کتاب 30 Agents Every AI Engineer Must Build: Build production-ready agent systems using proven architectures and patterns (۳۰ عامل که هر مهندس هوش مصنوعی باید بسازد: ساخت سیستمهای عاملی آمادهٔ تولید با استفاده از معماریها و الگوهای اثباتشده) یک منبع عملی و گامبهگام برای مهندسان هوش مصنوعی است که میخواهند فراتر از نمونههای ساده و آزمایشگاهی، سیستمهای عاملی (Agentic Systems) واقعی و مقیاسپذیر را در محیط تولید (Production) پیادهسازی کنند.
کتاب 30 Agents Every AI Engineer Must Build با معرفی ۳۰ عامل هوشمند مشخص و متنوع — از دستیارهای مکالمهگر و تحلیلگران داده گرفته تا سیستمهای تصمیمگیر و خودکارساز فرایندها — معماریها و الگوهای اثباتشدهای مانند ReAct، Chain-of-Thought، حافظهٔ بلندمدت، فراخوانی ابزارها (Tool Use) و هماهنگی چندعاملی را آموزش میدهد.
در ادامه مقدمهای از کتاب 30 Agents Every AI Engineer Must Build را از زبان نویسنده شرح خواهیم داد.
مقدمهای بر کتاب 30 Agents Every AI Engineer Must Build:
چشمانداز هوش مصنوعی دستخوش دگرگونی عمیقی شده است. ما در حال حرکت از دوران سیستمهای هوش مصنوعی منفعل و واکنشی به سوی سیستمی هستیم که تحت سلطهٔ عاملهای هوشمند خودمختار و هدفگرا قرار دارد: سیستمهایی که میتوانند محیط خود را درک کنند، تصمیم بگیرند، و برای دستیابی به اهداف با کمترین مداخلهٔ انسانی، اقدام کنند. این تغییر قدمبهقدم نیست، بلکه نشاندهندهٔ تغییر بنیادین در نحوهٔ تصور، طراحی و پیادهسازی سیستمهای محاسباتی است.
به عنوان نویسندهٔ کتاب ۵۰ الگوریتمی که هر برنامهنویسی باید بداند، مشاهده کردهام که درک بلوکهای سازندهٔ بنیادین علم کامپیوتر، توانایی ساخت سیستمهای بهمراتب پیچیدهتر را در اختیار مهندسان قرار میدهد. همانگونه که الگوریتمها پایهٔ مهندسی نرمافزار سنتی را تشکیل میدهند، عاملهای هوشمند نیز گام تکاملی بعدی در توسعهٔ هوش مصنوعی هستند. درک این معماریهای عامل، این قدرت را به شما میدهد که سیستمهایی بسازید که قادر به حل مسائل با پیچیدگی بیسابقه باشند.
این دگرگونی، معماری است، نه صرفاً افزایشی. تمایز بین سیستمی که در پاسخ به یک پرامپت، متن تولید میکند و سیستمی که اهداف پایداری را حفظ میکند، دربارهٔ محیط خود استدلال میکند، ابزارها را انتخاب و فراخوانی میکند، و استراتژی خود را بر اساس بازخورد تطبیق میدهد، تفاوتی کیفی در نوع موجودیت محاسباتیای است که میسازیم. نزدیکترین قیاس تاریخی، گذار از برنامهنویسی رویهای به شیءگرا در دههٔ ۱۹۸۰ است که نه تنها نحوهٔ نوشتن کد را تغییر داد، بلکه بنیاداً نحوهٔ مفهومسازی رابطهٔ بین داده و رفتار توسط مهندسان را دگرگون ساخت. گذار به سیستمهای عاملمحور نیز پیامدهای مشابهی برای نحوهٔ مفهومسازی رابطهٔ بین قصد انسانی و اقدام محاسباتی دارد.
تز اصلی کتاب 30 Agents Every AI Engineer Must Build ساده است: تسلط بر مجموعهای بهدقت گزینششده از معماریهای عامل هوشمند، توانایی ساخت سیستمهای هوش مصنوعی متحولکننده را در هر حوزهای به شما میدهد. اینها صرفاً ساختارهای نظری نیستند، بلکه الگوهای عملی و قابل پیادهسازیای هستند که مسائل دنیای واقعی را حل میکنند. ظهور مدلهای زبانی بزرگ (LLM) قدرتمند، موتور شناختی را فراهم کرده است که برای اولین بار این معماریهای عامل را در مقیاس ممکن میسازد.
با این حال، مدلهای زبانی بزرگ خام به تنهایی کافی نیستند. کلید ساخت سیستمهای مؤثر در درک چگونگی معماری عاملهایی نهفته است که کارهای پیچیده را به مراحل قابل مدیریت تجزیه میکنند، به ابزارها و منابع دادهٔ خارجی متصل میشوند، زمینه و حافظه را در طول تعاملات حفظ میکنند، با انسان و سایر عاملها همکاری میکنند، از تجربه یاد میگیرند، و تصمیمات اخلاقی همسو با ارزشهای انسانی میگیرند.
یک مثال ملموس از معنای این تغییر در عمل در نظر بگیرید. یک سیستم نرمافزاری سنتی که ادعاهای بیمه را پردازش میکند، از یک لولهی ثابت پیروی میکند: فرم را تأیید کن، بیمهنامه را بررسی کن، مبلغ پرداختی را محاسبه کن، و نامه را تولید کن. یک سیستم عاملمحور که همان کار را انجام میدهد، متفاوت عمل میکند.
ادعا را میخواند، ابهامات را شناسایی میکند، با پایگاه دادهٔ بیمهنامه مشورت میکند، ادعاهای تاریخی را برای نشانههای تقلب بررسی میکند، موارد استثنایی را به یک ارزیاب انسانی ارجاع میدهد، و خلاصهای تولید میکند که استدلال خود را توضیح میدهد. این سیستم با استثناهایی که قبلاً هرگز با آنها مواجه نشده، با استدلال از اصول اولیه به جای پیروی از شاخههای از پیش کدنویسیشده، سازگار میشود. این کتاب به شما میآموزد که چگونه چنین سیستمهایی بسازید.
کتاب 30 Agents Every AI Engineer Must Build شکاف بین مفاهیم نظری عامل و پیادهسازی عملی را پر میکند. ما نه تنها توصیف میکنیم که این عاملها چه کاری میتوانند انجام دهند، بلکه دقیقاً نشان خواهیم داد که چگونه آنها را بسازید. هر فصل شامل کد عملی، الگوهای معماری رسمی، مطالعات موردی واقعی، و راهنمایی برای اجتناب از مشکلات رایج پیادهسازی است.
کتاب 30 Agents Every AI Engineer Must Build برای چه کسانی است:
این کتاب برای متخصصانی نوشته شده است که نیاز به پیادهسازی سیستمهای کاری دارند، نه صرفاً درک مفاهیم. کتاب 30 Agents Every AI Engineer Must Build برای مهندسان هوش مصنوعی و یادگیری ماشین که به دنبال فراتر رفتن از آموزش مدل به سوی ساخت سیستمهای هوشمند کامل هستند، مهندسان نرمافزار که جعبه ابزار خود را برای شامل شدن راهکارهای عاملمحور هوش مصنوعی گسترش میدهند، رهبران فنی مسئول استراتژی و پیادهسازی هوش مصنوعی، مدیران محصول که نیاز به درک امکانات موجود با معماریهای عامل مدرن دارند، و متخصصان حوزه که به دنبال به کارگیری عاملهای هوش مصنوعی در زمینهٔ خود هستند، ایدهآل است.
اگرچه آشنایی با مفاهیم یادگیری ماشین و برنامهنویسی پایتون فرض شده است، کتاب 30 Agents Every AI Engineer Must Build بر الگوهای معماری متمرکز است تا جزئیات پیادهسازی سطح پایین، که آن را برای خوانندگانی با پیشینههای فنی مختلف قابل دسترس میکند. هر فصل به اندازهای مستقل است که بتوان آن را جداگانه خواند، هرچند خواندن پشتسر هم جامعترین پایه را فراهم میکند.
کتاب 30 Agents Every AI Engineer Must Build به پیشینهای در منطق صوری، نظریهٔ کنترل یا علوم شناختی نیاز ندارد، هرچند خوانندگانی با چنین پیشینهای سنتهای نظری را که زیربنای بسیاری از الگوهای معماری ارائه شده است، تشخیص خواهند داد. تأکید در سراسر کتاب 30 Agents Every AI Engineer Must Build بر ساخت سیستمهای کاری مبتنی بر اصول صحیح است، نه بر اثباتها یا تأیید صوری.
آنچه کتاب 30 Agents Every AI Engineer Must Build پوشش میدهد:
- فصل ۱: مبانی مهندسی عامل – مفاهیم اصلی، اصطلاحات و الگوهای معماری که زیربنای همهٔ سیستمهای عامل هوشمند هستند را معرفی میکند.
- فصل ۲: جعبه ابزار مهندس عامل – چارچوبها، ابزارها و محیطهای توسعهٔ ضروری برای ساخت سیستمهای عامل را بررسی میکند.
- فصل ۳: هنر پرامپتنویسی عامل – تکنیکهای پیشرفتهٔ مهندسی پرامپت را به طور خاص برای سیستمهای عامل بررسی میکند.
- فصل ۴: استقرار عامل و توسعهٔ مسئولانه – به ملاحظات عملی مقیاسسازی، ایمنسازی و تضمین رفتار اخلاقی در سیستمهای عامل تولید میپردازد.
- فصل ۵: معماریهای شناختی بنیادین – عاملهای اصلی را که بلوکهای سازندهٔ همهٔ سیستمهای هوشمند را تشکیل میدهند، ارائه میکند.
- فصل ۶: بازیابی اطلاعات و عاملهای دانش – نحوهٔ اتصال عاملها به منابع اطلاعاتی خارجی را بررسی میکند.
- فصل ۷: عاملهای دستکاری ابزار و هماهنگی – سیستمهایی که ابزارها، توابع و سایر عاملها را هماهنگ میکنند، بررسی میکند.
- فصل ۸: عاملهای تحلیل داده و استدلال – بر عاملهای تخصصیافته در تحلیل اطلاعات و کشف بینش تمرکز دارد.
- فصل ۹: عاملهای توسعه نرمافزار – عاملهایی که در ایجاد، آزمایش و نگهداری کد کمک میکنند را پوشش میدهد.
- فصل ۱۰: عاملهای مکالمهای و تولید محتوا – عاملهایی که اشکال مختلف محتوا را تولید، اصلاح و مدیریت میکنند را بررسی میکند.
- فصل ۱۱: عاملهای ادراک چندوجهی – عاملهایی که اشکال مختلف دادهٔ ورودی را پردازش و درک میکنند را بررسی میکند.
- فصل ۱۲: عاملهای اخلاقی و قابل توضیح – بر عاملهای طراحیشده با شفافیت، پاسخگویی و همسوسازی با ارزشها تمرکز دارد.
- فصل ۱۳: عاملهای بهداشت و درمان و علمی – عاملهای متحولکنندهٔ تحقیقات زیستپزشکی و مراقبت از بیمار را بررسی میکند.
- فصل ۱۴: عاملهای حوزه مالی و حقوقی – عاملهای تخصصیافته برای صنایع تنظیمشده با نیازهای پیچیده را بررسی میکند.
- فصل ۱۵: عاملهای آموزش و دانش – عاملهایی که یادگیری، آموزش و انتقال دانش را تسهیل میکنند را پوشش میدهد.
- فصل ۱۶: عاملهای تجسمیافته و دنیای فیزیکی – بر عاملهایی تمرکز دارد که هوش دیجیتال را با محیطهای فیزیکی پیوند میزنند.
- پایاننوشت: آیندهٔ عاملهای هوشمند – پارادایمهای نوظهور از جمله تکامل و سازگاری خودمختار عاملها، جوامع عاملها و رفتارهای ظهور یافته را بررسی میکند.
نحوهٔ سازماندهی این کتاب:
کتاب 30 Agents Every AI Engineer Must Build برای سه رویکرد خواندن متفاوت طراحی شده است:
- خواندن پشتسر هم (فصل ۱ تا پایاننوشت): جامعترین پایه را فراهم میکند.
- خواندن متمرکز بر حوزه: به متخصصان با نیازهای کاربردی خاص اجازه میدهد پس از فصلهای پایه (۱–۵) کتاب 30 Agents Every AI Engineer Must Build، مستقیماً به سراغ فصلهای حوزه مرتبط (۱۳–۱۶) بروند.
- خواندن مرجع: به توسعهدهندگان باتجربهٔ عامل اجازه میدهد در صورت نیاز برای معماریها، مطالعات موردی یا الگوهای طراحی خاص، به فصلهای جداگانه مراجعه کنند.
هر فصل کتاب 30 Agents Every AI Engineer Must Build از یک ساختار ششبخشی ثابت پیروی میکند: پایهٔ مفهومی، راهنمای پیادهسازی با کد عملی، مطالعات موردی واقعی، الگوهای طراحی و تغییرات، ملاحظات یکپارچهسازی برای ترکیب عاملها در سیستمهای بزرگتر، و مشکلات رایج که درسهای آموختهشده از استقرارهای تولید را ثبت میکند.
سرفصلهای کتاب 30 Agents Every AI Engineer Must Build:
- Preface
- Chapter 1: Foundations of Agent Engineering
- Chapter 2: The Agent Engineer’s Toolkit
- Chapter 3: The Art of Agent Prompting
- Chapter 4: Agent Deployment and Responsible Development
- Chapter 5: Foundational Cognitive Architectures
- Chapter 6: Information Retrieval and Knowledge Agents
- Chapter 7: Tool Manipulation and Orchestration Agents
- Chapter 8: Data Analysis and Reasoning Agents
- Chapter 9: Software Development Agents
- Chapter 10: Conversational and Content Creation Agents
- Chapter 11: Multi-Modal Perception Agents
- Chapter 12: Ethical and Explainable Agents
- Chapter 13: Healthcare and Scientific Agents
- Chapter 14: Financial and Legal Domain Agents
- Chapter 15: Education and Knowledge Agents
- Chapter 16: Embodied and Physical World Agents
- Chapter 17: Epilogue: The Future of Intelligent Agents
- Index
جهت دانلود کتاب 30 Agents Every AI Engineer Must Build میتوانید پس از پرداخت، دریافت کنید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.