آموزش سیستم‌های چند ایجنتی هوش مصنوعی با CrewAI

اگر دنبال این هستید که از سطح یک «کاربر معمولی چت‌جی‌پی‌تی» فراتر بروید و مثل یک معمار هوش مصنوعی رفتار کنید، این دوره دقیقاً همان سکوی پرتاب شماست! دوره "سیستمهای چند ایجنتی هوش مصنوعی با CrewAI" که توسط ژائو مورا موسس CrewAI تدریس میشود.

در این دوره شما یاد میگیرید که به جای چت کردنِ ساده با یک هوش مصنوعی، یک تیم کامل از متخصصان دیجیتال داشته باشید که برایتان کار کنند. این دوره به شما یاد می‌دهد چطور لشکری از ایجنت‌های هوش مصنوعی بسازید که با هم حرف می‌زنند، همفکری می‌کنند و پروژه‌های پیچیده را از صفر تا صد تحویل می‌دهند.

در این دوره، شما دیگر فقط "پرامپت" نمی‌نویسید؛ بلکه مدیر یک شرکت هوش مصنوعی می‌شوید! شما یاد می‌گیرید که چطور چندین مدل زبانی (LLM) را با استفاده از فریم‌ورک قدرتمند CrewAI به هم متصل کنید. دیگر خبری از جواب‌های تک‌خطی و ناقص نیست؛ اینجا صحبت از سیستم‌هایی است که مثل یک کارمند واقعی فکر می‌کنند، حافظه دارند، از ابزارهای مختلف (مثل جستجوی وب) استفاده می‌کنند و تا رسیدن به نتیجه نهایی دست از کار نمی‌کشند.

این دوره از دو فصل تشکیل شده است. در فصل اول یاد میگیریم چطور «ایجنت‌های هوش مصنوعی» را درست طراحی کنیم و آنها را مثل یه تیم دور هم جمع کنیم تا کارهای سخت و چند مرحله‌ای را برایمان انجام دهند. همچنین با مفاهیم کلیدی زیر آشنا میشویم:

 1- نقش‌آفرینی (Role-playing): برای هر ایجنت یه نقش تخصصی تعیین می‌کنیم.

 2- حافظه (Memory): به ایجنت‌ها حافظه کوتاه‌مدت، بلندمدت و حافظه مشترک می‌دهیم تا به یاد داشته باشند که چه کاری انجام میدادند.

 3- ابزارها (Tools): به هر ایجنت ابزارهای خاص (مثل جستجوی وب) می‌دهیم تا بتوانند وظایف و تسک ها را انجام بدهند.

 4- تمرکز (Focus): وظایق و هدف‌ها رو ریز می‌کنیم تا هر ایجنت بر روی بخش خودش تمرکز کند و کیفیت کار را بالاتر ببرد.

 5- سیستم حفاظتی (Guardrails): یاد می‌گیریم چطور جلوی اشتباهات، توهمات هوش مصنوعی و گیر کردنش در حلقه‌های تکراری را بگیریم.

 6- همکاری (Cooperation): یاد می‌گیریم ایجنت‌ها چگونه پشت‌سرهم، همزمان یا به صورت سلسله‌مراتبی با هم کار کنند.

در ادامه فصل اول با کتابخانه crewAI کار می‌کنیم و پروژه های زیر را کد میزنیم و یادمیگیریم چطور پیاده سازی کنیم:

 1- شخصی‌سازی رزومه و آماده‌سازی برای مصاحبه کاری.

 2- تحقیق، نوشتن و ویرایش مقاله‌های تخصصی.

 3- جواب دادن خودکار به سوالات بخش پشتیبانی مشتری.

 4- مدیریت کمپین‌های تبلیغاتی و جذب مشتری.

 5- برنامه‌ریزی و اجرای صفر تا صدِ رویدادها (ایونت‌ها).

 6- انجام تحلیل‌های مالی.

در فصل دوم که تحت عنوان «کاربرد عملی چند ایجنتی هوش مصنوعی و موارد استفاده پیشرفته با CrewAI» است. یاد میگیرم چگونه برنامه‌های مبتنی بر ایجنت را برای کاربردهای پیشرفته و واقعی در صنعت، طراحی و پیاده‌سازی کنیم.

در این فصل، چندین برنامه کاربردی از جمله سیستم خودکار برنامه‌ریزی پروژه، سیستم امتیازدهی و جذب مشتری (Lead-scoring)، تحلیل داده‌های پشتیبانی و تولید محتوا در مقیاس بزرگ را خواهیم ساخت.

در فصل دوم چه می‌آموزیم:

 1- اجزای اصلی: یادگیری بلوک‌های سازنده اصلی یعنی «وظایف (Tasks)»، «ایجنت‌ها» و «تیم‌ها (Crews)» و همچنین مفاهیم حیاتی که باعث عملکرد صحیح آن‌ها می‌شوند،     مانند کشینگ (Caching)، حافظه (Memory) و سیستم‌های حفاظتی (Guardrails)

 2- یکپارچه‌سازی: نحوه اتصال برنامه چندایجنتی خود به سیستم‌های داخلی و خارجی.

 3- ساختارهای پیچیده: چگونگی اتصال ایجنت‌های متعدد در چیدمان‌های پیچیده (موازی، متوالی و ترکیبی) و ایجاد جریان‌های کاری (Flows) که شامل همکاری چندین تیم مختلف با        یکدیگر است.

 4- تست و بهینه‌سازی: نحوه ارزیابی تیم ایجنت‌ها با استفاده از شاخص‌های کلیدی و آموزش آن‌ها با بازخورد انسانی برای دستیابی به نتایج بهتر و دقیق‌تر.

 5- مدل‌های زبانی چندگانه: نحوه استفاده از چندین مدل (LLM) مختلف در سیستم چندایجنتی و انتخاب مدل‌ها و ارائه‌دهندگان مناسب برای هر وظیفه خاص.

 6- پیاده‌سازی: نحوه شروع یک پروژه از صفر در محیط کاری خود و آماده‌سازی آن برای استقرار (Deployment).

 7- بخش ویژه: گفتگوی اختصاصی با جیکوب ویلسون، مدیر ارشد فناوری GenAI در شرکت PWC، درباره استقرار جریان‌های کاری ایجنتی در پروژه‌های واقعی صنعتی.

موارد استفاده (پروژه‌های عملی فصل دوم):

باهم روی پروژه‌های هیجان‌انگیزی کار خواهیم کرد، از جمله:

 1- برنامه‌ریزی خودکار پروژه: سیستمی که پروژه را به وظایف کوچک‌تر تقسیم می‌کند، زمان‌بندی انجام می‌دهد و منابع را به آن‌ها اختصاص می‌دهد.

 2- گزارش پیشرفت پروژه: نمونه‌ای از تعامل هوش مصنوعی با سیستم‌های مدیریت پروژه مثل Trello.

 3- Pipeline ایجنتی: سیستمی که اطلاعات مشتریان احتمالی را دریافت، غنی‌سازی و امتیازدهی کرده و برای مشتریان واجد شرایط، ایمیل‌های شخصی‌سازی‌شده می‌نویسد.

 4- تحلیل داده‌های پشتیبانی مشتری: Pipeline که گزارش‌های خرابی و نمودارهای تحلیلی از داده‌های پشتیبانی تولید می‌کند.

 5- تیم تولید محتوا: ایجنت‌هایی که در وب تحقیق می‌کنند، از RAG (بازیابی اطلاعات) برای بررسی صفحات خاص استفاده می‌کنند، محتوا می‌نویسند، کیفیت آن را بازبینی و اصلاح  می‌کنند و پست‌های شبکه‌های اجتماعی را برای پلتفرم‌های مختلف آماده می‌سازند.

دنیای هوش مصنوعی از "چت‌بات‌های ساده" به سمت "سیستم‌های ایجنتی" کوچ کرده است. یادگیری CrewAI یعنی ایستادن در لبه‌ی تکنولوژی. با گذراندن این دوره، شما مهارتی را پیدا می‌کنید که هنوز بسیاری از متخصصان از آن بی‌خبرند!