ai-agents-for-beginners
دوره آموزش عوامل هوش مصنوعی برای مبتدیان
دوره‌ای که همه چیز را برای شروع ساخت عوامل هوش مصنوعی به شما آموزش می‌دهد
🌐 پشتیبانی چندزبانه
پشتیبانی شده از طریق GitHub Action (خودکار و همیشه به‌روز)
عربی | بنگالی | بلغاری | برمه‌ای (میانمار) | چینی (ساده‌شده) | چینی (سنتی، هنگ‌کنگ) | چینی (سنتی، ماکائو) | چینی (سنتی، تایوان) | کرواتی | چکی | دانمارکی | هلندی | استونیایی | فنلاندی | فرانسوی | آلمانی | یونانی | عبری | هندی | مجاری | اندونزیایی | ایتالیایی | ژاپنی | کره‌ای | لیتوانیایی | مالایی | مراتی | نپالی | پیدگین نیجریه‌ای | نروژی | فارسی | لهستانی | پرتغالی (برزیل) | پرتغالی (پرتغال) | پنجابی (گورمخی) | رومانیایی | روسی | صربی (سیریلیک) | اسلواکی | اسلوونیایی | اسپانیایی | سواحیلی | سوئدی | تاگالوگ (فیلیپینی) | تامیلی | تایلندی | ترکی | اوکراینی | اردو | ویتنامی
اگر مایل به اضافه کردن زبان‌های ترجمه بیشتری هستید، لیست زبان‌های پشتیبانی‌شده اینجا موجود است.
🌱 شروع به کار
این دوره شامل درس‌هایی است که اصول ساخت عوامل هوش مصنوعی را پوشش می‌دهند. هر درس موضوع خاص خود را دارد، بنابراین می‌توانید از هر جایی که دوست دارید شروع کنید!
این دوره از پشتیبانی چندزبانه برخوردار است. برای مشاهده زبان‌های موجود به اینجا مراجعه کنید.
اگر اولین بار است که با مدل‌های هوش مصنوعی تولیدی کار می‌کنید، دوره هوش مصنوعی تولیدی برای مبتدیان را بررسی کنید که شامل ۲۱ درس در مورد ساخت با GenAI است.
فراموش نکنید که این مخزن را ستاره‌دار کنید (🌟) و این مخزن را فورک کنید تا کد را اجرا کنید.
ملاقات با دیگر یادگیرندگان، پاسخ به سوالات شما
اگر در ساخت عوامل هوش مصنوعی به مشکل برخوردید یا سوالی داشتید، به کانال اختصاصی دیسکورد ما در جامعه دیسکورد Azure AI Foundry بپیوندید.
چه چیزی نیاز دارید
هر درس در این دوره شامل نمونه‌های کد است که در پوشه code_samples قابل دسترسی هستند. شما می‌توانید این مخزن را فورک کنید تا نسخه‌ای از آن را برای خود ایجاد کنید.
نمونه کدهای این تمرین‌ها از Azure AI Foundry و GitHub Model Catalogs برای تعامل با مدل‌های زبانی استفاده می‌کنند:
- مدل‌های GitHub - رایگان / محدود
- Azure AI Foundry - نیاز به حساب Azure
این دوره همچنین از چارچوب‌ها و خدمات عوامل هوش مصنوعی زیر از مایکروسافت استفاده می‌کند:
برای اطلاعات بیشتر در مورد اجرای کد این دوره، به تنظیمات دوره مراجعه کنید.
🙏 آیا می‌خواهید کمک کنید؟
آیا پیشنهادی دارید یا خطاهای املایی یا کدی پیدا کرده‌اید؟ یک مشکل مطرح کنید یا یک درخواست کشیدن ایجاد کنید.
📂 هر درس شامل
- یک درس نوشته شده در README و یک ویدئوی کوتاه
- نمونه‌های کد پایتون که از Azure AI Foundry و مدل‌های GitHub (رایگان) پشتیبانی می‌کنند
- لینک‌هایی به منابع اضافی برای ادامه یادگیری
🗃️ درس‌ها
| درس | متن و کد | ویدئو | یادگیری اضافی |
|---|---|---|---|
| مقدمه‌ای بر عوامل هوش مصنوعی و موارد استفاده | لینک | ویدئو | لینک |
| بررسی چارچوب‌های عامل هوش مصنوعی | لینک | ویدئو | لینک |
| درک الگوهای طراحی عامل هوش مصنوعی | لینک | ویدئو | لینک |
| الگوی طراحی استفاده از ابزار | لینک | ویدئو | لینک |
| عامل RAG | لینک | ویدئو | لینک |
| ساخت عوامل هوش مصنوعی قابل اعتماد | لینک | ویدئو | لینک |
| الگوی طراحی برنامه‌ریزی | لینک | ویدئو | لینک |
| الگوی طراحی چندعاملی | لینک | ویدئو | لینک |
| الگوی طراحی فراشناختی | لینک | ویدئو | لینک |
| عوامل هوش مصنوعی در تولید | لینک | ویدیو | لینک |
| استفاده از پروتکل‌های عامل‌محور (MCP، A2A و NLWeb) | لینک | ویدیو | لینک |
| مهندسی زمینه برای عوامل هوش مصنوعی | لینک | ویدیو | لینک |
| مدیریت حافظه عامل‌محور | لینک | ویدیو | |
| بررسی چارچوب عامل مایکروسافت | لینک | ||
| ساخت عوامل استفاده از کامپیوتر (CUA) | به زودی | ||
| استقرار عوامل مقیاس‌پذیر | به زودی | ||
| ایجاد عوامل هوش مصنوعی محلی | به زودی | ||
| ایمن‌سازی عوامل هوش مصنوعی | به زودی |
🎒 دوره‌های دیگر
تیم ما دوره‌های دیگری نیز تولید می‌کند! بررسی کنید:
Azure / Edge / MCP / عوامل
سری هوش مصنوعی مولد
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
یادگیری اصلی
سری Copilot
🌟 تشکر از جامعه
تشکر از Shivam Goyal برای ارائه نمونه‌های کد مهم در زمینه Agentic RAG.
مشارکت
این پروژه از مشارکت‌ها و پیشنهادات استقبال می‌کند. بیشتر مشارکت‌ها نیاز دارند که شما توافقنامه مجوز مشارکت‌کننده (CLA) را امضا کنید که اعلام می‌کند شما حق دارید و واقعاً حقوق استفاده از مشارکت خود را به ما اعطا می‌کنید. برای جزئیات، به https://cla.opensource.microsoft.com مراجعه کنید.
هنگامی که یک درخواست pull ارسال می‌کنید، یک ربات CLA به طور خودکار تعیین می‌کند که آیا شما نیاز دارید CLA ارائه دهید و درخواست را به طور مناسب تزئین می‌کند (مانند بررسی وضعیت، نظر). فقط دستورالعمل‌های ارائه شده توسط ربات را دنبال کنید. شما فقط یک بار این کار را در تمام مخازن استفاده‌کننده از CLA ما انجام خواهید داد.
این پروژه کد رفتار منبع باز مایکروسافت را پذیرفته است. برای اطلاعات بیشتر به سؤالات متداول کد رفتار مراجعه کنید یا با opencode@microsoft.com تماس بگیرید.
علائم تجاری
این پروژه ممکن است شامل علائم تجاری یا لوگوهایی برای پروژه‌ها، محصولات یا خدمات باشد. استفاده مجاز از علائم تجاری یا لوگوهای مایکروسافت باید مطابق با راهنمای علائم تجاری و برند مایکروسافت باشد. استفاده از علائم تجاری یا لوگوهای مایکروسافت در نسخه‌های اصلاح‌شده این پروژه نباید باعث سردرگمی یا القای حمایت مایکروسافت شود. هرگونه استفاده از علائم تجاری یا لوگوهای شخص ثالث باید مطابق با سیاست‌های آن‌ها باشد.
دریافت کمک
اگر گیر کردید یا سوالی درباره ساخت برنامه‌های هوش مصنوعی دارید، به اینجا بپیوندید:
اگر بازخورد محصول دارید یا در هنگام ساخت خطاهایی رخ داد، به اینجا مراجعه کنید:
سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما تلاش می‌کنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌ها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما مسئولیتی در قبال سوء تفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.