تکامل سریع هوش مصنوعی مولد (Generative AI) در حال تحول نحوه ساخت برنامههای کاربردی هوشمند توسط سازمانها است. از کوپایلوتهای گفتگومحور گرفته تا ایجنتهای خودمختار، سیستمهای هوش مصنوعی مدرن دیگر محدود به پرامپتهای ساده نیستند، بلکه قادر به استدلال، اقدام و ادغام با دادهها و گردشهای کاری دنیای واقعی هستند. Microsoft Foundry این قابلیتها را در یک پلتفرم یکپارچه گرد هم میآورد و توسعهدهندگان و سازمانها را قادر میسازد تا با اطمینان خاطر، راهکارهای هوش مصنوعی ایجنتی (Agentic AI) را طراحی، ساخت و مقیاسپذیری کنند.
کتاب Agentic AI with Microsoft Foundry «هوش مصنوعی ایجنتی با Microsoft Foundry» برای راهنمایی شما در این مسیر طراحی شده است. چه در حوزه هوش مصنوعی مولد تازهکار باشید و چه به دنبال گسترش تخصص خود در سیستمهای هوش مصنوعی سطح سازمانی باشید، این کتاب رویکردی ساختاریافته و کاربردی برای ساخت برنامههای هوشمند ارائه میدهد. در کتاب Agentic AI with Microsoft Foundry شما یاد خواهید گرفت که چگونه با مدلهای زبانی بزرگ کار کنید، دادههای سازمانی را ادغام کنید و ایجنتهایی بسازید که میتوانند به صورت خودمختار استدلال کنند، اطلاعات را بازیابی نمایند و وظایف را انجام دهند.
در طول کتاب Agentic AI with Microsoft Foundry، شما موارد زیر را انجام خواهید داد:
-
پیکربندی و هدایت پروژههای Microsoft Foundry
-
ساخت کوپایلوتها با استفاده از مدلهای GPT و OpenAI
-
اعمال تکنیکهای مهندسی پرامپت و جریمهسازی/تولید دقیق (Fine-tuning)
-
پیادهسازی تولید افزوده با بازیابی (RAG)
-
ایجاد ایجنتهای هوشمند با چارچوب Agent Framework
-
اتصال امن دادههای سازمانی و APIهای خارجی
-
سازماندهی گردشهای کاری چندایجنتی و اتوماسیون
-
ارزیابی، پایش و استقرار سیستمهای هوش مصنوعی مسئولانه
کتاب با مبانی Microsoft Foundry آغاز میشود و به شما کمک میکند محیط خود را راهاندازی کرده و مفاهیم کلیدی مانند مهندسی پرامپت و انتخاب مدل را درک کنید. با پیشرفت در کتاب، مباحث پیشرفتهای از جمله Fine-tuning، RAG و ادغام منابع داده خارجی برای ارائه زمینه (Context) معنادار به سیستمهای هوش مصنوعی را بررسی خواهید کرد.
در فصلهای پایانی کتاب Agentic AI with Microsoft Foundry، تمرکز بر ساخت و سازماندهی ایجنتهای هوش مصنوعی با استفاده از Agent Framework معطوف میشود. یاد خواهید گرفت که چگونه گردشهای کاری چندایجنتی را طراحی کنید، ابزارها و APIها را متصل نمایید و اتوماسیون هوشمند را امکانپذیر سازید. کتاب Agentic AI with Microsoft Foundry همچنین بر شیوههای هوش مصنوعی مسئولانه تاکید دارد و موضوعاتی مانند ارزیابی، حاکمیت، پایش و استقرار امن را پوشش میدهد تا از قابل اعتماد و معتبر بودن راهکارهای شما اطمینان حاصل شود.
در پایان کتاب Agentic AI with Microsoft Foundry، دانش و مهارتهای عملی لازم برای ساخت برنامههای کاربردی هوش مصنوعی آماده برای محیط عملیاتی (Production-ready) با استفاده از Microsoft Foundry را کسب خواهید کرد. شما مجهز به طراحی سیستمهای هوش مصنوعی مقیاسپذیر، هوشمند و مسئولانه خواهید شد که میتوانند ارزش واقعی business ارائه دهند.
کتاب Agentic AI with Microsoft Foundry برای چه کسانی است؟
این کتاب برای توسعهدهندگان نرمافزار، مهندسان هوش مصنوعی/یادگیری ماشین، معماران راهکارهای ابری و علاقهمندان به فناوری طراحی شده است که میخواهند برنامههای هوش مصنوعی پیشرفته را روی Microsoft Azure بسازند. خوانندگانی که علاقهمند به هوش مصنوعی مولد، کوپایلوتهای سفارشی و توسعه ایجنتهای هوشمند هستند، این راهنما را بسیار مفید خواهند یافت. مخاطبان هدف این کتاب Agentic AI with Microsoft Foundry، متخصصانی هستند که قصد دارند از جدیدترین پلتفرم هوش مصنوعی مایکروسافت (Microsoft Foundry) برای ایجاد راهکارهای جامع (End-to-End) استفاده کنند، و همچنین فراگیران علاقهمند به فناوری که میخواهند در نوآوریهای هوش مصنوعی سازمانی پیشگام باشند.
آنچه کتاب Agentic AI with Microsoft Foundry پوشش میدهد
فصل ۱: مقدمهای بر هوش مصنوعی مولد و ایجنتی
مفاهیم پایهای هوش مصنوعی مولد و ایجنتی را تثبیت میکند و نحوه کار مدلهای زبانی بزرگ و چگونگی تحول سیستمهای هوش مصنوعی از تعاملات مبتنی بر پرامپت به ایجنتهای هدفمحور را توضیح میدهد. مفاهیم کلیدی مانند استدلال، برنامهریزی، استفاده از ابزار و حافظه در سیستمهای ایجنتی را بررسی کرده و Microsoft Foundry را به عنوان یک پلتفرم سازمانی برای ساخت، مدیریت و مقیاسپذیری راهکارهای هوش مصنوعی با قابلیتهای حاکمیت، امنیت و ارزیابی معرفی میکند.
فصل ۲: راهاندازی محیط Microsoft Foundry
شما را در آمادهسازی زیرساختهای پایهای مورد نیاز برای ساخت برنامههای هوش مصنوعی مولد و ایجنتی راهنمایی میکند. شامل ایجاد گروه منابع Azure، راهاندازی پروژه Microsoft Foundry، پیکربندی تنظیمات شبکه، هویت و امنیت، و استقرار مدلهای Azure OpenAI است. همچنین رابط کاربری Foundry و کاتالوگ مدلها را برای شروع آزمایش با استقرار مدل و قابلیتهای محیط آزمایشی (Playground) بررسی خواهید کرد.
فصل ۳: مفاهیم و ابزارهای کلیدی Microsoft Foundry
پایههای معماری Microsoft Foundry از جمله ساختارهای پروژه، استراتژیهای مدیریت منابع و مرزهای امنیتی را بررسی میکند. ابزارهای اصلی توسعه و خدمات مدل مانند کاتالوگ مدل، Prompt Flow، خدمات ایجنت و قابلیتهای ادغام برای ساخت برنامههای هوشمند را معرفی میکند. این فصل از کتاب Agentic AI with Microsoft Foundry همچنین جنبههای ضروری حاکمیت، امنیت، قابلیت مشاهدهپذیری (Observability) و شیوههای هوش مصنوعی مسئولانه برای توسعه راهکارهای هوش مصنوعی مقیاسپذیر و امن را پوشش میدهد.
فصل ۴: بررسی کاتالوگ مدلها و ارزیابی
بر پیمایش در کاتالوگ مدلهای Microsoft Foundry و انتخاب مدلهای مناسب برای سناریوهای مختلف تمرکز دارد. تکنیکهای ارزیابی مدل، معیارهای عملکرد، استراتژیهای مهندسی پرامپت و زمینه، و رویکردهای بهینهسازی هزینه را پوشش میدهد. همچنین ارزیابی مدل با استفاده از روشهای توکار و سفارشی را بررسی کرده، گردشهای کاری Fine-tuning و سفارشیسازی را معرفی میکند و برنامههای واقعی را از طریق مطالعات موردی عملی نشان میدهد.
فصل ۵: Fine-Tuning مدلها برای راهکارهای سفارشی
مفهوم Fine-tuning را برای تطبیق مدلهای پایه با سناریوهای تخصصی و وظیفهمحور معرفی میکند. تکنیکهای مختلف مانند Fine-tuning نظارتشده (SFT)، بهینهسازی ترجیحی مستقیم (DPO) و روشهای مبتنی بر یادگیری تقویتی را همراه با گزینههای پردازشی موجود مانند محیطهای بدون سرور (Serverless) و مدیریتشده بررسی میکند. همچنین یک راهنمای گامبهگام برای انجام Fine-tuning با استفاده از پورتال Microsoft Foundry شامل آمادهسازی مجموعه داده، پیکربندی، ارزیابی و استقرار مدلهای سفارشیسازیشده ارائه میدهد.
فصل ۶: ساخت اولین ایجنت با Foundry
مفهوم ایجنتهای هوش مصنوعی را معرفی کرده و نحوه طراحی، ساخت و استقرار آنها را با استفاده از Microsoft Foundry Agent Service نشان میدهد. اجزای اصلی ایجنت مانند حافظه، ابزارها، دانش و سازماندهی را پوشش داده و نحوه ایجاد ایجنتها را هم از طریق پورتال و هم با SDK پایتون توضیح میدهد. این فصل از کتاب Agentic AI with Microsoft Foundry همچنین سیستمهای چندایجنتی را بررسی کرده، یک سناریوی اتوماسیون فروش در دنیای واقعی را پیادهسازی میکند و تکنیکهای تست، قابلیت مشاهدهپذیری و بهینهسازی مستمر را برجسته میسازد.
فصل ۷: ادغام دادههای سازمانی برای هوش مصنوعی زمینهمحور
نحوه ارتقای برنامههای هوش مصنوعی را از طریق متصل کردن آنها به دادههای خاص سازمان توضیح میدهد. مفاهیمی مانند هوش مصنوعی زمینهمحور (Contextual AI)، تولید افزوده با بازیابی (RAG) و نقش Microsoft Foundry IQ در ایجاد یک لایه دانش یکپارچه را پوشش میدهد. این فصل از کتاب Agentic AI with Microsoft Foundry نحوه ساخت و اتصال پایگاههای دانش با استفاده از Azure AI Search، ادغام آنها با ایجنتها و طراحی سیستمهای هوش مصنوعی دادهمحور، امن و قابل بازاستفاده را نشان میدهد.
فصل ۸: قابلیتهای پیشرفته ایجنت و ادغام ابزارها
نحوه گسترش ایجنتهای هوش مصنوعی با استفاده پیشرفته از ابزارها را برای تعامل با سیستمهای واقعی و گردشهای کاری سازمانی بررسی میکند. اکوسیستم ابزار Microsoft Foundry شامل ابزارهای توکار، ادغامهای OpenAPI، پروتکل کانتکست مدل (MCP)، Azure Functions و Logic Apps را پوشش میدهد. همچنین سازماندهی چندابزاری، مدیریت خطا و استراتژیهای حاکمیت را نشان داده و مطالعات موردی واقعی ارائه میدهد.
فصل ۹: سازماندهی و گردشهای کاری چندایجنتی
نحوه طراحی و پیادهسازی سیستمهای چندایجنتی را برای مدیریت فرآیندهای کسبوکار پیچیده و واقعی بررسی میکند. سازماندهی مبتنی بر گردش کار با استفاده از رابط Microsoft Foundry شامل الگوهای متوالی، انسان در چرخه (Human-in-the-loop) و چت گروهی را پوشش میدهد. همچنین رویکرد کد-محور با استفاده از Microsoft Agent Framework و تکنیکهای پیشرفته مانند سازماندهی Magentic را معرفی میکند.
فصل ۱۰: ارزیابی راهکارهای هوش مصنوعی و هوش مصنوعی مسئولانه
بر ساخت سیستمهای هوش مصنوعی قابل اعتماد و اخلاقی با اعمال اصول هوش مصنوعی مسئولانه مانند عدالت، امنیت، شفافیت و پاسخگویی تمرکز دارد. تکنیکهای ارزیابی مدلها و ایجنتها با استفاده از معیارهای کیفیت و امنیت، هم از طریق رابط کاربری Microsoft Foundry و هم برنامهنویسی با SDK را پوشش میدهد. همچنین روشهای ارزیابی لحظهای و دستهای، آمادهسازی مجموعه داده و شیوههای امنیت سایبری مانند Red Teaming را بررسی میکند.
فصل ۱۱: استقرار و ادغام برنامههای هوش مصنوعی
یک راهنمای جامع برای استقرار زیرساخت Microsoft Foundry و ادغام ایجنتهای هوش مصنوعی در برنامههای سازمانی ارائه میدهد. شیوههای استقرار امن در محیطهای مختلف از جمله هویت، شبکه، احراز هویت و کنترل دسترسی مبتنی بر نقش (RBAC) را پوشش میدهد. همچنین خطوط لوله CI/CD برای ایجاد ایجنت، ارزیابی و Red Teaming را به همراه استراتژیهای استفاده از ایجنتها در برنامههای واقعی بررسی میکند.
فصل ۱۲: مقیاسپذیری راهکارها و روندهای آینده
بر طراحی و مقیاسپذیری برنامههای هوش مصنوعی ایجنتی آماده برای محیط عملیاتی با استفاده از Microsoft Foundry تمرکز دارد. استراتژیهای مقیاسپذیری مدلها، اجرای ایجنت، حافظه، ابزارها و منابع دانش مانند Foundry IQ را پوشش داده و رویکردهای مدیریت هزینه، عملکرد و بهرهوری منابع را بررسی میکند. این فصل از کتاب Agentic AI with Microsoft Foundry همچنین الگوهای استقرار در مناطق، اشتراکها و تنانتهای مختلف را بررسی کرده و روندهای نوظهوری که آینده سیستمهای هوش مصنوعی امن و مقیاسپذیر را شکل میدهند، به بحث میگذارد.