معرفی کوتاه

کتاب عاملهای هوش مصنوعی نوشتهی پراتیک بهاوسار، راهنمایی کاربردی برای درک عاملهای هوش مصنوعی است. این کتاب نشان میدهد عاملها چگونه کار میکنند، چه انواعی دارند و چرا بسیاری از آنها موفق یا شکست میخورند.

معرفی کامل کتاب

از پاسخدادن تا عمل کردن؛ فراتر از RAG

کتاب از یک تمایز کلیدی شروع میکند: تفاوت میان RAG و عامل هوش مصنوعی. RAG به مدل زبانی کمک میکند با زمینهی مرتبط، پاسخ دقیقتری بدهد؛ اما یک عامل پاسخ را میگیرد، تصمیم میگیرد، وظیفه را اجرا میکند و میتواند چند گام را هماهنگ کند یا با سیستمها و عاملهای دیگر همکاری کند. همین مرز، خط میان یک ابزار اطلاعاتی و یک سیستم خودکار هوشمند است.

مقایسهی چارچوبها و ارزیابی عملکرد

فصلهای دوم و سوم به مقایسهی سه چارچوب اصلی ساخت عامل میپردازند: CrewAI، AutoGen و LangGraph. این مقایسه بر اساس معیارهای عملی انجام میشود؛ ابزارها، حفظ زمینه، ساختار، تفسیرپذیری، مستندات، پشتیبانی چندعاملی، کش، حافظه، تکرار، بازپخش، اجرا و دخالت انسان. نویسنده سپس ساختار ارزیابی عامل را با مفاهیمی مانند عامل ReAct، مدیریت وضعیت، ایجاد گراف و معیارهایی مانند Galileo و Callbacks شرح میدهد.

مطالعات موردی واقعی و دلایل شکست

فصل چهارم پنج مطالعهی موردی را بررسی میکند: رسیدگی به مطالبات، بهینهسازی عامل حسابرسی مالیاتی، ارتقای عامل تحلیل بازار سهام، بهینهسازی عامل برنامهنویسی و تقویت عامل امتیازدهی مشتریان احتمالی. فصل پنجم دلایل شکست بیشتر عاملهای هوش مصنوعی را کالبدشکافی میکند و راهحلهایی برای چالشهای توسعه، LLM و تولید ارائه میدهد. کتاب در پایان واژهنامه دارد.

این کتاب برای چه کسانی مناسب است؟

- توسعهدهندگانی که میخواهند نخستین عامل هوش مصنوعی خود را با چارچوبهای واقعی بسازند
- مدیران فنی و رهبران تیم که باید تصمیم بگیرند در کجا و چطور از عاملها استفاده کنند
- پژوهشگرانی که به ارزیابی عملکرد و شناخت نقاط شکست عاملها علاقه دارند
- متخصصان حوزههای پشتیبانی مشتری، تحلیل داده، خدمات درمانی و تولید محتوا
- کسانی که با RAG آشنایی دارند و میخواهند یک گام فراتر بروند

ویژگیها و نقاط قوت کتاب

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

سوالات متداول

تفاوت عامل هوش مصنوعی با RAG چیست؟

RAG به مدل زبانی کمک میکند پاسخ دقیقتری با زمینهی مرتبط بدهد؛ اما عامل هوش مصنوعی پاسخ را میگیرد، تصمیم میگیرد و وظیفه را اجرا میکند و میتواند چند گام را هماهنگ کند.

در این کتاب چه چارچوبهایی برای ساخت عامل مقایسه شدهاند؟

سه چارچوب CrewAI، AutoGen و LangGraph با معیارهایی مانند ابزارها، حفظ زمینه، مستندات، حافظه، پشتیبانی چندعاملی و دخالت انسان مقایسه شدهاند.

آیا این کتاب به ارزیابی عملکرد عاملها هم میپردازد؟

بله. فصل سوم و چهارم به موضوع ارزیابی عامل، معیارهای سنجش و پنج مطالعهی موردی در زمینههای مختلف میپردازند.

درباره نویسنده و مترجم

پراتیک بهاوسار نویسندهی این کتاب است که پیش از این کتاب *تسلط بر RAG* را منتشر کرده است. مقدمهی کتاب حاضر، آن را گامی فراتر از همان اثر معرفی می‌کند.

دکتر مهدی اسماعیلی مترجم این کتاب است.