آموزش حرفه‌ای ساخت ایجنت‌های هوش مصنوعی در Copilot Studio (بدون نیاز به کدنویسی) - مایکروسافت پرس - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• چگونه مانند یک حرفه‌ای در Copilot Studio ایجنت هوش مصنوعی بسازیم: مقدمه How to create AI agents like a pro in Copilot Studio: Introduction

1. بحران سردرگمی در مورد ایجنت‌ها 1. The Agent Confusion Crisis

• دمو: ایجنت‌های کد-محور در Microsoft Foundry Demo: Code-first agents in Microsoft Foundry

• دمو: ایجنت‌های بدون کد در M365 Copilot Agent Builder Demo: No-code agents in M365 Copilot Agent Builder

• اهداف یادگیری Learning objectives

• اولین ایجنت "Hello World" شما در 5 دقیقه Your first “Hello World” agent in 5 minutes

• قالب‌های ایجنت، ایجنت‌های مدیریت شده و فروشگاه ایجنت‌ها Agent templates, managed agents, and the Agent Store

• دمو: ایجنت‌های کم-کد (Low-code) در Microsoft Copilot Studio Demo: Low-code agents in Microsoft Copilot Studio

• ایجنت‌های خودمختار: آنچه امروز می‌توانید بسازید Autonomous agents: What you can build today

• مقایسه "ایجنت‌های" مایکروسافت با ایجنت‌های صنعتی: واقعیت چیست Microsoft’s “agents” versus industry agents: What’s real

• دمو: پرامپت‌نویسی در M365 Copilot Demo: Prompting in M365 Copilot

2. ایجنت اول: پاسخ‌دهنده به سوالات متداول (FAQ) 2. Agent #1: FAQ Responder

• افزودن منابع دانشی SharePoint Add SharePoint knowledge sources

• ساخت و عرضه اولین ایجنت عملیاتی شما Build and ship your first production agent

• دمو: ادغام فراخوانی ابزارها در رفتار ایجنت Demo: Integrating tool-calling into our agent’s behavior

• دمو: معرفی افزونه Copilot Studio برای Visual Studio Code Demo: Introducing the Copilot Studio extension for Visual Studio Code

• پیکربندی دستورالعمل‌ها و سبک گفتگو Configure instructions and conversation style

• ساخت ایجنت با زبان طبیعی با استفاده از تب Describe Natural language agent creation using Describe tab

• دمو: انتشار ایجنت شما در M365 Copilot و Teams Demo: Publishing your agent to M365 Copilot and Teams

• دمو: متصل کردن ایجنت به داده‌های سازمانی (Grounding) Demo: Ground your agent in organizational data

• اهداف یادگیری Learning objectives

• دمو: ساختار Topic (موضوع) را پیاده‌سازی کنیم Demo: Building out a topic structure

3. مبانی Power Automate 3. Power Automate Foundation

• الگوی جریان ایجنت (Agent Flow) The agent flow pattern

• تفاوت جریان‌های ایجنت و جریان‌های ابری Agent flows vs. cloud flows

• دمو: بررسی عمیق‌تر جریان‌های Topic در Copilot Studio Demo: Deeper into Copilot Studio topic flows

• دمو: طراحی و ساخت یک جریان ایجنت Demo: Designing and building an agent flow

• دمو: عیب‌یابی جریان ایجنت Demo: Debugging the agent flow

• اهداف یادگیری Learning objectives

• درک تفاوت Actionها، Topicها و Flowها Understand actions versus topics versus flows

• متغیرها و منطق تصمیم‌گیری بدون کدنویسی Variables and decision logic without code

4. ایجنت دوم: سیستم تیکتینگ پشتیبانی IT 4. Agent #2: IT Support Ticket System

• تبدیل چت‌بات به سیستم تجاری From chatbot to business system

• دمو: کار بیشتر با جریان‌های ایجنت Demo: More work with agent flows

• دمو: بررسی ساختار ایجنت Demo: Review the agent’s structure

• گفتگوهای چندمرحله‌ای و مسیریابی موضوعات Multi-step conversations and topic routing

• اهداف یادگیری Learning objectives

• دمو: آزمایش تقویت گفتگو (Conversational Boosting) Demo: Experimenting with conversational boosting

• دمو: تست ایجنت Demo: Testing the agent

• جریان‌های کاری ایجاد تیکت و تاییدیه Ticket creation and approval workflows

• تست و پیشگیری از اشتباهات رایج Testing and pitfall avoidance

5. قابلیت‌های خودمختار و استدلال عمیق 5. Autonomous and Deep Reasoning Capabilities

• محرک‌های رویداد (Event Triggers) و Payloadها Event triggers and payloads

• مدل‌های هوش مصنوعی و استدلال عمیق AI models and deep reasoning

• از حالت واکنشی به حالت خودمختار From reactive to autonomous

• دمو: عیب‌یابی ایجنت Demo: Debugging the agent

• اهداف یادگیری Learning objectives

• دمو: پیاده‌سازی ابزارها و جریان‌های ایجنت Demo: Implementing tools and agent flows

• دمو: بهینه کردن دستورالعمل‌های سفارشی ایجنت Demo: Sharpening our agent’s custom instructions

6. ایجنت سوم: اتوماسیون پردازش اسناد 6. Agent #3: Document Processing Automation

• اهداف یادگیری Learning objectives

• داده‌های بدون ساختار و مشکل ماده تاریک Unstructured data and the dark matter problem

• دمو: تست و بهینه‌سازی ایجنت Demo: Testing and optimizing the agent

• دمو: بررسی رفتار ایجنت در زمان اجرا Demo: Reviewing the agent’s runtime behavior

• اندکس‌گذاری دانش و جستجوی معنایی Knowledge indexing and semantic search

• پردازش قطعی (Deterministic) و اعلان‌ها Deterministic processing and notifications

7. استقرار و تحلیل‌ها 7. Deployment and Analytics

• دمو: بازبینی استقرار ایجنت Demo: Revisiting agent deployment

• تفاوت ساختن در مقابل استقرار دادن Building vs. deploying

• اعتبارات کوپایلت و نرخ بازگشت سرمایه (ROI) Copilot credits and ROI

• اهداف یادگیری Learning objectives

• تحلیل‌ها و حاکمیت (Governance) Analytics and governance

• تیمز و کاتالوگ سازمانی Teams and the organizational catalog

• دمو: مدیریت و نظارت بر ایجنت‌های Copilot Studio Demo: Governing your Copilot Studio agents

8. رسم نقشه راه ساخت ایجنت 8. Building Your Agent Roadmap

• ماتریس کشف و فرصت‌ها Discovery and opportunity matrix

• دمو: تحلیل صورت‌حساب و لایسنس‌های کوپایلت Demo: Analyzing Copilot billing and licensing

• کشف و اولویت‌بندی Discovery and prioritization

• اهداف یادگیری Learning objectives

• گواهینامه‌ها و جامعه کاربری Certifications and community

• نقشه راه مرحله‌بندی شده و گام‌های بعدی Phased roadmap and next steps

• دمو: touring در تخمین‌گر مصرف ایجنت مایکروسافت Demo: Touring the Microsoft Agent Usage Estimator

جمع‌بندی Summary

• چگونه مانند یک حرفه‌ای در Copilot Studio ایجنت هوش مصنوعی بسازیم: جمع‌بندی How to create AI agents like a pro in Copilot Studio: Summary