ai-agents-for-beginners
عوامل هوش مصنوعی برای مبتدیان - یک دوره آموزشی
دورهای که هر آنچه برای شروع ساخت عوامل هوش مصنوعی نیاز دارید را آموزش میدهد
🌐 پشتیبانی از چند زبان
پشتیبانی از طریق اکشن گیتهاب (خودکار و همیشه بهروز)
عربی | بنگالی | بلغاری | برمهای (میانمار) | چینی (سادهشده) | چینی (سنتی، هنگ کنگ) | چینی (سنتی، ماکائو) | چینی (سنتی، تایوان) | کروات | چک | دانمارکی | هلندی | استونیایی | فنلاندی | فرانسوی | آلمانی | یونانی | عبری | هندی | مجارستانی | اندونزیایی | ایتالیایی | ژاپنی | کانادا | خمری | کرهای | لیتوانیایی | مالایی | مالایالام | مراتی | نپالی | پیدگین نیجریهای | نروژی | فارسی (Farsi) | لهستانی | پرتغالی (برزیل) | پرتغالی (پرتغال) | پنجابی (گورموخی) | رومانیایی | روسی | صربی (سیریلیک) | اسلواکی | اسلوونیایی | اسپانیایی | سواحیلی | سوئدی | تاگالوگ (فیلیپینی) | تامیل | تلگو | تایلندی | ترکی | اوکراینی | اردو | ویتنامی
ترجیح میدهید بهصورت محلی کلون کنید؟
این مخزن شامل بیش از ۵۰ ترجمه زبان است که حجم دانلود را به طور قابل توجهی افزایش میدهد. برای کلون کردن بدون ترجمهها، از sparse checkout استفاده کنید:
باش / macOS / لینوکس:
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git cd ai-agents-for-beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (ویندوز):
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git cd ai-agents-for-beginners git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"این به شما همه موارد لازم برای تکمیل دوره را با دانلود بسیار سریعتر میدهد.
اگر میخواهید زبانهای ترجمه بیشتری پشتیبانی شود، آنها در اینجا فهرست شدهاند.
🌱 شروع کار
این دوره درسهایی را پوشش میدهد که اصول ساخت عوامل هوش مصنوعی را آموزش میدهند. هر درس موضوع مخصوص به خود را دارد، پس هر جایی که میخواهید شروع کنید!
این دوره از چند زبان پشتیبانی میکند. به زبانهای قابل دسترسی ما در این قسمت مراجعه کنید.
اگر این اولین بار است که با مدلهای هوش مصنوعی مولد کار میکنید، دوره هوش مصنوعی مولد برای مبتدیان را ببینید که شامل ۲۱ درس درباره ساخت با GenAI است.
فراموش نکنید که این مخزن را ستاره (🌟) بدهید و چنگالش کنید تا بتوانید کد را اجرا کنید.
ملاقات با دیگر یادگیرندگان، پاسخ به سوالات خود را بگیرید
اگر گیر کردید یا سوالی در مورد ساخت عوامل هوش مصنوعی داشتید، به کانال دیسکورد اختصاصی ما در Microsoft Foundry Discord بپیوندید.
آنچه نیاز دارید
هر درس در این دوره شامل نمونه کدهایی است که در پوشه code_samples قابل یافت است. میتوانید این مخزن را چنگال کنید تا نسخه خود را بسازید.
نمونه کدهای این تمرینها از Microsoft Agent Framework با Azure AI Foundry Agent Service V2 استفاده میکنند:
- Microsoft Foundry - نیاز به حساب Azure
این دوره از فریمورکها و سرویسهای عامل هوش مصنوعی زیر از مایکروسافت استفاده میکند:
برخی نمونه کدها همچنین از ارائهدهندگان سازگار با OpenAI مانند MiniMax پشتیبانی میکنند که مدلهای با زمینه بزرگ (تا ۲۰۴ هزار توکن) ارائه میدهد. برای جزئیات پیکربندی به Course Setup مراجعه کنید.
برای اطلاعات بیشتر در مورد اجرای کدهای این دوره به Course Setup مراجعه کنید.
🙏 میخواهید کمک کنید؟
آیا پیشنهادی دارید یا خطاهای املایی یا کد پیدا کردید؟ یک Issue ثبت کنید یا یک Pull Request ایجاد کنید
📂 هر درس شامل
- یک درس نوشتاری واقع در README و یک ویدیو کوتاه
- نمونه کدهای پایتون با استفاده از Microsoft Agent Framework با Azure AI Foundry
- لینکهایی به منابع اضافی برای ادامه یادگیری
🗃️ درسها
| درس | متن و کد | ویدیو | یادگیری اضافی |
|---|---|---|---|
| مقدمهای بر عوامل هوش مصنوعی و موارد استفاده عامل | لینک | ویدیو | لینک |
| بررسی فریمورکهای عاملی هوش مصنوعی | لینک | ویدیو | لینک |
| درک الگوهای طراحی عاملی | لینک | ویدیو | لینک |
| الگوی طراحی استفاده از ابزار | لینک | ویدیو | لینک |
| RAG عاملی | لینک | ویدیو | لینک |
| ساخت عوامل هوش مصنوعی قابل اعتماد | لینک | ویدیو | لینک |
| الگوی طراحی برنامهریزی | لینک | ویدیو | لینک |
| الگوی طراحی چندعاملی | لینک | ویدیو | لینک |
| الگوی طراحی فراشناخت | پیوند | ویدئو | پیوند |
| عوامل هوش مصنوعی در تولید | پیوند | ویدئو | پیوند |
| استفاده از پروتکلهای عاملی (MCP, A2A و NLWeb) | پیوند | ویدئو | پیوند |
| مهندسی زمینه برای عوامل هوش مصنوعی | پیوند | ویدئو | پیوند |
| مدیریت حافظه عاملی | پیوند | ویدئو | |
| بررسی چارچوب عامل مایکروسافت | پیوند | ||
| ساخت عوامل استفاده از کامپیوتر (CUA) | پیوند | پیوند | |
| استقرار عوامل مقیاسپذیر | بهزودی | ||
| ایجاد عوامل محلی هوش مصنوعی | بهزودی | ||
| ایمنسازی عوامل هوش مصنوعی | پیوند | پیوند |
🎒 دورههای دیگر
تیم ما دورههای دیگری هم تولید میکند! بررسی کنید:
لانگچین
آزور / اج / 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 پایه
سری کوپایلوت
🌟 قدردانی از جامعه
از Shivam Goyal به خاطر مشارکت نمونههای کد مهمی که RAG عاملی را نشان میدهند، تشکر میکنیم.
همکاری
این پروژه از مشارکتها و پیشنهادات استقبال میکند. اکثر مشارکتها مستلزم موافقت شما با قرارداد مجوز مشارکت (CLA) است که اعلام میکند حق دارید و در واقع حقوق لازم برای استفاده از مشارکت خود را به ما اعطا میکنید. برای جزئیات به https://cla.opensource.microsoft.com مراجعه کنید.
هنگامی که درخواست pull ارسال میکنید، ربات CLA به طور خودکار تعیین میکند که آیا باید CLA را ارائه دهید و درخواست را به طور مناسب نشانهگذاری میکند (مثلاً بررسی وضعیت، نظر). کافی است دستورالعملهای ربات را دنبال کنید. شما فقط یک بار برای تمام مخازن دارای CLA ما نیاز به انجام این کار خواهید داشت.
این پروژه از کد رفتار متنباز مایکروسافت پیروی میکند. 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 تابع و باید مطابق با راهنمای علائم تجاری و برند مایکروسافت باشد. استفاده از علائم تجاری یا لوگوهای مایکروسافت در نسخههای تغییر یافته این پروژه نباید موجب سردرگمی شود یا دلالت بر حمایت مایکروسافت داشته باشد. هرگونه استفاده از علائم تجاری یا لوگوهای شخص ثالث تابع سیاستهای آن شخص ثالث است.
دریافت کمک
اگر به مشکل برخوردید یا سوالی درباره ساخت برنامههای هوش مصنوعی دارید، بپیوندید به:
اگر بازخورد محصول دارید یا هنگام ساخت با خطا مواجه شدید، مراجعه کنید به:
سلب مسئولیت: این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است شامل خطاها یا نادرستیهایی باشند. سند اصلی به زبان مادری خود باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفهای انسانی توصیه میشود. ما در قبال هرگونه سوء تفاهم یا برداشت نادرست ناشی از استفاده از این ترجمه مسئولیتی نداریم.