![]()
عربی | بنگالی | بلغاری | برمهای (میانمار) | چینی (سادهشده) | چینی (سنتی، هنگکنگ) | چینی (سنتی، ماکائو) | چینی (سنتی، تایوان) | کرواسیایی | چکی | دانمارکی | هلندی | استونیایی | فنلاندی | فرانسوی | آلمانی | یونانی | عبری | هندی | مجارستانی | اندونزیایی | ایتالیایی | ژاپنی | کاننادا | خمری | کرهای | لیتوانیایی | مالایی | مالایالام | مراتی | نپالی | پیدجین نیجریایی | نروژی | فارسی | لهستانی | پرتغالی (برزیل) | پرتغالی (پرتغال) | پنجابی (گورموخی) | رومانیایی | روسی | صربی (سیریلیک) | اسلواکی | اسلوونیایی | اسپانیایی | سواحلی | سوئدی | تاگالوگ (فیلیپینی) | تامیلی | تلوگو | تایلندی | ترکی | اوکراینی | اردو | ویتنامی
ترجیح میدهید به صورت محلی کلون کنید؟
این مخزن بیش از ۵۰ ترجمه زبان را شامل میشود که بهطور قابل توجهی حجم دانلود را افزایش میدهد. برای کلون کردن بدون ترجمهها، از sparse checkout استفاده کنید:
بش / مکاواس / 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 همه چیز مورد نیاز برای کامل کردن دوره را با سرعت دانلود بسیار بالاتر به شما میدهد.
اگر مایلید که زبانهای ترجمهای بیشتری پشتیبانی شوند، فهرست آنها در اینجا موجود است
این دوره شامل درسهایی در زمینه اصول اولیه ساخت عوامل هوش مصنوعی است. هر درس موضوع خاص خود را پوشش میدهد، پس از هر جایی که تمایل داشتید شروع کنید!
برای این دوره پشتیبانی چندزبانه وجود دارد. به زبانهای در دسترس اینجا مراجعه کنید.
اگر این اولین بار است که با مدلهای هوش مصنوعی مولد کار میکنید، دوره هوش مصنوعی مولد برای مبتدیها را ببینید که شامل ۲۱ درس درباره ساخت با GenAI است.
فراموش نکنید که به این مخزن ستاره (🌟) بدهید و مخزن را فورک کنید تا بتوانید کدها را اجرا کنید.
اگر گیر کردید یا سوالی درباره ساخت عوامل هوش مصنوعی داشتید، به کانال اختصاصی ما در دیسکورد Microsoft Foundry Discord بپیوندید.
هر درس در این دوره شامل مثالهای کد است که در پوشه code_samples یافت میشوند. میتوانید این مخزن را فورک کنید تا یک نسخه اختصاصی برای خود ایجاد کنید.
مثالهای کد در این تمرینات از Microsoft Agent Framework با Azure AI Foundry Agent Service V2 استفاده میکنند:
این دوره از چارچوبها و سرویسهای زیر در حوزه عوامل هوش مصنوعی مایکروسافت استفاده میکند:
برخی از نمونههای کد همچنین از ارائهدهندگان سازگار با OpenAI مانند MiniMax پشتیبانی میکنند که مدلهایی با زمینه بزرگ (تا ۲۰۴ هزار توکن) ارائه میدهند. جزئیات پیکربندی را در Course Setup ببینید.
برای اطلاعات بیشتر درباره اجرای کدهای این دوره به Course Setup مراجعه کنید.
آیا پیشنهادی دارید یا خطاهای املایی یا کدی یافتید؟ یک مسئله مطرح کنید یا یک درخواست کشش ایجاد کنید
| درس | متن و کد | ویدئو | یادگیری اضافی |
|---|---|---|---|
| معرفی عوامل هوش مصنوعی و موارد استفاده آنها | لینک | ویدئو | لینک |
| بررسی چارچوبهای عامله هوش مصنوعی | لینک | ویدئو | لینک |
| درک الگوهای طراحی عامله هوش مصنوعی | لینک | ویدئو | لینک |
| الگوی طراحی استفاده از ابزار | لینک | ویدئو | لینک |
| RAG عامله | لینک | ویدئو | لینک |
| ساخت عوامل هوش مصنوعی قابل اعتماد | لینک | ویدئو | لینک |
| الگوی طراحی برنامهریزی | لینک | ویدئو | لینک |
| الگوی طراحی چندعامله | لینک | ویدئو | لینک |
| الگوی طراحی فراموشی خودآگاه | Link | Video | Link |
| عوامل هوش مصنوعی در تولید | Link | Video | Link |
| استفاده از پروتکلهای عاملیت (MCP، A2A و NLWeb) | Link | Video | Link |
| مهندسی زمینه برای عوامل هوش مصنوعی | Link | Video | Link |
| مدیریت حافظه عاملیت | Link | Video | |
| بررسی چارچوب عامل مایکروسافت | Link | ||
| ساخت عوامل استفاده از کامپیوتر (CUA) | Link | Link | |
| استقرار عوامل قابل توسعه | بزودی میآید | ||
| ایجاد عوامل هوش مصنوعی محلی | بزودی میآید | ||
| امنیت عوامل هوش مصنوعی | بزودی میآید |
تیم ما دورههای دیگری هم تولید میکند! بررسی کنید:
از Shivam Goyal به خاطر ارائه نمونههای کد مهم که Agentic RAG را نشان میدهند، سپاسگزاریم.
این پروژه از مشارکتها و پیشنهادات استقبال میکند. اکثر مشارکتها نیاز دارند که شما با قرارداد مجوز مشارکتکننده (CLA) موافقت کنید که اعلام میکند شما حق دارید و در واقع حقوق استفاده از مشارکت خود را به ما میدهید. برای جزئیات به https://cla.opensource.microsoft.com مراجعه کنید.
وقتی یک درخواست کشش ارسال میکنید، یک ربات CLA بهطور خودکار تعیین میکند که آیا باید قرارداد CLA را ارائه دهید و وضعیت PR را بهطور مناسب (مثلاً بررسی وضعیت، کامنت) علامتگذاری میکند. فقط کافی است دستورالعملهای ربات را دنبال کنید. این کار فقط یک بار در تمام مخازنی که از CLA ما استفاده میکنند باید انجام شود.
این پروژه اصول رفتار کد منبع باز مایکروسافت را پذیرفته است. برای اطلاعات بیشتر به Code of Conduct FAQ 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 تابع و باید از راهنمای علائم تجاری و برند مایکروسافت پیروی کند. استفاده از علائم تجاری یا لوگوهای مایکروسافت در نسخههای تغییر یافته این پروژه نباید موجب اشتباه یا القای حمایت مایکروسافت شود. هر گونه استفاده از علائم تجاری یا لوگوهای شخص ثالث تابع سیاستهای آن شخص ثالث است.
اگر به مشکل برخوردید یا سوالی درباره ساخت برنامههای هوش مصنوعی دارید، به اینجا بپیوندید:
اگر بازخورد محصول دارید یا هنگام ساخت با خطا مواجه شدید 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 حاوی خطاها یا ناصحیحیهایی باشند. سند اصلی به زبان بومی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفهای انسانی توصیه میشود. ما مسئول هیچ سوءتفاهم یا برداشت نادرستی که در نتیجه استفاده از این ترجمه به وجود آید، نیستیم.