- عنوان کتاب: AI Agents and Applications
- نویسنده: Roberto Infante
- حوزه: یادگیری عمیق
- سال انتشار: 2025
- تعداد صفحه: 542
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 11.4 مگابایت
پس از راه‌اندازی ChatGPT در اواخر سال 2022، توسعه‌دهندگان به سرعت شروع به آزمایش برنامه‌هایی کردند که توسط مدل‌های زبانی بزرگ (LLM) پشتیبانی می‌شدند. از آن زمان، LLMها از تازگی به ضرورت تبدیل شده‌اند و به یک جزء اصلی جدید در جعبه ابزار توسعه برنامه تبدیل شده‌اند – دقیقاً مانند پایگاه‌های داده یا رابط‌های وب در دوره‌های قبلی. آن‌ها به برنامه‌ها این امکان را می‌دهند که به سؤالات پیچیده پاسخ دهند، محتوای متناسب تولید کنند، اسناد طولانی را خلاصه کنند و اقدامات را در سیستم‌ها هماهنگ کنند. مهم‌تر از آن، LLMها کلاس جدیدی از برنامه‌ها را باز کرده‌اند: عامل‌های هوش مصنوعی. عامل‌ها ورودی را به زبان طبیعی دریافت می‌کنند، تصمیم می‌گیرند کدام ابزارها یا سرویس‌ها را فراخوانی کنند، گردش‌های کاری چند مرحله‌ای را هماهنگ می‌کنند و نتایج را در قالبی واضح و کاربرپسند بازمی‌گردانند. شما میتوانید چنین سیستم‌هایی را کاملاً از ابتدا بسازید، اما به سرعت با چالش‌های تکراری روبرو خواهید شد: نحوه دریافت و مدیریت داده‌ها، نحوه ساختاردهی دستورات، نحوه زنجیره‌سازی قابل اعتماد فراخوانی‌های مدل و نحوه ادغام APIها و سرویس‌های خارجی. بازآفرینی این الگوها هر بار کند و مستعد خطا است. اینجاست که چارچوب‌ها وارد می‌شوند. LangChain، LangGraph و LangSmith بلوک‌های سازنده ماژولاری را ارائه می‌دهند که مطالب تکراری را حذف می‌کنند، بهترین شیوه‌ها را ترویج می‌دهند و به شما امکان می‌دهند به جای سیم‌کشی سطح پایین، روی منطق برنامه تمرکز کنید. در سراسر این کتاب، ما از این چارچوب‌ها به عنوان ابزارهای عملی – نه به عنوان هدف، بلکه به عنوان وسیله – برای یادگیری نحوه طراحی، ساخت و مقیاس‌بندی برنامه‌ها و عامل‌های واقعی مبتنی بر LLM استفاده خواهیم کرد.
After the launch of ChatGPT in late 2022, developers quickly began experimenting with applications powered by large language models (LLMs). Since then, LLMs have moved from novelty to necessity, becoming a new staple in the application development toolbox—much like databases or web interfaces in earlier eras. They give applications the ability to answer complex questions, generate tailored content, summarize long documents, and coordinate actions across systems. More importantly, LLMs have unlocked a new class of applications: AI agents. Agents take input in natural language, decide which tools or services to call, orchestrate multi-step workflows, and return results in a clear, human-friendly format. You could build such systems entirely from scratch, but you would quickly encounter recurring challenges: how to ingest and manage data, how to structure prompts, how to chain model calls reliably, and how to integrate external APIs and services. Reinventing these patterns each time is slow and error-prone. This is where frameworks come in. LangChain, LangGraph, and LangSmith provide modular building blocks that eliminate boilerplate, promote best practices, and let you focus on application logic instead of lowlevel wiring. Throughout this book, we will use these frameworks as practical tools—not as the goal, but as the means—to learn how to design, build, and scale real LLM-based applications and agents.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
Download: AI Agents and Applications
نظرات کاربران