جزء أول من سلسلة مكونة من ثلاثة عشر جزءًا موجهة للمطورين الذين يرغبون في التوغل أبعد من تقنيات التحفيز المعتمدة في نماذج اللغات الكبيرة (LLMs) وبناء أنظمة الذكاء الاصطناعي ذاتية التصرف (Agentic AI). يمكن حفظ هذا الجزء في قائمة القراءة الخاصة بك على منصة ميديوم حتى يمكنك متابعة باقي السلسلة التي تتضمن ثلاثة عشر جزءًا تعليميًا تقدم دليلاً خطوة بخطوة واضحًا وموضوعيًا عن الذكاء الاصطناعي ذاتي التصرف. إذا كنت غير قادر على الوصول إلى المقال الكامل خلف الحاجز الدفعي، فيمكنك قراءته مجانًا من خلال الرابط المذكور أدناه. تشمل السلسلة المواضيع التالية: المفاهيم الأساسية: الذكاء الاصطناعي ذاتي التصرف 101 صعود الذكاء الاصطناعي ذاتي التصرف (هذا الجزء) بناء وكيل الذكاء الاصطناعي الأول من الصفر (مع الشفرة البرمجية) اختيار الإطار الوكيل المناسب أنواع وكيل نماذج اللغات الكبيرة (LLM) الفرق بين الوظيفة والوكيل: فهم هذا الاختلاف مهم للبناء الفعال لأنظمة الذكاء الاصطناعي ذاتية التصرف. بنية وكيل نموذج اللغات الكبيرة (LLM): شرح مفصل فك رموز البنية المتعددة للوكلاء بناء نظام متعدد العملاء (مع الشفرة البرمجية) عقل الوكيل: كيف تعمل الذاكرة الذاتية RAG الذكية: دمج الاسترجاع بالمنطق بروتوكول سياق النموذج (MCP) للوكلاء تقييم أنظمة الذكاء الاصطناعي الذاتية: مؤشرات الأداء الأساسية تقدم هذه السلسلة دليلًا شاملًا ومفصلًا للمطورين والمهتمين بالتكنولوجيا، حيث تغطي الجوانب النظرية والعملية لتطوير الذكاء الاصطناعي ذاتي التصرف. السلسلة تبدأ بمقدمة عن المفاهيم الأساسية وتتطور تدريجيًا لتشمل بناء الوكلاء من الصفر واختيار الإطارات المناسبة لهم. كما تتناول السلسلة أنواع وكيل نماذج اللغات الكبيرة وأهمية فهم الفرق بين العمليات والوكلاء. بالإضافة إلى ذلك، تقدم شروحًا مفصلة لبنيات وكيل نموذج اللغات الكبيرة وأنظمة وكيل متعددة العملاء وطرق تنظيم ذاكرة الوكيل وكيفية دمج الاسترجاع بالمنطق. تختتم السلسلة بتقديم مؤشرات الأداء الهامة لتقييم أنظمة الذكاء الاصطناعي الذاتية. هذه السلسلة هي مورد قيمة للمطورين الذين يرغبون في التعمق في مجال الذكاء الاصطناعي المتقدم وفهم كيفية بناء أنظمة أكثر تطورًا وذاتية التصرف.