اگر میخواهید زبانهای ترجمه بیشتری پشتیبانی شوند، لیست زبانهای موجود اینجا قرار دارد.
این دوره شامل درسهایی است که اصول ساخت عوامل هوش مصنوعی را پوشش میدهند. هر درس موضوع خاص خود را دارد، بنابراین از هر جایی که دوست دارید شروع کنید!
این دوره از پشتیبانی چندزبانه برخوردار است. به زبانهای موجود اینجا مراجعه کنید.
اگر اولین بار است که با مدلهای هوش مصنوعی مولد کار میکنید، دوره هوش مصنوعی مولد برای مبتدیان را بررسی کنید که شامل ۲۱ درس در زمینه ساخت با GenAI است.
فراموش نکنید که این مخزن را ستارهدار کنید (🌟) و این مخزن را فورک کنید تا کد را اجرا کنید.
اگر گیر کردید یا سوالی درباره ساخت عوامل هوش مصنوعی دارید، به کانال اختصاصی Discord ما در جامعه Azure AI Foundry Discord بپیوندید.
هر درس در این دوره شامل نمونههای کد است که در پوشه code_samples قرار دارند. شما میتوانید این مخزن را فورک کنید تا نسخه خودتان را ایجاد کنید.
نمونههای کد در این تمرینها از Azure AI Foundry و GitHub Model Catalogs برای تعامل با مدلهای زبانی استفاده میکنند:
این دوره همچنین از چارچوبها و خدمات عوامل هوش مصنوعی زیر از Microsoft استفاده میکند:
برای اطلاعات بیشتر درباره اجرای کد این دوره، به تنظیمات دوره مراجعه کنید.
آیا پیشنهاداتی دارید یا خطاهای املایی یا کدی پیدا کردهاید؟ یک مشکل مطرح کنید یا یک درخواست کشیدن ایجاد کنید.
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 فراشناخت | لینک | ویدئو | لینک |
عوامل هوش مصنوعی در تولید | لینک | ویدئو | 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 |
تیم ما دورههای دیگری نیز تولید میکند! بررسی کنید:
تشکر از Shivam Goyal برای ارائه نمونههای کد مهم در زمینه Agentic RAG.
این پروژه از مشارکتها و پیشنهادات استقبال میکند. اکثر مشارکتها نیاز دارند که شما با توافقنامه مجوز مشارکتکننده (CLA) موافقت 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 کشش ارسال میکنید، یک ربات CLA به طور خودکار تعیین میکند که آیا 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 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.
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 شود یا حمایت مایکروسافت را نشان دهد. هرگونه استفاده از علائم تجاری یا لوگوهای شخص ثالث باید مطابق با سیاستهای آنها باشد.
اگر گیر کردید یا سوالی درباره ساخت برنامههای هوش مصنوعی دارید، به اینجا بپیوندید:
اگر بازخورد محصول دارید یا هنگام ساخت خطاهایی مشاهده کردید، 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 حساس، ترجمه حرفهای انسانی توصیه میشود. ما مسئولیتی در قبال سوء تفاهمها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.