ai-agents-for-beginners
عامل‌های هوش مصنوعی برای مبتدیان - یک دوره
دوره‌ای که همه چیزهایی که باید برای شروع ساخت عامل‌های هوش مصنوعی بدانید را 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 | مجارستانی | اندونزیایی | ایتالیایی | ژاپنی | کانادا | خمری | کره‌ای | لیتوانیایی | مالایی | مالایالام | مراتی | نپالی | پیدگین نیجریه‌ای | نروژی | فارسی (Farsi) | لهستانی | پرتغالی (برزیل) | پرتغالی (پرتغال) | پنجابی (گرموخی) | رومانیایی | روسی | صربی (سریلیک) | اسلواکی | اسلوونیایی | اسپانیایی | سواحیلی | سوئدی | تاگالوگ (فیلیپینی) | تامیل | تلوگو | تایلندی | ترکی | اوکراینی | اردو | ویتنامی
ترجیح می‌دهید به صورت محلی کلون کنید؟
این مخزن بیش از 50 ترجمه زبانی دارد که اندازه دانلود را به طور قابل توجهی افزایش می‌دهد. برای کلون بدون ترجمه‌ها، از sparse checkout استفاده کنید:
Bash / macOS / Linux:
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 همه چیزهایی را که برای تکمیل دوره نیاز دارید با سرعت دانلود بسیار سریع‌تر به شما می‌دهد.
اگر می‌خواهید زبان‌های ترجمه اضافی پشتیبانی شوند، آن‌ها را در اینجا فهرست شده‌اند.
🌱 شروع کردن
این دوره درس‌هایی درباره اصول ساخت عامل‌های هوش مصنوعی دارد. هر درس موضوع خودش را پوشش می‌دهد، پس هر جا دوست دارید شروع کنید!
این دوره پشتیبانی چندزبانه دارد. به زبان‌های موجود اینجا مراجعه کنید.
اگر برای اولین بار با مدل‌های تولیدی هوش مصنوعی کار می‌کنید، دوره‌ی هوش مصنوعی تولیدی برای مبتدیان ما را بررسی کنید که شامل 21 درس در زمینه ساخت با GenAI است.
فراموش نکنید که این مخزن را ستاره (🌟) بدهید و این مخزن را فورک کنید تا کد را اجرا کنید.
با دیگر یادگیرندگان آشنا شوید، پرسش‌های خود را پاسخ بگیرید
اگر گیر کردید یا سوالی درباره ساخت عامل‌های هوش مصنوعی داشتید، به کانال اختصاصی ما در دیسکورد Microsoft Foundry Discord بپیوندید.
چه چیزی نیاز دارید
هر درس در این دوره شامل نمونه‌های کدی است که در پوشه code_samples یافت می‌شود. می‌توانید این مخزن را فورک کنید تا نسخه خودتان را بسازید.
نمونه‌های کد در این تمرین‌ها از چارچوب عامل مایکروسافت با سرویس عامل مایکروسافت فاندری نسخه 2 استفاده می‌کنند:
- مایکروسافت فاندری - نیاز به حساب Azure
این دوره از چارچوب‌ها و سرویس‌های عامل هوشمند مایکروسافت زیر استفاده می‌کند:
برخی نمونه‌های کد همچنین از ارائه‌دهندگان OpenAI سازگار جایگزینی مانند MiniMax پشتیبانی می‌کنند که مدل‌های بزرگ متنی (تا 204 هزار توکن) ارائه می‌دهد. برای جزئیات پیکربندی به راه‌اندازی دوره مراجعه کنید.
برای اطلاعات بیشتر درباره اجرای کد این دوره، به راه‌اندازی دوره مراجعه کنید.
🙏 مایل به کمک هستید؟
آیا پیشنهاد یا خطای املایی یا کدی یافتید؟ یک اکسپت (issue) ایجاد کنید یا یک درخواست کشش (pull request) بسازید
📂 هر درس شامل
- یک درس مکتوب در README و یک ویدئوی کوتاه
- نمونه‌های کد پایتون با استفاده از چارچوب عامل مایکروسافت با Microsoft Foundry
- لینک به منابع اضافی برای ادامه یادگیری شما
🗃️ دروس
| درس | متن و کد | ویدئو | یادگیری اضافی |
|---|---|---|---|
| معرفی عامل‌های هوش مصنوعی و موارد کاربرد عامل | لینک | ویدئو | لینک |
| بررسی چارچوب‌های عامل هوشمند | لینک | ویدئو | لینک |
| درک الگوهای طراحی عامل هوشمند | لینک | ویدئو | لینک |
| الگوی طراحی استفاده از ابزار | لینک | ویدئو | لینک |
| عامل هوشمند RAG | لینک | ویدئو | لینک |
| ساخت عامل‌های 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 عاملیت‌مند (MCP, A2A و NLWeb) | لینک | ویدئو | لینک |
| مهندسی زمینه برای عوامل هوش مصنوعی | لینک | ویدئو | لینک |
| مدیریت حافظه عاملیت‌مند | لینک | ویدئو | |
| بررسی قالب عامل مایکروسافت | لینک | ||
| ساخت عوامل استفاده از کامپیوتر (CUA) | لینک | لینک | |
| استقرار عوامل مقیاس‌پذیر | لینک | لینک | |
| ایجاد عوامل هوش مصنوعی محلی | لینک | لینک | |
| ایمن‌سازی عوامل هوش مصنوعی | لینک | لینک |
🎒 دوره‌های دیگر
تیم ما دوره‌های دیگری تولید می‌کند! ببینید:
LangChain
Azure / Edge / MCP / Agents
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 Copilot
🌟 قدردانی جامعه
از شیوام گویال بابت مشارکت نمونه‌های کد مهم و نشان‌دادن Agentic RAG تشکر می‌کنیم.
مشارکت
این پروژه پذیرای مشارکت‌ها و پیشنهادات است. بیشتر مشارکت‌ها مستلزم این است که شما با توافق‌نامه مجوز مشارکت‌کننده (CLA) موافقت کنید که اعلام می‌کند شما حق دارید و واقعاً این حق را به ما می‌دهید تا از مشارکت شما استفاده کنیم. برای جزئیات، به https://cla.opensource.microsoft.com مراجعه کنید.
زمانی که یک درخواست Pull ارائه می‌دهید، ربات CLA به‌طور خودکار تعیین می‌کند که آیا نیاز است CLA ارائه دهید و درخواست Pull را به‌درستی علامت‌گذاری می‌کند (مثلاً بررسی وضعیت، نظر). به سادگی دستورالعمل‌های ارائه‌شده توسط ربات را دنبال کنید. شما فقط یکبار در کل مخازن از CLA ما استفاده خواهید کرد.
این پروژه اصول رفتار کد باز مایکروسافت را اتخاذ کرده است که در Microsoft Open Source Code of Conduct آمده است. برای اطلاعات بیشتر به بخش سؤالات متداول رفتار مراجعه کنید یا
این پروژه ممکن است شامل علائم تجاری یا لوگوهایی برای پروژه‌ها، محصولات یا خدمات باشد. استفاده مجاز از علائم و لوگوهای مایکروسافت تابع و باید مطابق با راهنمای نشان‌ها و برندهای مایکروسافت باشد. استفاده از علائم تجاری یا لوگوی مایکروسافت در نسخه‌های تغییر یافته این پروژه نباید موجب سردرگمی شود یا اسپانسرشیپ مایکروسافت را القا کند.
دریافت کمک
اگر گیر کردید یا سوالی درباره ساخت برنامه‌های هوش مصنوعی داشتید، بپیوندید به:
اگر بازخورد محصول یا خطا در حین ساخت داشتید 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.