ویرگول
ورودثبت نام
خشایار جام سحر
خشایار جام سحرمهندسی نرم افزار
خشایار جام سحر
خشایار جام سحر
خواندن ۲ دقیقه·۳ ماه پیش

نقشه راه آموزش و تسلط بر برنامه نویسی عامل محور هوش مصنوعی Agentic AI بخش اول کلیات

Agentic AI فقط «LLM + Tool» نیست، مهم‌ترین نکته این است که Agent را به‌عنوان یک سیستم تصمیم‌گیرنده ببینید. یعنی باید روی Decision Loop مسلط شوید، نه فقط API یک Framework.

در Workflow مسیر انجام کار از پیش مشخص و قطعی است در حالیکه در Agent مسیر و روال انجام کار را، سیستم در زمان اجرا تعیین می‌کند، و مسیر انجام کار و تصمیم گیری و انتخابها قطعی نمی باشد. در پروژه های کلان معمولا بهترین راه حل، انتخاب Deterministic Workflow + Agentic Decisions است، نه اینکه همه‌چیز را کاملاً Autonomous کنیم.

Goal -> Observe -> Understand -> Plan -> Act -> -> Observe Result -> Evaluate -> Correct / Continue -> Finish

سطوح زیر برای برنامه نویس هوش مصنوعی عامل محور در پروژه ها قابل شناسائی است و بایستی مشخص شود که هر Agent تا چه حد اجازه تصمیم‌گیری دارد.:

  • Level 0 → Chat

  • Level 1 → Tool Calling

  • Level 2 → Agent

  • Level 3 → Autonomous Multi Steps

  • Level 4 → Multi-Agent

  • Level 5 → Long-running Autonomous Agent

اگر بخواهیم همه مباحث موجود درAgentic AI را به یک نقشه واحد تبدیل کنیم مراحل زیر پیشنهاد میشود:

  • مرحله یک : Agent Development که شامل این موارد است LLM → Tools → RAG → Memory → Agent

  • مرحله دو : Agent Orchestration که شامل این موارد است Workflow → Multi-Agent → Planning → HITL → LangGraph / MAF / ADK

  • مرحله سه : Agent Infrastructure که شامل این موارد است MCP → A2A → Events → Long-running → Identity → Registry → Observability

  • مرحله چهار : Agent Platform که شامل این موارد است Agent OS → Governance → Marketplace → Security → Evaluation → Billing → Multi-tenancy → Scalability

تمام امکاناتی که میتوان در یک سیستم سازمانی بزرگ مقیاس با تعداد کاربران پرشمار در نظر گرفت شامل موارد زیر می باشد :

  • Agent Architecture

  • Agent Discovery

  • Agent Gateway

  • Agent Governance + Governance Lifecycle

  • Agent Marketplace + Billing

  • Agent OS : Governance, Identity, Lifecycle, Memory, Observability,

    Policies Engine,

    Registry, Scheduling

  • Agent-to-Agent (A2A)

  • Cost/Latency Optimization

  • Distributed/Scalable Deployment

  • Enterprise Governance

  • Evaluation

  • Event-Driven Agents + Event Bus / Queue

  • Failure Recovery

  • Guardrails

  • Human-in-the-Loop HITL

  • LLM Integration

  • Long-Running Agents

  • MCP

  • Memory

  • Multi-Agent

  • Observability

  • Planning

  • Prompt/Context Engineering

  • RAG

  • Security

  • Structured Output

  • Tool Calling

  • Workflow Orchestration

هوش مصنوعی
۱
۰
خشایار جام سحر
خشایار جام سحر
مهندسی نرم افزار
شاید از این پست‌ها خوشتان بیاید