دوره آموزشی توسعه اپلیکیشنهای RAG با LlamaIndex و Next.js
2 ساعت 40 دقیقهمتوسط2026-02-27
مدرسین

Packt Publishing
جزئیات دوره
هوش مصنوعی مولد در حال تغییر نحوه دسترسی و استفاده از اطلاعات است، اما یکی از چالشهای اصلی مدلهای زبانی بزرگ (LLMs) این است که دانش آنها محدود به دادههایی است که قبلاً روی آنها آموزش دیدهاند. اینجاست که Retrieval-Augmented Generation یا RAG وارد عمل میشود. RAG به مدلهای هوش مصنوعی اجازه میدهد قبل از تولید پاسخ، اطلاعات موردنیاز را از منابع واقعی و بهروز بازیابی کنند و در نتیجه پاسخهایی دقیقتر، مرتبطتر و قابل اعتمادتر ارائه دهند.
در این دوره یاد میگیری چگونه با استفاده از LlamaIndex و JavaScript اپلیکیشنهای حرفهای RAG بسازی. آموزش از آمادهسازی محیط توسعه آغاز میشود؛ جایی که نحوه نصب و پیکربندی Node.js، تنظیم پروژه و اتصال به OpenAI API را یاد میگیری تا بتوانی ارتباط کاملی بین مدلهای هوش مصنوعی و دادههای خودت برقرار کنی.
سپس با مفاهیم اصلی LlamaIndex آشنا میشوی؛ از جمله Data Ingestion، Indexing و Querying. یاد میگیری چگونه دادهها را از منابع مختلف دریافت کنی، آنها را ایندکس کنی و سیستمهای جستجوی هوشمند بسازی که بتوانند اطلاعات موردنیاز را به سرعت بازیابی کنند.
در ادامه، قدمبهقدم ساخت سیستمهای RAG ساده و پیشرفته را تمرین میکنی. یاد میگیری چطور دادههای ساختاریافته را جستجو کنی، از Data Loaderهای سفارشی استفاده کنی و موتورهای Query اختصاصی بسازی. همچنین نحوه اتصال LlamaIndex به Express API را یاد میگیری تا بتوانی قابلیتهای RAG را در اپلیکیشنهای واقعی پیادهسازی کنی.
یکی از جذابترین بخشهای دوره، کار با سناریوهای پیچیدهتر است. برای مثال یاد میگیری چطور فایلهای PDF را پردازش و جستجو کنی، چندین منبع داده مختلف را با هم ترکیب کنی و سیستمهایی طراحی کنی که بتوانند به حجم بالایی از اطلاعات پاسخ دهند.
در بخشهای پایانی دوره، موضوعات حرفهایتر مانند Data Persistence، مدیریت دادههای ذخیرهشده و استقرار (Deployment) اپلیکیشنهای آماده تولید بررسی میشوند. همچنین یک چتبات فولاستک با استفاده از Next.js، LlamaIndex و OpenAI میسازی و یاد میگیری چگونه آن را سفارشیسازی و منتشر کنی.
این دوره برای توسعهدهندگان نرمافزار، مهندسان هوش مصنوعی، متخصصان یادگیری ماشین، دانشمندان داده و برنامهنویسان وب طراحی شده و به شما کمک میکند مهارتهای لازم برای ساخت نسل جدید اپلیکیشنهای مبتنی بر هوش مصنوعی و RAG را به دست آورید.
اهداف یادگیری
ساخت سیستمهای RAG با استفاده از LlamaIndex و JavaScript
راهاندازی و پیکربندی محیط توسعه برای اپلیکیشنهای RAG
اتصال پروژه به OpenAI API و مدلهای زبانی بزرگ
پیادهسازی فرآیند دریافت داده و ایندکسگذاری اطلاعات
ساخت Queryهای پیشرفته و سفارشی در LlamaIndex
ایجاد Data Loader و Query Engine اختصاصی
کار با دادههای ساختاریافته و نیمهساختاریافته
جستجو و پردازش فایلهای PDF در سیستمهای RAG
توسعه چتبات فولاستک با Next.js و LlamaIndex
استقرار و مدیریت اپلیکیشنهای RAG در محیط Production
در این دوره یاد میگیری چگونه با استفاده از LlamaIndex و JavaScript اپلیکیشنهای حرفهای RAG بسازی. آموزش از آمادهسازی محیط توسعه آغاز میشود؛ جایی که نحوه نصب و پیکربندی Node.js، تنظیم پروژه و اتصال به OpenAI API را یاد میگیری تا بتوانی ارتباط کاملی بین مدلهای هوش مصنوعی و دادههای خودت برقرار کنی.
سپس با مفاهیم اصلی LlamaIndex آشنا میشوی؛ از جمله Data Ingestion، Indexing و Querying. یاد میگیری چگونه دادهها را از منابع مختلف دریافت کنی، آنها را ایندکس کنی و سیستمهای جستجوی هوشمند بسازی که بتوانند اطلاعات موردنیاز را به سرعت بازیابی کنند.
در ادامه، قدمبهقدم ساخت سیستمهای RAG ساده و پیشرفته را تمرین میکنی. یاد میگیری چطور دادههای ساختاریافته را جستجو کنی، از Data Loaderهای سفارشی استفاده کنی و موتورهای Query اختصاصی بسازی. همچنین نحوه اتصال LlamaIndex به Express API را یاد میگیری تا بتوانی قابلیتهای RAG را در اپلیکیشنهای واقعی پیادهسازی کنی.
یکی از جذابترین بخشهای دوره، کار با سناریوهای پیچیدهتر است. برای مثال یاد میگیری چطور فایلهای PDF را پردازش و جستجو کنی، چندین منبع داده مختلف را با هم ترکیب کنی و سیستمهایی طراحی کنی که بتوانند به حجم بالایی از اطلاعات پاسخ دهند.
در بخشهای پایانی دوره، موضوعات حرفهایتر مانند Data Persistence، مدیریت دادههای ذخیرهشده و استقرار (Deployment) اپلیکیشنهای آماده تولید بررسی میشوند. همچنین یک چتبات فولاستک با استفاده از Next.js، LlamaIndex و OpenAI میسازی و یاد میگیری چگونه آن را سفارشیسازی و منتشر کنی.
این دوره برای توسعهدهندگان نرمافزار، مهندسان هوش مصنوعی، متخصصان یادگیری ماشین، دانشمندان داده و برنامهنویسان وب طراحی شده و به شما کمک میکند مهارتهای لازم برای ساخت نسل جدید اپلیکیشنهای مبتنی بر هوش مصنوعی و RAG را به دست آورید.
اهداف یادگیری
ساخت سیستمهای RAG با استفاده از LlamaIndex و JavaScript
راهاندازی و پیکربندی محیط توسعه برای اپلیکیشنهای RAG
اتصال پروژه به OpenAI API و مدلهای زبانی بزرگ
پیادهسازی فرآیند دریافت داده و ایندکسگذاری اطلاعات
ساخت Queryهای پیشرفته و سفارشی در LlamaIndex
ایجاد Data Loader و Query Engine اختصاصی
کار با دادههای ساختاریافته و نیمهساختاریافته
جستجو و پردازش فایلهای PDF در سیستمهای RAG
توسعه چتبات فولاستک با Next.js و LlamaIndex
استقرار و مدیریت اپلیکیشنهای RAG در محیط Production
سرفصل ها
مقدمه
- مقدمه
- پیشنیازهای دوره و اینکه این دوره برای چه کسانی مناسب است
- ساختار دوره
- لطفا تماشا کنید - آنچه در این دوره خواهید ساخت
تنظیمات محیط توسعه
- تنظیم محیط توسعه - دستورالعملهای Node.js
- تنظیم حساب OpenAI و کلید API OpenAI
بررسی عمیق LlamaIndex - اصول اولیه
- بررسی عمیق LlamaIndex و ویژگیهای کلیدی - مرور کلی
- دوره فشرده RAG
- جریان LlamaIndex - بررسی اجمالی
- LlamaIndex - مرور کلی رابط کاربری دریافت، نمایهسازی و پرسوجوی دادهها
- عملی - راهاندازی سیستم RAG ساده LlamaIndex
- خلاصه
بررسی عمیق LlamaIndex - مفاهیم اصلی و بارگذاریکنندههای داده
- مفاهیم اصلی LlamaIndex - فهرست لودرها
- مرحله پرسوجو - مرور کلی
- مرحله پرسوجو - مرور کلی ChatEngine و موتور پرسوجو
- عملی - ایجاد یک سیستم RAG سفارشی با LlamaIndex
- عملی - استخراج دادههای ساختاریافته
- عملی - جستجوی یک فایل PDF
- عملی - تعامل با یک سیستم RAG از طریق یک API اکسپرس، به صورت عملی کامل
- خلاصه
عاملها و پرسوجوهای پیشرفته با LlamaIndex
- عاملها و پرسوجوهای پیشرفته - مرور کلی RouterQueryEngine
- عملی - سیستم RAG با منابع داده چندگانه
- عملی - ایجاد یک RouterQueryEngine برای مدیریت چندین موتور پرس و جو
- عملی - تعریف توابع و ابزارهای پرس و جو برای شروع چت با اپراتور
دادهها و تکنیکهای آماده برای تولید خود را حفظ کنید
- تکنیکهای آماده تولید - مقدمه
- عملی - دادهها با LlamaIndex
- عملی - بارگذاری شاخص با دادههای ماندگار و پاسخ جریان
- خلاصه
چتبات اپلیکیشن وب فولاستک NextJS با یک دستور و استقرار
- اپلیکیشن چتبات با Next.js - اپلیکیشن وب فولاستک، مرور کلی
- عملی - تولید یک برنامه وب فولاستک با دستور create-llama CLI
- عملی - سفارشیسازی برنامه با دادههای خودتان و چت با آن
- آموزش عملی - استقرار برنامه چت فولاستک Next.js در Vercel
جمعبندی
- جمعبندی و مراحل بعدی
دوره های مرتبط
- دوره آموزشی مبانی مهندسی هوش مصنوعی: اصول و کاربردهای عملی
- دوره آموزشی توسعه با مدلهای gpt-oss
- دوره آموزشی گوگل جمینی برای توسعه دهندگان
- دوره آموزشی کار عملی با هوش مصنوعی نسل بعدی برای امنیت و خودکارسازی GRC با MCP
- دوره آموزشی جمینی پیشرفته برای توسعه دهندگان (2024)
- دوره آموزشی امنیت هوش مصنوعی مولد: استراتژیها، روشها، ابزارها و بهترین شیوهها
- دوره آموزشی ساخت عوامل هوش مصنوعی برای مبتدیان
- دوره آموزشی توسعه AWS Pinpoint برای تجزیه و تحلیل و تعامل کاربر
مسیرهای مرتبط
- مسیر آموزشی ساخت محصولات هوش مصنوعی با استفاده از سرویسهای Azure AI در چرخه توسعه
- مسیر آموزشی مدیریت مدلهای زبان بزرگ (LLMs) با LLMOps
- مسیر آموزشی ملزومات MLOps برای برنامهنویسها و مهندسان هوش مصنوعی: ابزارها، پایپلاینها و نکات امنیتی
- مسیر آموزشی کاوش در هوش مصنوعی برای مهندسی داده
- مسیر آموزشی ساخت سیستمهای هوش مصنوعی عاملمحور برای توسعهدهندگان
- مسیر آموزشی درک هوش مصنوعی تولیدکننده برای رهبران فناوری
- مسیر آموزشی راهنمای توسعهدهنده Google Gemini
- مسیر آموزشی ارتقا دادن مهارت ها به عنوان مدیر