تصور کنید یک کلید API دارید، اما هنوز نمی‌دانید چگونه یک عامل هوش مصنوعی تولیدی را به مرحله تولید (Production) برسانید که بتواند تصمیم بگیرد، از ابزارها استفاده کند و حافظه داشته باشد. برای پر کردن این شکاف، Hugging Face یک دوره رایگان و باز برای آموزش ساخت عامل (Agent) — شبیه به دستیاری که نه تنها حرف می‌زند، بلکه می‌تواند برای رسیدن به هدف، کارهای مختلفی را برنامه‌ریزی و اجرا کند — راه‌اندازی کرده است.
در حالی که بسیاری از آموزش‌ها کاربر را در یک اکوسیستم خاص حبس می‌کنند، این دوره در زمانی عرضه شده که فضای عامل‌محور به‌سرعت در حال تغییر است. طبق مستندات این دوره که در ۲۸ اوت ۲۰۲۶ به‌روزرسانی شده، هدف این است که توسعه‌دهندگان دچار «قفل‌شدگی چارچوب» نشوند؛ یعنی مهارت‌هایشان با منسوخ شدن یک کتابخانه خاص، از بین نرود.
بر اساس بررسی منابع متعدد، ساختار آموزشی این دوره شامل چهار واحد اصلی و چندین ماژول تکمیلی است. هسته فنی این برنامه بر سه چارچوب متمرکز است:
- smolagents: چارچوبی سبک‌وزن که توسط خود Hugging Face توسعه یافته است.
- LangGraph: ابزاری طراحی‌شده برای ساخت عامل‌های در مقیاس صنعتی.
- LlamaIndex: متخصصی برای ساخت عامل‌هایی که بر روی داده‌های خصوصی کار می‌کنند.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، مدیریت دسترسی به داده‌ها در سیستم‌های خودکار حیاتی است. به همین دلیل، این دوره مبحث تولید بازیابی‌افزا (RAG) — مثل دانش‌آموزی که قبل از جواب دادن، اول کتاب درسی را باز می‌کند و از آن نقل می‌آورد — را در حالت عامل‌محور آموزش می‌دهد تا مدل بتواند به‌طور خودکار تصمیم بگیرد چه زمانی به داده‌های خارجی نیاز دارد. در همین راستا، برای رفع محدودیت‌های مدل‌ها در درک ساختارهای پیچیده کد، می‌توان از رویکردهای تبدیل کد به گراف دانش بهره برد تا دقت بازیابی اطلاعات در محیط‌های برنامه‌نویسی افزایش یابد.
به گزارش Hugging Face، دانشجویان برای دریافت گواهینامه و حضور در جدول رده‌بندی جهانی، باید یک پروژه نهایی را به پایان برسانند که به‌صورت خودکار ارزیابی می‌شود. برای یک توسعه‌دهنده، این یعنی سد ورود به دنیای هوش مصنوعی خودگردان دیگر گواهینامه‌های گران‌قیمت یا آموزش‌های پراکنده یوتیوب نیست.
با این حال، این دوره برای مبتدیان مطلق نیست. برای موفقیت در این مسیر، داشتن دانش کاربردی از زبان پایتون و مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — ضروری است. کسانی که این مسیر را طی کنند، از یک «مهندس پرامپت» به یک «معمار عامل» تبدیل می‌شوند.
گام بعدی شما
- بررسی مخزن گیت‌هاب دوره برای مشاهده کدهای نمونه.
- انتخاب یکی از سه چارچوب smolagents، LangGraph یا LlamaIndex بر اساس نیاز پروژه فعلی‌تان.
- ثبت‌نام در دوره برای دریافت گواهینامه معتبر Hugging Face.
اما داستان سخت‌افزاری اجرای این عامل‌ها در مقیاس بزرگ حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو