آموزش دوره جامع عوامل هوشمند (AI Agents): ساخت با پایتون و OpenAI - آخرین آپدیت

سرفصل ها و درس ها

ساعت ۱: ساخت و عیب‌یابی اولین عامل هوشمند HOUR 1 - Build and Debug your first AI Agent

• مقدمه: عوامل هوشمند AI چیستند؟ Introduction: What are AI Agents?

• آشنایی با OpenAI Agents SDK Intro to the OpenAI Agents SDK

• بسیار مهم: منابع دوره و دیسکورد READ ME! Course Resources & Course Discord

• عملی: آماده‌سازی محیط Hands-on: Environment Setup

• عملی: ساخت و عیب‌یابی اولین عامل هوشمند شما Hands-on: Build and Debug Your First AI Agent

• کوییز: عوامل و SDK عوامل OpenAI Quiz: Agents and the OpenAI Agents SDK

ساعت ۱: فراخوانی ابزارها (Tool Calling) HOUR 1 - Tool Calling

• مقدمه‌ای بر استفاده از ابزارها در AI عامل‌محور Introduction to Agentic AI Tool Usage

• خودمختاری عامل با ابزارها و مهندسی/مدیریت کانتکست Agentic Autonomy with Tools, and Context Engineering / Context Management

• عملی: پیاده‌سازی فراخوانی ابزار Hands-on: Implement Tool Calling

• کوییز: استفاده از ابزار در عوامل هوشمند Quiz: Tool Usage in AI Agents

ساعت ۲: تولید تقویت‌شده با بازیابی (RAG) HOUR 2 - Retrieval-Augmented Generation (RAG)

• مقدمه‌ای بر تولید تقویت‌شده با بازیابی (RAG) Intro to Retrieval-Augmented Generation (RAG)

• بردارهای Embedding و ذخیره‌سازهای برداری در RAG Embedding Vectors and Vector Stores with RAG

• عملی: تنظیمات RAG - پشت صحنه Hands-on: RAG Setup - Behind the Scenes

• عملی: بازیابی کالری با استفاده از RAG Hands-on: Calorie Retrieval Using RAG

• توضیحات تمرین: ساخت RAG شخصی خودتان Assignment Briefing: Create your own RAG

• ساخت RAG شخصی Create your own RAG

ساعت ۲: پروتکل کانتکست مدل (MCP) HOUR 2 - Model Context Protocol (MCP)

• مقدمه پروتکل کانتکست مدل (MCP) و معماری‌های رایج Model Context Protocol (MCP) Introduction and Common Architectures

• عملی: فراخوانی ابزار با ExaSearch MCP Hands-on: Tool Calling with the ExaSearch MCP

• توضیحات تمرین: استفاده از ابزار جستجوی وب داخلی OpenAI Assignment Briefing: Use OpenAI's built-in Web Search Tool

• استفاده از ابزار جستجوی وب داخلی OpenAI Use OpenAI's built-in Web Search Tool

ساعت ۳: سیستم‌های چندعاملی HOUR 3 - Multi-Agent Systems

• الگوهای طراحی سیستم‌های چندعاملی Multi-Agent System Design Patterns

• انتقال بین عوامل و استفاده از عوامل به عنوان ابزار AI Agent Handoffs and Agents-As-Tools

• عملی: پیاده‌سازی سیستم چندعاملی مشاور صبحانه Hands-on: Implement a Breakfast Advisor Multi-Agent AI

ساعت ۳: عوامل در محیط عملیاتی (Production) HOUR 3 - Agents in Production

• حافظه کوتاه‌مدت و بلندمدت در عوامل هوشمند Short-Term and Long-Term Memory in AI Agents

• عملی: حافظه عامل‌محور با OpenAI Sessions Hands-on: Agentic Memory with OpenAI Sessions

• بستن حفره‌های امنیتی پرامپت با مهندسی پرامپت Securing Prompt Vulnerabilities with Prompt Engineering

• عوامل گاردریل برای ورودی و خروجی Input and Output Guardrail Agents

• عملی: مهندسی پرامپت و گاردریل‌ها Hands-on: Prompt Engineering and Guardrails

• کوییز: حافظه بلندمدت در مقابل کوتاه‌مدت، گاردریل در مقابل پایبندی به پرامپت Quiz: Long vs Short-term memory, Guardrails vs Prompt adherence by Prompt

ساعت ۴: پیاده‌سازی چت‌بات در سطح صنعتی HOUR 4 - Implement a Production-Grade Chatbot

• سایر ملاحظات استقرار برای سیستم‌های AI عامل‌محور Other Deployment Considerations for Agentic AI Systems

• عملی: ساخت چت‌بات با Chainlit Hands-on: Create a Chatbot with Chainlit

• عملی: افزودن قابلیت‌های عامل‌محور و RAG به چت‌بات Hands-on: Add Agentic Capabilities and RAG to the Chatbot

• عملی: مدیریت حافظه مکالمه با OpenAI Sessions Hands-on: Manage Conversational Memory using OpenAI Sessions

• عملی: افزودن سیستم احراز هویت Hands-on: Add Authentication

• شخصی‌سازی چت‌بات Customize The Chatbot

ساعت ۴: استقرار در محیط عملیاتی و پروژه نهایی HOUR 4 - Deploy to Production & Capstone Project

• عملی: استقرار چت‌بات در محیط عملیاتی ابری Hands-on: Deploying the Chatbot to Production in the Cloud

• توضیحات پروژه نهایی Capstone Project Briefing

• پروژه نهایی: سیستم چندعاملی در سطح صنعتی Capstone Project - Production-Grade Multi Agent System

بخش اضافی: AgentBuilder و ChatKit EXTRA - AgentBuilder and ChatKit

• آشنایی با OpenAI AgentKit و AgentBuilder The OpenAI AgentKit and AgentBuilder

• عملی: ساخت عوامل ساده با AgentBuilder Hands-on: Building Simple Agents with AgentBuilder

• عملی: فراخوانی ابزار و پایگاه داده برداری OpenAI: جستجوی فایل Hands-on: Tool Calling and OpenAI's Vector Database: File Search

• تمرین: یکپارچه‌سازی پرسش و پاسخ تغذیه به عنوان پایگاه داده برداری Assignment: Integrate the Nutrition Q&A as a Vector Database

• عملی: MCP و سیستم‌های چندعاملی در AgentBuilder Hands-on: MCP and Multi-Agentic Systems in AgentBuilder

• عملی: گاردریل‌ها در AgentBuilder Hands-on: AgentBuilder Guardrails

• ساختارهای کنترلی و پیام‌های ساختاریافته در AgentBuilder Control Structures and Structured Messages in AgentBuilder

• ارزیابی عوامل با Evals و رتبه‌بندی ردیابی (Trace Grading) Evaluating Agents with Evals and Trace Grading

• عملی: ارزیابی عوامل Hands-on: Evaluating Agents

• انتشار گردش کار عامل‌محور با ChatKit Publishing your Agentic Workflow with ChatKit

• عملی: OpenAI ChatKit: یکپارچه‌سازی عامل در وب‌سایت خودتان Hands-on: OpenAI ChatKit: Integrate the Agent into your own Website

• توضیحات پروژه نهایی AgentBuilder AgentBuilder Capstone Project Briefing

• تمرین پروژه نهایی AgentBuilder: مربی ورزشی - یک سیستم چندعاملی واقعی AgentBuilder Capstone Assignment: Sports Coach - A True Multi-Agentic System

جمع‌بندی Wrapping Up

• جمع‌بندی و تبریک! Wrapping up - Congratulations!

• درس جایزه (Bonus) Bonus Lecture