مسیر شغلی
مهندسی سیستم‌های ایجنت
Agent Systems Engineering
مهندسی حلقه‌های ایجنت مجهز به ابزار، همراه با سیاق صریح، حافظه، ارکستراسیون، امنیت، ارزیابی و کنترل در محیط عملیاتی.
- ۱۴ درس
- ۱۴ ساعت و ۲۵ دقیقه زمان درس‌ها
- ۷ پروژه‌ی پیشنهادی
آیا می‌خواهید سیستم‌های مبتنی بر ابزاری مهندسی کنید که وضعیت، تصمیم‌ها، شکست‌ها و کنترل‌های آن‌ها همواره مشاهده‌پذیر بمانند؟
این مسیر برای شماست اگر…
- از تحلیل و استدلال درباره‌ی سیستم‌های دارای وضعیت، جریان کنترل و بازیابی از شکست لذت می‌برید.
- می‌خواهید استقلال عمل ایجنت با قراردادهای صریح و شواهد محدود و مهار شود.
- ارکستراسیون آزمون‌پذیر را به دموهای مبهم و غیرشفاف ایجنت ترجیح می‌دهید.
در این نقش چه می‌کنید
- قراردادهای ابزار را طراحی کنید و حلقه‌ی «تفکر، عمل، مشاهده» را ببندید.
- سیاق، حافظه، انتقال‌های وضعیت و ارکستراسیون را کنترل کنید.
- حالت‌های شکست را مدل‌سازی کنید و از مرزهای ابزارها و دستورالعمل‌ها محافظت نمایید.
- رفتار سیستم را ارزیابی کرده و محیط اجرا را بر اساس ردگیری محاسبات و کنترل‌ها مدیریت کنید.
عنوان‌های رایج آگهی‌ها: Agent Systems EngineerAgentic AI EngineerAI Agent Engineer
پیش از شروع
- مبانی مشترک مهندسی نرم‌افزار و هوش مصنوعی را به پایان برسانید، یا دانش کاربردی معادل آن را نشان دهید.
- بتوانید یک برنامه‌ی کاربردی LLM مبتنی بر API بسازید و خروجی‌های ساختاریافته‌ی ردگیری محاسبات را تحلیل کنید.
- مفاهیم اولیه‌ی تست، مدیریت وضعیت و مرزهای امنیتی را درک کنید.
مرحله‌ها
هسته‌ی مشترک
یک بستر ابزار تیپ‌دار و یک حلقه‌ی ایجنت با مرزهای مشخص بسازید.
خروجی: یک حلقه‌ی ایجنت قطعی همراه با ابزارهای تیپ‌دار، اعتبارسنجی، شرط‌های توقف و ثبت گزارش گفتگو.
تمرین نقش تخصصی
سیاق، حافظه، وضعیت و ارکستراسیون را صریح و آزمون‌پذیر کنید.
خروجی: یک جریان کاری دارای وضعیت همراه با بودجه‌ی سیاق، خط‌مشی حافظه، چک‌پوینت‌ها و مسیرهای بازیابی.
پروژه‌ی اثبات مهارت
سیستم را پیش از انتشار، در برابر حالت‌های شکست واقع‌گرایانه و ورودی‌های ناامن ارزیابی فشاری کنید.
خروجی: یک سیستم ایجنت مشاهده‌پذیر همراه با آزمون‌های تخاصمی، ارزیابی مسیر کامل اجرا و درگاه‌های انتشار صریح.
شواهد آمادگی برای مصاحبه
نشان دهید که محیط اجرا را می‌توان با استفاده از کنترل‌ها و شواهد ردگیری محاسبات مدیریت کرد.
خروجی: یک مطالعه‌ی موردی همراه با معماری، شواهد شکست، کنترل‌های محیط اجرا، ردگیری محاسبات و توجیه مصالحه‌ها و تصمیمات فنی.
درس‌ها به ترتیب
- رابط ابزار در ایجنت‌های هوش مصنوعی و چرخه‌ی چهارمرحله‌ای آن
- طراحی اسکیمای ابزار در هوش مصنوعی: نام‌گذاری، توضیحات و محدودیت‌های پارامتر
- مبانی MCP: درخواست‌های بی‌وضعیت و JSON-RPC
- حلقه‌ی ایجنت: مشاهده، تفکر و اقدام با الگوی ReAct
- فراخوانی ابزار و توابع (Tool Use & Function Calling) در ایجنت‌ها
- مهندسی بافتار: مدیریت پنجره، بودجه‌بندی توکن، حافظه و بازیابی
- حافظه در ایجنت‌ها — بافتار مجازی و صفحه‌بندی حافظه با MemGPT
- ارکستراسیون گراف وضعیت‌دار: اجرای پایدار و چک‌پوینت در LangGraph
- الگوهای ارکستراسیون ایجنت‌ها: سرپرست، ازدحام و سلسلهمراتبی
- حالت‌های شکست در سیستم‌های ایجنتی: چرا ایجنت‌ها خراب می‌شوند؟
- تزریق غیرمستقیم پرامپت و الگوی دفاعی PVE در ایجنت‌ها
- توسعه مبتنی بر ارزیابی ایجنت‌ها (Eval-Driven Development)
- محیط‌های اجرای پروداکشن: صف، رویداد و کرانجاب
- مشاهده‌پذیری ایجنت‌ها با Langfuse، Phoenix و Opik
زمان تخمینی فقط شامل ساعت‌های آموزش است. کار روی پورتفولیو و تمرین‌ها به زمان بیشتری نیاز دارد.
پروژه‌ی نمونه‌کار
سیستم ایجنت مشاهده‌پذیر
یک جریان کاری ایجنتی با مرزهای مشخص بسازید که ابزارها، وضعیت، حافظه، رفتار هنگام شکست و شواهد انتشار آن قابل‌بازرسی باشند.
- یک رجیستری ابزار تیپ‌دار و حلقه‌ی ایجنت
- رفتار صریح وضعیت و حافظه
- آزمون‌های حالت‌های شکست و تزریق پرامپت
- یک مجموعه‌ی ارزیابی ایجنت
- ردگیری محاسبات محیط اجرا همراه با شواهد توقف، تلاش مجدد و ارجاع به سطوح بالاتر (Escalation)
پروژه‌های پیشنهادی
- ایجنت کدنویسی کوچکیک حلقه‌ی کدنویسی محدود بسازید که پچهای دقیق را روی یک محیط کاری موقت اعمال کند و آزمون‌های واقعی آن را از طریق قرارداد ابزارهای مجاز (Allowlist) اجرا نماید.
- مسیریاب مهارتهادرخواستها را با استفاده از امتیازدهی شفاف کلمات کلیدی، قوانین مسیر، گیتهای کنترلی مجوز و ترتیب وابستگیها به یک مهارت هدایت کنید.
- دیباگر ردگیری محاسبات ایجنتیک گزارش رگرسیون قبل و بعد که همپوشانی، زمان مصرفی اختصاصی و هزینهی ناشی از توکنهای ناموفق را نشان دهد. از ابزار دقیقسازی خود در هر خط یک آبجکت اسپن به فرمت JSON استخراج کنید و فایل trace.json را در کنار trace.html در فرایند CI نگه دارید.
- سرور حافظهی پایداریک میز کار حافظهی پایدار با تاریخچهی نسخهها و یک مرز مشترک برای REST و MCP. متغیر MEMORY_TOKEN را در محیط مقداردهی کرده و دستور node cli.ts --data-dir memory-data --serve --port 8788 را اجرا کنید. REST و MCP از یک ذخیرهساز مشترک استفاده میکنند؛ هیچ توکنی درون فایلها نوشته نمیشود.
- فایروال فراخوانی ابزاریک ارزیاب خط‌مشی با پیشفرض «مسدودسازی کامل» بسازید که دارای آرگومانهای محدود، مجوزهای مبتنی بر نقش، تاییدیه‌های یکبارمصرف و لاگ بازرسی ساختاریافته باشد. این دستسازه یک گیت کتابخانهای است و برنامهها باید آن را پیش از اجرای واقعی هر ابزار قرار دهند.
- وظایف ایجنتی مانا (Durable Agent Jobs)یک صف گزارش محلی و پایدار بسازید که از اجارههای نسخهدار، ورودی‌های تغییرناپذیر، رسیدهای خروجی بیاثر در تکرار و بازیابی بازتولیدپذیر از کرش فرایندهای ورکر برخوردار باشد.
- ایجنت مرورگررسید اجرای یک فرم که قبل از اعتماد به پیام موفقیت، مقادیر درخواستی را اعتبارسنجی میکند. کلاس Driver را با یک تطبیقدهنده جایگزین کنید که توابع observe، act و capture را پیاده‌سازی نماید. دستور cli.ts --live را فقط پس از ارائهی مجموعهدادهی نمونهی طراحیشده و تنظیم BROWSE_BIN اجرا کنید.
از کجا بدانید آماده‌اید
- می‌تواند قابلیت‌های ابزار را از خط‌مشی تصمیم‌گیری ایجنت تفکیک کند.
- می‌تواند توضیح دهد چه مواردی وارد سیاق می‌شوند، چه چیزهایی باقی می‌مانند و چه داده‌هایی منقضی می‌شوند.
- می‌تواند انتقال‌های وضعیت و مسیرهای شکست در ارکستراسیون را مدل‌سازی کند.
- می‌تواند تزریق پرامپت، سوءاستفاده از ابزار، حلقه‌های بی‌پایان و ادعاهای کاذب اتمام کار را تست کند.
- می‌تواند رفتار را از روی مسیر کامل اجرا ارزیابی کرده و با اتکا به ردگیری محاسبات آن را مدیریت کند.
این مسیر چه چیزی را پوشش می‌دهد
کامل
- قراردادهای ابزار و حلقه‌های ایجنت
- سیاق، حافظه و وضعیت
- ارکستراسیون و حالت‌های شکست
- امنیت، ارزیابی و مشاهده‌پذیری ایجنت
بخشی
- سیستم‌های ایجنت توزیع‌شده
- تجربه‌ی پیاده‌سازی تاییدیه‌های انسانی
- مانایی جریان‌های کاری طولانی‌مدت
بیرون از دوره
- مالکیت ناوگان ایجنت‌ها در محیط عملیاتی
- کنترل مدل درون زیرساخت‌های سرویس‌دهنده
- سال‌ها تجربه‌ی نوبت پاسخگویی (آنکال) زنده
این بخش یک لایه‌ی تخصصی پس از مبانی مشترک است. پروتکل MCP صرفاً یک بستر یکپارچه‌سازی است، نه تعریف کامل مهندسی سیستم‌های ایجنت؛ و این مسیر جایگزین تجربه در سیستم‌های توزیع‌شده یا مدیریت عملیات زنده نخواهد شد.
تکمیل این مسیر نشان می‌دهد که شما می‌توانید یک سیستم ایجنت مشاهده‌پذیر را بسازید و ارزیابی کنید؛ اما استخدام در یک جایگاه شغلی یا داشتن تجربه در مدیریت ناوگان ایجنت‌های محیط عملیاتی را تضمین نمی‌کند.