راهنماهای عملی
۴ راهنمای عملی ابزارهای هوش مصنوعی
راهنماهای عملی دورهی مهندسی هوش مصنوعی به فارسی: سرویسدهی مدل با vLLM و SGLang، ساخت ایجنت با LangChain و LangGraph و یادگیری تقویتی با Miles؛ هر توصیه با اجرای واقعی و عدد اندازهگیریشده.
- ۳۶بخش اصلی
- ۱۹۸درس عملی
- ۲۰۹نمودار فارسی
درسها یک موضوع را از صفر میسازند تا بفهمید چرا کار میکند.
راهنماها یک ابزار واقعی را از نصب تا عیبیابی در محیط عملیاتی پیش میبرند؛ دستورها، لاگها و اعداد عیناً از اجراهای ثبتشدهاند.
- سرویسدهی مدلvLLM 0.31.0
vLLM 101
سرویسدهی، ابعاددهی، تنظیم دقیق و اشکالزدایی مدلهای متنباز با vLLM، به همراه پاسخهای مبتنی بر سنجش برای هر تصمیم
- ۹ بخش اصلی
- ۵۲ درس
- ۲۶ نمودار
بعد از این راهنما میتوانید
- vLLM را نصب کنید، یک مدل را اجرا و سرویسدهی کنید و خطوط راهاندازی را که ظرفیت سرور را مشخص میکنند بخوانید.
- پیشبینی کنید چه تعداد کاربر روی GPU شما جا میگیرند و خطای کمبود حافظه (OOM) را در زمان راهاندازی رفع کنید.
- یک یا دو پرچمی را که برای ترافیک شما اهمیت دارند انتخاب کنید و بقیه را روی مقادیر پیشفرض بگذارید.
- سرویسدهی مدلSGLang 0.5.22
SGLang 101
سرو مدلهای زبانی با SGLang، از یک درخواست تا ناوگانی کامل، همراه با تصمیماتی فنی که فهرست پرچمها به شما نمیگویند
- ۸ بخش اصلی
- ۳۶ درس
- ۶۳ نمودار
بعد از این راهنما میتوانید
- نصب SGLang، سرو یک مدل و دریافت نخستین پاسخ از هر دو API آن در حدود ده دقیقه.
- اندازهگذاری استخر KV برای GPU خود و رفع مشکل سروری که دچار کمبود حافظه شده است.
- تنظیم دقیق سرور متناسب با ترافیک شما: پرامپتهای اشتراکی، اسناد طولانی، کاربران پرتعداد یا فرمت FP8.
- ساخت ایجنتLangChain 1.5.0
LangChain 101
ساخت، اجرا، پایداری دادهها و دیباگ ایجنتها با LangChain 1.5، LangGraph 1.2 و Deep Agents 0.7، همراه با پاسخی مستند برای هر تصمیم
- ۱۰ بخش اصلی
- ۷۱ درس
- ۱۰۲ نمودار
بعد از این راهنما میتوانید
- تصمیمگیری برای انتخاب LangChain، LangGraph یا Deep Agents برای یک ایجنت بر اساس کیفیت، زمان و هزینه اندازهگیریشده.
- نصب پشته از روی یک فایل قفل در پایتون 3.11 یا بالاتر و تعیین بسته مربوط به هر import.
- ساخت ایجنت با create_agent و پیشبینی هر فراخوانی مدل، فراخوانی ابزار، سوپراستپ و چکپوینت در طول اجرا.
- یادگیری تقویتیMiles · main 2026-10-15
Miles 101
یادگیری تقویتی روی مدلهای زبانی با Miles، از یک GPU تا اجرایی قابلاطمینان
- ۹ بخش اصلی
- ۳۹ درس
- ۱۸ نمودار
بعد از این راهنما میتوانید
- اجرای GRPO روی یک GPU با تصویر radixark/miles و بررسی ده گام نخست.
- متوقف کردن اجرایی که موتور rollout آن از کار افتاده اما کماکان ادامه مییابد.
- انتخاب اندازهی مدلی که آموزش و rollout آن همزمان روی یک GPU جا شود.
ترجمهی فارسی راهنماهای manuals دورهی AI Engineering from Scratch، نوشتهی Rohit Ghumare، تحت مجوز MIT.