آموزش بوت‌کمپ هوش مصنوعی ایجنتی: ساخت ایجنت‌های AI با Python، n8n، MCP و RAG - آخرین آپدیت

دانلود Agentic AI Bootcamp: AI Agents with Python, n8n, MCP & RAG

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: مهندسی جامع هوش مصنوعی: OpenAI SDK، CrewAI، Pydantic AI، LangChain، React، Node.js، AutoGen، اتوماسیون صوتی و محلی تسلط بر مهندسی AI و «Vibe Coding»: استفاده از Cursor، Python، Node.js، Git و GitHub برای توسعه سریع نرم‌افزار. ساخت ایجنت‌های پایتونی: تسلط بر Pydantic AI، رابط‌های Gradio، Guardrails و چارچوب‌های ارزیابی (Eval-Frameworks). ایجاد ایجنت‌های OpenAI: استفاده از OpenAI AgentKit، Agent Builder و ادغام ChatKit در اپلیکیشن‌های Next.js و React. توسعه ایجنت‌های تحقیق عمیق (Deep Research): ساخت ایجنت‌های خودمختاری که وب را جستجو کرده و گزارش‌های پیچیده синтеز می‌کنند. تسلط بر پروتکل MCP (Model Context Protocol): اتصال Claude Desktop، Cursor و Antigravity به فایل‌ها و ابزارهای محلی. ساخت سرورهای MCP سفارشی: ایجاد ابزارهای MCP اختصاصی با استفاده از Python و n8n برای کنترل APIهای خارجی. اتوماسیون با n8n (Low-Code): تسلط بر Webhooks، درخواست‌های HTTP، گره‌های کد، Merge، گره If، حلقه‌ها و مدیریت خطا. جریان‌های کاری پیشرفته n8n: ساخت سیستم‌های چند-ایجنت، ارکستراتورها، ربات‌های تلگرام و میزبانی شخصی n8n. ادغام پایگاه داده و SQL: اتصال Supabase، Pinecone، Postgres و دیتابیس‌های برداری (Vector Databases) به ایجنت‌های AI. هوش مصنوعی محلی و حریم خصوصی: اجرای مدل‌های Ollama، DeepSeek، Qwen، Kimi، zAI و Llama به صورت محلی با Docker و Flowise. تسلط بر RAG (تولید تقویت شده با بازیابی): بهینه‌سازی Embeddings، Chunking، Tok-K، Temperature، Top-P Markdown و جستجوی برداری. ساخت ایجنت‌های بصری با Flowise: ایجاد ایجنت‌های LangChain و LangGraph بدون کدنویسی و میزبانی آن‌ها روی Render. توسعه ایجنت‌های صوتی: ساخت دستیارهای صوتی AI در لحظه (Real-Time) با Python، LiveKit، Vapi و ElevenLabs. هوش مصنوعی مولد و Diffusion: اتوماسیون ComfyUI، Flux، Z-Image و SDXL برای تولید تصویر و ویدیو از طریق n8n. بررسی چارچوب‌های ایجنتی: درک AutoGen، CrewAI، Semantic Kernel، Open WebUI و استک هوش مصنوعی مایکروسافت. راه‌اندازی آژانس AI: یادگیری قیمت‌گذاری، جذب لید (Lead Generation)، استراتژی فروش و یافتن نیش‌مارکت برای خدمات AI. امنیت و قوانین AI: تسلط بر GDPR، انطباق با قانون AI اتحادیه اروپا، جلوگیری از Prompt Injection، Jailbreaks و مسمومیت داده‌ها. استقرار و میزبانی: انتشار در GitHub، میزبانی روی Render، استقرار اپلیکیشن‌های Next.js و مدیریت کانتینرهای Docker. تسلط بر توسعه وب AI و ساخت فرانت-اند سفارشی: استقرار چت‌بات‌های AI سفارشی با Next.js، React، TypeScript، Vite و Tailwind CSS مستقیماً در وب‌سایت‌ها. پیش نیازها: هیچ دانش قبلی مورد نیاز نیست، همه موارد گام به گام آموزش داده می‌شوند. یک کامپیوتر (مک، ویندوز یا لینوکس): باید دسترسی ادمین برای نصب نرم‌افزارهایی مانند Node.js، Python و Docker داشته باشید. کنجکاوی و صبر: ما مباحث پیشرفته‌ای مانند ایجنت‌های AI و RAG را پوشش می‌دهیم. دستورالعمل‌های گام به گام ارائه شده‌اند، اما داشتن ذهنیت حل مسئله کمک‌کننده است!

دیگر تماشاگر پیشرفت AI نباشید. شروع به ساختن آن کنید.

شما دیده‌اید که AI چه کارهایی می‌تواند انجام دهد. اما چگونه از پرومپت‌های ساده فراتر رفته و ایجنت‌های خودمختار، اتوماسیون‌های مقیاس‌پذیر و اپلیکیشن‌های تجاری واقعی بسازید؟

این دوره یک مسترکلاس جامع برای اتوماسیون AI و ایجنت‌های هوشمند است. این دوره شکاف بین Low-Code (n8n, Flowise) و Pro-Code (Python, Pydantic AI, Cursor) را پر می‌کند و مجموعه مهارت‌های کامل برای تسلط بر چشم‌انداز AI در سال ۲۰۲۶ را به شما می‌دهد.

از ساخت سیستم‌های RAG محلی که روی لپ‌تاپ شما اجرا می‌شوند تا استقرار ایجنت‌های صوتی در سطح سازمانی و تسلط بر پروتکل مدل کانتکست (MCP)؛ این دوره همه چیز را پوشش می‌دهد.

چه توسعه‌دهنده باشید، چه کارآفرین یا علاقه‌مند به اتوماسیون، یاد می‌گیرید که چگونه مدل‌های زبانی بزرگ (مانند DeepSeek, GPT, Claude, Gemini) را برای انجام کارهای واقعی مدیریت کنید.

آنچه دریافت خواهید کرد:

  • پروژه‌های عملی: ساخت ایجنت‌های تحقیق عمیق، آواتارهای صوتی، ربات‌های مارکتینگ، سیستم‌های جذب لید و موارد دیگر.

  • منابع قابل دانلود: دسترسی به جریان‌های کاری JSON آماده، مخازن کد پایتون و سیستم پرومپت‌ها برای سرعت بخشیدن به پیاده‌سازی شما.

  • یادگیری دو مسیره: یادگیری هم به روش بصری (n8n, Flowise) و هم به روش کدنویسی (Python, Next.js).

آنچه در این دوره خواهید آموخت:

پایه‌ها: مدل‌های زبانی، تنظیمات و «Vibe Coding»

شروع قدرتمند با ابزارهای ضروری این حرفه.

  • دوره سریع Cursor: تسلط بر ادیتور کد AI که نرم‌افزار را برای شما می‌نویسد (Vibe Coding).

  • مبانی AI: بررسی عمیق LLMها، توکن‌ها، Function Calling و «مدل‌های استدلالی» مانند DeepSeek R1، GPT 5.2 Thinking و OpenAI o3.

  • تنظیمات Full Stack: نصب صحیح Python، pip، uv، Node.js، Git و Docker برای آماده‌سازی سیستم جهت توسعه AI.

اکوسیستم ایجنت‌های OpenAI و اپلیکیشن‌های وب

ساخت ایجنت‌های رسمی با استفاده از جدیدترین ابزارها و SDK ایجنت OpenAI.

  • OpenAI AgentKit و Agent Builder: ایجاد ایجنت‌هایی با متغیرهای وضعیت، گاردریل‌ها و دسترسی به اینترنت.

  • ادغام Next.js و React: ساخت رابط کاربری چت اختصاصی (ChatKit) و استقرار ویجت‌های سفارشی در وب‌سایت‌ها.

  • ایجنت تحقیق عمیق: ساخت یک ایجنت پیچیده قادر به جستجوی وب و سنتز گزارش‌ها.

ایجنت‌های پایتونی با Pydantic AI

ورود به دنیای مهندسی حرفه‌ای AI با کدنویسی.

  • چارچوب Pydantic AI: ساخت ایجنت‌های قدرتمند و Type-safe با استفاده از پایتون.

  • رابط‌های Gradio: ایجاد رابط‌های وب کاربرپسند برای اسکریپت‌های پایتون شما.

  • کدنویسی و استقرار: یادگیری انتشار پروژه‌ها در GitHub و اشتراک‌گذاری آن‌ها با دنیا.

هوش مصنوعی محلی و RAG (با اولویت حریم خصوصی)

اجرای AI کاملاً روی سخت‌افزار خودتان؛ بدون هزینه API و با حریم خصوصی کامل.

  • استک محلی: تسلط بر Ollama، Docker و Flowise برای AI آفلاین.

  • RAG پیشرفته (Retrieval-Augmented Generation): راه‌اندازی دیتابیس‌های برداری Postgres، مدیریت Embeddings و بهینه‌سازی استراتژی‌های Chunking.

  • LangChain و LangGraph: درک معماری پشت زنجیره‌های مدرن AI.

تسلط بر Flowise: ایجنت‌های بصری AI

ساخت چت‌بات‌های قدرتمند بدون نوشتن کد.

  • ایجنت‌های مبتنی بر API: اتصال LLMها به ابزارهای دنیای واقعی از طریق ادغام API.

  • چت‌بات‌های سفارشی: ساخت، برندینگ و جاسازی چت‌بات‌های RAG در وردپرس و وب‌سایت‌های سفارشی.

  • تحلیل احساسات: اتوماسیون مسیریابی پشتیبانی مشتری بر اساس احساس کاربر.

اتوماسیون AI با n8n (Low-Code)

قلب اتوماسیون کسب‌وکار؛ اتصال همه چیز به هم.

  • مبانی n8n و SQL: تسلط بر رابط کاربری، متغیرها و اتصال به دیتابیس‌های Supabase.

  • جریان‌های کاری پیشرفته: ساخت ربات‌های تلگرام، سیستم‌های چند-ایجنت و الگوهای ارکستراتور.

  • وب اسکرپینگ و HTML: تبدیل محتوای هر وب‌سایتی به یک پایگاه دانش برای ایجنت‌های شما.

  • میزبانی شخصی (Self-Hosting): یادگیری میزبانی n8n روی سرورهای خودتان برای کاهش هزینه‌ها.

MCP: پروتکل مدل کانتکست

یادگیری داغ‌ترین تکنولوژی در ادغام AI.

  • توضیح MCP: اتصال Claude Desktop، Cursor و ChatGPT به ابزارها و فایل‌های محلی شما.

  • ساخت سرورهای MCP سفارشی: ایجاد سرورهای خود در Python و n8n.

  • ابزارهای چند پلتفرمی: استفاده از MCP برای دادن دسترسی ایجنت‌ها به Slack، GitHub و ابزارهای دیتابیس به صورت یکپارچه.

ایجنت‌های صوتی و آواتارهای AI

بخشیدن صدا و چهره به هوش مصنوعی شما.

  • LiveKit و پایتون: ساخت ایجنت‌های صوتی مکالمه‌ای در لحظه.

  • ادغام تلفنی: اتصال Vapi و ElevenLabs به شماره تلفن برای تماس‌های ورودی/خروجی (مثلاً ربات رزرو رستوران).

  • آواتارهای AI: ایجاد ایجنت‌های بصری تعاملی که با کاربران صحبت می‌کنند.

هوش مصنوعی مولد و اتوماسیون تصویر

اتوماسیون خلاقیت با مدل‌های Diffusion.

  • مسترکلاس ComfyUI: ساخت جریان‌های کاری پیچیده برای تولید تصویر و ویدیو.

  • Flux, Z-Image و SDXL: اجرای مدل‌های پیشرفته تصویر به صورت محلی.

  • طراحی ایجنتی: تحریک خودکار تولید تصویر از طریق ایجنت‌های n8n.

ساخت کسب‌وکار و امنیت

تبدیل مهارت‌ها به یک آژانس سودآور و حفظ امنیت.

  • نقشه راه آژانس: نحوه قیمت‌گذاری، بسته‌بندی و فروش خدمات AI به مشتریان.

  • جذب لید: استراتژی‌های ارتباط سرد (Cold Outreach) و محتوای شبکه‌های اجتماعی.

  • امنیت و قوانین AI: درک GDPR، قانون AI اتحادیه اروپا، Prompt Injection و حفاظت در برابر Jailbreaking.

تبدیل به متخصص آینده تکنولوژی شوید!

در پایان این دوره، شما فقط تئوری را درک نخواهید کرد، بلکه مجموعه‌ای از ایجنت‌های فعال، درک عمیقی از n8n، Python و MCP و دانش تجاری برای درآمدزایی از مهارت‌هایتان خواهید داشت.

همین حالا ثبت‌نام کنید و ساختن آینده را شروع کنید!


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • نگاهی به امکانات: Antigravity، n8n، Lovable و ComfyUI A Glimpse of What Is Possible: Antigravity, n8n, Lovable & ComfyUI

  • مرور کلی دوره Course Overview

  • منابع و لینک‌ها Resources and Links

  • معرفی مدرس: آرنولد اوبرلایتِر (آرنی) Instructor Introduction: Arnold Oberleiter (Arnie)

دوره سریع Cursor و نصب‌های اولیه Cursor Crash Course and Some Installations

  • مرور بخش Section Overview

  • نصب Python، pyenv، pip و مدیریت پکیج uv Installing Python, pyenv, pip & the uv Package Manager

  • نکته سریع: استفاده از LLMها برای نصب نرم‌افزارها Quick Tip: Use LLMs for Installations

  • نصب Node.js: اجرای جاوااسکریپت محلی برای React + Vite + Tailwind Install Node.js: Run JavaScript Locally for React + Vite + Tailwind

  • دوره سریع Cursor Cursor Crash Course

  • توضیح مبانی Git و GitHub Git & GitHub Basics Explained

  • کوییز کوتاه Mini Quiz

  • جمع‌بندی Recap

مبانی AI: مدل‌های زبانی، توکن‌ها، فراخوانی توابع، مهندسی پرومپت و بیشتر AI Fundamentals: LLMs, Tokens, Function Calling, Prompt Engineering & More

  • مبانی AI: مرور بخش AI Fundamentals: Section Overview

  • درک اتوماسیون، اتوماسیون AI و ایجنت‌های AI Understanding Automation, AI Automation and AI Agents

  • یک LLM چگونه کار می‌کند How a LLM works

  • توضیح API (رابط برنامه‌نویسی اپلیکیشن) API (Application Programming Interface) Explained

  • فراخوانی توابع (Function Calling): چگونه LLMها درخواست کمک می‌کنند Function Calling: How LLMs Ask for Help

  • محاسبات زمان تست با DeepSeek R، Qwen، GPT و Gemini – مدل‌هایی که می‌توانند «فکر کنند» Test-Time Compute with DeepSeek R, Qwen & GPT & Gemini – Models That Can “Think”

  • مبانی مهندسی پرومپت: پرومپت کاربر و سیستم پرومپت Prompt Engineering Basics: User Prompt & System Prompts

  • چگونه بهترین مدل‌های AI را پیدا کنیم How to Find the Best AI Models

  • مبانی AI: جمع‌بندی AI Fundamentals: Recap

ساخت سریع اولین ایجنت‌ها! OpenAI Agent SDK با Agent Builder و AgentKit Build Your First Agents Fast! OpenAI Agent SDK with the Agent Builder & AgentKit

  • مرور بخش Section Overview

  • OpenAI AgentKit، Agent Builder و Agent SDK چیستند What Is the OpenAI AgentKit, Agent Builder & Agent SDK

  • توضیح پلتفرم OpenAI: محیط Playground، صورت‌حساب، هزینه توکن‌ها و پروژه‌ها OpenAI Platform Explained: Playground, Billing, Token Costs & Projects

  • راهنمای Agent Builder: توضیح تمامی نودها، ویژگی‌ها و امکانات Agent Builder Guide: All Nodes, Features & Possibilities Explained

  • ساخت یک ایجنت AI با گاردریل‌ها، متغیرهای وضعیت و دسترسی به اینترنت Build an AI Agent with Guardrails, State Variables & Internet Access

  • استفاده از MCP به عنوان Wrapper برای API در ایجنت‌ها و کنترل تاریخ و زمان MCP as an API Wrapper in Your Agents and Controlling Date & Time

  • سیستم RAG: آموزش ایجنت بر اساس دانش شما RAG: Train Your Agent on Your Knowledge

  • مرحله بعدی چه می‌سازیم What we build next

  • جریان کاری پیشرفته: ساخت ایجنت تحقیق عمیق اختصاصی Advanced Workflow: Build Your Own Deep Research Agent

  • گام‌های بعدی Next Steps

  • ادغام ویجت از ChatKit به عنوان فرمت خروجی Widget Integration from ChatKit as Output Format

  • استفاده از ChatKit برای ساخت UI اختصاصی در Cursor به عنوان اپ Next.js ChatKit for Building Your Own UI in Cursor as a Next.js App

  • افزودن حباب چت AI به وب‌سایت Next.js / React Add an AI Chat Bubble to Your Next.js / React Website

  • مانیتورینگ هزینه: تا اینجا چقدر هزینه کرده‌ایم Cost Monitoring: What We’ve Spent So Far

  • گزینه‌های بیشتر و قالب‌های جریان کاری More Options and Workflow Templates

  • جمع‌بندی Recap

پایتون: ساخت ایجنت‌های AI با Pydantic AI Python: Build AI Agents with Pydantic AI

  • مرور بخش: پایتون و Pydantic AI Section Overview: Python and Pydantic AI

  • پروژه گیت‌هاب و مرور استک تکنولوژی: Python، pip، Pydantic AI، Gradio و Cursor GitHub Project & Tech Stack Overview: Python, pip, Pydantic AI, Gradio & Cursor

  • آموزش پروتوتایپ پایتون: ساخت اولین اپلیکیشن با Pydantic AI و Gradio Python Prototype Tutorial: Build Your First App with Pydantic AI & Gradio

  • تغذیه و تگ کردن مستندات در Cursor برای هر پروژه Feed and Tag Documentation in Cursor for Every Project

  • در Pydantic AI: ساخت ایجنت تحقیق عمیق با فرانت-اند Gradio در پایتون Pydantic AI: Build a Deep Research Agent with a Gradio Frontend in Python

  • توضیح دقیق کد پایتون و کل پروژه Pydantic AI Python Code and the Whole Pydantic AI Project Explained in Detail

  • انتشار پروژه پایتون در گیت‌هاب و اشتراک‌گذاری اپ Gradio با دیگران Publish Your Python Project on GitHub & Share Your Gradio App with Others

  • ایجنت‌های Pydantic AI در پایتون: الهامات، ارزیابی‌ها و مشاهده‌پذیری Pydantic AI Agents in Python: Inspiration, Evals & Observability

  • جمع‌بندی Recap

ایجنت‌های AI محلی با Flowise، Ollama، LangChain، LangGraph و RAG Local AI Agents with Flowise, Ollama, LangChain, LangGraph and RAG

  • در این بخش درباره AI محلی چه مواردی را پوشش می‌دهیم؟ What We Cover in This Section About Local AI?

  • چرا AI محلی؟ توضیح مزایا و معایب Why Local AI? Advantages & Disadvantages explained

  • مبانی سخت‌افزاری: RAM، VRAM و GPU برای LLMها و مدل‌های Diffusion Hardware Basics: RAM, VRAM, GPU for LLMs & Diffusion Models

  • اپل و AI محلی: ضروریات سخت‌افزاری Apple & Local AI: Hardware Essentials

  • مبانی Ollama: نصب، مدل‌ها و دستورات Ollama Fundamentals: Installation, Models & Commands

  • تفاوت LangGraph، LangChain و Flowise چیست؟ LangGraph, LangChain, Flowise — What Is the Difference?

  • اطلاعات تکمیلی Info

  • نصب محلی Flowise با Node.js Install Flowise Locally with Node.js

  • اولین تست‌ها در Flowise با مدل‌های محلی و رابط Agent Builder First Tests in Flowise with Local Models and the Agent Builder Interface

  • توضیح دیتابیس‌های برداری، مدل‌های Embedding، Tok K، Chunking و RAG Vector Databases, Embedding Models, Tok-K, Chunking & RAG explained

  • توضیح Docker Desktop: نصب، تنظیمات و دلیل نیاز به آن Docker Desktop Explained: Installation, Setup & Why You Need It

  • نصب محلی Postgres با Docker Install Postgres Locally with Docker

  • پر کردن دیتابیس برداری Postgres و ادغام Record Manager Populate Postgres Vector Database and Integrate Record Manager

  • ساخت ایجنت RAG محلی با Flowise، Postgres و Ollama Create a Local RAG Agent with Flowise, Postgres & Ollama

  • بهینه‌سازی RAG: نحوه آماده‌سازی صحیح داده‌ها با Markdown، Chunking و Overlap Optimizing RAG: How to Prepare Data Correctly with Markdown, Chunking & Overlap

  • جمع‌بندی Recap

ساخت ایجنت‌های مبتنی بر API و میزبانی آن‌ها برای مشتریان Build API-Powered Agents and Host Them for Your Clients

  • مرور بخش: آنچه خواهید آموخت Section Overview: What You Will Learn

  • بهبود پشتیبانی مشتری با تحلیل احساسات (Sentiment Analysis) با استفاده از AI Enhance Customer Support with Sentiment Analysis Using AI

  • ساخت یک Chatflow برای RAG با وب اسکرپینگ، Embeddings، دیتابیس برداری و HTML Building a RAG Chatflow with Web Scraping, Embeddings, Vector Database & HTML

  • خروجی گرفتن و وارد کردن جریان‌ها به صورت JSON Exporting and Importing Flows as JSON

  • بررسی برخی جریان‌های کاری Some Workflows

  • ساخت رابط کاربری (UI) و فرانت-اند اختصاصی برای چت‌بات Creating Your Own Chatbot UI & Frontend

  • ایجنت ابزاری Flowise: یک جریان کاری برای اتصال هر API و LLM Flowise Tool-Agent: One Workflow to Connect Any API & LLM

  • ایجنت ابزاری با RAG: دیتابیس برداری Pinecone، فراخوانی توابع و APIها Tool Agent with RAG: Pinecone Vectordatabase, Function Calling & APIs

  • مهندسی پرومپت: سیستم پرومپت‌ها برای ایجنت‌های AI و ایجنت‌های RAG Prompt Engineering: System Prompts for AI Agents and RAG Agents

  • میزبانی Flowise روی Render Hosting Flowise on Render

  • ساخت چت‌بات RAG برای مشتری: گام به گام با Flowise Tool Agent Building a RAG Chatbot for a Client: Click by Click with Flowise Tool Agent

  • بهبود برندینگ و استایل چت‌بات LangGraph در Replit Enhancing LangGraph Chatbot Branding and Style on Replit

  • جاسازی چت‌بات RAG در سایت وردپرسی Embedding a RAG Chatbot into a WordPress Site

  • افزودن لوگو و تنظیمات نهایی بات برای ظاهری حرفه‌ای Add Your Logo & Final Bot Finetuning for a Polished Look

  • تنظیمات اضافی برای اپلیکیشن LangChain در Flowise Additional Settings for Your LangChain App in Flowise

  • گزینه‌ها و مثال‌های بیشتر More Options and Examples

  • جمع‌بندی Recap

مبانی اتوماسیون AI با n8n، Supabase، SQL و میزبانی شخصی AI Automation Basics with n8n, Supabase, SQL and Self-Hosting

  • مرور بخش: آنچه خواهید آموخت Section Overview: What You Will Learn

  • نصب n8n با Node.js و آشنایی با رابط کاربری n8n Installation with Node.js & the Interface

  • نصب محلی n8n روی مک lacoal installation of n8n on mac

  • مبانی n8n n8n Basics

  • تنظیمات Supabase برای RAG و جداول SQL Supabase Setup for RAG and SQL Tables

  • ایجنت‌های RAG با n8n، Supabase، متاداده و Ollama RAG Agents with n8n, Supabase, Metadata & Ollama

  • جریان‌های کاری مورد استفاده در بخش‌ها Workflows that we use over the sections

  • خروجی گرفتن و وارد کردن جریان‌های کاری JSON Exporting and Importing JSON Workflows

  • استفاده از SQL و جداول با Supabase و n8n SQL & Tables with Supabase and n8n

  • دستیار ایمیل با گوگل، n8n و Supabase SQL Email Assistant with Google, n8n & Supabase SQL

  • مهندسی پرومپت برای ایجنت‌های AI در n8n (سیستم پرومپت‌ها) Prompt Engineering for n8n AI Agents (System Prompts)

  • میزبانی شخصی (Self Hosting) n8n Self-Hosting n8n

  • جمع‌بندی مبانی n8n Recap of the n8n Basics

اتوماسیون پیشرفته AI و جریان‌های کاری ایجنت با n8n Advanced AI Automation & Agent Workflows with n8n

  • مرور بخش: آنچه در اینجا خواهید آموخت! Section Overview: What You Will Learn Here!

  • مبانی نود HTTP Request HTTP Request Node Basics

  • درخواست‌های HTTP بدون cURL: چگونه هر API را فراخوانی کنیم HTTP Requests Without cURL: How to Call Any API

  • نود Code: اجرای کد پایتون و جاوااسکریپت در n8n (به همراه نودهای Merge و If) Code Node: Run Python & JavaScript Code in n8n (plus the Merge & if Node)

  • اسکرپینگ: تبدیل یک وب‌سایت به چت‌بات RAG از طریق درخواست‌های HTML Scraping: Converting a Website into a RAG Chatbot via HTML Requests

  • ساخت یک دستیار AI در تلگرام Build a Telegram AI Assistant

  • فراخوانی سایر جریان‌های کاری Call Other Workflows

  • ایجنت تلگرام که می‌تواند صحبت کند و همه چیز را اتومات کنید Telegram Agent That Can Talk and Automate Everything

  • امنیت برای ایجنت‌های تلگرام در n8n Security for Telegram Agents in n8n

  • سیستم‌های چند-ایجنت با یک ارکستراتور Multi-Agent Systems with an Orchestrator

  • مقایسه چند LLM با داور Gemini و تجمیع تحلیل‌ها Multi-LLM Comparison with Gemini Judge and Insights Aggregation

  • وب‌هوک‌ها + Vibe Coding در Cursor: ساخت فرانت-اند برای چت‌بات Webhooks + Vibe Coding in Cursor: Create a Chatbot Frontend

  • تسلط بر مدیریت داده در n8n: Set, Aggregate, Split Out, Switch, If و Merge Master Data Manipulation in n8n: Set, Aggregate, Split Out, Switch, If & Merge

  • حلقه روی آیتم‌ها: پردازش گام به گام داده‌ها Loop Over Items: Process Data Step by Step

  • گاردریل‌های n8n: ساخت جریان‌های کاری ایمن‌تر و قابل‌اعتمادتر n8n Guardrails: Build Safer and More Reliable Workflows

  • یافتن خطاها در جریان‌های n8n: دیباگ با نود Error Trigger Finding Errors in n8n Workflows: Debugging with the error Trigger Node

  • بات n8n به عنوان یک اپلیکیشن مستقل با URL منتشر شده (نسخه میزبانی شده) n8n Bot as a Standalone App with a Published URL (hostet version)

  • ادغام ایجنت‌های n8n در وب‌سایت‌ها: HTML، وردپرس و برندینگ با CSS سفارشی Integrating n8n Agents into Websites: HTML, WordPress & Custom CSS Branding

  • جمع‌بندی Recap

پروتکل MCP (Model Context Protocol) با کلاینت‌ها و سرورهای مختلف MCP (Model Context Protocol) with Different Clients and Servers

  • مرور بخش MCP Section Overview of the MCP Part

  • توضیح پروتکل مدل کانتکست (MCP): دادن ابزارها، پرومپت‌ها و منابع به LLMها The Model Context Protocol Explained: Give LLMs Tools, Prompts & Resources

  • مقایسه STDIO در مقابل HTTP Streamable: روش‌های انتقال برای MCP و ایجنت‌های AI STDIO vs Streamable HTTP: Transport Methods for MCP & AI Agents (and some docs)

  • مرور رابط کاربری و تنظیمات Claude Desktop Claude Desktop Interface & Settings Overview

  • اتصال سرورهای MCP به Claude Desktop از طریق فایل کانفیگ JSON Connect MCP Servers to Claude Desktop via JSON Config-File

  • راه‌اندازی چندین سرور MCP با MCP Installer Set Up Multiple MCP Servers with the MCP Installer

  • نکته سریع: کشف سرورها و کلاینت‌های MCP بیشتر در گیت‌هاب Quick Tip: Discover More MCP Servers & Clients on GitHub

  • اتصال Cursor به هر سرور MCP: استفاده رایگان از Zapier، گیت‌هاب، Slack و بیشتر Connect Cursor to Any MCP Server: Use Zapier for Free, GitHub, Slack & More

  • ساخت یک سرور MCP در n8n Build an MCP Server in n8n

  • اتصال سرور MCP شما در n8n به میزبان‌های مختلف: Claude، Cursor، n8n، Windsurf Connect your n8n MCP Server to Various Hosts: Claude, Cursor, n8n, Windsurf

  • ایمن‌سازی سرور MCP با احراز هویت Secure Your MCP Server with Authentication

  • ادغام ابزارهای مورد علاقه خودتان! Integrate the tools you like!

  • استفاده از ChatGPT با MCP ChatGPT with MCP

  • ساخت یک سرور MCP برای تولید تصویر Build a MCP Server for Image Generation

  • کانتکست پایدار و حافظه بلندمدت در تمامی میزبان‌ها Persistent Context & Long-Term Recall over all Hosts

  • نود جامعه n8n برای MCP n8n Community Node for MCP

  • دسترسی MCP در سطح Instance Instance-level MCP access

  • استفاده از Blender MCP با پایتون و uv The Blender MCP with Python and uv

  • مرور مخزن گیت‌هاب: سرور پایتون MCP که ساختیم GitHub Repository Overview: The Python MCP that we Built

  • برنامه‌نویسی یک سرور MCP ساده در پایتون Program a Simple MCP Server in Python

  • پایتون: گنجاندن منابع و قالب‌های پرومپت در سرور MCP شما Python: Include Resources and Prompt Templates in Your MCP Server

  • پایتون: گسترش سرور: افزودن ابزارهای بیشتر با وب‌هوک‌ها Python: Extend Your Server: Add More Tools with Webhooks

  • انتشار سرور پایتون MCP در گیت‌هاب Publush your Python MCP Server on Github

  • جمع‌بندی بخش MCP Recap of the MCP Section

ایجنت‌های صوتی و آواتارهای AI با پایتون، LiveKit و پلتفرم‌هایی مثل Vapi Voice Agents and AI Avatars with Python, LiveKit and Platforms like Vapi

  • مرور بخش Sectrion Overview

  • درک ایجنت‌های صوتی: تکنولوژی، اهداف، مشکلات و ارزش Understanding Voice Agents: Tech, Goals, Problems & Value

  • مرور پروژه گیت‌هاب: ایجنت LiveKit در پایتون Github Project Overview: LiveKit Agent in Python

  • مرور کلی LiveKit LiveKit Overview

  • پایتون: ساخت یک آواتار AI صوتی در LiveKit Python: Build an AI Avatar with Voice in LiveKit

  • گزینه‌های بیشتر با LiveKit و پایتون More Options with LiveKit and Python

  • مرور پلتفرم‌ها: Vapi و Elevenlabs Plattform Overview: Vapi and Elevenlabs

  • مهندسی پرومپت برای ایجنت‌های صوتی AI Prompt Engineering for AI Voice Agents

  • ایجنت صوتی مبتنی بر AI برای رزرو رستوران AI-Powered Voice Agent for Restaurant Reservations

  • ادغام ابزاری برای رزرو میزها Tool integration for booking Tables

  • دیباگ و تست Debugging & Testing

  • افزودن شماره تلفن برای تماس‌های ورودی Adding Phone Numbers for Inbound Calls

  • ایجنت‌های صوتی ElevenLabs: وب‌هوک‌های n8n و ادغام در وب‌سایت ElevenLabs Voice Agents: n8n Webhooks & Webpage Integration

  • جریان‌های کاری، شاخه‌ها، نظارت انسانی (Human in the Loop) و تست Workflows, Branches, Human in the Loop and Testing

  • جمع‌بندی Recap

اتوماسیون AI با مدل‌های Diffusion و ComfyUI AI Automation with Diffusion Models and ComfyUI

  • مرور بخش: Diffusion و اتوماسیون AI Section Overview: Diffusion & AI-Automation

  • توضیح مدل‌های Diffusion: Embeddings، تنسورها، کدهای RGB و بیشتر Diffusion Models Explained: Embeddings, Tensors, RGB Codes & More

  • نصب ComfyUI و Git Installing ComfyUI & Git

  • نصب ComfyUI Manager Installing the ComfyUI Manager

  • مبانی ComfyUI: جریان‌های کاری، تصاویر، رابط کاربری و توضیح Seed ComfyUI Basics: Workflows, Images, Interface & Seed Explained

  • جریان‌های کاری اضافی، Z Image و API تصویر Additional Workflows, Z-Image & the Image API

  • اجرای SDXL به صورت محلی و درک جریان‌های کاری JSON SDXL Locally & Understanding JSON Workflows

  • مهندسی پرومپت برای Z Image، SDXL، Flux، Qwen و سایر مدل‌های Diffusion Prompt Engineering for Z-Image, SDXL, Flux, Qwen & Other Diffusion Models

  • استفاده ایجنتی از ComfyUI با n8n: اتوماسیون ساخت تصویر و ویدیو Agentic ComfyUI with n8n: Automate Image & Video Creation

  • استفاده از LM Studio یا سایر میزبان‌های MCP به عنوان فرانت-اند برای ComfyUI LM Studio or other MCP Hosts as Frontend for ComfyUI

  • جمع‌بندی Diffusion Recap of Diffusion

چارچوب‌های ایجنتی بیشتر، ابزارها و جریان‌های کاری خاص More Agentic Frameworks, Tools and Special Workflows

  • مرور بخش Section Overview

  • نصب Open WebUI در داکر و بررسی رابط کاربری Open WebUI in Docker: Installation and Interface

  • ویژگی‌های Open WebUI Open WebUI Features

  • اتصال Open WebUI به n8n از طریق وب‌هوک‌ها Connect Open WebUI with Webhooks to n8n

  • اتصال Flowise و n8n Connecting Flowise and n8n

  • ایده‌های خلاقانه و الهامات Creative Ideas & Inspiration

  • Fine Tuning مدل‌های زبانی برای ایجنت‌های شما Fine-Tuning LLMs for your Agents

  • ابزارهای Low Code بیشتر: Make.com, Dify, Lindy, Langflow, Zapier, Stack AI و بیشتر More Low Code Tools: Make.com, Dify, Lindy, Langflow, Zapier, Stack AI & more

  • چارچوب‌های کدنویسی بیشتر: Autogen, CrewAI, Semantic Kernel, LangGraph و بیشتر More Code Frameworks: Autogen, CrewAI, Semantic Kernel, LangGraph & more

  • جمع‌بندی Recap

چگونه یک کسب‌وکار AI و اتوماسیون راه اندازیم (یا ارتقای شغلی) How to Start an AI & Automation Business (or Level Up Your Career)

  • ساخت کسب‌وکار یا ارتقای شغلی: مرور بخش Build a Business or Level Up Your Career: Section Overview

  • مبانی کسب‌وکار برای ایجنت‌های AI (چه چیزی را باید بفروشم) Business Fundamentals for AI Agents (what should i sell)

  • خدمات AI را به چه کسانی بفروشیم Who to Sell Your AI Services To

  • نیش‌مارکت‌ها و قیمت‌گذاری Niches and Price

  • آژانس اتوماسیون AI: استراتژی قیمت‌گذاری AI Automation Agency: Pricing Strategy

  • طراحی پیشنهاد (The Offer) The Offer

  • تولید لید با استفاده از Lead Magnets Generate Leads With Lead Magnets

  • به دست آوردن اولین مشتریان paying: شروع با افرادی که می‌شناسید Get your first paying Clients: Start With People You Know

  • تولید محتوا برای جذب مشتری (شبکه‌های اجتماعی، یوتیوب، اینستاگرام، تیک‌تاک، X...) Create Content to get Clients (Social Media, Youtube, Instagram, TitTok, X...)

  • استراتژی‌های ارتباط سرد برای فروش خدمات AI و اتوماسیون Cold Outreach Strategies for Selling AI & Automation Services

  • گام بعدی چیست؟ تبلیغات پولی؟ What Is Next? Paid Ads?

  • مبانی فروش: چگونه خدمات AI خود را بفروشیم Sales Basics: How to Sell Your AI Services

  • گام بعدی چیست؟ What is next?

امنیت، انطباق و قوانین AI AI Security, Compliance and Law

  • مرور بخش Section Overview

  • حملات Jailbreaks Jailbreaks

  • تزریق پرومپت (Prompt Injections) Prompt Injections

  • مسمومیت داده‌ها و حملات Backdoor Data Poisoning and Backdoor Attacks

  • مثالی از یک سرور MCP مخرب Example of a Misbehaving MCP Server

  • مسمومیت ابزارها، کلاهبرداری‌های MCP Rug Pulls و سایر آسیب‌پذیری‌های امنیتی Tool Poioning, MCP Rug Pulls & Other Security Vulnerabilities

  • احراز هویت و API Keyها Authentication and API Keys

  • حق چاپ و مالکیت معنوی Copyrights & Intellectual Property

  • توضیح لایسنس‌های متن‌باز: MIT، Apache 2.0 و بیشتر Open-Source Licenses Explained: MIT, Apache 2.0 & More

  • حریم خصوصی و حفاظت از داده‌های خودتان و مشتریان Privacy & Protection for your own and Client Data

  • سانسور، تراز کردن (Alignment) و سوگیری (Bias) Censorship, Alignment, and Bias

  • انطباق و قوانین AI: GDPR، CCPA، CPRA و قانون AI اتحادیه اروپا AI Compliance & Law: GDPR, CCPA, CPRA & the EU AI Act

  • قانون AI اتحادیه اروپا برای ایجنت‌ها + CCPA/CPRA (تحقیق عمیق) EU AI Act for AI Agents + CCPA/CPRA (Deep Research)

  • جمع‌بندی Recap

گام‌های بعدی چیست؟ What’s Next?

  • جمع‌بندی نهایی، تشکر و گام‌های بعدی Final Recap, Thank You & Next Steps

  • بونوس Bonus

نمایش نظرات

آموزش بوت‌کمپ هوش مصنوعی ایجنتی: ساخت ایجنت‌های AI با Python، n8n، MCP و RAG
جزییات دوره
32 hours
200
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,841
4.8 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar