آموزش عامل‌های هوش مصنوعی (AI Agents) برای مبتدیان: ساخت ایجنت با پایتون و OpenAI - آخرین آپدیت

دانلود AI Agents for Beginners: Build Agents in Python & OpenAI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: ساخت عامل‌های هوش مصنوعی واقعی با ابزارها، حافظه، سیستم‌های انتقال (Handoffs) و نرده‌های حفاظتی (Guardrails) با استفاده از OpenAI Agents SDK و پایتون. ساخت ایجنت‌های هوش مصنوعی در پایتون با استفاده از SDK ایجنت‌های OpenAI به همراه حافظه و ابزارها. طراحی یک ایجنت برنامه‌ریز سفر که بر اساس ترجیحات کاربر، برنامه سفر ایجاد می‌کند. بررسی رفتار ایجنت با استفاده از ردپای (Traces) سیستم در پلتفرم OpenAI API. تسلط بر بهترین روش‌ها در ایجاد عامل‌های هوش مصنوعی خودمختار. تسلط بر هنر مهندسی پرامپت (Prompt Engineering) و تنظیم دستورالعمل‌های ایجنت. درک اجزای کلیدی یک پرامپت سیستم موثر برای ایجنت (زمینه، دستورالعمل، ورودی و نشانگر خروجی). تست ایجنت‌های هوش مصنوعی و مشاهده اجرای آن‌ها با استفاده از کلاس Runner. طراحی و ساخت یک ایجنت مدیریت مالی شخصی با حافظه که می‌تواند ترجیحات کاربر، وظایف گذشته و گفتگوهای جاری را برای ارائه تجربه‌ای شخصی‌سازی شده به یاد آورد. یکپارچه‌سازی ذخیره‌سازی نشست‌ها بر پایه SQLite برای فعال کردن حافظه دائمی برای ایجنت‌ها. تست و مقایسه رفتار ایجنت قبل و بعد از افزودن حافظه برای ارزیابی بهبود در حفظ زمینه (Context). ساخت ایجنت‌هایی که ابزارهای داخلی (مانند Code Interpreter) و ابزارهای توابع سفارشی (FunctionTools) را برای جستجو و بازیابی داده‌ها در لحظه یکپارچه می‌کنند. ترکیب جستجو، حافظه و تصمیم‌گیری برای اجرای یک گردش کار کامل (End-to-End) ایجنت هوش مصنوعی. ساخت یک تابع مدیریت برای سازماندهی گردش کارهای چند-ایجنت (Multi-agent) از ورودی تا خروجی نهایی. پیاده‌سازی همکاری ایجنت‌ها از طریق انتقال خروجی‌ها از یک ایجنت به ایجنت دیگر در یک گردش کار ساختاریافته. ایجاد ایجنت‌های ماژولار (پژوهشگر، تحلیل‌گر، نویسنده) با نقش‌های تخصصی برای جمع‌آوری اطلاعات، تحلیل و گزارش‌دهی. پیاده‌سازی نرده‌های حفاظتی (Guardrails) برای اعمال محدودیت‌ها، مانند جلوگیری از پاسخ به موضوعات ممنوعه (مثلاً سیاست). ساخت مکانیسم‌های انتقال (Handoff) که زمینه و ورودی‌ها را به طور روان بین ایجنت‌ها منتقل می‌کند. ایجاد یک ابزار در قالب یک ایجنت با قرار دادن یک ایجنت خودمختار پشت یک رابط ابزار-تابع، تا توسط ایجنت‌های دیگر به راحتی فراخوانی شود. پیش نیازها: هیچ مهارت برنامه‌نویسی پیشرفته‌ای مورد نیاز نیست. شما به یک لپ‌تاپ و اتصال اینترنت نیاز دارید!

در این دوره، شما یاد می‌گیرید که چگونه عامل‌های هوش مصنوعی واقعی را در پایتون با استفاده از OpenAI Agents SDK بسازید. شما بلوک‌های سازنده اصلی سیستم‌های ایجنت مدرن، از جمله استدلال، حافظه، استفاده از ابزارها، برنامه‌ریزی و نرده‌های حفاظتی و نحوه همکاری این اجزا برای خودکارسازی و بهبود وظایف را درک خواهید کرد.

همچنین یاد می‌گیرید که چگونه تیمی از ایجنت‌های هوش مصنوعی خودمختار را توسعه دهید که می‌توانند برای دستیابی به یک هدف با یکدیگر همکاری کنند. شما نحوه بررسی و عیب‌یابی رفتار ایجنت را با استفاده از ابزارهای ردیابی و مشاهده‌پذیری می‌آموزید تا ایجنت‌های شما نه تنها قدرتمند، بلکه شفاف، قابل تست و ایمن باشند.

در پایان این دوره، شما قادر خواهید بود:


  • ساخت ایجنت‌های هوش مصنوعی در پایتون با استفاده از OpenAI Agents SDK

  • درک نحوه استدلال، برنامه‌ریزی و اجرای وظایف توسط ایجنت‌ها با استفاده از پرامپت‌های سیستم و دستورالعمل‌ها

  • طراحی پرامپت‌های سیستم موثر برای ایجنت (زمینه، دستورالعمل‌ها، ورودی‌ها و خروجی‌ها)

  • درک نحوه عملکرد داخلی ایجنت‌های هوش مصنوعی

  • استفاده از ابزارها، حافظه و برنامه‌ریزی برای ایجاد ایجنت‌های توانمندتر و آگاه به زمینه

  • طراحی تعاملات ایمن ایجنت با استفاده از نرده‌های حفاظتی و اجرای کنترل‌شده

  • مقایسه رفتار ایجنت با و بدون حافظه برای ارزیابی حفظ زمینه (Context Retention)


این دوره برای توسعه‌دهندگان و مهندسانی طراحی شده است که به دنبال یک معرفی عملی و کد-محور به ایجنت‌های هوش مصنوعی هستند. هیچ تجربه قبلی در معماری ایجنت یا یادگیری ماشین مورد نیاز نیست؛ تنها دانش پایه پایتون و علاقه به ساخت سیستم‌های هوش مصنوعی واقعی که در عمل قابل اعتماد باشند کافی است.


سرفصل ها و درس ها

معرفی دوره و نکات کلیدی موفقیت Course Introduction & Key Success Tips

  • مشاهده اولین ایجنت هوش مصنوعی شما در عمل Watch Your First AI Agent Come to Life

  • سرفصل دوره، اهداف یادگیری کلیدی و نکات موفقیت Course Outline, Key Learning Objectives, & Success Tips

  • دانلود منابع و متریال دوره Download the Course Materials

تک ایجنت هوش مصنوعی بدون حافظه یا ابزار Single AI Agent with No Memory or Tools

  • مقدمه‌ای بر عامل‌های هوش مصنوعی (AI Agents) Introduction to AI Agents

  • راه‌اندازی OpenAI API OpenAI API Setup

  • پیکربندی دستورالعمل‌های ایجنت و بهترین روش‌ها Configure Agent Instructions & Best Practices

  • پیکربندی و اجرای ایجنت هوش مصنوعی Configure & Run the AI Agent

  • تمرین: پیکربندی ایجنت و تغییر مدل (LLM) Practice Opportunity Question: Configure AI Agent & Change Model (LLM)

  • پاسخ تمرین: پیکربندی ایجنت و تغییر مدل (LLM) Practice Opportunity Solution: Configure AI Agent & Change Model (LLM)

  • تست حافظه ایجنت و ردیابی API Traces Testing Agent Memory & Track API Traces

  • تمرین: توسعه یک ایجنت هوش مصنوعی جدید Practice Opportunity Question: Develop New AI Agent

  • پاسخ تمرین: توسعه یک ایجنت هوش مصنوعی جدید Practice Opportunity Solution: Develop New AI Agent

ایجنت‌های هوش مصنوعی دارای حافظه AI Agents with Memory

  • مقدمه: ساخت ایجنت‌های هوش مصنوعی با حافظه Introduction: Building AI Agents with Memory

  • راه‌اندازی محیط و ساخت ایجنت بدون حافظه Environment Setup and Build Agents with No Memory

  • ساخت ایجنت‌های دارای حافظه با SQLite Session Build Agents with Memory - SQLite Session

  • تمرین: ساخت ایجنت مربی سلامت با حافظه Practice Opportunity Question: Build a Wellness Coach AI Agent with Memory

  • پاسخ تمرین: ساخت ایجنت مربی سلامت با حافظه Practice Opportunity Solution: Build a Wellness Coach AI Agent with Memory

ایجنت‌های هوش مصنوعی دارای ابزار AI Agents with Tools

  • معرفی پروژه: ساخت ایجنت‌های هوش مصنوعی با ابزارها Project Introduction: Building AI Agents with Tools

  • راه‌اندازی Tavily Search API Tavily Search API Setup

  • ساخت و پیکربندی ابزار برای ایجنت Build and Configure Tool for the Agent

  • تمرین: ابزارهای ایجنت‌های هوش مصنوعی Practice Opportunity Question: AI Agents Tools

  • پاسخ تمرین: ابزارهای ایجنت‌های هوش مصنوعی Practice Opportunity Solution: AI Agents Tools

  • ساخت و اجرای ایجنت‌های دارای ابزار Build and Run AI Agents with Tools

  • تمرین: اجرای ایجنت‌های دارای ابزار Practice Opportunity Question: Running AI Agents with Tools

  • پاسخ تمرین: اجرای ایجنت‌های دارای ابزار Practice Opportunity Solution: Running AI Agents with Tools

  • استفاده از ابزارهای داخلی OpenAI Using Built-In OpenAI Tools

تیم‌های چند-ایجنت Multi-Agent Teams

  • معرفی پروژه: ساخت یک تیم از ایجنت‌ها Project Introduction: Build a team of Agents

  • راه‌اندازی APIها و ابزارها Setup APIs and Tools

  • پیکربندی دو ایجنت اول Configure the first Two Agents

  • تمرین: اجرای هر دو ایجنت هوش مصنوعی Practice Opportunity Question: Run Both AI Agents

  • پاسخ تمرین: اجرای هر دو ایجنت هوش مصنوعی Practice Opportunity Solution: Run Both AI Agents

  • پیکربندی ایجنت سوم Configure the third Agent

  • تمرین: تغییر دستورالعمل‌های ایجنت Practice Opportunity Question: Changing Agent Instructions

  • پاسخ تمرین: تغییر دستورالعمل‌های ایجنت Practice Opportunity Solution: Changing Agent Instructions

  • سازماندهی کامل خط لوله (Pipeline) Full Pipeline Orchestration

  • تمرین: ساخت یک تیم از ایجنت‌ها Practice Opportunity Question: Build a Team of Agents

  • پاسخ تمرین: ساخت یک تیم از ایجنت‌ها Practice Opportunity Solution: Build a Team of Agents

ایجنت‌ها با نرده‌های حفاظتی و سیستم انتقال Agents with Guardrails & Handoffs

  • معرفی پروژه: ایجنت‌ها با نرده‌های حفاظتی و سیستم انتقال Project Introduction: AI Agents with Guardrails & Handoffs

  • راه‌اندازی ابزارها و APIها Setting up Tools & APIs

  • بهترین روش‌های افزودن نرده‌های حفاظتی به ایجنت‌ها Best Practices in Adding Guardrails to AI Agents

  • تمرین: ایجنت‌های دارای نرده‌های حفاظتی Practice Opportunity Question: AI Agents with Guardrails

  • پاسخ تمرین: ایجنت‌های دارای نرده‌های حفاظتی Practice Opportunity Solution: AI Agents with Guardrails

  • تعریف یک تیم از ایجنت‌های هوش مصنوعی Define a Team of AI Agents

  • ساخت ایجنت‌ها در قالب ابزار Create Agents As Tools

  • تمرین: مانیتورینگ ردپاهای (Traces) ایجنت Practice Opportunity Question: Monitoring Agent Traces

  • پاسخ تمرین: مانیتورینگ ردپاهای (Traces) ایجنت Practice Opportunity Solution: Monitoring Agent Traces

  • ایجنت‌های هوش مصنوعی با قابلیت انتقال (Handoffs) AI Agents with Handoffs

  • تمرین: استفاده از ایجنت به عنوان ابزار Practice Opportunity Question: AI Agent as a Tool

  • پاسخ تمرین: استفاده از ایجنت به عنوان ابزار Practice Opportunity Solution: AI Agent as a Tool

نمایش نظرات

آموزش عامل‌های هوش مصنوعی (AI Agents) برای مبتدیان: ساخت ایجنت با پایتون و OpenAI
جزییات دوره
4.5 hours
49
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,264
4.6 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

Dr. Ryan Ahmed, Ph.D., MBA Dr. Ryan Ahmed, Ph.D., MBA

استاد و پرفروش ترین مربی Udemy ، دانشجویان 100K + رایان احمد مربی پرفروش Udemy است که علاقه زیادی به آموزش و فناوری دارد. ماموریت رایان این است که آموزش با کیفیت را برای همه قابل دسترسی و مقرون به صرفه کند. رایان دکترای خود را دارد. مدرک مهندسی مکانیک از دانشگاه مک مستر * ، با تمرکز بر مکاترونیک و کنترل وسایل نقلیه الکتریکی (EV). وی همچنین با تمرکز بر هوش مصنوعی (AI) و تشخیص خطا و MBA در امور مالی از دانشکده بازرگانی DeGroote ، مدرک کارشناسی ارشد علمی کاربردی را از مک مستر دریافت کرد. رایان چندین سمت مهندسی در شرکتهای Fortune 500 در سطح جهان مانند سامسونگ آمریکا و فیات-کرایسلر اتومبیل (FCA) کانادا داشت. رایان چندین دوره در زمینه علوم ، فناوری ، مهندسی و ریاضیات را به بیش از 100000 دانشجو در سطح جهان آموزش داده است. وی بیش از 15 مقاله تحقیقاتی در زمینه مجلات و کنفرانس ها در زمینه تخمین وضعیت ، هوش مصنوعی ، یادگیری ماشین ، مدل سازی باتری و کنترل های EV دارد. وی دریافت کننده بهترین جایزه مقاله در کنفرانس برق و حمل و نقل IEEE حمل و نقل (iTEC 2012) در دیترویت ، میشیگان ، ایالات متحده آمریکا است.