آموزش هوش مصنوعی عاملمحور (Agentic AI) برای مبتدیان: ساخت ایجنتهای بدون کدنویسی با n8n - آخرین آپدیت
دانلود Agentic AI for Beginners: Build No-Code AI Agents with n8n
هوش مصنوعی عاملمحور لزوماً پیچیده یا ترسناک نیست.
این دوره آموزشی برای مبتدیان، Agentic AI را با استفاده از n8n به روشی ساده، کاربردی و گامبهگام معرفی میکند. این دوره به شما کمک میکند تا ایدههای اصلی پشت ایجنتهای هوش مصنوعی را از طریق ساخت جریانهای کاری کوچک و قابل درک بیاموزید.
هدف این دوره این است که به شما یاد دهد چگونه به جای تمرکز صرف بر پرامپتها، به صورت «ایجنتها و جریانهای کاری» فکر کنید.
شما با ساخت یک ایجنت بسیار ساده شروع میکنید و به تدریج مفاهیم مهمی مانند استفاده از ابزارها، بازیابی پایه (RAG)، جریانهای تایید انسانی، بررسی کیفیت و قوانین ایمنی را با استفاده از محیط بصری n8n اضافه خواهید کرد. تمام مثالها به طور عمدی کوچک و مناسب برای شروع طراحی شدهاند.
هیچ نیازی به کدنویسی، ریاضیات پیچیده یا تئوریهای عمیق هوش مصنوعی نیست.
❧
چه چیزهایی خواهید ساخت
در طول این دوره، مثالهای متمرکز در سطح مبتدی خواهید ساخت، از جمله:
• یک ایجنت ساده که با استفاده از ابزارهای ارائه شده از طریق MCP به وظایف محول شده پاسخ میدهد
• یک ایجنت پایه سیاستهای HR (منابع انسانی) که از Agentic RAG برای پاسخ به سوالات کارکنان استفاده میکند
• یک دستیار کلینیکی که به پزشکان در انتخاب خودکار متخصص، پیشنویس و ارسال ایمیل توصیه کمک میکند
• یک سیستم Human-in-the-Loop که ایمیل را تنها پس از تایید انسان ارسال میکند
• جریانهای ارزیابی ساده برای امتیازدهی به پاسخهای هوش مصنوعی از نظر وضوح و صحت
• گاردریلهای پایه برای مسدود کردن خروجیهای ناایمن یا حساس و ارجاع آنها برای بررسی انسانی
هر مثال به گونهای طراحی شده است که در هر مرحله تنها یک مفهوم جدید را معرفی کند.
❧
چه چیزهایی خواهید آموخت
در پایان این دوره، شما قادر خواهید بود:
• مفهوم هوش مصنوعی عاملمحور را به زبان ساده درک کنید
• تفاوت بین چتباتها و ایجنتها را تشخیص دهید
• اولین ایجنتهای هوش مصنوعی خود را با n8n بسازید
• از ابزارهایی مانند گوگل درایو، گوگل شیتس و ایمیل در جریانهای کاری ایجنت استفاده کنید
• مبانی تولید تقویتشده با بازیابی (RAG) را درک کنید
• برداریسازی (Vectorization) و Agentic RAG را با استفاده از PineCone پیادهسازی کنید
• از طریق پروتکل زمینه مدل (MCP) به ابزارها دسترسی پیدا کنید
• بیاموزید که چه زمانی و چرا جریانهای کاری «انسان در حلقه» اهمیت دارند
• ارزیابیهای ساده برای اندازهگیری کیفیت خروجی هوش مصنوعی اضافه کنید
• جریانهای کاری چند-عاملی (Multi Agent) ایجاد کنید
• گاردریلهای پایه را برای رفتار ایمنتر هوش مصنوعی اعمال کنید
❧
این دوره برای چه کسانی است
این دوره برای افراد زیر ایدهآل است:
• مبتدیانی که مشتاق ساخت ایجنتهای هوش مصنوعی هستند
• توسعهدهندگان و افراد غیرتوسعهدهنده که با Agentic AI آشنا نیستند
• علاقمندان به اتوماسیون و یادگیرندگان ابزارهای No-code یا Low-code
• مدیران محصول که در حال بررسی جریانهای کاری هوش مصنوعی هستند
• هر کسی که به دنبال یک شروع شفاف و ساده در دنیای هوش مصنوعی عاملمحور است
❧
پیشنیازها
• دانش پایه در مورد GenAI (هوش مصنوعی مولد)
• بدون نیاز به پیشزمینه در هوش مصنوعی، یادگیری ماشین یا علوم داده
• بدون نیاز به تجربه برنامهنویسی
Introduction
-
Introduction
-
Private Course Feedback Link
-
How to make the best
-
Download Resources
Fundamentals of Agents
-
What is AI
-
What is GenerativeAI
-
Agentic AI
-
Agentic AI Frameworks
-
Introduction to n8n
-
PRO Tip: AI vs Automation — Know the Difference Early
-
PRO Tip: Agent vs Agency — Don’t Confuse the Two
-
Fundamentals of Agents
-
Explaining AI Agents to a Skeptical Manager
Agents in action
-
Setup n8n Account
-
Setup Credentials
-
First Agent Usecase
-
Create your first agent using n8n
-
Use Agent Memory
-
What just happened?
-
PRO Tip: Fix Bottlenecks, Not Individual Tasks
-
Recommending n8n to a New Team Member
Agentic RAG
-
Vectors and Vectors Databases
-
Vectorization Usecase
-
Create PineCone Index
-
Implement Vectorization Pipeline
-
What is RAG
-
RAG Usecase
-
Implement Agentic RAG
-
PRO Tip: Context Quality Beats Model Quality
-
Agentic RAG
-
First Agent
-
Agentic RAG
-
Designing a RAG Solution for a Knowledge Base Problem
MCP - Model Context Protocol
-
What is MCP
-
Usecase
-
Use MCP
-
PRO Tip: Control Context, Not Behavior
-
MCP - Model Context Protocol
-
MCP
-
Explaining MCP Architecture to an Engineering Lead
Human In The Loop
-
Introduction
-
Usecase
-
Implement Clinical Assistant Agent
-
Configure HITL
-
PRO Tip: Discomfort Is Part of Trusting AI
-
Human In The Loop
-
Usecase
-
HITL
-
Advising a Team on Where to Add Human Checkpoints
Guardrails
-
What are Guardrails
-
Implement Guardrails
-
Sanitizers
-
PRO Tip: Autonomy Needs Boundaries
-
Guardrails
-
Designing Guardrails for a Customer-Facing Agent
Evals
-
Introduction
-
Usecase
-
Implement Evals
-
Add Input and Output
-
PRO Tip: Activity Is Not the Same as Value
-
Evals
-
Evals
Multi Agentic Workflows
-
Introduction
-
Create a Multi Agent Orchestrator
-
PRO Tip: Coordination Breaks Before Capability
-
Multi Agentic Workflows
Wrap Up
-
Bonus Lecture
https://donyad.com/d/d23882
Bharath Thippireddy
شما خالق سرنوشت خود هستید
نمایش نظرات