13 Nov 2025, 06:26 UTC≈1,830 views18 reactionsread 7 August 2026 Forwarded from @metapageai
یکی از مسائلی که اگر با مدلهای زبانی بزرگ (LLMها) یا ایجنتها کار کرده باشید حتماً با آن روبهرو شدهاید و احتمالاً گاهی هم آزارتان داده این است که وقتی از مدل خروجی را در قالب JSON میخواهید، همیشه دقیقاً همانطور تحویلتان نمیدهد.
گاهی ابتدای خروجی یا انتهای آن ``` یا ```json میگذارد، گاهی هم ساختار JSON را درست رعایت نمیکند و چیزی کم یا زیاد دارد که رفع کردن آن آزاردهنده است.
یکی از راهحلهایی که ما در شرکت…
❤11👍7
30 Sept 2025, 17:25 UTC≈2,520 views21 reactionsread 7 August 2026 برای جلوگیری از شلوغ شدن کانال فعلی، یک کانال جداگانه مخصوص همخوانی کتاب ایجاد کردیم. بنابراین ادامه پستهای خواندن کتاب Agentic Design Patterns در کانال مذکور قرار میگیره. ☝️
❤16👍5
30 Sept 2025, 17:24 UTC≈2,150 views18 reactionsread 7 August 2026 Forwarded from @metapageai
این کانال با هدف همخوانی کتابهای حوزه فناوری، بهویژه کتابهای مرتبط با هوش مصنوعی ایجاد شده است. گاهی یک کتاب را بهطور کامل و فصلبهفصل مطالعه میکنیم و نکات مهم و ارزشمند آن را در اینجا منتشر میکنیم. گاهی هم ممکن است تنها یک فصل از یک کتاب به دلیل اهمیتش بررسی و همخوانی شود.
مدیریت کانال در حال حاضر بر عهده دو نفر است و احتمال دارد در آینده افراد دیگری نیز به این مجموعه بپیوندند:
۱. محمد طلایی
۲. علیرضا آق…
❤15👍3
24 Sept 2025, 15:36 UTC≈2,440 views16 reactionsread 7 August 2026 در فصل چهارم کتاب Agentic Design Patterns با الگوی Reflection آشنا میشویم. ایدهی اصلی این الگو ارزیابی خروجی یک ایجنت توسط ایجنتی دیگر است. یعنی از یک ایجنت برای بررسی، نقد و بهبود خروجی ایجنت دیگر استفاده میکنیم. به همین دلیل در اینجا با یک حلقه روبهرو هستیم.
برای مثال، فرض کنید میخواهیم سیستمی برای تولید محتوا طراحی کنیم. در این سیستم، یک ایجنت متخصص تولید محتوا تعریف میکنیم و ایجنت دیگری به عنوان ارزیاب در…
👍13❤3
24 Sept 2025, 15:35 UTC≈1,810 views4 reactionsread 7 August 2026 Photo
الگوی Reflection
❤3👍1
21 Sept 2025, 15:07 UTC≈2,080 views16 reactionsread 7 August 2026 فصل سوم کتاب Agentic Design Patterns به الگوی Parallelization میپردازد. در این الگو، درخواستها بهطور همزمان و موازی به چند ایجنت ارسال میشوند، زیرا تسکی که قرار است انجام شود، قابلیت شکستهشدن به بخشهای کوچکتر و مستقل را دارد. وظیفهی ایجنت اصلی در اینجا تجمیع نتایج است.
برای مثال، قابلیت جستوجوی عمیق را در نظر بگیرید. جستوجوی یک موضوع خاص و خلاصهسازی آن میتواند بهطور مستقل توسط یک ایجنت انجام شود، در حا…
👍15❤1
21 Sept 2025, 15:07 UTC≈1,490 views9 reactionsread 7 August 2026 Photo
الگوی Parallelization
👍9
18 Sept 2025, 17:04 UTC≈1,890 views18 reactionsread 7 August 2026 فصل دوم کتاب Agentic Design Patterns به معرفی الگوی Routing میپردازد. این الگو امکان اضافه کردن رفتار انتخابی (Condition) به سیستم را فراهم میکند.
برای مثال، فرض کنید کاربر در یک چتبات پیامی به ایجنت ارسال میکند. بر اساس محتوای پیام، ایجنت تصمیم میگیرد چه واکنشی نشان دهد:
اگر پیام مربوط به پشتیبانی باشد، آن را به ایجنت دیگری که متخصص ارتباط با مشتری است محول میکند.
اگر پیام به امور حسابداری ارتباط داشته ب…
👍10❤8
18 Sept 2025, 17:03 UTC≈1,490 views10 reactionsread 7 August 2026 Photo
الگوی Routing
👍10
16 Sept 2025, 17:13 UTC≈1,860 views33 reactionsread 7 August 2026 کتاب Agentic Design Patterns در فصل اول با الگویی به نام Prompt Chaining (که به آن Pipeline هم گفته میشود) آغاز میکند. مدلهای زبان بزرگ یا به طور کلیتر ایجنتها، معمولاً برای انجام کارهای کوچک و خوشتعریف مناسب هستند. به محض اینکه پرامپت پیچیده شود یا چند کار مختلف از آنها بخواهیم، کارایی و کیفیت خروجی کاهش پیدا میکند.
ایدهی اصلی این است که بهجای سپردن همهی کارها در قالب یک پرامپت به ایجنت، مسئله را به مجم…
👍25❤6🐳2
16 Sept 2025, 17:13 UTC≈1,530 views13 reactionsread 7 August 2026 Photo
الگوی Prompt Chaining
👍8❤5
15 Sept 2025, 16:13 UTC≈2,370 views56 reactionsread 7 August 2026 بهتازگی دکتر Antonio Gulli، مدیر ارشد دفتر CTO گوگل در زوریخ، پیشنویس کتاب خود را بهصورت رایگان در دسترس عموم قرار داده است:
لینک کتاب
نام کتاب Agentic Design Patterns است. هدف آن آموزش الگوهای طراحی متداول در سیستمهای مبتنی بر ایجنت است. من بهطور گذرا نگاهی به محتوای آن انداختم. هر فصل علاوه بر بخشهای نظری، یک مثال عملی با LangChain و یک مثال با Google ADK (فریمورک گوگل برای توسعه ایجنتها) هم ارائه میدهد…
❤44👍11🤔1
Showing the 12 most recent of 20 posts we hold for @golemcourse. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.