بناء وكلاء نماذج اللغات الكبيرة في Python: صياغة التوجيهات وتنظيم الرسوم البيانية

توفر نماذج اللغات الكبيرة إمكانات هائلة، ولكن تحويل الوصول إلى واجهات برمجة التطبيقات الخام إلى تطبيقات موثوقة ومتعددة الخطوات يتطلب مهارات تطوير متخصصة. تعلّمك هذه الدورة التقنيات العملية اللازمة لبناء سير عمل معقدة لنماذج LLMs. بنهاية هذه الدورة، ستكون قادراً على دمج نماذج LLMs في تطبيقات Python الخاصة بك، وتنفيذ استراتيجيات توجيه متقدمة لاستخراج البيانات بشكل موثوق، وتصميم وكلاء ذكاء اصطناعي مستقلين قادرين على اتخاذ قرارات معقدة واستدعاء الدوال. ما ستتعلمه: * فهم أساسيات التفاعل مع نماذج LLMs باستخدام حزم تطوير البرمجيات (SDKs) الخاصة بـ Python ومكالمات API المباشرة. * إتقان تقنيات هندسة التوجيهات (Prompt Engineering)، بما في ذلك ضبط التعليمات والتعلم بقلة الأمثلة (few-shot learning). * تطبيق طرق المخرجات المنظمة باستخدام نماذج البيانات (مثل Pydantic) لضمان استخراج بيانات موثوقة من نماذج LLMs. * ممارسة تنفيذ أنماط التوليد المعزز بالاسترجاع (RAG) الأساسية للرسو السياقي. * تكوين وكلاء ذكاء اصطناعي قادرين على استخدام أدوات خارجية عبر استدعاء الدوال (Function Calling) وتعريفات الأدوات. * تصميم وتنفيذ بنيات وكلاء متعددة الخطوات باستخدام أدوات التنسيق القائمة على الرسوم البيانية مثل LangGraph. تبدأ الدورة بالمفاهيم الأساسية وتكامل واجهات برمجة التطبيقات، وتتقدم عبر التوجيه المتقدم ومعالجة البيانات المنظمة، وتتوج بتطوير بنية وكيل ذكاء اصطناعي كاملة وذات حالة. تم تصميم هذه الدورة لمطوري Python المبتدئين الذين يرغبون في التخصص في بناء تطبيقات عملية وجاهزة للإنتاج مدعومة بنماذج اللغات الكبيرة. لا توجد خبرة سابقة مطلوبة في الذكاء الاصطناعي أو التعلم الآلي. ابدأ في بناء الجيل القادم من التطبيقات الذكية اليوم.