتوانید بهترین گزینه را برای هر پروژه انتخاب کنید. در ادامه، با استفاده از Claude بهعنوان ابزار اصلی دوره، طراحی و توسعه Agentهای هوشمند را بهصورت عملی تمرین میکنید و در نهایت به درکی جامع از ساخت و بهکارگیری آنها در پروژههای واقعی خواهید رسید.
این دوره مناسب شما است اگر...
• با هوش مصنوعی آشنا هستید و تا حالا از ابزارهای آن استفاده کردهاید.
• میخواهید Agentهای هوشمندی بسازید که بتوانند کارهای مختلف شما را بهصورت خودکار انجام دهند.
• برنامهنویس، مهندس نرمافزار یا متخصص فنی هستید و میخواهید مهارتهای خود را با فناوریهای روز Agentic AI ارتقا دهید.
این دوره مناسب شما نیست اگر...
• هنوز میخواهید کارهای روزمره خود را با یک چتبات انجام دهید و قصد ساخت یا توسعه Agent ندارید.
• به یادگیری مفاهیم جدید، آزمایش ابزارها و پیادهسازی عملی آنها علاقهای ندارید.
• علاقهای به خودکارسازی کارها و افزایش سرعتتان ندارید.
پیشنیازها
لازم است...
علاقه و پشتکار داشته باشید.
یک سیستم و اتصال به اینترنت داشته باشید.
لازم نیست...
پیشزمینهی برنامهنویسی داشته باشید.
در رشتهی کامپیوتر تحصیل کرده باشید.
درسنامه
تمرین
اهداف فصل
درسنامه
تفاوت چهار سطح AI Chat، Copilot، Agent و Multi-Agent
درسنامه
چهار جزء یک Agent: مدل، ابزار، حلقه، حافظه
درسنامه
حلقهٔ کاری: فکر، عمل، مشاهده، تکرار
درسنامه
تشخیص کار مناسب Agent از کار انسان
درسنامه
سناریو: انتخاب اولین کار برای سپردن در پشتیبانی اسنپ
۱۰۰ امتیاز
تمرین
چرا Agentها اشتباه میکنند
درسنامه
سناریو: صف کاتالوگ دیجیکالا و انتخاب سطح خودمختاری
۱۰۰ امتیاز
تمرین
سناریو: شب طولانی یک agent در تپسی
۱۰۰ امتیاز
تمرین
آزمون فصل ۲: مبانی Agentic Work و طرز فکر سیستمی
۲۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
خانوادههای مدل و تفاوتهایشان
درسنامه
تعادل هزینه، کیفیت و سرعت
درسنامه
انتخاب مدل بر اساس نوع کار
درسنامه
سناریو: انتخاب خانوادهٔ مدل برای توضیح فیلم در فیلیمو
۱۰۰ امتیاز
تمرین
سناریو: سهراهی هزینه، کیفیت و سرعت در اسنپفود
۱۰۰ امتیاز
تمرین
کار با چند مدل و مسیریابی مدل
درسنامه
سناریو: مسیریابی مدل برای بازبینی آگهی در دیوار
۱۰۰ امتیاز
تمرین
آزمون فصل ۳: انتخاب مدل
۲۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
چرا انتخاب زودهنگام ابزار به شکست میانجامد
درسنامه
سناریو: شش هفته ساخت و صفر کاربر در دیجیپی
۱۰۰ امتیاز
تمرین
شکستن کار بزرگ به زیرتسکهای قابلواگذاری
درسنامه
نوشتن معیار پذیرش قابلسنجش
درسنامه
سناریو: معیار پذیرش برای خلاصهٔ کتاب در فیدیبو
۱۰۰ امتیاز
تمرین
وابستگیها، محدودیتها و ریسکها
درسنامه
ساختار قرارداد کار: ورودی، خروجی، معیار، مرز
درسنامه
سناریو: قرارداد کار برای گزارش قطعی سرویس در شاتل
۱۰۰ امتیاز
تمرین
آزمون فصل ۴: مدیریت مدل
۱۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
تفاوت پرامپت چت با دستورِ کارِ Agent
درسنامه
چهار رکن: Role، Goal، Scope و Constraints
درسنامه
خروجی ساختارمند: JSON، جدول، Markdown
درسنامه
سناریو: چهار رکن دستور کار برای بازبینی زیرنویس در نماوا
۱۰۰ امتیاز
تمرین
استدلال گامبهگام پیش از پاسخ
درسنامه
سناریو: خروجی ساختارمند و استدلال گامبهگام در پیندو
۱۰۰ امتیاز
تمرین
System Prompt و ارتفاع درست دستورالعمل
درسنامه
سناریو: از گفتوگوی موفق تا دستور کار شکستخورده در ایرانسل
۱۰۰ امتیاز
تمرین
آزمون فصل ۵: مهندسی پرامپت و دستورِ کار
۲۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
آشنایی با Claude Code و جایگاهش میان رقبا
درسنامه
نصب، احراز هویت و اولین نشست Claude Code
درسنامه
آناتومی یک نشست: turn، tool call، چرخه
درسنامه
فضای کاری و مسیرهای کاری در Claude Code
درسنامه
سناریو: فضای کاری اشتباه در مخزن بزرگ کافهبازار
۱۰۰ امتیاز
تمرین
فایل CLAUDE.md و دانش پروژه
درسنامه
سناریو: فایل CLAUDE.md که هیچکس رعایتش نمیکند در مکتبخونه
۱۰۰ امتیاز
تمرین
مدیریت context با clear و compact
درسنامه
سناریو: نشست چهارساعته و افت کیفیت در ورزشسه
۱۰۰ امتیاز
تمرین
خواندن، نوشتن، ویرایش فایل و جستوجو با Glob و Grep
درسنامه
اجرا، رهگیری و ایمنی: Bash، TodoWrite و Plan Mode
درسنامه
آزمون فصل ۶: Claude Code: محیط، نشست و ابزارها
۲۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
مفهوم Skill و Progressive Disclosure
درسنامه
سناریو: قواعد ویرایش که در هر نشست هزینه میدهند در طاقچه
۱۰۰ امتیاز
تمرین
ساختار پوشهٔ Skill و فایل SKILL.md
درسنامه
نوشتن name و description مؤثر
درسنامه
سناریو: Skillی که هیچوقت فعال نمیشود در نوار
۱۰۰ امتیاز
تمرین
نوشتن بدنهٔ SKILL.md: دستور، مثال، محدودیت
درسنامه
فیلد allowed-tools و فایلهای همراه
درسنامه
فراخوانی، دستور اسلش و توزیع Skill
درسنامه
سناریو: بدنهٔ Skill و مرز ابزارها در ابرآروان
۱۰۰ امتیاز
تمرین
آزمون فصل ۸: مهندسی Skill: بستهبندی تخصص
۲۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
چرا یک Agent کافی نیست و ارزش context جدا
درسنامه
تعریف Subagent در .claude/agents
درسنامه
نوشتن description مؤثر برای فعالشدن خودکار
درسنامه
مدیریت Subagentها با agents و عاملهای آماده
درسنامه
واگذاری و انتقال نتیجه بین Agentها
درسنامه
سناریو: یک نشست شلوغ در تیم جستوجوی علیبابا
۱۰۰ امتیاز
تمرین
سناریو: تعریف عامل بازبین اقامتگاه در جاباما
۱۰۰ امتیاز
تمرین
موازیسازی، اولویت scope و دامها
درسنامه
سناریو: چهار عامل موازی و یک فایل مشترک در اتاقک
۱۰۰ امتیاز
تمرین
آزمون فصل ۹: Subagentها و ایزولاسیون Context
۲۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
Workflow در برابر Agent: مسیر ثابت یا تصمیم پویا
درسنامه
الگوی Prompt Chaining با Gate کیفیت
درسنامه
سناریو: زنجیرهٔ سهمرحلهای توصیف کالا در ایمالز
۱۰۰ امتیاز
تمرین
الگوهای Routing و Parallelization
درسنامه
سناریو: workflow یا agent برای دستهبندی کالا در ترب
۱۰۰ امتیاز
تمرین
الگوی Orchestrator-Workers
درسنامه
سناریو: هماهنگکننده و کارگرها برای تقویم محتوای دیجیاستایل
۱۰۰ امتیاز
تمرین
الگوی Evaluator-Optimizer و ReAct/Reflection
درسنامه
آزمون فصل ۱۰: الگوهای طراحی Agent
۲۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
پنجرهٔ محدود و بودجهٔ token
درسنامه
جداکردن سیگنال از نویز در context
درسنامه
فشردهسازی تاریخچه با خلاصه و Compaction
درسنامه
بازیابی بهموقع بهجای انباشت
درسنامه
سناریو: پنجرهٔ پر از لاگ در تیم پخش تلوبیون
۱۰۰ امتیاز
تمرین
حافظهٔ کوتاهمدت و بلندمدت با فایلهای حافظه
درسنامه
سناریو: حافظهای که هر روز از صفر شروع میشود در روبیکا
۱۰۰ امتیاز
تمرین
افت کیفیت در context طولانی و مدیریت آن
درسنامه
سناریو: بودجهٔ token برای بازبینی مقالهٔ بلند در ویرگول
۱۰۰ امتیاز
تمرین
آزمون فصل ۱۲: مهندسی Context و حافظه
۲۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
چطور agent تصویر و PDF را میفهمد
درسنامه
استخراج داده از PDF و اسناد اسکنشده
درسنامه
سناریو: سه نوع فاکتور و یک مسیر استخراج در زرینپال
۱۰۰ امتیاز
تمرین
تحلیل تصویر و screenshot در workflow
درسنامه
سناریو: بازبینی شبانهٔ اسکرینشاتها در آسانپرداخت
۱۰۰ امتیاز
تمرین
تولید خروجی چندرسانهای: نمودار، جدول، گزارش
درسنامه
سناریو: گزارش ماهانه برای هیئتمدیره در توسن
۱۰۰ امتیاز
تمرین
آزمون فصل ۱۳: کار با دادهی چندرسانهای
۲۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
تبدیل کار به Pipeline: ترتیبی، موازی، شرطی
درسنامه
سناریو: شکل درست خط لوله برای گزارش هفتگی در بله
۱۰۰ امتیاز
تمرین
دروازهٔ Approval برای نگهداشتن انسان در حلقه
درسنامه
سناریو: دروازهٔ تأیید برای پیام همگانی در ایتا
۱۰۰ امتیاز
تمرین
خودکارسازی با Hooks در چرخهٔ حیات
درسنامه
انتخاب لایهٔ درست: Hook، Skill، Subagent یا Prompt
درسنامه
مدیریت خطا: Retry، Fallback و Idempotency
درسنامه
سناریو: ارسال دوبارهٔ اعلان و انتخاب لایه در سروش
۱۰۰ امتیاز
تمرین
زمانبندی، اجرای پسزمینه و مستندسازی
درسنامه
آزمون فصل ۱۴: Workflow، Orchestration و Hooks
۲۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
مشکلی که MCP حل میکند
درسنامه
معماری MCP: server، client، tools، resources
درسنامه
سناریو: سرور MCP که بالا نمیآید در پارسآنلاین
۱۰۰ امتیاز
تمرین
اتصال و پیکربندی MCPهای پرکاربرد
درسنامه
دسترسی و امنیت با کمتریندسترسی
درسنامه
سناریو: پانزده پل اختصاصی در فناپ
۱۰۰ امتیاز
تمرین
سناریو: کمتریندسترسی برای عامل گزارشگیری در بانک سامان
۱۰۰ امتیاز
تمرین
ساخت یک MCP server ساده با ابزار سفارشی
درسنامه
آزمون فصل ۱۵: MCP: استفاده و ساخت سرور
۲۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
سناریوی مارکتینگ: از تحقیق تا تقویم محتوا
درسنامه
سناریوی محصول: از بازخورد تا PRD
درسنامه
سناریوی فریلنسر: پروپوزال و پیگیری
درسنامه
سناریوی تحلیل داده: از فایل خام تا گزارش مدیریتی
درسنامه
ترکیب همهچیز: یک سیستم زنده
درسنامه
آزمون فصل ۱۷: الگوهای کاربردی در حوزههای مختلف
۲۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
چرا ارزیابی خروجی Agent سخت است
درسنامه
ساخت مجموعهٔ تست با موارد لبه Eval Dataset
درسنامه
روبریک و داوری با LLM-as-Judge
درسنامه
عیبیابی سیستمهای Agentic و ردیابی خطا
درسنامه
پایش هزینه و تأخیر با Observability
درسنامه
آزمون فصل ۱۸: ارزیابی، عیبیابی و Observability
۲۵۰ امتیاز
تمرین
اهداف فصل
درسنامه
از Prototype تا Production: چه چیزی سیستم را آماده میکند؟
درسنامه
کاهش هزینه: چهار اهرم از Prompt Caching تا مسیریابی مدل
درسنامه
تزریق پرامپت و نشت داده: حملهها و دفاعها Prompt Injection
درسنامه
قفس، قفل و قانون: حاکمیت Agent در Production
درسنامه
استقرار و تحویل سیستم به تیم
درسنامه
آزمون فصل ۱۹: Production: هزینه، امنیت و استقرار
۲۵۰ امتیاز
تمرین

آموزش عملی Agentic AI
۹۹ درسنامه آموزشی
۱۵ کوییز
۲٬۴۹۹٬۰۰۰ تومان
امکان پرداخت قسطی
مدت زمان گذراندن دوره: ۶۰ روز
دسترسی به محتوای دوره همیشگی است.
بعد از پایان مهلت دوره، امکانات ویژه شامل مربیگری، داوری آنلاین و دریافت گواهی نیازمند تمدید و پرداخت هزینه است.
سوالات متداول
شما در هر زمانی که بخواهید میتوانید در دوره ثبتنام و دوره را آغاز کنید.