از مفاهیم پایه تا پیادهسازی واقعی


۲۴۰+
کدآموز
۹۹
درسنامه آموزشی
۱۵
کوییز
به همراه گواهی معتبر
۶۰ روز مهلت گذراندن دوره
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
چرا Agentها اشتباه میکنند
درسنامه
سناریو: یک ردپای واقعی از حلقهٔ کاری
۱۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
خانوادههای مدل و تفاوتهایشان
درسنامه
تعادل هزینه، کیفیت و سرعت
درسنامه
انتخاب مدل بر اساس نوع کار
درسنامه
کار با چند مدل و مسیریابی مدل
درسنامه
سناریو: یک ربات پشتیبانی با مسیریابی سهمدلی
۱۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
چرا انتخاب زودهنگام ابزار به شکست میانجامد
درسنامه
شکستن کار بزرگ به زیرتسکهای قابلواگذاری
درسنامه
نوشتن معیار پذیرش قابلسنجش
درسنامه
وابستگیها، محدودیتها و ریسکها
درسنامه
ساختار قرارداد کار: ورودی، خروجی، معیار، مرز
درسنامه
سناریو: قرارداد کار agent پیگیری شبانه
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
استدلال گامبهگام پیش از پاسخ
درسنامه
System Prompt و ارتفاع درست دستورالعمل
درسنامه
سناریو: تشریح یک دستورِ کار
۱۰۰ 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
فایل CLAUDE.md و دانش پروژه
درسنامه
مدیریت context با /clear و /compact
درسنامه
خواندن، نوشتن، ویرایش فایل و جستوجو با Glob و Grep
درسنامه
اجرا، رهگیری و ایمنی: Bash، TodoWrite و Plan Mode
درسنامه
سناریو: ردپای یک نشست واقعی
۱۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
مفهوم Skill و Progressive Disclosure
درسنامه
ساختار پوشهٔ Skill و فایل SKILL.md
درسنامه
نوشتن name و description مؤثر
درسنامه
نوشتن بدنهٔ SKILL.md: دستور، مثال، محدودیت
درسنامه
فیلد allowed-tools و فایلهای همراه
درسنامه
فراخوانی، دستور اسلش و توزیع Skill
درسنامه
سناریو: دامنهٔ Skill و روش فعالسازی
۱۰۰ 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
موازیسازی، اولویت scope و دامها
درسنامه
سناریو: اعزام موازی سه بازرس فقطخواندنی
۱۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
Workflow در برابر Agent: مسیر ثابت یا تصمیم پویا
درسنامه
الگوی Prompt Chaining با Gate کیفیت
درسنامه
الگوهای Routing و Parallelization
درسنامه
الگوی Orchestrator-Workers
درسنامه
الگوی Evaluator-Optimizer و ReAct/Reflection
درسنامه
سناریو: پایپلاین پشتیبانی مشتری
۱۰۰ 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
حافظهٔ کوتاهمدت و بلندمدت با فایلهای حافظه
درسنامه
افت کیفیت در context طولانی و مدیریت آن
درسنامه
سناریو: چرخهٔ عمر یک نشست واقعی
۱۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
چطور agent تصویر و PDF را میفهمد
درسنامه
استخراج داده از PDF و اسناد اسکنشده
درسنامه
تحلیل تصویر و screenshot در workflow
درسنامه
تولید خروجی چندرسانهای: نمودار، جدول، گزارش
درسنامه
سناریو: یک پایپلاین سهمسیری استخراج PDF
۱۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
تبدیل کار به Pipeline: ترتیبی، موازی، شرطی
درسنامه
دروازهٔ Approval برای نگهداشتن انسان در حلقه
درسنامه
خودکارسازی با Hooks در چرخهٔ حیات
درسنامه
انتخاب لایهٔ درست: Hook، Skill، Subagent یا Prompt
درسنامه
مدیریت خطا: Retry، Fallback و Idempotency
درسنامه
زمانبندی، اجرای پسزمینه و مستندسازی
درسنامه
سناریو: یک pipeline گزارش شبانه
۱۰۰ امتیاز
تمرین
اهداف فصل
درسنامه
مشکلی که MCP حل میکند
درسنامه
معماری MCP: server، client، tools، resources
درسنامه
اتصال و پیکربندی MCPهای پرکاربرد
درسنامه
دسترسی و امنیت با کمتریندسترسی
درسنامه
ساخت یک MCP server ساده با ابزار سفارشی
درسنامه
سناریو: یک agent با سه server متصل
۱۰۰ 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
سناریو: جدول تصمیم چهار سناریو
۱۰۰ 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
سناریو: یک ردپای واقعی از خط لولهٔ پشتیبانی
۱۰۰ 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
سناریو: سیستم تیکتیار
۱۰۰ امتیاز
تمرین

آموزش عملی Agentic AI
۹۹ درسنامه آموزشی
۱۵ کوییز