کتاب AI Agents in Practice

کتاب AI Agents in Practice: Design, implement, and scale autonomous AI systems for production (روبات‌های هوش مصنوعی در عمل: طراحی، پیاده‌سازی و مقیاس‌پذیری سیستم‌های هوش مصنوعی خودکار برای تولید) به بررسی طراحی، پیاده‌سازی و مقیاس‌پذیری سیستم‌های خودکار هوش مصنوعی می‌پردازد. این کتاب به ارائه تکنیک‌ها و روش‌های عملی برای توسعه ربات‌ها و سیستم‌های هوش مصنوعی می‌پردازد که قادر به عملکرد مستقل در محیط‌های تولیدی هستند.

نویسندگان با استفاده از مثال‌های واقعی، چالش‌ها و راهکارهای موجود در ایجاد و بهینه‌سازی این سیستم‌ها را تشریح می‌کنند، و بر اهمیت ادغام هوش مصنوعی در فرآیندهای صنعتی و تجاری تأکید می‌نمایند. کتاب AI Agents in Practice برای مهندسان، محققان و مدیران فناوری اطلاعات که به دنبال درک عمیق‌تری از کاربردهای عملی هوش مصنوعی هستند، بسیار مناسب است.

در ادامه مقدمه‌ای از کتاب AI Agents in Practice را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب AI Agents in Practice:

ما در زمانی از تغییرات تسریع‌شده در هوش مصنوعی (AI) زندگی می‌کنیم، جایی که مدل‌ها دیگر ابزارهای منفعل نیستند، بلکه تصمیم‌گیرندگان فعال هستند. از زمان انتشار ChatGPT در نوامبر ۲۰۲۲، جهان شاهد تغییرات عمده‌ای بوده است: نه تنها در قابلیت‌های مدل‌های زبانی بزرگ (LLMs) بلکه همچنین در نحوه طراحی، ادغام و عملیاتی‌سازی هوش مصنوعی در سیستم‌های واقعی.

یک پارادایم جدید به نام ربات‌های هوش مصنوعی ظهور کرده است. برعکس روندهای سنتی هوش مصنوعی، این ربات‌ها به برنامه‌ها پایداری، خودمختاری و استدلال هدفمند اضافه می‌کنند. آنها می‌توانند برنامه‌ریزی کنند، به خاطر بسپارند، از ابزارها استفاده کنند و با سایر ربات‌ها یا انسان‌ها تعامل کنند تا وظایف پیچیده را به انجام برسانند. از خدمات مشتری تا تحقیق و توسعه، از هماهنگی API ها تا ایجاد جریان‌های کاری شخصی‌سازی شده، ربات‌های هوش مصنوعی در حال تغییر نحوه تفکر ما درباره نرم‌افزار و هوش هستند.

کتاب AI Agents in Practice به عنوان یک راهنمای عملی برای درک و ساخت ربات‌های هوش مصنوعی عمل می‌کند و به معماری، اجزای کلیدی و موارد استفاده واقعی آنها می‌پردازد. چه شما یک توسعه‌دهنده، معمار، مدیر محصول، یا علاقه‌مند به هوش مصنوعی باشید، این کتاب قصد دارد دانش پایه و مهارت‌های عملی لازم برای بهره‌برداری از قدرت ربات‌های خودکار را به شما ارائه دهد.

کتاب AI Agents in Practice به سه قسمت تقسیم شده است:

قسمت اول کتاب AI Agents in Practice، «پایه‌های روندهای هوش مصنوعی و ظهور ربات‌های هوش مصنوعی»، به بررسی چگونگی تکامل روندهای هوش مصنوعی از زمان ظهور مدل‌های تولیدی پرداخته و انتقال از تماس‌های ساده API به رفتارهای هوشمندتر و خودمختار را دنبال می‌کند. این قسمت مفهوم ربات‌های هوش مصنوعی و اجزای آنها—مدل‌های زبانی بزرگ، ابزارها، حافظه و زمینه—را معرفی می‌کند و بر نیاز می‌افزاید به سیستم‌های رباتیک در صنایع مختلف.

قسمت دوم کتاب AI Agents in Practice، «طراحی، ساخت و مقیاس‌گذاری ربات‌های هوش مصنوعی»، به جنبه‌های عملی توسعه ربات‌ها می‌پردازد. این بخش ابزارهای هماهنگی هوش مصنوعی، مدیریت حافظه و زمینه، ادغام ابزارها و قابلیت مشاهده ربات‌ها را پوشش می‌دهد. همچنین شما را در ایجاد برنامه‌های تک‌رباتی و چندرابتی با استفاده از چارچوب‌هایی مانند LangChain و LangGraph با مثال‌های عملی مانند دستیاران تجارت الکترونیک و ربات‌های پشتیبانی مشتری راهنمایی می‌کند.

قسمت سوم کتاب AI Agents in Practice، «راه به سوی یک اکوسیستم باز و رباتیک»، به آینده پروتکل‌ها، پلتفرم‌ها و اصول شکل‌دهنده نرم‌افزار هوشمند می‌پردازد. این بخش استانداردهای باز نوظهور مانند MCP، A2A و NLWeb را بررسی کرده و نحوه ساخت سیستم‌های رباتیک مسئول، ایمن و مقرون به صرفه برای پیاده‌سازی در مقیاس سازمانی را توضیح می‌دهد. همچنین، شیوه‌های هوش مصنوعی مسئول از جمله ارزیابی، مکانیزم‌های ایمنی و نظارت انسانی را پوشش می‌دهد.

کتاب AI Agents in Practice برای توسعه‌دهندگان، معماران، رهبران نوآوری و محققانی است که می‌خواهند پتانسیل کامل ربات‌های هوش مصنوعی را آزاد کنند. چه شما یک مهندس نرم‌افزار باشید که در حال ایجاد جریان‌های کاری مبتنی بر ربات هستید، چه مالک محصولی که در حال طراحی دستیارهای هوشمند است، یا استراتژیک کسب و کار هستید که به دنبال گنجاندن تصمیم‌گیری خودکار در سیستم‌های خود هستید، این کتاب چارچوب‌ها، مثال‌ها و ابزارهای لازم برای شروع و مقیاس‌گذاری را به شما ارائه می‌دهد.

کتاب AI Agents in Practice به موضوعات زیر می‌پردازد:

فصل ۱، «تکامل روندهای GenAI»، تغییرات روندهای هوش مصنوعی از اواخر ۲۰۲۲ را بررسی می‌کند و به تعاملات ساده API تا تولید مبتنی بر بازیابی (RAG) می‌پردازد. این فصل پیشرفت‌های اخیر مانند فاین‌تیونینگ، تقطیر مدل و یادگیری تقویتی از بازخورد انسانی (RLHF) را بررسی کرده و نیاز به رفتارهای خودمختارتر و رباتیک را معرفی می‌کند.

فصل ۲، «ظهور ربات‌های هوش مصنوعی»، به تعریف اینکه ربات‌های هوش مصنوعی چه هستند و چگونه از الگوهای اتوماسیون قبلی مانند RPA متمایز می‌شوند، می‌پردازد. این فصل انواع مختلف ربات‌ها و اجزای کلیدی تشکیل‌دهنده معماری آنها، از جمله پیام‌های سیستمی، ابزارها، حافظه و داده‌ها را معرفی می‌کند.

فصل ۳، «نیاز به یک هماهنگ‌کننده هوش مصنوعی»، به بررسی نقش نوظهور لایه‌های هماهنگی در برنامه‌های مبتنی بر LLM می‌پردازد. این فصل اطمینان می‌دهد که هماهنگ‌کننده‌های محبوب را مقایسه می‌کند، اجزای آنها را توصیف می‌کند و راهنمایی در انتخاب هماهنگ‌کننده مناسب برای نیازهای شما ارائه می‌دهد.

فصل ۴، «نیاز به مدیریت حافظه و زمینه»، به چگونگی ذخیره، بازیابی و به‌روزرسانی اطلاعات توسط ربات‌ها از طریق انواع مختلف حافظه (کوتاه‌مدت، بلندمدت، اپیزودیک و معنایی) می‌پردازد و تکنیک‌هایی برای مدیریت پنجره‌های زمینه و استفاده از پایگاه‌های داده برداری را بررسی می‌کند.

فصل ۵، «نیاز به ابزارها و ادغام‌های خارجی»، به بررسی چگونگی استفاده ربات‌ها از API ها، پایگاه‌های داده و خدمات شخص ثالث برای تعامل با دنیا می‌پردازد. این فصل همچنین به مقایسه تماس‌های همزمان و ناهمزمان و چگونگی فعال‌سازی قابلیت مشاهده از طریق نظارت و لاگ‌گذاری می‌پردازد.

فصل ۶، «ساخت اولین ربات هوش مصنوعی خود با LangChain»، شما را در ساخت برنامه‌های تک‌رباتی خود با استفاده از LangChain راهنمایی می‌کند و شامل دو مورد عملی به نام‌های دستیار تجارت الکترونیک و ربات پشتیبانی مشتری است.

فصل ۷، «برنامه‌های چند رباتی»، به بررسی آنچه می‌افتد زمانی که چند ربات با هم کار می‌کنند می‌پردازد. این فصل الگوهای طراحی مانند چت گروهی، هماهنگی سلسله مراتبی و توالی را پوشش می‌دهد و هماهنگ‌کننده‌هایی مانند LangGraph و AutoGen را معرفی می‌کند و شما را در ساخت اولین سیستم چند رباتی خود راهنمایی می‌کند.

فصل ۸، «هماهنگی هوش: طرح‌واره‌ای برای پروتکل‌های ربات‌های نسل بعدی»، استانداردها و پروتکل‌های نوظهور مانند MCP، A2A، ACP و NLWeb را معرفی می‌کند که به تعریف لایه بعدی وب هوشمند برای ربات‌های قابل همکاری می‌پردازند.

فصل ۹، «پیمایش چالش‌های اخلاقی در هوش مصنوعی واقعی»، به اهمیت طراحی مسئولانه سیستم‌های رباتی می‌پردازد. این فصل استراتژی‌های ارزیابی، فیلترهای امنیتی، کنترل هزینه و پیاده‌سازی چارچوب‌ها و سیستم‌های نظارت انسانی را پوشش می‌دهد تا از پیاده‌سازی ایمن و اخلاقی ربات‌های هوش مصنوعی خودکار اطمینان حاصل کند.

سرفصل‌های کتاب AI Agents in Practice:

• Cover
• Title Page
• Copyright and Credits
• Dedication
• Contributors
• Table of Contents
• Preface
• Part 1: Foundations of AI Workflows and the Rise of AI Agents
  • Chapter 1: Evolution of GenAI Workflows
  • Chapter 2: The Rise of AI Agents
• Part 2: Designing, Building, and Scaling AI Agents
  • Chapter 3: The Need for an AI Orchestrator
  • Chapter 4: The Need for Memory and Context Management
  • Chapter 5: The Need for Tools and External Integrations
  • Chapter 6: Building Your First AI Agent with LangChain
  • Chapter 7: Multi-Agent Applications
• Part 3: Road to an Open, Agentic Ecosystem
  • Chapter 8: Orchestrating Intelligence: Blueprint for Next-Gen Agent Protocols
  • Chapter 9: Navigating Ethical Challenges in Real-World AI
• About Packt
• Other Books You May Enjoy
• Index

جهت دانلود کتاب AI Agents in Practice می‌توانید پس از پرداخت، دریافت کنید.