کتاب Multi-Agent AI Engineering: Design, build, and operate AI systems that think and act as coordinated teams (مهندسی هوش مصنوعی چندعاملی: طراحی، ساخت و بهره‌برداری از سیستم‌های هوش مصنوعی که به‌صورت تیم‌های هماهنگ فکر و عمل می‌کنند) نوشته دکتر شیائو ما و دکتر چی وانگ، یک راهنمای عملی برای طراحی، ساخت و بهره‌برداری از سیستم‌های هوش مصنوعی چندعاملی در سطح تولید است.
جهت دانلود کتاب Multi-Agent AI Engineering می‌توانید از لینک زیر دریافت کنید:
faghatketab.ir/product/multi-agent-ai-engineering/
با اصول، الگوها و شیوه‌های پشت سیستم‌های عاملیِ چندعاملی (Multi-agent) در مقیاس وسیع، هوش مصنوعی عاملی (Agentic AI) را از نمایش‌های هوشمندانه به سمت محیط‌های عملیاتی و قابل‌اعتماد هدایت کنید.
ساخت عامل‌ها و سیستم‌های چندعاملیِ آماده‌ی بهره‌برداری با نمونه‌های عملی پایتون
به‌کارگیری اصول بنیادی، الگوهای طراحی اثبات‌شده و استراتژی‌های ارکستراسیون (هماهنگی)
ارزیابی، پایش، مقیاس‌بندی و تکامل سیستم‌های عاملی از طریق مطالعات موردی دنیای واقعی
با بر عهده گرفتن وظایف پیچیده‌تر توسط سیستم‌های هوش مصنوعی، محدودیت‌های برنامه‌های تک‌مدلی بیش از پیش آشکار می‌شود. مشکلاتی که نیازمند استدلال بلندمدت، تخصص ویژه، هماهنگی و اجرای موازی هستند، مستلزم همکاری قابل‌اعتماد چندین عامل در محیط عملیاتی است.
اما ساخت سیستم‌های چندعاملی اساساً یک چالش مهندسی است. عامل‌ها باید در محدوده‌های دنیای واقعی با یکدیگر ارتباط برقرار کنند، وظایف را تفویض نمایند، زمینه (Context) را مدیریت کنند، از شکست‌ها بازیابی شوند و روی اهداف مشترک همسو بمانند.
«مهندسی هوش مصنوعی چندعاملی» یک راهنمای عملی برای طراحی و اداره سیستم‌های چندعاملی در سطح سازمانی و عملیاتی است. این کتاب با تکیه بر پژوهش‌ها، مشارکت‌های متن‌باز و تجربیات نویسندگان در ساخت سیستم‌های هوش مصنوعی در مقیاس وسیع، بر اصول معماری‌ای تمرکز دارد که فراتر از هر چارچوب یا روند خاصی هستند.
شما مبانی عامل‌ها، پروتکل‌های ارتباطی، مدیریت حافظه و زمینه، ارکستراسیون، استانداردهای قابلیت همکاری و الگوهای اصلی چندعاملی را از طریق نمونه‌های عملی پایتون بررسی خواهید کرد. این کتاب همچنین واقعیت‌های تولید از جمله ارزیابی، قابلیت مشاهده (Observability)، قابلیت اطمینان، خودبهبودی ایمن و مقیاس‌بندی سیستم‌های عاملی در عمل را پوشش می‌دهد.
در پایان، شما مجهز خواهید شد تا سیستم‌های چندعاملی قابل‌اعتمادی را برای استقرار در دنیای واقعی طراحی، ساخته و مقیاس‌بندی کنید.
به‌کارگیری اصول بنیادی برای طراحی عامل‌های آماده‌ی بهره‌برداری
طراحی جریان‌های ارتباطی، مسیریابی و همکاری عامل‌ها
ارکستراسیون تیم‌ها با الگوهای طراحی چندعاملی اثبات‌شده
مدیریت حافظه، بازیابی و زمینه در میان تیم‌های عاملی
ارزیابی، تیم قرمز (Red-teaming) و محک‌زنی رفتار سیستم‌های عاملی
استقرار و مقیاس‌بندی سیستم‌های چندعاملی در محیط عملیاتی
مجهز کردن عامل‌ها به قابلیت مشاهده مبتنی بر OpenTelemetry
تکامل و بهبود ایمن سیستم‌های عاملی در محیط تولید
اگر شما یک مهندس هوش مصنوعی، متخصص یادگیری ماشین، معمار نرم‌افزار یا رهبر فنی هستید که می‌خواهید از دموی عامل‌ها فراتر رفته و سیستم‌های هوش مصنوعی چندعاملیِ کاربردی در محیط تولید را عرضه کنید، این کتاب برای شما نوشته شده است. در پایان، شما قادر خواهید بود سیستم‌های عاملی را با اطمینان طراحی، مستقر، ارزیابی و به‌طور مداوم بهبود بخشید. این کتاب همچنین برای مدیران فنی و محصولی که تصمیمات آگاهانه‌ای در مورد معماری هوش مصنوعی عاملی می‌گیرند، بسیار ارزشمند است. خوانندگان باید با پایتون راحت باشند و آشنایی پایه‌ای با مدل‌های زبانی بزرگ (LLM) داشته باشند؛ نیازی به تخصص عمیق در یادگیری ماشین نیست.
مقدمه‌ای بر سیستم‌های چندعاملی
اصول سیستم‌های چندعاملی
چارچوب‌ها و مدل‌های ذهنی
ساختن اولین عامل‌های خود
ارتباط بین عامل‌ها
الگوهای طراحی برای همکاری چندعاملی
مدیریت زمینه و حافظه
ارکستراسیون تیم‌های عاملی
انتزاعات واحد و پروتکل‌ها برای همکاری عامل‌ها
بررسی مقایسه‌ای چارچوب‌ها
ارزیابی عملکرد و رفتارهای سیستم‌های چندعاملی
قابلیت مشاهده برای هوش مصنوعی عاملی
سیستم‌های چندعاملی خود-تکامل‌یافته
امنیت و حریم خصوصی برای سیستم‌های چندعاملی
استقرار و مقیاس‌بندی سیستم‌های چندعاملی
مطالعات موردی از کاربردهای دنیای واقعی
پژوهش‌های نوظهور و روندهای صنعت
نتیجه‌گیری و چشم‌انداز آینده
