آموزش توسعه ایجنت‌های هوش مصنوعی با OpenAI AgentKit - آخرین آپدیت

سرفصل ها و درس ها

از پرامپت تا ایجنت: طراحی اولین ایجنت OpenAI شما From prompts to agents: Designing your first OpenAI agent

• ساخت ایجنت‌های عملیاتی هوش مصنوعی؛ از پرامپت تا همکاران دیجیتال Building production AI agents from prompts to digital coworkers

• داستان ایجنت... یا شاید راهکار پرامپت Globobot The Globobot prompt solution... ehem... agent story

• تعریف AgentKit: هر آنچه برای شروع باید بدانید Defining AgentKit: What you need to know to get started

• آموزش اجزای اصلی AgentKit Learning the core components of Agentkit

• ساخت اولین ایجنت Globobot در AgentBuilder Building the first Globobot Agent on AgentBuilder

• درک MCP: نحوه ارتباط ایجنت‌ها با دنیای بیرون Understanding MCP: How agents communicate with the outside world

• ساخت اولین ابزار: Lookupticket Creating your first tool: Lookupticket

• مسیریابی فراخوانی ابزارها با متد شناسایی ← اقدام ← پاسخ Routing tool calls with Detect → Act → Respond

• ایجنت در برابر تجربه: چه زمانی از Chatkit و چه زمانی از اپلیکیشن‌های ChatGPT استفاده کنیم Agent vs. experience: When to use Chatkit vs. ChatGPT apps

عرضه ایجنت: ادغام جریان‌های کاری در تجربه‌های واقعی کاربر Shipping your agent: Embedding workflows into real user experiences

• عرضه همه چیز را تغییر می‌دهد: از «کار می‌کند» تا «مردم از آن استفاده می‌کنند» Shipping changes everything: From it works to people use it

• نحوه دسترسی ایجنت‌ها به داده‌های واقعی How agents access real data

• ادغام با ChatKit: سریع‌ترین مسیر برای رسیدن به کاربران واقعی Embedding with ChatKit: The fastest path to real users

• ادغام Globobot در یک پورتال وب Embedding Globobot in a Web Portal

• ساخت یک اپلیکیشن ساده ChatGPT با استفاده از Apps SDK Creating a simple ChatGPT app using the Apps SDK

قابل اعتماد کردن ایجنت‌ها: ردیابی، دیباگ و تنظیم عملکرد Making agents reliable: Tracing, debugging, and tuning performance

• وقتی ایجنت‌های خوب عجیب رفتار می‌کنند: رفتارهای غیرمنتظره Globobot پس از عرضه When good agents go weird: Globobot's strange behaviors after launch

• مشاهده درون ایجنت: ردیابی‌ها، لاگ‌ها و بازرس MCP Seeing inside the agent: Traces, logs, and the MCP inspector

• بررسی ردیاب یک گفتگو با خطا: اصلاح فراخوانی تکراری ابزار Walking a broken conversation trace: Fixing a redundant tool call

• ارزیابی‌های OpenAI: تست کیفیت خودکار و شناسایی زودهنگام خطاها OpenAI evals: Automated quality testing and catching failures early

• چالش و تامل: دیباگ و بهبود ایجنت شما Challenge and reflection: Debug and improve your agent

طراحی ایجنت‌های ایمن: گاردریل‌ها، دسترسی‌ها و حاکمیت Safe-by-design agents: Guardrails, permissions, and governance

• وقتی ایجنت‌ها ریسکی می‌شوند: از قابلیت اطمینان تا مدیریت ریسک When agents become risky: From reliability to risk

• طراحی گاردریل‌های لایه ای: مشاهده، اقدام، بیان Designing layered guardrails: See, Do, Say

• اعمال ایمنی در اقدامات تخریبی Enforcing safety on destructive actions

• بستن در صورت خطا: ایمن‌سازی ابزار استرداد وجه Failing closed: Securing the refund tool

• حاکمیت: مدیریت ایمن ایجنت‌ها در مقیاس بزرگ Governance: Operating agents safely at scale

• جمع‌بندی دوره: ظهور اپراتورهای هوش مصنوعی Course wrap up: The rise of AI operators