سلام به همه ،
– به ویژه کسانی که مشتاقانه منتظر سریال من هستند ، و به ویژه همه توسعه دهندگان JavaScript در آنجا. روز شما در این عصر پررونق هوش مصنوعی چگونه می گذرد؟ 🚀
عده با سرعت باورنکردنی در حال رشد است. هنوز شروع نکرده اید؟ با تمام فن آوری های جدید احساس غرق شدن می کنید؟ مطمئن نیستید که چگونه آنها به هم وصل می شوند یا از کجا شروع می کنند؟ به من اعتماد کن ، تو تنها نیستی. زندگی توسعه دهنده پر از سردرگمی است – و اکنون هوش مصنوعی سطح کاملاً جدیدی را اضافه کرده است. اما ما باید بر این ترس غلبه کنیم.
در حقیقت IS: هوش مصنوعی به همان اندازه که به نظر می رسد پیچیده نیست. لازم نیست همه چیز را از ابتدا تا انتها بدانید. همه محدودیت هایی دارند – دانشمندان نوآوری ، مقیاس مهندسین و توسعه دهندگان می سازند. ما نیازی به ایفای هر نقش نداریم. درعوض ، ما با مراحل کوچک شروع خواهیم کرد ، دانش خود را رشد می دهیم ، چیزی معنی دار می سازیم و ایده های جدید را کشف می کنیم. روز به روز ، درک ما عمیق تر خواهد بود. اما نکته اصلی این است که اولین قدم را بردارید.
من ادعا نمی کنم که همه چیز را می دانم ، اما هر روز را کاوش می کنم و یاد می گیرم – و در طول مسیر با چالش های زیادی روبرو می شوم. به همین دلیل تصمیم گرفتم که سفر خود را مستند کنم و آنچه را که می دانم به امید اینکه ممکن است به شخص دیگری کمک کند ، به اشتراک بگذارم. و اگر این کار را انجام دهم سپاسگزارم. اگر برنامه و نقشه راه ما را دیده اید ، می دانید که ما سعی در دستیابی به آن داریم. اگر هنوز نداشته اید ، به اینجا نگاهی بیندازیدبشر این پست Kickstarter بود – این ورود رسمی ما به سفر است. امیدوارم از آن لذت ببرید و با من بپیوندید. بنابراین ، بیایید همه چیز را شروع کنیم و شروع به ساختن دستیار هوش مصنوعی خود با Nodejs کنید.
خوش آمدید ، دوستبشر همه ما در یک قایق هستیم. من به کسانی که حداقل می دانند فکر می کنم اصول JavaScript – توابع ، متغیرها ، حلقه ها ، انواع اساسیبشر اگر بیشتر می دانید ، این یک امتیاز است. اما من فرض می کنم که همه ما از یک مکان مشابه شروع می کنیم. برای ساختن یک دستیار هوش مصنوعی ، ما باید با برخی آشنا شویم مفاهیم و فن آوری های جدید. این ضروری است ، زیرا بدون درک آنها ، ما نمی دانیم که سیستم در طول توسعه چگونه کار می کند.
بیایید چند اصطلاح کلیدی را که در طول این پروژه با آنها روبرو خواهیم شد برجسته کنیم:
> عامل ، مدل ، Ollama ، Langchain ، PGVECTOR ، RAG ، TOOLS ، MEMORY ، REDIS ، POSTGRES ، MONGODB ، AI SDK ، MCP سرور (STDIO و قابل پخش HTTP) ، MCP Client ، Docker ، موتور جاسازی ، جستجوی معنایی.
هر یک از این مباحث سزاوار پست وبلاگ دقیق خود است تا واقعاً بفهمد چه خبر است. بنابراین ، من یک پست مستقل برای هر یک آماده کرده ام (بسیار توصیه می شود). نوشتن آنها بعد از اینکه نقشه راه را به اشتراک گذاشتم ، وقت گرفت ، اما همانطور که قول داده شد ، من شما را به روز می کنم. من همچنین از ChatGPT برای کمک به خلاصه و قالب بندی و صرفه جویی در بعضی اوقات استفاده کردم ، اما همه چیز را شخصاً بررسی کرده ام – بنابراین می توانید با اطمینان بخوانید. اگر هرگونه مسئله یا اطلاعات گمشده را مشاهده می کنید ، لطفاً نظر دهید و من آن را برطرف می کنم. امروز ، ما این مباحث را بررسی خواهیم کرد و در روز بعد ، محیط خود را پیکربندی می کنیم تا دست به دست هم دهند.
با ما همراه باشید و بیایید شیرجه بزنیم! 🚀
🧠 عامل
یک عامل مغز است که تصمیم می گیرد بر اساس ورودی کاربر چه اقداماتی انجام دهد. این استدلال و استفاده از ابزار را برای رسیدگی به نمایش داده های پویا مدیریت می کند. به عنوان مثال ، اگر از آب و هوا خواسته شود ، نماینده داده های زنده را واگذار می کند و پاسخی را صادر می کند. نمایندگان از منطق سختگیری برای هر پرس و جو ممکن جلوگیری می کنند و سیستم را انعطاف پذیر می کنند. آنها برای ایجاد هوش مصنوعی که به صورت هوشمندانه و طبیعی عمل می کنند ، ضروری هستند. 🔗 کنجکاو در مورد نحوه کار نمایندگان؟ پست کامل عامل را بخوانید!
📚 مدل
این مدل موتور اصلی است که مسئول درک و تولید متن است. این ورودی را با استفاده از شبکه های عصبی عمیق پردازش می کند ، و پاسخ های طبیعی را ارائه می دهد. به عنوان مثال ، پرسیدن “لانگچین چیست؟” یک پاسخ کامل و متنی ارائه می دهد. مدل ها درک و انعطاف پذیری زبان را بسیار فراتر از سیستم های ساده مبتنی بر قانون فعال می کنند. 🔗 از جادوی کامل مدل ها پرده برداری کنید! وبلاگ کامل مدل را کاوش کنید!
⚙ اولاما
Ollama اجرای مدل های بزرگ را به صورت محلی و بدون تنظیمات پیچیده آسان می کند. این یک رابط ساده برای مدل هایی مانند Llama و Mistral فراهم می کند و AI AI را در دسترس قرار می دهد. با Ollama می توانید برای حفظ حریم خصوصی و استفاده آفلاین مدل هایی را روی دستگاه خود اجرا کنید. این برای توسعه دهندگان آزمایش شده با تنظیمات محلی مناسب است. Ollama همچنین بارگذاری مدل ، نشانه گذاری و بهینه سازی را انجام می دهد و پیکربندی دستی را کاهش می دهد. به عنوان مثال ، می توانید با استفاده از Ollama Serve یک چت بابات را به صورت محلی اجرا کنید. 🔗 به جادوی مدل محلی شیرجه بزنید! وبلاگ Ollama را بررسی کنید!
🔗 لانگچین
Langchain نقاط بین مدل ها ، ابزارها و حافظه را برای ایجاد گردش کار قدرتمند متصل می کند. این به دستیار واکشی داده ها ، مراحل رسیدگی و پاسخ هوشمندانه کمک می کند. این از طراحی مدولار پشتیبانی می کند و امکان ادغام ابزارهای مختلف را به صورت یکپارچه فراهم می کند. Langchain زنجیره ای از کارهای پیچیده مانند نمایش داده های پایگاه داده ، جستجو و تولید محتوا را امکان پذیر می کند. به عنوان مثال ، می تواند فاکتورها را بکشد و ایمیل ها را بر اساس یک درخواست ساده کاربر تهیه کند. 🔗 پتانسیل استاد لانگچین! وبلاگ Langchain را بخوانید!
📦 pgveector
تعبیه های PGVECTOR در PostgreSQL ، امکان جستجوی معنایی و بازیابی سریع داده ها را فراهم می کند. این امکان را به دستیار می دهد تا بازنمودهای بردار اسناد را ذخیره کرده و آنها را با نمایش داده های دریافتی مقایسه کند. این باعث می شود جستجوها سریعتر و معنی دار تر از تطبیق کلمات کلیدی سنتی باشد. PGVECTOR از معیارهای نمایه سازی و شباهت پشتیبانی می کند و آن را برای مجموعه داده های بزرگ مقیاس پذیر می کند. به عنوان مثال ، می تواند اسناد مربوطه را حتی با عبارات مختلف پیدا کند. 🔗 بیاموزید که چگونه PGVECTOR SUPERGHANGES جستجو کنید! وبلاگ PGVECTOR را کاوش کنید!
🔎 پارچه
RAG تولید مدل را با پاسخ های مبتنی بر داده های واقعی تقویت می کند. به جای حدس زدن ، دستیار محتوای مربوطه را بدست می آورد و آن را با تولید ترکیب می کند. این باعث می شود پاسخ ها دقیق تر و آگاه تر ، خطاها و توهمات را کاهش دهند. این قدرت QA ، سؤالات متداول و بازیابی اطلاعات مهم را در زمان واقعی قدرت می دهد. RAG با ارائه منابع در کنار پاسخ های تولید شده ، قابلیت اطمینان را بهبود می بخشد. به عنوان مثال ، قبل از پاسخ دادن بهترین روشهای داکر را بازیابی می کند. 🔗 RAG را در عمل ببینید! وبلاگ RAG را بررسی کنید!
⚡ ردیس
Redis یک پایگاه داده در حافظه رعد و برق است که داده های جلسه ، ذخیره سازی را مدیریت می کند و سیستم را پاسخگو می سازد. این تاریخچه مکالمه ، حالت های کاربر و داده های زمان واقعی را برای تعامل صاف ذخیره می کند. Redis از ساختارهای داده مانند لیست ها ، هش ها و مجموعه های مرتب شده برای موارد استفاده انعطاف پذیر پشتیبانی می کند. همچنین ویژگی هایی مانند محدود کردن نرخ و ذخیره سازی داده های موقت را امکان پذیر می کند. به عنوان مثال ، Redis می تواند جلسات کاربر را در طی یک فرم چند مرحله ای ردیابی کند. 🔗 باز کردن سحر و جادو Redis! وبلاگ Redis را کاوش کنید!
postgres
Postgres پایگاه داده ساختاری برای ذخیره پروفایل های کاربر ، تنظیمات و داده های معامله ای است. این یکپارچگی داده ها را تضمین می کند و نمایش داده شدگان پیچیده را با انطباق اسید انجام می دهد. Postgres برای حفظ روابط داده از کلیدهای خارجی ، نمایه سازی و محدودیت ها پشتیبانی می کند. این مجموعه برای مجموعه داده های بزرگ به خوبی مقیاس می یابد و با پسوندهای مانند PGVECTOR ادغام می شود. به عنوان مثال ، Postgres می تواند جزئیات اشتراک کاربر را ذخیره کرده و در صورت درخواست آنها را واکشی کند. 🔗 عمیق به Postgres بروید! وبلاگ Postgres را بخوانید!
🗃 mongoDB
MongoDB داده های انعطاف پذیر مانند سیاهههای مربوط و سوابق فعالیت را کنترل می کند. مدل اسناد آن اجازه می دهد تا سازگاری آسان در تغییر قالب های داده ، مناسب برای سیاهههای گپ یا تجزیه و تحلیل باشد. اسناد می توانند ساختار و زمینه های متنوع را بدون نیاز به تغییر طرحواره در تو توخالی داشته باشند. مقیاس MongoDB به صورت افقی از طریق Sharding برای مجموعه داده های بزرگ. به عنوان مثال ، جلسات و سیاهههای مربوط به چت را می توان به طور مؤثر ذخیره و پرس و جو کرد. 🔗 انعطاف پذیری MongoDB را کشف کنید! به وبلاگ MongoDB شیرجه بزنید!
💡 ai sdk
AI SDK کار با ارائه دهندگان مختلف AI مانند Openai یا Anthropic را ساده می کند. این تماس های مدل را استاندارد می کند و به شما امکان می دهد مدل ها را با حداقل تغییر کد تغییر دهید و توسعه را سریعتر و تمیز تر کنید. از تولید متن ، تعبیه ها و فراخوانی عملکرد در یک رابط سازگار پشتیبانی می کند. SDK همچنین پاسخ های جریان را برای UI های تعاملی انجام می دهد. به عنوان مثال ، تولید خلاصه ای از یک کاربر سریع با استفاده از GPT-4 OpenAI. 🔗 ادغام AI را ساده کنید! وبلاگ AI SDK را ببینید!
🌐 MCP (سرور و مشتری)
MCP ارتباط بین دستیار و ابزارهای خارجی را استاندارد می کند. سرور ابزارها را افشا می کند ، در حالی که مشتری تماس می گیرد. این معماری اجازه می دهد تا یکپارچه با ابزارها و API های مختلف ادغام شود. MCP از حمل و نقل مانند Stdio برای تنظیمات محلی و HTTP قابل پخش برای سرورهای از راه دور پشتیبانی می کند و آن را متنوع و مقیاس پذیر می کند. این یک پروتکل یکپارچه برای ابزارها فراهم می کند و ادغام ساده تر و مدولار تر می شود. به عنوان مثال ، می تواند داده های آب و هوا را با استفاده از یک ابزار مدولار و بدون تنظیمات پیچیده API واکشی کند. 🔗 قدرت MCP را کشف کنید! وبلاگ MCP را بخوانید!
🐳 داکر
Docker خدمات را به ظروف بسته بندی می کند ، از محیط های مداوم و استقرار صاف اطمینان می دهد. این وابستگی ها را جدا می کند و امکان اجرای چندین سرویس را بدون درگیری فراهم می کند. Docker با استفاده از ظروف و ابزارهای ارکستراسیون ، توسعه محلی و استقرار ابر را ساده می کند. از مقیاس بندی و اتوماسیون از طریق آهنگسازی و Swarm پشتیبانی می کند. به عنوان مثال ، اجرای Ollama ، Redis و PGVECTOR با یک دستور Docker-Compose. 🔗 Master Container Magic! وبلاگ Docker را کاوش کنید!
🧬 موتور جاسازی
موتور تعبیه شده متن را به بردارهایی تبدیل می کند که معنی آن را ضبط می کنند ، برای جستجوی معنایی و پارچه بسیار مهم هستند. این کار با استفاده از مدل های از پیش آموزش داده شده برای نقشه برداری متن به بردارهای با ابعاد بالا که منعکس کننده روابط معنایی هستند ، کار می کند. این بازیابی اسناد قدرت تعبیه شده ، پاسخ های متنی و حتی سیستم های توصیه. حفظ قوام و نسخه سازی بسیار مهم است. این امکان را برای یافتن داده های مرتبط با متن و کاهش مسابقات بی ربط فراهم می کند. 🔗 تعبیه ها را عمیقاً درک کنید! وبلاگ Experding Engine را بخوانید!
seart جستجوی معنایی
جستجوی معنایی داده ها را بر اساس معنی به جای کلمات کلیدی بازیابی می کند. از تعبیه ها برای یافتن مناسب ترین اسناد و اطمینان از پاسخ های دقیق و مفید استفاده می کند. این موتور در پشت جستجوهای طبیعی و کاربر پسند در دستیار است. این کار با مقایسه شباهت های بردار ، امکان مطابقت با نمایش داده های مرتبط اما متفاوت را انجام می دهد. ترکیب جستجوی معنایی با فیلترهای ابرداده می تواند دقت و یادآوری را بیشتر بهبود بخشد. 🔗 جادوی معنایی را کشف کنید! به وبلاگ جستجوی معنایی شیرجه بزنید!
وای تبریکبشر شما فقط کاوش کرده اید 14 موضوع جدیدبشر کار عالیبشر این برای امروز است. مقداری استراحت کنید. من به شدت توصیه می کنم هر پست جزئیات موضوع را بخوانید. آنقدر طولانی آن وبلاگ نیست. شاید طول بکشد 2-3 دقیقه هرکدام اما شما خواهید بود مانند آب پاک شویدبشر من سعی می کنم به روش بسیار ساده با کلمه و مثال آسان توضیح دهم. بهترین آرزوها برای شما
برای به روزرسانی من را دنبال کنید ، و بیایید یک دستیار شگفت انگیز هوش مصنوعی را با هم بسازیم!
👉 سوالات دارید؟ آنها را در زیر بگذارید!
👉 برای پست بعدی در این سریال با ما همراه باشید!
💖 اگر در پست های من ارزش پیدا می کنید و می خواهید به من کمک کنید تا به ایجاد خود ادامه دهم ، در اینجا احساس راحتی کنید [Buy me a Coffee]! هر سهم کمک می کند ، و من واقعاً از آن قدردانی می کنم! ممنون
