ارزیابی عوامل هوش مصنوعی با Google ADK

مدرس Jigyasa Grover

انتشار 2026/06/30

مدت زمان 2h 25m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Evaluating AI Agents with Google ADK

عوامل هوش مصنوعی نحوه خودکارسازی گردش‌های کاری پیچیده سازمان‌ها را تغییر می‌دهند، اما استقرار آنها به طور قابل اعتماد نیازمند روش‌های ارزیابی دقیق است که فراتر از آزمایش‌های سنتی است. در این دوره، مربی Jigyasa Grover به شما می آموزد که چگونه با استفاده از کیت توسعه عامل Google (ADK) با تمرکز بر ارزیابی قطعی، تجزیه و تحلیل ردیابی و نرده های ایمنی، عوامل هوش مصنوعی درجه تولید بسازید. بیاموزید که چگونه با استفاده از رابط های ابزار ساختاریافته و طرحواره های Pydantic، معماری های آماده ارزیابی طراحی کنید، سپس استدلال عامل را از طریق تطبیق مسیر و خطوط پایه Golden Trace حسابرسی کنید. Jigyasa به شما نشان می‌دهد که چگونه می‌توانید معیارهای مقیاس‌پذیر را با ارزیابی‌های دسته بدون سر، تست‌های قابلیت اطمینان Pass@k و سیستم‌های امتیازدهی LLM-as-a-Judge پیاده‌سازی کنید. الگوهای ایمنی تولید را کاوش کنید، از جمله بررسی های زمینی بودن، نرده های محافظ منطقی منفی، و گیت های رگرسیون CI/CD که اطمینان حاصل می کند که نمایندگان شما در مقیاس قابل اعتماد رفتار می کنند. در پایان این دوره، شما به تجربه عملی معماری، اشکال زدایی، و ارزیابی عوامل هوش مصنوعی آماده برای استقرار در دنیای واقعی مجهز خواهید شد.

Agentic AI Development AI Agents AI Evaluation Google Agent Development Kit (ADK)

Introduction

Kickstart evaluation of AI agents with Google ADK ()

1. Evaluate a Working AI Agent

Project kickoff: Running a procurement agent ()

When “correct” is dangerous: A policy violation demo ()

Why final answers lie for agents ()

Paths, not strings: Execution trajectories ()

2. Make the Agent Eval‑Ready

ADK project structure and agent.yaml ()

Binding tools to the agent ()

Schema as a contract: Pydantic enforcement ()

First eval: Did the agent call the right tool? ()

3. Expose Logic Failures

Trap mocks: Forcing the agent to reason ()

Anatomy of a trace: Thought, action, observation ()

Visual debugging with ADK Trace View ()

4. Formalizing Evaluation

Capturing golden traces ()

Trajectory matching rules ()

Testing memory: Context persistence ()

Organizing EvalSets for scale ()

5. Scaling Evaluation with Metrics

Running headless eval batches ()

Interpreting scores: Trajectory vs. semantic ()

Pass@k and non‑determinism ()

Reliability vs luck ()

6. Judges, Guardrails, and Production Readiness

LLM‑as‑a‑judge: Custom rubrics ()

Groundedness and faithfulness checks ()

Safe refusal via negative logic ()

Regression gates in CI/CD ()

7. Synthesis and Next Steps

Debugging playbook: Prompt vs. tool vs. model ()

From vibe checks to verifiable agents ()

Congratulations and keep going ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.