آنتونیو گولی (Antonio Gulli)، مهندس ارشد و مدیر در گوگل، داکیومنتی رو منتشر کرده که عملاً یه کورس دانشگاهی کامل برای ساخت سیستم‌های هوشمند و Agentic هست؛ از صفر تا صدِ دیزاین پترن‌های مدرن هوش مصنوعی رو با کد پوشش داده.

اگر دنبال این هستید که از سطح "Hello World" با LLMها فراتر برید و سیستم‌های واقعی بسازید، این داکیومنت دقیقاً همون چیزیه که لازم دارید. تمرکز اصلی روی Agentic Design Patterns هست، یعنی الگوهایی که مدل‌های زبانی رو از یک تولیدکننده متن ساده، به یک عامل هوشمند تبدیل می‌کنن.

نکات کلیدی و فنی که در این کتاب یاد می‌گیرید:

۱. معماری جریان کار (Workflows):
فصل‌های ابتدایی به اصول پایه مثل Prompt Chaining و Routing می‌پردازن. اینجا یاد می‌گیرید چطور تسک‌های پیچیده رو بشکنید و بر اساس ورودی کاربر، تصمیم بگیرید کدوم مدل یا ابزار باید اجرا بشه. این پایه و اساس هر سیستم Agentic هست.

۲. استدلال و برنامه‌ریزی (Reasoning & Planning):
تکنیک‌هایی مثل ReAct و Chain of Thought (CoT) دیگه فقط تئوری نیستن. اینجا پیاده‌سازی عملی اون‌ها رو می‌بینید. اینکه چطور Agent قبل از اجرا، فکر کنه، پلن بریزه و بعد اقدام کنه (Chapter 6 & 17).

۳. پروتکل‌های اتصال و ابزار (MCP & Tools):
یکی از بخش‌های جذاب، بحث Model Context Protocol (MCP) هست. این استاندارد جدید برای اتصال LLMها به دیتاسورس‌ها و ابزارهای خارجی داره تبدیل به استاندارد صنعت میشه. فصل ۱۰ و ۵ به طور عمیق وارد Function Calling و استفاده از ابزارها میشن.

۴. سیستم‌های چند عاملی (Multi-Agent):
توی فصل‌های ۷ و ۱۵، یاد می‌گیرید چطور چندین Agent تخصصی رو کنار هم بچینید تا با هم همکاری کنن (Collaboration). این دقیقا همون جاییه که فریم‌ورک‌هایی مثل LangGraph و CrewAI می‌درخشن و این کتاب با کد نشون میده چطور پیاده‌سازیش کنید.

۵. حافظه و یادگیری (Memory & RAG):
مدیریت حافظه (Short/Long term) و RAG پیشرفته (Chapter 8 & 14) برای اینکه Agent بتونه کانتکست رو در طول زمان حفظ کنه و به دیتای سازمان دسترسی داشته باشه، حیاتیه.

۶. قابلیت اطمینان و پروداکشن (Reliability):
به نظر من، مهم‌ترین بخش برای مهندس‌های سنیور، فصل‌های مربوط به Guardrails (ایمنی)، Evaluation (ارزیابی) و Error Handling هست. ساختن دمو راحته، ولی ساختن ایجنتی که تو پروداکشن کرش نکنه و خروجی سمی نده، هنره.

فریم‌ورک‌های استفاده شده:
کدها عمدتاً با استفاده از LangChain، LangGraph و Google ADK نوشته شدن که الان استک استاندارد بازار محسوب میشن.

چرا باید این رو بخونید؟
تکنولوژی Agentic AI هنوز در لبه‌ست (Frontier). اکثر منابع موجود پراکنده و ناقصن. این داکیومنت تمام پترن‌هایی که الان توی سیلیکون‌ولی استفاده میشه رو یکجا و منسجم جمع کرده.

📥 لینک‌های دانلود:

📄 دانلود مستقیم PDF از گوگل درایو:
https://drive.google.com/file/d/1-5ho2aSZ-z0FcW8W_jMUoFSQ5hTKvJ43/view?usp=drivesdk

📄 لینک میرور در گیت‌هاب (PDF):
https://github.com/sarwarbeing-ai/Agentic_Design_Patterns/blob/main/Agentic_Design_Patterns.pdf

🛠 Join @LLMEngineers Community