کتاب Building Production AI Agents
military_tech از پرفروش‌ترین کتاب های سال 2025
انتخاب متخصصین

کتاب Building Production AI Agents

اثر Keith Vaughan

category

بر اساس سطح علمی

پیشرفته

category

نوع محتوای کتاب

مبتنی بر پروژه

category

هدف یادگیری

پروژه‌محور

category

نوع مسیر

پروژه محور

category

بر اساس تکنولوژی

هوش مصنوعی

category

مورد استفاده

هوش مصنوعی مولد (GenAI)

شناسنامه کتاب

مشخصات تکمیلی ثبت‌شده برای این عنوان

نویسنده

Keith Vaughan

انتشارات

Packt Publishing

سال انتشار

2025

فرمت کتاب

PDF

تعداد صفحات

164

شابک (ISBN)

979-8272620743

ویرایش / نوبت چاپ

first

۱۵۰,۰۰۰ تومان

نظرات کاربران

تجربیات خود را از خواندن این کتاب با دیگران به اشتراک بگذارید.

—
امتیاز کل
star star star star star
از 0 نظر

ثبت نظر جدید

دیدگاهتان را بنویسید

هنوز دیدگاهی ثبت نشده است.

کتاب Building Production AI Agents: A Practical Guide with Strands Agents and AWS AgentCore (ساخت ایجنت‌های هوش مصنوعی برای محیط Production: راهنمایی عملی با Strands Agents و AWS AgentCore) راهنمای عملی برای ساخت و استقرار ایجنت‌های هوش مصنوعی در محیط Production است. نویسنده با استفاده از Strands Agents و AWS AgentCore نشان می‌دهد چگونه می‌توان ایجنت‌هایی ساخت که علاوه بر انجام مستقل وظایف، از امنیت، مدیریت حافظه، کنترل دسترسی، نظارت، بازیابی خطا و تأیید انسانی برخوردار باشند.

در ادامه مقدمه‌ای از کتاب Building Production AI Agents را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Building Production AI Agents:

راهنمایی عملی برای ساخت ایجنت‌های هوش مصنوعی با Strands Agents و AWS AgentCore

بسیاری از تیم‌ها زمانی متوجه تفاوت میان یک چت‌بات آزمایشگاهی و یک ایجنت واقعی در محیط Production می‌شوند که با چالش‌های اجرای آن در دنیای واقعی روبه‌رو شده‌اند.

این کتاب توضیح می‌دهد چگونه می‌توان این فاصله را با استفاده از اصول مهندسی واقعی پر کرد و سیستم‌هایی ساخت که بتوانند در محیط ابری به‌صورت ایمن عمل کنند، برنامه‌ریزی داشته باشند و در برابر خطاها بازیابی شوند.

در این کتاب یاد می‌گیرید چگونه:

  • ایجنت‌ها را با استفاده از Strands برای هماهنگ‌سازی و AWS AgentCore برای جداسازی محیط اجرا طراحی و مستقر کنید.
  • قراردادهای قطعی برای ابزارها، حافظه و حلقه‌های برنامه‌ریزی (Planning Loops) تعریف کنید.
  • محدودیت‌های IAM، کنترل هزینه‌ها و سوابق حسابرسی را اعمال کنید.
  • برای تأمین امنیت و انطباق با مقررات، فرآیندهای تأیید انسان در حلقه (Human-in-the-Loop) را پیاده‌سازی کنید.
  • قابلیت‌های نظارت، پایایی و حاکمیت را در تمام مراحل طراحی ایجنت‌ها ایجاد کنید.

هر فصل از مباحث تئوری به سمت پیاده‌سازی عملی حرکت می‌کند و نشان می‌دهد چگونه می‌توان مدل‌های زبانی را از ابزارهایی صرفاً برای تولید متن، به سیستم‌هایی در سطح Production تبدیل کرد که قابلیت عملکرد مستقل، پایدار و قابل اعتماد دارند.

کتاب Building Production AI Agents برای مهندسان هوش مصنوعی، تیم‌های پلتفرم و بنیان‌گذاران فنی نوشته شده و مانند یک راهنمای عملی برای ساخت و عرضه ایجنت‌های هوش مصنوعی قابل اعتماد، قابل حسابرسی و خودکار عمل می‌کند؛ از یک ایجنت و یک برنامه گرفته تا انجام هر وظیفه، مرحله‌به‌مرحله.

سرفصل‌های کتاب Building Production AI Agents:

  • Chapter 1: Introduction to Agentic Apps
  • Chapter 2: Building Responsible AI Systems
  • Chapter 3: Introduction to Large Language Models (LLMs)
  • Chapter 4: Building with LLMs
  • Chapter 5: Enhancing LLMs with Tool Calling
  • Chapter 6: Introduction to Retrieval-Augmented Generation (RAG)
  • Chapter 7: GraphRAG, a Retrieval Approach for Relationship-Heavy Questions
  • Chapter 8: The ReAct Pattern
  • Chapter 9: Building an AI Assistant
  • Chapter 10: Agent Architecture: From AI Assistants to Agents
  • Chapter 11: From Agent Architecture to Planning Systems
  • Chapter 12: Agent Orchestration and Autonomy
  • Chapter 13: Multi-Agent Collaboration and Communication
  • Chapter 14: Multi-Agent Patterns
  • Chapter 15: Agent Design Patterns and Anti-Patterns
  • Chapter 16: Testing LLMs and Agents with Evaluation Frameworks
  • Chapter 17: Building an Agent Harness
  • Chapter 18: Preparing Agents for Production
  • Chapter 19: Operating and Improving Agents in Production
  • Chapter 20: Unlock the Code Bundle and the PDF Version Pasted markdown

 

جهت دانلود کتاب Building Production AI Agents می‌توانید پس از پرداخت، دریافت کنید.