آموزش توسعه عامل‌های هوش مصنوعی با OpenAI AgentKit - آخرین آپدیت

سرفصل ها و درس ها

از پرامپت تا عامل: طراحی اولین عامل OpenAI شما From prompts to agents: Designing your first OpenAI agent

• ساخت عامل‌های هوش مصنوعی عملیاتی؛ از پرامپت تا همکاران دیجیتال Building production AI agents from prompts to digital coworkers

• داستان راهکار پرامپت Globobot... یا بهتر بگوییم، داستان یک عامل The Globobot prompt solution... ehem... agent story

• تعریف AgentKit: هر آنچه برای شروع باید بدانید Defining AgentKit: What you need to know to get started

• آموزش مؤلفه‌های اصلی AgentKit Learning the core components of Agentkit

• ساخت اولین عامل Globobot در AgentBuilder Building the first Globobot Agent on AgentBuilder

• درک MCP: نحوه ارتباط عامل‌ها با دنیای بیرون Understanding MCP: How agents communicate with the outside world

• ساخت اولین ابزار: Lookupticket Creating your first tool: Lookupticket

• مسیریابی فراخوانی ابزارها با متد تشخیص ← اقدام ← پاسخ Routing tool calls with Detect → Act → Respond

• عامل در برابر تجربه: چه زمانی از Chatkit و چه زمانی از اپلیکیشن‌های ChatGPT استفاده کنیم Agent vs. experience: When to use Chatkit vs. ChatGPT apps

بهره‌برداری از عامل: ادغام جریان‌های کاری در تجربه‌های واقعی کاربر Shipping your agent: Embedding workflows into real user experiences

• تغییری که همه چیز را عوض می‌کند: از «کار می‌کند» تا «مردم از آن استفاده می‌کنند» Shipping changes everything: From it works to people use it

• نحوه دسترسی عامل‌ها به داده‌های واقعی How agents access real data

• ادغام با ChatKit: سریع‌ترین مسیر برای رسیدن به کاربران واقعی Embedding with ChatKit: The fastest path to real users

• پیاده‌سازی Globobot در یک پورتال وب Embedding Globobot in a Web Portal

• ساخت یک اپلیکیشن ساده ChatGPT با استفاده از Apps SDK Creating a simple ChatGPT app using the Apps SDK

پایدار کردن عامل‌ها: ردیابی، عیب‌یابی و بهینه‌سازی عملکرد Making agents reliable: Tracing, debugging, and tuning performance

• وقتی عامل‌های خوب عجیب رفتار می‌کنند: رفتارهای غیرمنتظره Globobot پس از لانچ When good agents go weird: Globobot's strange behaviors after launch

• نگاهی به درون عامل: ردیابی‌ها، لاگ‌ها و بازرس MCP Seeing inside the agent: Traces, logs, and the MCP inspector

• بررسی ردیابی یک مکالمه معیوب: اصلاح فراخوانی‌های تکراری ابزار Walking a broken conversation trace: Fixing a redundant tool call

• ارزیابی‌های OpenAI: تست کیفیت خودکار و شناسایی زودهنگام خطاها OpenAI evals: Automated quality testing and catching failures early

• چالش و بازتاب: عیب‌یابی و بهبود عامل شما Challenge and reflection: Debug and improve your agent

طراحی عامل‌های امن: نرده‌های حفاظتی، دسترسی‌ها و حاکمیت Safe-by-design agents: Guardrails, permissions, and governance

• زمانی که عامل‌ها ریسک‌آور می‌شوند: از قابلیت اطمینان تا مدیریت ریسک When agents become risky: From reliability to risk

• طراحی نرده‌های حفاظتی لایه‌ای: ببین، انجام بده، بگو Designing layered guardrails: See, Do, Say

• اعمال امنیت در اقدامات تخریبی Enforcing safety on destructive actions

• بستن در صورت خطا: ایمن‌سازی ابزار استرداد وجه Failing closed: Securing the refund tool

• حاکمیت: مدیریت امن عامل‌ها در مقیاس بزرگ Governance: Operating agents safely at scale

• جمع‌بندی دوره: ظهور اپراتورهای هوش مصنوعی Course wrap up: The rise of AI operators