هندسة الذكاء الاصطناعي التوليدي: بناء أنظمة LLM و RAG والأنظمة الوكيلة (Agentic Systems)

ينتقل الذكاء الاصطناعي التوليدي من المطالبات البسيطة إلى مسارات هندسية متطورة تدعم التطبيقات المستقلة. أصبح فهم كيفية ربط نماذج اللغة الكبيرة (large language models) بالبيانات الواقعية والأدوات الخارجية مهارة أساسية للمطورين المعاصرين. في هذا الدليل المكتوب الشامل، ستنتقل من مبتدئ إلى ممارس ذكاء اصطناعي قادر يفهم كيفية تصميم وبناء وتنسيق سير عمل الذكاء الاصطناعي المعقدة. ستتعلم الآليات الكامنة وراء أنظمة الاسترجاع الحديثة وإعدادات الوكلاء المتعددين (multi-agent setups)، مما يمكّنك من بناء تطبيقات يمكنها التفكير والتخطيط وتنفيذ المهام. ما ستتعلمه: - فهم مفاهيم LLM الأساسية، وأساسيات هندسة المطالبات (prompt engineering)، والمصطلحات الأساسية. - تصميم أنظمة التوليد المعزز بالاسترجاع (RAG) لربط النماذج بقواعد بيانات المتجهات (vector databases) الخاصة. - بناء التنسيقات وسير العمل المنظمة باستخدام LangChain و LangGraph. - تكوين أنظمة الوكلاء المتعددين التي تتعاون لحل المشكلات المعقدة والمتعددة الخطوات. - تطبيق بروتوكول سياق النموذج (Model Context Protocol - MCP) لدمج نماذج الذكاء الاصطناعي بسلاسة مع الأدوات ومصادر البيانات الخارجية. - استكشاف أساسيات الضبط الدقيق للنماذج (model fine-tuning) لتكييف النماذج لمهام نطاق محددة. تبدأ الدورة بالمفاهيم والمصطلحات الأساسية قبل إرشادك خطوة بخطوة عبر قواعد بيانات المتجهات (vector databases)، والأطر الوكيلة (agentic frameworks)، وعمليات دمج الأدوات المتقدمة. ستقرأ شروحات واضحة وتحلل مقتطفات برمجية مصممة لبناء فهمك العملي لهندسة الذكاء الاصطناعي. تم تصميم هذه الدورة للمطورين البرمجيين، ومديري المنتجات التقنيين، وعشاق التكنولوجيا الجدد في مجال هندسة الذكاء الاصطناعي والذين يريدون أساسًا متينًا ومفاهيميًا وعمليًا دون الحاجة إلى خبرة سابقة في التعلم الآلي (machine learning). ابدأ القراءة اليوم لبناء جيلك الأول من الأنظمة الوكيلة الذكية (intelligent agentic systems).