![]()
عربی | بنگالی | بلغاری | برمهای (میانمار) | چینی (سادهشده) | چینی (سنتی، هنگکنگ) | چینی (سنتی، ماکائو) | چینی (سنتی، تایوان) | کرواتی | چک | دانمارکی | هلندی | استونیایی | فنلاندی | فرانسوی | آلمانی | یونانی | عبری | هندی | مجارستانی | اندونزیایی | ایتالیایی | ژاپنی | کانادا | خمر | کرهای | لیتوانیایی | مالایی | مالایالم | مراتی | نپالی | پیدجین نیجریهای | نروژی | فارسی | لهستانی | پرتغالی (برزیل) | پرتغالی (پرتغال) | پنجابی (Gurmukhi) | رومانیایی | روسی | صربی (سیریلیک) | اسلواکی | اسلوونیایی | اسپانیایی | سواحیلی | سوئدی | تگالوگ (فیلیپینی) | تامیلی | تلگو | تایلندی | ترکی | اوکراینی | اردو | ویتنامی
ترجیح میدهید به صورت محلی کلون کنید؟
این مخزن شامل بیش از ۵۰ ترجمه زبانی است که اندازه دانلود را به طور قابل توجهی افزایش میدهد. برای کلون کردن 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 (Windows):
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 چیز لازم برای تکمیل دوره را با سرعت دانلود بسیار بیشتر میدهد.
اگر میخواهید زبانهای ترجمه بیشتری پشتیبانی شوند، لیست آنها در اینجا آمده است
این دوره دروس مربوط به اصول ساخت عوامل هوش مصنوعی را پوشش میدهد. هر درس موضوع خودش را دارد، پس هر جایی که دوست دارید شروع کنید!
این دوره از پشتیبانی چندزبانه برخوردار است. به زبانهای موجود ما مراجعه کنید.
اگر برای اولین بار با مدلهای هوش مصنوعی مولد کار میکنید، دوره هوش مصنوعی مولد برای مبتدیان ما را ببینید، که شامل ۲۱ درس درباره ساخت با GenAI است.
فراموش نکنید که این مخزن را ستاره (🌟) بدهید و برای اجرای کد از این مخزن فورک بگیرید.
اگر گیر کردید یا سوالی درباره ساخت عوامل هوش مصنوعی دارید، به کانال دیسکورد اختصاصی ما در Microsoft Foundry Discord بپیوندید.
هر درس در این دوره شامل مثالهای کد است که در پوشه code_samples قرار دارند. میتوانید این مخزن را فورک کنید تا نسخه خود را بسازید.
مثالهای کد در این تمرینها از Microsoft Agent Framework با سرویس Azure AI Foundry Agent V2 استفاده میکنند:
این دوره از فریمورکها و سرویسهای زیر برای عاملهای هوش مصنوعی از مایکروسافت استفاده میکند:
برخی نمونههای کد همچنین ارائهدهندگان سازگار با OpenAI alternative مانند MiniMax را پشتیبانی میکنند، که مدلهای با زمینه بزرگ (تا ۲۰۴ هزار توکن) ارائه میدهد. برای جزئیات پیکربندی به راهاندازی دوره مراجعه کنید.
برای اطلاعات بیشتر درباره راهاندازی کد این دوره، به راهاندازی دوره بروید.
اگر پیشنهادی دارید یا اشتباهات املایی یا کد یافتید، یک مسئله باز کنید یا یک درخواست کشش ایجاد کنید
| درس | متن و کد | ویدئو | یادگیری اضافی |
|---|---|---|---|
| معرفی عوامل هوش مصنوعی و موارد استفاده از عامل | لینک | ویدئو | لینک |
| کاوش فریمورکهای عاملی | لینک | ویدئو | لینک |
| درک الگوهای طراحی عاملی | لینک | ویدئو | لینک |
| الگوی طراحی استفاده از ابزار | لینک | ویدئو | لینک |
| RAG عاملی | 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 عاملی (MCP، A2A و NLWeb) | لینک | ویدئو | لینک |
| مهندسی زمینه برای عوامل هوش مصنوعی | لینک | ویدئو | لینک |
| مدیریت حافظه عاملی | لینک | ویدئو | |
| کاوش در چارچوب عامل مایکروسافت | لینک | ||
| ساخت عوامل استفادهکننده از کامپیوتر (CUA) | لینک | لینک | |
| استقرار عوامل مقیاسپذیر | بهزودی ارائه میشود | ||
| ایجاد عوامل محلی هوش مصنوعی | بهزودی ارائه میشود | ||
| ایمنسازی عوامل هوش مصنوعی | لینک | لینک |
تیم ما دورههای دیگری نیز تولید میکند! بررسی کنید:
از Shivam Goyal برای مشارکت نمونههای کد مهم که RAG عاملی را نشان میدهد، تشکر میکنیم.
این پروژه استقبال میکند از مشارکتها و پیشنهادات. بیشتر مشارکتها نیاز به موافقت شما با توافقنامه مجوز مشارکتکننده (CLA) دارد که اعلام میکند شما حق استفاده دارید و در واقع حقوق استفاده از مشارکتتان را به ما میدهید. برای جزئیات، بازدید کنید از https://cla.opensource.microsoft.com.
هنگامی که درخواست گرفتن (pull request) ارسال میکنید، ربات CLA به صورت خودکار تعیین میکند که آیا نیاز به ارائه CLA دارید و درخواست را متناسب با آن علامتگذاری میکند (مثلاً بررسی وضعیت، نظر). فقط کافی است دستورالعملهای ربات را دنبال کنید. شما فقط یک بار برای تمام مخازنی که از CLA ما استفاده میکنند باید این کار را انجام دهید.
این پروژه از کد رفتاری متنباز مایکروسافت پیروی کرده است. برای اطلاعات بیشتر به پرسشهای متداول کد رفتار مراجعه کنید یا با opencode@microsoft.com تماس بگیرید برای سوالات یا نظرات اضافی.
این پروژه ممکن است علائم تجاری یا لوگوهایی برای پروژهها، محصولات یا خدمات داشته باشد. استفاده مجاز از علائم تجاری یا لوگوهای مایکروسافت مشروط به رعایت و پیروی از راهنمای علائم تجاری و برند مایکروسافت است. 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 لوگوی اشخاص ثالث تابع سیاستهای آن اشخاص ثالث میباشد.
اگر گیر کردید یا سوالی درباره ساخت برنامههای هوش مصنوعی داشتید، بپیوندید به:
اگر بازخورد محصول یا خطایی در حین ساخت دارید، 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.