آموزش ایجنت‌های RAG: ساخت اپلیکیشن‌ها و جی‌پی‌تی‌ها با API/MCP، لنگ‌چین و n8n - آخرین آپدیت

سرفصل ها و درس ها

Introduction: Tips, Course Overview & the Easiest Start with RAG – NotebookLM

• مقدمه Introduction

• بررسی اجمالی دوره Course Overview

• نکات مهم برای دوره Important Tips for the Course

• توضیح لینک‌های دوره Explanation of the Links for the Course

• لینک‌های مهم Important Links

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

• شروع سریع با RAG: استفاده از NotebookLM گوگل Quick Start with RAG: Using Google’s NotebookLM

مبانی: LLMها، RAG، پایگاه داده‌های برداری و توضیح رابط ChatGPT Fundamentals: LLMs, RAG, Vector Databases & the ChatGPT Interface Explained

• آنچه در این بخش انتظار می‌رود What to Expect in This Section

• توضیح LLMها: ChatGPT، Claude، Gemini، Deepseek، Llama، Mistral و بیشتر LLMs Explained: ChatGPT, Claude, Gemini, Deepseek, Llama, Mistral & More

• فراخوانی تابع (Function Calling): چگونه LLMها از طریق APIها با ابزارها ارتباط برقرار می‌کنند و از RAG استفاده می‌کنند Function Calling: How LLMs Communicate with Tools via APIs and use RAG

• پایگاه داده‌های برداری، مدل‌های Embedding، Top-K و Chunking برای RAG Vector Databases, Embedding Models, Tok-K and Chunking for RAG

• API چیست؟ What is a API?

• رابط کاربری جدید ChatGPT و Playground (GPT-5 و Agent-Builder) New ChatGPT and Playground Interface (GPT-5 and Agent-Builder)

• مبانی ChatGPT: رابط کاربری، مدل‌ها، تنظیمات، GPTها و OpenAI Playground ChatGPT Basics: Interface, Models, Settings, GPTs and the OpenAI Playground

• توضیح محاسبات زمان تست: مدل‌های فکری مانند Deepseek R1 و OpenAI o3 و o4 Test Time Compute Explained: Thinking Models like Deepseek R1 & OpenAI o3 & o4

• جمع‌بندی RAG، پایگاه داده‌های برداری، Top-K، Chunking، LLMها، فراخوانی تابع (Function Calling) و APIها Recap of RAG, Vectordatabases, Top-K, Chunking, LLMs, Function Calling & APIs

RAG عملی با ChatGPT و GPTهای سفارشی Hands‑On RAG with ChatGPT and Custom GPTs

• آنچه در این بخش درباره RAG و GPTها خواهید آموخت What You’ll Learn in This Section about RAG and GPTs

• اولین ربات RAG از PDF با GPTها: آماده‌سازی داده (Markdown) و System Prompts First RAG Bot from PDFs with GPTs: Data Preparation (Markdown) & System Prompts

• تبدیل یک صفحه وب HTML به یک چت‌بات RAG Transforming an HTML Webpage into a RAG Chatbot

• ساخت یک ربات RAG از یک ویدئوی یوتیوب Building a RAG Bot from a YouTube Video

• آموزش ChatGPT بر اساس سبک نوشتاری شما از طریق تولید مبتنی بر بازیابی (Retrieval-Augmented Generation) Training ChatGPT on Your Writing Style via Retrieval‑Augmented Generation

• استفاده از فایل CSV به عنوان منبع داده برای یک ربات RAG Using a CSV File as Data Source for a RAG Bot

• باز کردن قدرت GPTها – جذب ترافیک به لینک‌های شما و خیلی بیشتر Unlocking the Power of GPTs – Drive Traffic to Your Links and So Much More

• جمع‌بندی: آنچه آموخته‌اید و آنچه باید انجام دهید! Recap: What You’ve Learned and What You Should Do!

پیاده‌سازی RAG با LLMهای متن‌باز: AnythingLLM و Ollama Implementing RAG with Open‑Source LLMs: AnythingLLM & Ollama

• آنچه در این بخش خواهید آموخت: RAG با Ollama و Anything LLM What You’ll Learn in This Section: RAg with Ollama & Anything LLM

• مبانی Ollama: نصب، مدل‌ها، دستورات، سرور و سخت‌افزار Ollama Fundamentals: Installation, Models, Commands, Server & Hardware

• مبانی AnythingLLM: یکپارچه‌سازی با Ollama، تنظیمات و رابط کاربری AnythingLLM Basics: Integration with Ollama, Settings and Interface

• اندازه Chunk و همپوشانی Chunk برای Embeddingهای شما Chunk Size & Chunk Overlap for your Embeddings

• ایجاد یک چت‌بات RAG محلی با AnythingLLM و Ollama Creating a Local RAG Chatbot with AnythingLLM and Ollama

• کنترل رفتار هوش مصنوعی: System Prompt، Top-K، جستجوی شباهت، دمای حافظه Control AI Behavior: System Prompt, Top-K, Similarity Search, Memory Temperature

• مروری بر قابلیت‌های عامل: جستجوی وب، مفسر پایتون، Scraping و MCPها Overview of Agent Capabilities: Web Search, Python Interpreter, Scraping & MCPs

• نکات کلیدی برای Ollama و AnythingLLM با RAG Key Takeaways for Ollama and AnythingLLM with RAG

چت‌بات‌ها و عامل‌های RAG با API اوپن‌ای‌آی: LangChain و LangGraph در Flowise RAG Chatbots & Agents with the OpenAI API: LangChain & LangGraph in Flowise

• بررسی اجمالی بخش: چگونه از APIها برای ساخت برنامه‌های خود استفاده کنیم Section Overview: How to Use APIs to Build Your Own Applications

• توضیح API اوپن‌ای‌آی: قیمت‌گذاری، راه‌اندازی پروژه، مدیریت و انطباق با GDPR OpenAI API Explained: Pricing, Project Setup, Management & GDPR Compliance

• OpenAI Playground و Response API: ساده‌سازی RAG، تصاویر، صدا و بیشتر OpenAI Playground and Response API: Simplifying RAG, Images, Audio & more

• LangChain، LangGraph و Flowise: ابزارهای کلیدی برای Workflows هوش مصنوعی در این بخش LangChain, LangGraph & Flowsie: Key Tools for AI Workflows in this section

• راه‌اندازی Node.js برای Flowise: نصب، مدیریت و گزینه‌های استفاده Setting Up Node.js for Flowise: Installation, Management & Usage Options

• رفع مشکلات نصب Flowise: مدیریت نسخه‌های Node با NVM Fixing Flowise Installation Issues: Manage Node Versions with NVM

• نصب Flowise با Node.js از طریق Command Prompt (و به‌روزرسانی نمونه خود) Installing Flowise with Node.js via Command Prompt (and update your instance)

• رابط کاربری Flowise و بررسی اجمالی: LangChain و LangGraph آسان شد The Flowise Interface & Overview: LangChain & LangGraph made Easy

• ساخت یک Chatflow RAG: Web Scraping، Embeddings، پایگاه داده برداری و HTML Splitter Build a RAG Chatflow: Web Scraping, Embeddings, Vector Database & HTML Splitter

• اکسپورت و ایمپورت Flowها به عنوان JSON Exporting and Importing Flows as JSON

• ایجاد رابط کاربری و فرانت‌اند چت‌بات خود برای Flowise Creating Your Own Chatbot UI Interface & Frontend for Flowise

• اجرای یک چت‌بات RAG به صورت محلی با Ollama و LangChain (امنیت داده) Running a RAG Chatbot Locally with Ollama & LangChain (Data Security)

• Flowise Tool-Agent: یک Workflow برای اتصال هر API و LLM (Openrouter و Claude) Flowise Tool-Agent: One Workflow to Connect Any API & LLM (Openrouter & Claude)

• Tool Agent با RAG: Pinecone، فراخوانی تابع (Function Calling) و APIها (Postgres و Supabase) Tool Agent with RAG: Pinecone, Function Calling & APIs (Postgres & Supabase)

• مشکلات با Embeddingهای Pinecone Problems with Pinecone Embeddings

• مهندسی Prompt: System Prompts برای عامل‌های هوش مصنوعی و عامل‌های RAG Prompt Engineering: System Prompts for AI Agents and RAG Agents

• عامل‌های هوش مصنوعی (عامل‌های چندگانه) با چندین متخصص LLM و RAG AI Agents (Multi-Agents) with Multiple LLM Experts and RAG

• عامل‌های متوالی با Human-in-the-Loop و RAG عاملی خودبهبودبخش Sequential Agents with Human‑in‑the‑Loop and self-improving Agentic RAG

• جمع‌بندی: آموخته‌های کلیدی عامل‌های RAG با APIها، LangChain و LangGraph در Flowise Recap: Key Learnings of RAG Agents with APIs, LangChain & LangGraph in Flowise

ساخت چت‌بات‌ها و عامل‌های RAG با n8n Building RAG Chatbots & Agents with n8n

• آنچه در این بخش خواهید آموخت: n8n! What You’ll Learn in This Section: n8n!

• نصب محلی n8n با Node.js و رابط کاربری (+ نسخه آزمایشی رایگان) Local Installation of n8n with Node.js and the Interface (+ free test version)

• مدیریت نسخه‌های Node با nvm (رفع خطاها در نصب n8n) Managing Node Versions with nvm (Fixing Errors in n8n Installation)

• به‌روزرسانی محلی n8n از طریق Node.js Updating n8n Locally via Node.js

• مبانی n8n: Triggers، Actions، Nodes، Models و بیشتر n8n Basics: Triggers, Actions, Nodes, Models and More

• سازنده Workflow در n8n با هوش مصنوعی n8n Workflow Builder with AI

• ربات RAG برای تولید سرنخ ساخته شده با n8n، Pinecone و Google Sheets RAG Bot for Lead Generation Built with n8n, Pinecone & Google Sheets

• استفاده از Workflows من: اکسپورت، ایمپورت و ترکیب Workflows در n8n به فرمت JSON Use my workflows: Exporting, Importing & Combining n8n Workflows as JSON Format

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

• جمع‌بندی بخش n8n Section Wrap‑Up of n8n

برنامه‌های RAG با Flowise و n8n: میزبانی، خودمیزبانی و فروش آسان شد RAG Apps with Flowise & n8n: Hosting, Self-Hosting & Selling Made Easy

• آنچه در این بخش خواهید آموخت: خودمیزبانی، ساخت و فروش RAG-Agents What You’ll Learn in This Section: Self-Hosting, Building & Selling RAG-Agents

• میزبانی Flowise در Render: گام به گام Hosting Flowise on Render: Step‑by‑Step

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

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

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

• افزودن لوگوی شما و تنظیم دقیق نهایی ربات برای ظاهری صیقلی Add Your Logo & Final Bot Finetuning for a Polished Look

• تنظیمات اضافی برای برنامه LangChain / LangGraph شما در Flowise Additional Settings for Your LangChain / LangGraph App in Flowise

• میزبانی n8n: خودمیزبانی با Render، Hostinger و گزینه‌های دیگر Hosting n8n: Self-Hosting with Render, Hostinger & Other Options

• ربات RAG Lead n8n به عنوان یک برنامه مستقل با URL منتشر شده (نسخه میزبانی شده) n8n RAG Lead Bot as a Standalone App with a Published URL (hostet version)

• یکپارچه‌سازی ربات‌های RAG n8n در وب‌سایت‌ها: HTML، وردپرس و برندینگ CSS سفارشی Integrating n8n RAG Bots into Websites: HTML, WordPress & Custom CSS Branding

• فروش عامل‌های RAG: بازاریابی، پیشنهادات، فروش و بیشتر Selling RAG Agents: Marketing, Offers, Sales & More

• جمع‌بندی: میزبانی، خودمیزبانی و فروش عامل‌های RAG Recap: Hosting, Self-Hosting and Selling RAG Agents

Workflows پیشرفته: Webhooks، MCPها، Claude، GPTها، RAG و استراتژی‌های Chunking Advanced Workflows: Webhooks, MCPs, Claude, GPTs, RAG & Chunking Strategies

• آنچه در پیش است: Workflows خاص، تکنیک‌های پیشرفته RAG و MCP What’s Ahead: Special Workflows, Advanced RAG Techniques & MCP

• توضیح MCP (پروتکل Context مدل): سرور، کلاینت و API در MCP با هم کار می‌کنند MCP (Model Context Protocol) Explained: MCP Server, Client & API Work Together

• استفاده از Clade Desktop به عنوان یک عامل هوش مصنوعی (MCP Host) با MCP Server در n8n Using Clade Desktop as an AI Agent (MCP Host) with MCP Server in n8n

• کد برای Claude Desktop و پروتکل Model Context (MCP) Code for Claude Desktop and the Model Context Protocol (MCP)

• MCP Server و MCP Host بومی در n8n: مانند فراخوانی یک Workflow دیگر Native MCP Server & MCP Host in n8n: Like Calling Another Workflow

• اتصال ChatGPT به n8n از طریق Webhooks برای اتوماسیون‌های هوش مصنوعی Connecting ChatGPT with n8n via Webhooks for AI Automations

• کد برای GPT Actions Code for GPT Actions

• اتصال Flowise به n8n: استفاده از درخواست HTTP Post و ایمپورت cURL Connecting Flowise to n8n: Use HTTP Post Request & cURL Import

• اتصال n8n به Flowise: Webhooks و Google Sheets از طریق JavaScript Connecting n8n to Flowise: Webhooks & Google Sheets via JavaScript

• تولید افزوده با کش (CAG) به جای RAG Cache‑Augmented Generation (CAG) instand of RAG

• GraphRAG از مایکروسافت: نتایج RAG دقیق‌تر با نمودارهای دانش GraphRAG from Microsoft: More Accurate RAG Results with Knowledge Graphs

• LightRAG: جایگزینی سریع و مقرون به صرفه برای GraphRAG LightRAG: Fast & Cost‑Effective Alternative to GraphRAG

• [قدرتمند] بازیابی متنی (Contextual Retrieval): بهبود RAG از طریق استراتژی Chunking Anthropic [POWERFUL] Contextual Retrieva: Improving RAG via Anthropic’s Chunking Strategy

• انتخاب استراتژی صحیح: GraphRAG، LightRAG، CAG یا Contextual Retrieval؟ Choosing the Right Strategy: GraphRAG, LightRAG, CAG, or Contextual Retrieval?

• جمع‌بندی: Workflows خاص، استراتژی‌های پیشرفته و MCPها (پروتکل Context مدل) Recap: Special Workflows, Advanced Strategies & MCPs (Model Context Protocol)

چالش‌ها، امنیت و حق تکثیر در عامل‌های RAG Challenges, Security and Copyrights in RAG Agents

• آنچه پوشش خواهیم داد و مروری بر چالش‌های اولیه What We’ll Cover and Initial Challenges Overview

• هشدار امنیتی برای Telegram در n8n Security Warning for Telegram in n8n

• Jailbreaks: حملات به LLMها و عامل‌ها از طریق Prompts Jailbreaks: Attacks on LLMs and Agents via Prompts

• تزریق Prompt به عنوان حملات به عامل‌ها و LLMها Prompt Injections as Attacks on Agents and LLMs

• مسمومیت داده (Data Poisoning) و حملات Backdoor Data Poisoning and Backdoor Attacks

• حق تکثیر و مالکیت فکری داده‌های تولید شده از عامل‌های هوش مصنوعی Copyrights & Intellectual Property of Generated Data from AI Agents

• حریم خصوصی داده‌ها برای داده‌های خود و مشتری، GDPR و قانون هوش مصنوعی اتحادیه اروپا Data Privacy for Your Own and Customer Data, GDPR and EU AI Act

• سانسور، همسویی و سوگیری در LLMهایی مانند Deepseek، ChatGPT، Claude یا Gemini Censorship, Alignment, & Bias in LLMs like Deepseek, ChatGPT, Claude, or Gemini

• آیا می‌توانید عامل‌های هوش مصنوعی، اتوماسیون‌های هوش مصنوعی یا کدبیس n8n را بفروشید؟ Can you sell AI agents, AI Automations or the codebase from n8n?

• مبانی GDPR GDPR Basics

• انطباق با اتحادیه اروپا و ایالات متحده: GDPR، (DSGVO) CCPA، CPRA و قانون هوش مصنوعی اتحادیه اروپا EU & US Compliance: GDPR, (DSGVO) CCPA, CPRA & the EU AI Act

• GDPR: اطلاعات کلیدی در یک مقاله جامع GDPR: Key Information in a Comprehensive Article

• قانون هوش مصنوعی اتحادیه اروپا: اطلاعات کلیدی در یک مقاله جامع EU AI Act: Key Information in a Comprehensive Article

• جمع‌بندی: نکات مهمی که باید به خاطر بسپارید Recap: Important Points to Remember

چه چیزهای بعدی در انتظار است؟ What’s Next?

• جمع‌بندی: تشکر و چه چیزهای بعدی در انتظار است؟ Recap: Thank You and What Comes Next?

• پاداش Bonus