عربی | بنگالی | بلغاری | برمهای (میانمار) | چینی (سادهشده) | چینی (سنتی، هنگکنگ) | چینی (سنتی، ماکائو) | چینی (سنتی، تایوان) | کرواتی | چکی | دانمارکی | هلندی | استونیایی | فنلاندی | فرانسوی | آلمانی | یونانی | عبری | هندی | مجارستانی | اندونزیایی | ایتالیایی | ژاپنی | کانادا | خمری | کرهای | لیتوانیایی | مالایی | مالایالامی | مراتی | نپالی | پیجین نیجریه | نروژی | فارسی (Farsi) | لهستانی | پرتغالی (برزیل) | پرتغالی (پرتغال) | پنجابی (گورمخی) | رومانیایی | روسی | صربی (سیریلیک) | اسلواکی | اسلوونیایی | اسپانیایی | سواحیلی | سوئدی | تاگالوگ (فیلیپینی) | تامیل | تلوگو | تایلندی | ترکی | اوکراینی | اردو | ویتنامی
ترجیح میدهید محلی کلون کنید؟
این مخزن شامل بیش از ۵۰ ترجمه زبانی است که به طور قابل توجهی حجم دانلود را افزایش میدهد. برای کلون کردن بدون ترجمهها، از sparse checkout استفاده کنید:
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git cd ai-agents-for-beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (ویندوز):
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git cd ai-agents-for-beginners git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"این به شما همه چیز لازم برای اتمام دوره با دانلود بسیار سریعتر را میدهد.
اگر میخواهید زبانهای ترجمه بیشتری پشتیبانی شوند، در اینجا فهرست شدهاند اینجا
این دوره شامل درسهایی است که اصول ساخت عاملهای هوش مصنوعی را پوشش میدهند. هر درس موضوع خاص خودش را دارد، پس هرکجا که خواستید شروع کنید!
این دوره از پشتیبانی چندزبانه برخوردار است. به زبانهای در دسترس اینجا مراجعه کنید.
اگر برای اولین بار است که با مدلهای هوش مصنوعی مولد کار میکنید، دوره هوش مصنوعی مولد برای مبتدیها را ببینید که شامل ۲۱ درس در مورد ساخت با GenAI است.
فراموش نکنید که این مخزن را ستاره (🌟) بزنید و این مخزن را فورک کنید تا کد را اجرا کنید.
اگر گیر کردید یا سوالی درباره ساخت عاملهای هوش مصنوعی داشتید، به کانال دیسکورد اختصاصی ما در Microsoft Foundry Discord بپیوندید.
هر درس در این دوره شامل مثالهای کد است که در پوشه code_samples قرار دارند. میتوانید این مخزن را فورک کنید تا کپی خودتان را بسازید.
مثالهای کد در این تمرینها از چارچوب Microsoft Agent با سرویس Azure AI Foundry Agent V2 استفاده میکنند:
- Microsoft Foundry - نیازمند حساب Azure
این دوره از چارچوبها و سرویسهای زیر عامل هوش مصنوعی از مایکروسافت استفاده میکند:
برای اطلاعات بیشتر درباره اجرای کد این دوره، به راهاندازی دوره مراجعه کنید.
آیا پیشنهاد دارید یا اشکالات املایی یا کد پیدا کردهاید؟ یک مسئله مطرح کنید یا یک درخواست کشش ایجاد کنید
- یک درس مکتوب که در README و ویدیوی کوتاه قرار دارد
- نمونه کد پایتون با استفاده از Microsoft Agent Framework و Azure AI Foundry
- لینک به منابع اضافی برای ادامه یادگیری
| درس | متن و کد | ویدیو | یادگیری اضافی |
|---|---|---|---|
| معرفی عاملهای هوش مصنوعی و موارد استفاده از عامل | لینک | ویدیو | لینک |
| کاوش چارچوبهای عاملی | لینک | ویدیو | لینک |
| درک الگوهای طراحی عاملی | لینک | ویدیو | لینک |
| الگوی طراحی استفاده از ابزار | لینک | ویدیو | لینک |
| عامل RAG عاملی | لینک | ویدیو | لینک |
| ساخت عاملهای هوش مصنوعی قابل اعتماد | لینک | ویدیو | لینک |
| الگوی طراحی برنامهریزی | لینک | ویدیو | لینک |
| الگوی طراحی چندعاملی | لینک | ویدیو | لینک |
| الگوی طراحی فراشناخت | پیوند | ویدئو | پیوند |
| عاملهای هوش مصنوعی در تولید | پیوند | ویدئو | پیوند |
| استفاده از پروتکلهای عاملی (MCP, A2A و NLWeb) | پیوند | ویدئو | پیوند |
| مهندسی زمینه برای عاملهای هوش مصنوعی | پیوند | ویدئو | پیوند |
| مدیریت حافظه عاملی | پیوند | ویدئو | |
| بررسی چارچوب عامل مایکروسافت | پیوند | ||
| ساخت عاملهای کاربر رایانهای (CUA) | بهزودی | ||
| پیادهسازی عاملهای مقیاسپذیر | بهزودی | ||
| ایجاد عاملهای هوش مصنوعی محلی | بهزودی | ||
| ایمنسازی عاملهای هوش مصنوعی | بهزودی |
تیم ما دورههای دیگری نیز تولید میکند! نگاه کنید به:
از شیوام گویال برای ارائه نمونههای کد مهم که Agentic RAG را نشان میدهند، سپاسگزاریم.
این پروژه استقبال میکند از مشارکتها و پیشنهادات. اکثر مشارکتها نیازمند آن است که شما با یک قرارداد مجوز مشارکتکننده (CLA) موافقت کنید که اعلام میکند شما حق دارید و عملاً حقوق لازم برای استفاده از مشارکت خود را به ما میدهید. برای جزئیات به https://cla.opensource.microsoft.com مراجعه کنید.
وقتی درخواست درخواستی (pull request) ارسال میکنید، یک ربات CLA به طور خودکار تشخیص خواهد داد که آیا نیاز به ارائه CLA دارید و درخواست را به شکل مناسب علامت میزند (مثلاً بررسی وضعیت، نظر). به سادگی دستورالعملهای ارائه شده توسط ربات را دنبال کنید. شما فقط یک بار در تمام مخازنی که از CLA ما استفاده میکنند، این کار را انجام خواهید داد.
این پروژه منشور رفتار کد باز مایکروسافت را پذیرفته است: Microsoft Open Source Code of Conduct. برای اطلاعات بیشتر به سؤالات متداول منشور رفتار مراجعه کنید یا به [email protected] با هر سؤال یا نظری تماس بگیرید.
این پروژه ممکن است حاوی علائم تجاری یا لوگوهایی برای پروژهها، محصولات، یا خدمات باشد. استفاده مجاز از علائم تجاری یا لوگوهای مایکروسافت مشروط به رعایت راهنمای علائم تجاری و برند مایکروسافت است. استفاده از علائم تجاری یا لوگوهای مایکروسافت در نسخههای تغییر یافته این پروژه نباید باعث سردرگمی شود یا حاکی از حمایت مایکروسافت باشد. هرگونه استفاده از علائم تجاری یا لوگوهای شخص ثالث مشروط به سیاستهای آن اشخاص ثالث است.
اگر مشکلی دارید یا سوالی درباره ساخت برنامههای هوش مصنوعی دارید، بپیوندید به:
اگر بازخورد محصول یا خطایی هنگام ساخت دارید، مراجعه کنید به:
سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما برای دقت تلاش میکنیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است حاوی اشتباهات یا نواقصی باشند. سند اصلی به زبان بومی آن باید به عنوان مرجع اصلی در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفهای انسانی توصیه میشود. ما مسئول هیچ گونه سوء تفاهم یا تفسیر نادرستی که ناشی از استفاده از این ترجمه باشد، نیستیم.