مقدمة في وكلاء AI متعددة الوسائط واستخدام الأدوات

التطور القادم في الذكاء الاصطناعي يتجاوز النصوص. يمكن للوكلاء متعددي الوسائط الآن تحليل الصور، وقراءة المستندات المعقدة، واتخاذ إجراءات باستخدام أدوات خارجية. في هذه الدورة المكتوبة التأسيسية، ستتعلم كيفية تصميم وبناء وكلاء AI يعالجون البيانات المرئية والنصية في وقت واحد. ستبدأ بالمفاهيم الأساسية لـ agentic AI ونماذج الرؤية واللغة (vision-language models)، ثم تنتقل إلى استراتيجيات التنفيذ العملي لاستخراج المستندات، وتحليل لقطات الشاشة، واستدعاء الأدوات الديناميكي. ما ستتعلمه: - فهم المصطلحات الأساسية لـ multimodal AI وسير العمل الخاص بـ agentic. - معالجة واستخراج البيانات المنظمة من الصور، ولقطات الشاشة، والمستندات المعقدة. - تنفيذ أنماط استدعاء الأدوات الحديثة للسماح لوكلائك بالتفاعل مع الأنظمة الخارجية. - تطبيق تقنيات prompt engineering المصممة خصيصاً لمهام vision-language. - استكشاف مفاهيم Retrieval-Augmented Generation (RAG) الأساسية للتعامل مع البيانات متعددة الوسائط. - تصميم هياكل وكلاء قوية تدير التفكير متعدد الخطوات بسلاسة. تبدأ الدورة بوضع التعريفات الأساسية والهيكل الأساسي للأنظمة متعددة الوسائط. ومن هناك، ستطلع على دروس مكتوبة خطوة بخطوة ومقتطفات برمجية لبناء وكلاء معالجة المستندات والرؤية الخاصين بك. تم تصميم هذه الدورة للمبتدئين والمطورين الجدد في مجال وكلاء AI؛ لا يشترط وجود خبرة سابقة في machine learning. ابدأ في بناء الجيل القادم من وكلاء AI الأذكياء والموجهين نحو العمل اليوم.