آموزش ساخت عوامل هوش مصنوعی با n8n - آخرین آپدیت

دانلود KI-Agenten mit n8n

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

گردش‌های کاری (Workflows) خودکار، پایه و اساس توسعه نرم‌افزاری بهینه و فرآیندهای مقیاس‌پذیر هستند. در این دوره آموزشی، یاد می‌گیرید که چگونه با استفاده از n8n، عوامل هوش مصنوعی (AI Agents) توسعه دهید و آن‌ها را از طریق متن و صوت کنترل کنید. مباحثی همچون یکپارچه‌سازی مدل‌های زبانی بزرگ (LLMs)، استفاده از توابع حافظه (Memory) و اتصال عوامل به پایگاه‌های داده و ابزارهایی مانند تلگرام و Supabase در این دوره بررسی می‌شوند. علاوه بر این، معماری‌های چند-عاملی (Multi-Agent)، پروتکل کانتکست مدل (MCP) و مکانیزم‌های امنیتی کلیدی تحلیل خواهند شد. از طریق مثال‌های عملی، نحوه پیاده‌سازی اتوماسیون‌های پیچیده به شما آموزش داده می‌شود.


سرفصل ها و درس ها

درس‌ها Lessons

  • توسعه عوامل هوش مصنوعی با n8n KI-Agenten mit n8n entwickeln

  • اهداف یادگیری: مفاهیم پایه Lernziele: Grundlagen

  • ثبت‌نام و ورود به n8n Cloud Anmeldung und Registrierung in der n8n-Cloud

  • ایجاد اولین گردش کار گام به گام Den ersten Workflow Schritt für Schritt erstellen

  • بررسی تعرفه‌ها و قابلیت‌های n8n Überblick über die n8n-Tarife und Funktionsumfang

  • آشنایی با رابط کاربری n8n Orientierung in der n8n-Benutzeroberfläche

  • قالب‌های آماده عوامل هوش مصنوعی AI-Agent-Templates

  • ایجاد و استفاده از متغیرها Variablen erstellen und verwenden

  • چت با مستندات Mit der Dokumentation chatten

  • تنظیمات و چیدمان Einstellungen und Layout

  • تریگرها: دستی و رویداد-محور Trigger: Manuell und Eventbasiert

  • تریگرها: زمان‌بندی، وب‌هوک و فرم Trigger: Schedule, Webhook und Form

  • تریگر On Chat Message برای عوامل هوش مصنوعی Trigger: On-Chat-Message-Trigger für KI-Agenten

  • تریگر: پروتکل کانتکست مدل (MCP) Trigger: Model Context Protocol (MCP)

  • اکشن‌ها: گره‌های AI و رویدادهای اپلیکیشن Aktionen: Ai-Nodes und On-App-Events

  • اکشن‌ها: گره‌های داده، جریان و هسته Aktionen: Data Nodes, Flow Nodes und Core Nodes

  • اهداف یادگیری: اتوماسیون‌ها Lernziele: Automatisierungen

  • ایجاد اتوماسیون خبرنامه Newsletter-Automatisierung erstellen

  • تحلیل خبرنامه با زنجیره پایه LLM Newsletter mit Basic-LLM-Chain auswerten

  • تجمیع منابع پیام در گردش کار Zusammenführung von Nachrichtenquellen im Workflow

  • مداخله انسانی در چرخه (HITL) Human-in-the-loop (HITL)

  • ایجاد اتوماسیون فرم Formular-Automatisierung erstellen

  • تحلیل محتوای فرم با کمک هوش مصنوعی KI-gestützte Analyse von Formularinhalten

  • اهداف یادگیری: گره‌های پایه Lernziele: Basic Nodes

  • گره‌های داده: پردازش داده‌ها Data Nodes: Datenverarbeitung

  • گره‌های داده: ادغام Data Nodes: Zusammenführung

  • گره‌های داده: فیلتر کردن داده‌ها Data Nodes: Datenfilterung

  • گره‌های داده: مرتب‌سازی داده‌ها Data Nodes: Datensortierung

  • گره‌های داده: کدنویسی و AI Data Nodes: Code und AI

  • گره‌های داده: تبدیل Data Nodes: Konvertierung

  • گره‌های جریان: کنترل جریان Flow Nodes: Kontrollfluss

  • گره‌های جریان: مقایسه داده‌ها، مدیریت خطا و تکرار Flow Nodes: Datenvergleich, Fehlerbehandlung und Iterationen

  • گره‌های هسته: فرم‌ها و جداول Core Nodes: Formulare und Tabellen

  • درخواست‌های HTTP HTTP-Requests

  • وب‌هوک‌ها Webhooks

  • تحلیل احساسات و طبقه‌بندی متن Sentimentanalyse und Textklassifizierung

  • اهداف یادگیری (ماژول ۴) Lernziele (Modul 4)

  • ساخت عوامل هوش مصنوعی با مدل چت KI-Agenten mit Chat-Model erstellen

  • افزودن مؤلفه حافظه Memory-Komponente hinzufügen

  • دادن دسترسی به ابزار با استفاده از جدول داده Tool-Zugriff geben mit Data Table

  • دریافت نظرات و ارسال از طریق ایمیل Bewertungen abrufen und per Mail versenden

  • ایجاد قرار در تقویم Termine im Kalender erstellen

  • دریافت، به‌روزرسانی و حذف قرارها Termine abrufen, aktualisieren und löschen

  • اتصال جدول داده به Gmail Data Table und Gmail verbinden

  • یکپارچه‌سازی مدل‌های زبانی بزرگ (LLMs) LLMs (Large Language Models) einbinden

  • راه‌اندازی Azure OpenAI و مدل‌های محلی Azure OpenAI einrichten und lokale Modelle

  • جستجوی وب با Perplexity، Tavily و Exa Websuchen mit Perplexity, Tavily und Exa

  • اهداف یادگیری: تلگرام Lernziele: Telegram

  • نصب تلگرام دسکتاپ و پیکربندی BotFather Telegram Desktop installieren und BotFather konfigurieren

  • اتصال عوامل هوش مصنوعی به تلگرام و پاسخ‌دهی KI-Agenten an Telegram anbinden und Antworten

  • پردازش پیام‌های صوتی در تلگرام Sprachnachrichten mit Telegram verarbeiten

  • پردازش منعطف پیام‌های متنی و صوتی Text- und Sprachnachrichten flexibel verarbeiten

  • ارسال مستقیم ایمیل از طریق پیام تلگرام E-Mails direkt per Telegram-Nachricht versenden

  • جستجو در وب با Perplexity و Tavily Das Web durchsuchen mit Perplexity und Tavily

  • ایجاد رکوردهای تقویم از طریق پیام تلگرام Kalendereinträge per Telegram-Nachricht erstellen

  • کنترل گردش کار با ورودی صوتی و خبرنامه Workflow mit Spracheingabe steuern und Newsletter

  • اهداف یادگیری: تولید تقویت‌شده با بازیابی (RAG) Lernziele: Retrieval-Augmented Generation (RAG)

  • Supabase: ثبت‌نام و ورود Supabase: Anmeldung und Registrierung

  • ایجاد پایگاه داده برداری در Supabase Vektordatenbank in Supabase erstellen

  • آپلود اسناد، تکه‌بندی (Chunks) و Embeddingها Dokumente hochladen, Chunks und Embeddings

  • پرسش از اسناد از طریق پایگاه داده برداری Fragen zu Dokumenten über die Vektordatenbank stellen

  • پرس‌وجو از پایگاه داده برداری مستقیماً در تلگرام Vektordatenbank-Abfragen direkt über Telegram

  • ساخت عوامل مسیریاب (Router) و زیر-گردش‌های کار Routeragenten und Subworkflows aufbauen

  • کنترل عامل مسیریاب از طریق چت Routeragent per Chat steuern

  • کنترل عامل مسیریاب با متن تلگرام Routeragent mit Telegram-Text steuern

  • کنترل عامل مسیریاب با دستورات صوتی Routeragent mit Sprachbefehlen steuern

  • ساخت و پیکربندی عامل ارکستراتور (Orchestrator) Orchestratoragent erstellen und konfigurieren

  • بهینه‌سازی پرامپت‌های سیستمی برای عملکرد بهتر عامل Systemprompts für bessere Agentenleistung optimieren

  • کنترل عامل ارکستراتور از طریق چت Orchestratoragent über Chat steuern

  • ارسال پیام صوتی تلگرام به ارکستراتور و اجرای زیر-عامل‌ها Sprachnachrichten per Telegram an Orchestratoragenten senden und Subagenten ausführen

  • اهداف یادگیری: پروتکل کانتکست مدل (MCP) Lernziele: Model Context Protocol (MCP)

  • پروتکل MCP برای سیستم‌های چند-عاملی Model Context Protocol (MCP) für Multiagentensysteme

  • ارسال پیام‌های چت به عوامل MCP و اجرای زیر-عامل‌ها Chat-Nachrichten an MCP-Agenten senden und Subagenten ausführen

  • ارسال پیام‌های متنی تلگرام به عوامل MCP و اجرای زیر-عامل‌ها Text-Nachrichten per Telegram an MCP-Agenten senden und Subagenten ausführen

  • ارسال پیام‌های صوتی تلگرام به عوامل MCP و اجرای زیر-عامل‌ها Sprachnachrichten per Telegram an MCP-Agenten senden und Subagenten ausführen

  • دادن دسترسی به کل نمونه n8n Zugriff geben auf gesamte n8n-Instanz

  • Claude Desktop Claude Desktop

  • سیستم چند-عاملی و نمونه MCP Multiagentensystem und MCP-Instanz

  • اهداف یادگیری: نرده‌های حفاظتی (Guardrails) Lernziele: Guardrails

  • دسته‌بندی‌های حفاظتی کدامند؟ Welche Kategorien gibt es?

  • Guardrails در GitHub GitHub Guardrails

  • کلمات کلیدی Keywords

  • مقدمه‌ای بر Jailbreak (دور زدن محدودیت‌ها) Jailbreaks Einführung

  • تلاش‌های Jailbreak Jailbreak Versuche

  • محتوای نامناسب (NSFW) NSFW

  • اطلاعات شناسایی شخصی (PII) Personally Identifiable Information (PII)

  • سایر موجودیت‌های PII PII weitere Entitäten

  • کلیدهای محرمانه (Secret Keys) Secret Keys

  • تراز موضوعی (Topic Alignment) Topic Alignment

  • آدرس‌های URL URLs

  • سفارشی‌سازی (Custom) Custom

  • Regex سفارشی برای تاریخ و ساعت Custom Regex für Datum und Uhrzeit

  • Regex سفارشی برای کد پستی و شماره قرارداد Custom Regex für Postleitzahlen und Vertragsnummern

  • اهداف یادگیری (ماژول ۸) Lernziele (Modul 8)

  • تولید قالب‌ها با LLMهایی مانند Claude Templates generieren mit LLMs wie Claude

  • استفاده از قالب‌ها Templates verwenden

  • تولید قالب‌ها از طریق Agent Builder با الگو Templates über den Agent Builder generieren mit Vorlage

  • تولید قالب‌ها از طریق Agent Builder با الگو (بخش دوم) Templates über den Agent Builder generieren mit Vorlage

  • n8n 2.0: بهبودهای بصری n8n 2.0: Visuelle Verbesserungen

  • n8n 2.0: انتشار گردش‌های کار n8n 2.0: Veröffentlichung von Workflows

  • n8n 2.0: پنل Focus n8n 2.0: Focus Panel

  • n8n Chat Hub: اتصال مدل‌های چت n8n Chat Hub: Chat-Modelle anbinden

  • n8n Chat Hub: تغییر مدل‌ها و حافظه n8n Chat Hub: Modelle wechseln und Memory

  • n8n Chat Hub: صوت و چندوجهی (Multimodality) n8n Chat Hub: Audio und Multimodalität

  • n8n Chat Hub: اتصال ابزارها n8n Chat Hub: Tool-Anbindungen

  • n8n Chat Hub: عامل شخصی n8n Chat Hub: Personal Agent

  • n8n Chat Hub: عامل گردش کار n8n Chat Hub: Workflow-Agent

  • تولید تصویر با GPT 1.5 Image و Nano Banana Pro Bildgenerierung mit GPT-1.5-Image und Nano Banana Pro

  • تولید ویدیو با Sora 2 و Veo 3 Videogenerierung mit Sora 2 und Veo-3

  • سخن پایانی Abschließende Worte

نمایش نظرات

آموزش ساخت عوامل هوش مصنوعی با n8n
جزییات دوره
6h 44m
110
Skillshare (اسکیل شیر) Skillshare (اسکیل شیر)
(آخرین آپدیت)
3
- از 5
ندارد
دارد
دارد
Fabio Basler
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Fabio Basler Fabio Basler

سرمایه گذار | Finanzexperte | کارشناسی ارشد StudentIch bin Geschäftsbereichscontroller und beschäftige mich seit Jahren mit Microsoft Excel. با استفاده از میانبرها و برنامه های میانبر در MS Excel می توانید Anwendung im Beruf کنین و از آن استفاده کنید. برگرفته از تحصیلات دانشگاهی برای 3 ترم در دوره های آموزشی درسی و در دوره تحصیلات در Statistik & Datenanalyse بدون حد مجاز. Ich habe unzähligen Studierenden bereits geholfen die Prüfung erfolgreich abzuschließen und sie auf ihren Berufsalltag vorzubereiten. در بخش مربیان برنامه های مربیگری Excel Essellung von Visualisierungen ، das Berechnen von fortgeschrittenen Formelfunktionen und die Themenbereiche Power Pivot ، Power Query و VBA-Programmierung. Darüber hinaus bin ich Experte im Bereich Power-BI، SQL-Datenbanken & R-Programmierung. Gerne teile ich mein Wissen auf Udemy mit gezielten Übungen، die echte Beispiele aus der Praxis beinhalten.