آموزش ساخت ایجنت‌های هوش مصنوعی با n8n - آخرین آپدیت

مبانی هوش مصنوعی ایجنتی و اتوماسیون n8n Foundations of Agentic AI and n8n Automation

• معرفی دوره Course Introduction

• هوش مصنوعی ایجنتی چیست؟ What is Agentic AI?

• آشنایی با n8n Introduction to n8n

• شروع کار با n8n سلف-هاست با استفاده از داکر Getting Started with Self-Hosted n8n Using Docker

• مفاهیم اصلی n8n n8n Core Concepts

• تریگرها، اکشن‌ها و حالت‌های اجرای جریان کاری Triggers, Actions and Workflow Execution Modes

• تنظیم اعتبارنامه‌های API گوگل برای جریان‌های کاری n8n Setting Up Google API Credentials for n8n Workflows

• نود AI Agent در n8n n8n AI Agent Node

• چشم‌انداز هوش مصنوعی ایجنتی The Agentic AI Landscape

• طراحی پرامپت و تجزیه خروجی برای ایجنت‌های هوش مصنوعی Prompt Design and Output Parsing for AI Agents

• ساخت ایجنت تولید محتوا با استفاده از نود AI Agent Building an AI Content Generation Agent with the AI Agent Node

• ساخت پست‌های شبکه‌های اجتماعی با هوش مصنوعی و زمان‌بندی AI-Powered Social Media Post Generator with Scheduling

سیستم RAG، حافظه و ایجنت‌های هوشمند هوش مصنوعی RAG, Memory, and Intelligent AI Agents

• تجهیز ایجنت‌های هوش مصنوعی به ابزارها Equipping AI Agents with Tools

• حافظه ایجنت Agent Memory

• ساخت یک ایجنت هوش مصنوعی گفتگو-محور دارای حافظه Building a Conversational AI Agent with Memory

• مبانی RAG Fundamentals of RAG

• نودهای Vector Store و Document Loader در n8n n8n Vector Store and Document Loader Nodes

• ساخت یک پایگاه دانش RAG در n8n Building a RAG Knowledge Base in n8n

• ایجاد ایجنت پرسش و پاسخ اسناد مبتنی بر RAG در n8n Creating a RAG-Powered Document Q&A Agent in n8n

• طراحی جریان‌های کاری چندمرحله‌ای هوش مصنوعی برای کسب‌وکار Designing Multi-Step AI Workflows for Business

• ساخت ایجنت تفکیک ایمیل و پاسخ‌دهی خودکار Building an AI Email Triage and Auto-Response Agent

• جریان کاری تحلیل خودکار داده‌ها و تولید گزارش Automated Data Analysis and Report Generation Workflow

الگوهای پیشرفته ایجنتی و محیط عملیاتی Advanced Agentic Patterns and Production

• الگوهای معماری چند-ایجنت در n8n Multi-Agent Architecture Patterns in n8n

• زیر-جریان‌های کاری به عنوان ابزارهای ایجنت Sub-Workflows as Agent Tools

• ساخت یک خط لوله تولید محتوای چند-ایجنت Building a Multi-Agent Content Pipeline

• ساخت جریان کاری با الگوی ایجنت نظارتی Building a Supervisory Agent Pattern Workflow

• پروتکل کانتکست مدل (MCP) در n8n Model Context Protocol (MCP) in n8n

• وب‌هوک‌ها، تریگرهای API و جریان‌های کاری رویداد-محور Webhooks, API Triggers, and Event-Driven AI Workflows

• ساخت یک سرور MCP در n8n Building an MCP Server in n8n

• اجرای جریان کاری MCP با ابزارهای متعدد در n8n Executing a Multi-Tool MCP Workflow in n8n

• استفاده از وب‌هوک‌ها برای فعال‌سازی جریان پردازش هوش مصنوعی Using Webhooks to Trigger an AI Processing Workflow

• استقرار در محیط عملیاتی (Production) در n8n Production Deployment in n8n

• مانیتورینگ، مدیریت خطا و قابلیت اطمینان جریان کاری Monitoring, Error Handling and Workflow Reliability

• نسخه‌بندی، قالب‌ها و همکاری تیمی در جریان‌های کاری Workflow Versioning, Templates and Team Collaboration

• پیاده‌سازی مدیریت خطا و منطق تلاش مجدد در جریان‌های هوش مصنوعی Implementing Error Handling and Retry Logic in AI Workflows

جمع‌بندی دوره و ارزیابی Course Wrap-Up and Assessment

• جمع‌بندی نهایی دوره Course Summary