طراحی موتور مهندسی دانش ایجنت‌های هوش مصنوعی

### طراحی و پیاده‌سازی Knowledge Factory برای ایجنت‌های هوش مصنوعی به دنبال یک متخصص مستقل و باتجربه در حوزه هوش مصنوعی، Python، LLM/RAG و مهندسی دانش هستیم تا یک سیستم حرفه‌ای، قابل‌توسعه و قابل‌اعتماد برای تبدیل منابع مختلف به Workbookها و بسته‌های دانشی ساختاریافته طراحی و پیاده‌سازی کند. هدف پروژه ساخت یک موتور نرم‌افزاری است که بتواند منابعی مانند PDF، DOCX، XLSX و فایل‌های ساختاریافته را پردازش کرده و دانش موجود در آن‌ها را به‌صورت دقیق، منبع‌محور، قابل‌ردیابی و قابل استفاده توسط ایجنت‌های هوش مصنوعی آماده کند. سیستم باید چهار خروجی اصلی تولید کند: 1. فایل تألیف، مدیریت و بازبینی انسانی دانش؛ 2. بسته Runtime ساختاریافته برای استفاده ایجنت‌ها؛ 3. بسته تنظیم رفتار، بازیابی دانش، ورودی‌ها، خروجی‌ها و محدودیت‌های هر ایجنت؛ 4. مجموعه تست و اعتبارسنجی مستقل برای بررسی صحت محتوا، خروجی‌ها و عملکرد سیستم. دامنه پروژه شامل طراحی Schema و مدل اشیای دانشی، تعریف Source Profile و Agent Profile، پیاده‌سازی Generator و Compiler با Python، تولید Workbook و JSON، مدیریت نسخه‌ها و Hashها، Source Anchoring، تست خودکار، تشخیص محتوای تکراری یا قالبی و ساخت یک Validator مستقل و فقط‌خواندنی است. سیستم نباید به یک منبع، موضوع یا ایجنت خاص Hard-code شود و باید امکان اضافه‌کردن منابع و ایجنت‌های جدید را بدون بازنویسی معماری اصلی فراهم کند. خروجی نهایی باید شامل موارد زیر باشد: * سورس‌کد کامل و قابل‌نگهداری؛ * Repository منظم و مستند؛ * موتور تولید چهار Artifact؛ * Compiler و Independent Validator؛ * Test Suite و Test Runner؛ * نمونه مرجع قابل اجرا؛ * Build و Validation Manifest؛ * مستندات نصب، اجرا، توسعه و نگهداری؛ * راهنمای تحویل و ادامه توسعه توسط تیم داخلی. برای پروژه مجموعه‌ای از اسناد فنی، قراردادهای پیاده‌سازی، قواعد کیفیت، نمونه مرجع و معیارهای پذیرش آماده شده است که پس از بررسی اولیه در اختیار شما قرار می‌گیرد. متقاضی باید تجربه عملی در چند مورد از حوزه‌های زیر داشته باشد: * Python و معماری نرم‌افزار؛ * LLM، RAG و Agent Systems؛ * مهندسی دانش و طراحی Schema؛ * پردازش اسناد و Data Pipeline؛ * تولید برنامه‌نویسی‌شده Workbook و JSON؛ * تست خودکار و ارزیابی سیستم‌های هوش مصنوعی؛ * طراحی Compiler، Validator و سیستم‌های قابل‌بازتولید. لطفاً در پیشنهاد خود موارد زیر را ذکر کنید: * سوابق و نمونه‌کارهای مرتبط؛ * توضیح کوتاه درباره برداشت شما از پروژه؛ * معماری اولیه پیشنهادی؛ * روش جداسازی Generator از Independent Validator؛ * روش پشتیبانی از منابع و ایجنت‌های جدید؛ * ابزارها، کتابخانه‌ها و سرویس‌های مورد استفاده؛ * زمان و هزینه پیشنهادی؛ * میزان زمانی که شخصاً روی پروژه کار خواهید کرد؛ * هرگونه نیاز احتمالی به همکار یا متخصص دیگر. پیشنهادهای عمومی، آماده یا بدون توضیح فنی بررسی نخواهند شد. معیار اصلی انتخاب، توانایی عملی در ساخت یک سیستم دقیق، تست‌پذیر، قابل‌توسعه و قابل تحویل است؛ نه صرفاً عنوان شغلی یا تعداد پروژه‌های انجام‌شده.