0

دانلود کتاب ساخت یک سیستم چندعاملی

  • عنوان کتاب: Acing the Certified Kubernetes Administrator Exam
  • نویسنده: Val Andrei Fajardo
  • حوزه: عامل هوش مصنوعی
  • سال انتشار: 2025
  • تعداد صفحه: 131
  • زبان اصلی: انگلیسی
  • نوع فایل: pdf
  • حجم فایل: 7.20 مگابایت

سیستم‌های چندعاملی و عامل‌های LLM که آنها را تشکیل می‌دهند، از جمله مباحثی هستند که امروزه در هوش مصنوعی بیشترین بحث و بررسی را به خود اختصاص داده‌اند. کارهای روزمره مانند جستجو در وب، و همچنین کارهای پیچیده‌تر مانند ساخت کل پایگاه‌های کد برنامه‌های نرم‌افزاری، نمونه‌هایی از مواردی هستند که عامل‌های LLM قبلاً در آنها مستقر شده‌اند. اگرچه آنها به هیچ وجه سیستم‌های کاملی نیستند، اما بسیاری پتانسیل بالای تعاملات عامل با عامل را برای تغییر شکل نحوه انجام بسیاری از کارها در جامعه امروز ما تشخیص می‌دهند. امروزه بیش از تعداد انگشت‌شماری چارچوب عامل LLM وجود دارد که من به طور گسترده از آنها استفاده کرده‌ام و حتی در ساخت آنها مشارکت داشته‌ام. در واقع، با فرض آشنایی قبلی با LLMها و داشتن تجربیات قبلی در برنامه‌نویسی با پایتون یا جاوا اسکریپت/تایپ اسکریپت، احتمالاً می‌توانید عامل‌های LLM و همچنین سیستم‌های چندعاملی ایجاد کنید و آنها را به طور مستقل با هر یک از این چارچوب‌ها وظایف خود را انجام دهید. با این حال، این کتاب از یک رویکرد عملی استفاده می‌کند تا به شما کمک کند با ساختن این موارد از ابتدا، درک عمیق‌تری از عملکرد داخلی یک سیستم چندعاملی و عامل‌های LLM که آنها را تشکیل می‌دهند، به دست آورید. این خیلی متفاوت از این نیست که چگونه می‌توانید دانش خود را در LLM ها با یادگیری نحوه پیاده‌سازی توجه و تبدیل‌ها توسط خودتان، عمیق‌تر کنید. برای ساخت یک سیستم چندعامله از ابتدا، سفر ما با ساخت یک عامل LLM بنیادی آغاز می‌شود. ما همچنین چند پیشرفت قابل توجه را در آن لحاظ خواهیم کرد، مانند آماده‌سازی آن برای MCP. شبکه وسیع ابزارها و منابعی که از طریق MCP در دسترس قرار می‌گیرند، پتانسیل عامل‌های LLM را که می‌توانند از آنها استفاده کنند، افزایش می‌دهد. همچنین به واگذاری برخی از مسئولیت‌های توسعه ابزارهای قوی برای عامل‌های LLM به تیم‌ها و سازمان‌های خارجی کمک می‌کند. ما همچنین نحوه پیاده‌سازی قابلیت‌های انسان در حلقه و حافظه برای عامل‌های LLM را بررسی خواهیم کرد، قبل از اینکه در نهایت مرحله مونتاژ سیستم‌های چندعامله را از طریق پروتکل Agent2Agent انجام دهیم. ما تمام کد خود را که شامل زیرساخت‌های مورد نیاز، مانند رابط‌ها برای ابزارها و LLM ها است، در چارچوب عامل LLM مخصوص کتاب که می‌توانید برای خودتان توسعه دهید، بسته‌بندی خواهیم کرد. این چارچوب در درجه اول برای اهداف آموزشی طراحی شده است، نه اینکه در محیط‌های تولید مستقر شود. با این وجود، این به شما پایه و اساسی می‌دهد تا با اطمینان و مؤثرتر با هر عامل LLM و چارچوب‌های چندعاملی مورد نظر خود کار کنید یا حتی راه‌حل‌های تخصصی خود را توسعه دهید.

Multi-agent systems and the LLM agents that comprise them are some of the most discussed and worked on topics in AI today. Everyday tasks like searching the web, as well as more complex tasks like building entire codebases of software applications, are some examples where LLM agents have already been deployed. While they are by no means perfect systems, many recognize the great potential for agent-to-agent interactions to reshape the way many tasks are done in our society today. There are more than a handful of LLM agent frameworks that exist today, which I have used extensively and even contributed to building. In fact, assuming some prior familiarity with LLMs and having past experiences programming with Python or JavaScript/TypeScript, you can probably already create LLM agents as well as multi-agent systems and have them autonomously perform tasks with any one of these frameworks. This book, however, employs a hands-on approach to help you gain a deeper understanding of the inner workings of a multi-agent system and the LLM agents that comprise them by having you build these from scratch. This is not so different from how you might deepen your knowledge in LLMs by learning how to implement attention and transformers yourself. To build a multi-agent system from scratch, our journey starts with the building of a foundational LLM agent. We’ll also incorporate a few significant enhancements to it, such as making it MCP-ready. The vast network of tools and resources made available through MCP increases the potential of LLM agents that can leverage them. It also helps to offload some of the responsibilities for developing robust tooling for LLM agents to external teams and organizations. We’ll also consider how to implement human-in-the-loop capabilities and memory for LLM agents, before finally taking on the step of assembling multi-agent systems through the Agent2Agent protocol. We’ll package all our code, which includes the required infrastructure, such as interfaces for tools and LLMs, in the book’s very own LLM agent framework that you’ll get to develop for yourself. This framework is primarily designed for educational purposes, rather than being deployed in production settings. Nevertheless, it will give you the foundation to work more confidently and effectively with any other LLM agent and multi-agent frameworks of your choosing or even to develop your own specialized solutions.

این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:

Download: Build a Multi-Agent System

نظرات کاربران

  •  چنانچه دیدگاه شما توهین آمیز باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه تبلیغاتی داشته باشد تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

بیشتر بخوانید

X
آموزش نقاشی سیاه قلم کلیک کنید