معرفی کوتاه

کتاب عامل‌های هوش مصنوعی نوشته پراتیک بهاوسار، راهنمایی است برای کسانی که می‌خواهند از سطح مفهوم به سطح ساخت و استقرار سیستم‌های عامل‌محور برسند. این کتاب نشان می‌دهد عامل‌های هوش مصنوعی چه هستند، چطور کار می‌کنند و چرا بسیاری از آن‌ها شکست می‌خورند

معرفی کامل کتاب

 از پاسخ دادن تا عمل کرداسخ دقیق‌تری بدهند؛ اما یک عامل هوش مصنوعی کارش اینجا تمام نمی‌شود. عامل پاسخ را می‌گیرد، تصمیم می‌گیرد، وظایف را اجرا می‌کند و در صورت نیاز با سیستم‌های دیگر هماهنگ می‌شود. همین تفاوت ساده، مرز بین یک ابزار اطلاعاتی و یک سیستم هوشمند خودکار را می‌کشد.

انتخاب ابزار درست، پیش از نوشتن اولین خط کد

فصل‌های دوم و سوم کتاب به مقایسه سه چارچوب اصلی ساخت عامل می‌پردازند: LangGraph، AutoGen و CrewAI. این مقایسه بر اساس معیارهای عملی انجام شده؛ حافظه، قابلیت چند‌عاملی، کیفیت مستندات، پشتیبانی از دخالت انسان، و روش اجرا. نویسنده با نمونه‌های موردی واقعی نشان می‌دهد هر چارچوب در چه موقعیتی بهتر عمل می‌کند.

پنج حوزه واقعی، یک الگوی مشترک برای ارزیابی

کتاب در فصل چهارم پنج مطالعه موردی مفصل ارائه می‌دهد: رسیدگی به مطالبات، حسابرسی مالیاتی، تحلیل بازار سهام، برنامه‌نویسی هوش مصنوعی و امتیازدهی به مشتریان احتمالی. هر مورد یک سیستم عامل‌محور واقعی را از زاویه ارزیابی و بهینه‌سازی بررسی می‌کند. فصل پنجم هم چالش‌های رایج توسعه را کالبدشکافی می‌کند و راه‌حل‌های عملی ارائه می‌دهد.

این کتاب برای چه کسانی مناسب است؟

- توسعه‌دهندگانی که می‌خواهند اولین عامل هوش مصنوعی خود را با چارچوب‌های واقعی بسازند
- مدیران فنی و رهبران تیم که باید تصمیم بگیرند کجا و چطور از سیستم‌های عامل‌محور استفاده کنند
- پژوهشگرانی که به ارزیابی عملکرد و شناخت نقاط شکست عامل‌ها علاقه دارند
- متخصصانی که با حوزه‌هایی مانند پشتیبانی مشتری، تحلیل مالی یا تولید محتوا کار می‌کنند و به دنبال خودکارسازی هوشمند هستند
- کسانی که با RAG آشنا هستند و می‌خواهند یک گام جلوتر بروند

ویژگی‌ها و نقاط قوت کتاب

• ساختار پنج‌فصلی منسجم: از تعریف و انواع عامل تا ارزیابی، مطالعه موردی و رفع خطا
  - مقایسه عملی سه چارچوب اصلی: LangGraph، AutoGen و CrewAI با معیارهای مشخص
  - پنج مطالعه موردی واقعی: در حوزه‌های مالی، بازار سهام، برنامه‌نویسی و مدیریت مشتری
  - بررسی دلایل شکست عامل‌ها: چالش‌های توسعه، LLM و تولید با راه‌حل‌های عملی
  - واژه‌نامه تخصصی: در انتهای کتاب برای مرجع سریع

سوالات متداول

تفاوت عامل هوش مصنوعی با سیستم RAG چیست؟

سیستم RAG اطلاعات مرتبط فراهم می‌کند تا مدل پاسخ دقیق‌تری بدهد؛ عامل هوش مصنوعی فراتر می‌رود و می‌تواند تصمیم بگیرد، وظیفه اجرا کند یا با سیستم‌های دیگر هماهنگ شود.

کدام چارچوب ساخت عامل در این کتاب بررسی شده؟

سه چارچوب LangGraph، AutoGen و CrewAI با معیارهای عملی مانند حافظه، مستندات، پشتیبانی از چند‌عاملی و دخالت انسان مقایسه شده‌اند.

آیا این کتاب برای افراد تازه‌کار در هوش مصنوعی مناسب است؟

کتاب برای کسانی مناسب‌تر است که با مفاهیم پایه LLM و RAG آشنایی دارند و می‌خواهند وارد حوزه عامل‌های هوشمند شوند.

درباره نویسنده و مترجم

پراتیک بهاوسار نویسنده این کتاب، پیش از این کتاب الکترونیکی *تسلط بر RAG* را منتشر کرده که بر ساخت، عملیاتی‌سازی و بهبود سیستم‌های RAG در سطح سازمانی تمرکز داشت. کتاب حاضر ادامه همان مسیر است و گامی فراتر به سمت سیستم‌های عامل‌محور برمی‌دارد.

دکتر مهدی اسماعیلی مترجم این اثر است.