در کمتر از یک دهه، هوش مصنوعی از مدل‌های آماریِ پیش‌بینی‌کننده به «موتورهای استدلال‌گر» تغییر ماهیت داده است. ظهور مدل‌های زبانی بزرگ  (LLMs)، مرزهای میان زبان انسانی و کدنویسی را کم‌رنگ کرده و پارادایم جدیدی را در صنعت نرم‌افزار پدید آورده است. با این حال، واقعیتی تلخ در میان شور و اشتیاق اولیه نهفته بود: پرامپت‌نویسی دستی ( Manual Prompting) ، شکننده، غیرقابل مقیاس و فاقد استانداردهای مهندسی است.

کتابی که در دست دارید، «مهندسی سیستم‌های زبانی: از پرامپت‌نویسی دستی تا بهینه‌سازی خودکار با DSPy و Flow Engineering»، پاسخی است جامع به یکی از بزرگترین چالش‌های عصر حاضر: «چگونه می‌توان سیستم‌های مبتنی بر هوش مصنوعی مولد را از وضعیت "دموهای جذاب اما غیرقابل اعتماد" به سیستم‌های "صنعتی، پایدار و بهینه" تبدیل کرد؟

ما در این اثر، از نگاه سنتی به هوش مصنوعی فراتر رفته‌ایم. دوران چت کردن با مدل‌ها به پایان رسیده و عصرِ برنامه‌نویسیِ مدل‌ها آغاز شده است. این کتاب با تمرکز بر سه ستون اصلی تدوین شده است: ۱. ساختاریافتگی (Structure): گذار از خروجی‌های متنی غیرقابل پیش‌بینی به اشیاء داده‌ای معتبر که مستقیماً در قلب نرم‌افزارها می‌نشینند. ۲. الگوریتم‌سازی (Programming vs Prompting): استفاده از چارچوب‌های انقلابی مانند DSPy که به جای «دستور دادن»، به سیستم می‌آموزد چگونه خود را بهینه‌سازی کند. ۳. جریان کار (Flow Engineering): درک این حقیقت که قدرت هوش مصنوعی نه در یک مدل واحد، بلکه در معماریِ گرافی و تعاملات هوشمند میان ماژول‌ها نهفته است.

هم چنین ما در دورانی هستیم که دیگر «خوب پرامپت نوشتن» کافی نیست. ما نیاز داریم که با مدل‌های زبانی، نه به مثابه یک موجود جادویی، بلکه به مثابه یک ماژول نرم‌افزاری برخورد کنیم. در این کتاب، تمام تلاشم بر این بوده است که تجربه‌ام در کار با فریم‌ورک‌های نوظهوری مثل DSPy و مفهوم Flow Engineering را به شکلی مدون ارائه دهم تا خواننده بتواند از "آزمون و خطای خسته‌کننده" به سمت "بهینه‌سازی خودکار و مهندسی‌سازه" حرکت کند. هدف من انتقال این پیام است که آینده متعلق به کسانی است که یاد می‌گیرند چگونه «جریان استدلال» را طراحی کنند، نه فقط «ورودی متن» را.

مخاطب این کتاب، مهندسان نرم‌افزار، دانشمندان داده و معماران هوش مصنوعی هستند که می‌خواهند از سطحِ «کاربرِ ابزار» به سطحِ «طراحِ سیستم» ارتقا یابند. ما در طول ده فصل این کتاب، با دقتی وسواس‌گونه، مباحثی از جمله مدیریت زمینه (Context)، ارزیابی‌های دقیق (Evaluation)، امنیت و کاهش هزینه‌ها را بررسی کرده‌ایم تا اطمینان حاصل کنیم که خواننده، جعبه‌ابزاری کامل برای مواجهه با چالش‌های سال ۲۰۲۵ و پس از آن در اختیار دارد.

این اثر تلاشی است برای بومی‌سازیِ پیشرفته‌ترین مفاهیمِ حال حاضرِ دنیا و تقدیم آن به جامعه علمی و صنعتی ایران؛ با این امید که پلی باشد میان تئوری‌های انتزاعی و پیاده‌سازی‌های عملیاتی در دنیای واقعی. 

پیش‌گفتار/5

بخش اول: پایان پرامپت‌نویسی متن‌باز/21

فصل اول: خداحافظ استرینگ، سلام آبجکت/25

فصل دوم: معماری زمینه/45

فصل سوم: مقدمه‌ای بر DSPY  (برنامه‌نویسی تابعی/65

فصل چهارم: بهینه‌سازهای تله‌پرامپت /83

فصل پنجم:  فراتر از زنجیره‌های خطی/101

فصل ششم: الگوهای طراحی سیستم‌های شناختی /121

بخش چهارم: ارزیابی و کیفیت/137

فصل هفتم: اگر اندازه‌گیری نکنید، مهندسی نیست /193

فصل هشتم: تست‌نویسی برای هوش مصنوعی/153

فصل نهم: امنیت پرامپت /167

فصل دهم: مهندسی هزینه و تاخیر /193

فصل یازدهم: مهندسی هزینه و تاخیر /209

فصل دوازدهم: معماری حافظه و پایداری شناختی/227

فصل سیزدهم: ارکستراسیون سیستم‌های چندعاملی/251

فصل چهاردهم: زیرساخت‌های پیشرفته، تنظیم دقیق و مرزهای نوین معماری/277

فصل پانزدهم: تعامل با محیط: فراخوانی ابزار و اجرای کد/305

فصل شانزدهم: پروژه نهایی و ملی؛ طراحی سامانه هوشمند مدیریت بحران (سیمرغ)/330

سخن پایانی کتاب/336

واژه‌نامه انگلیسی به فارسی/337

منابع /343