ایجنتهای RAG - ساخت اپلیکیشنها و GPTs با API/MCP ،LangChain و n8n
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- آشنایی با گردشکارهای RAG و ابزارهایی مثل Google NotebookLM همراه با نکات ضروری
- اصول LLM و فناوریهای RAG - چتجیپیتی، Claude، جمینی، دیپسیک، Llama ،Mistral ،xAI ،Grok، فراخوانی تابع، پایگاه دادههای برداری، تعبیهشدهها و قطعهبندی
- مبانی چتجیپیتی و مدیریت مدل - رابط کاربری، مدلها، تنظیمات، جیپیتیها، OpenAI Playground و محاسبه زمان تست
- ساخت چتباتهای RAG با جیپیتیهای سفارشی - آمادهسازی داده از PDF، صفحات وب HTML، ویدئوهای یوتیوب، منابع داده CSV و تطبیق سبک نوشتاری
- RAG متنباز با Ollama و AnythingLLM - نصب، مدلها، بهینهسازی قطعهبندی و تعبیهها و ایجاد ربات محلی
- قابلیتهای ایجنت و یکپارچهسازی چند LLM - پرامپتهای سیستم، کنترل دما، جستجوی وب، اسکرپینگ و ویژگیهای ایجنت هوش مصنوعی با Flowise و LangGraph
- API OpenAI و Flowise برای ایجنتهای RAG - قیمتگذاری، راهاندازی پروژه، انطباق GDPR، بررسی Playground در مقابل API پاسخ، نصب نودجیاس، Marketplace و OpenAI Assistant
- گردشکارهای پیشرفته Flowise - وب اسکرپینگ، تعبیهها، پایگاه دادههای برداری، HTML splitter، ایمپورت و اکسپورت جیسان و ایجنتهای ابزار (ایمیل، تقویم، Airtable و وبهوکها)
- رابط کاربری سفارشی چتبات و خودمیزبانی - توسعه فرانتاند، Ollama و LangChain، میزبانی روی Render، برندینگ Replit، یکپارچهسازی وردپرس و پیکربندی Flowise
- ایجنتهای RAG با n8n - نصب محلی، رابط کاربری، تریگرها و اکشنها، اتوماسیون Pinecone از طریق گوگل درایو، گردشکارها و گره ایجنت هوش مصنوعی
- ترکیب و بازاریابی Flowise و n8n - رباتهای پیشرو، یکپارچهسازی وبسایت، برندینگ CSS، فروش، بازاریابی، جذب مشتری و استراتژیهای پیشنهاد
- استراتژیهای ویژه RAG - بررسی n8n MCPs با Claude Desktop، وبهوکها، اکشنهای جیپیتی، تولید تقویت شده با کش، GraphRAG و LightRAG و بازیابی متنی
- امنیت، حفاظت از داده و چارچوب حقوقی - jailbreaks، تزریق پرامپتها، مسمومیت داده، سانسور، مبانی GDPR و قوانین هوش مصنوعی در اتحادیه اروپا و کپیرایت
- استراتژیهای ارائهکنندگان پیشرو هوش مصنوعی و مقایسه - OpenAI و Anthropic، مایکروسافت، Google xAI و Meta LlaMA، دیپسیک، Mistral و بقیه
پیشنیازهای دوره
- بدون نیاز به دانش پیشزمینه - همه موارد به صورت گامبهگام نشان داده میشود.
توضیحات دوره
یکی از مهمترین مفاهیم در دنیای هوش مصنوعی، RAG (بازیابی نسل افزوده) است.
چرا باید اطلاعات را به LLMs بدهید؟
اما چگونه میتوان چتباتهای قدرتمند RAG و ایجنتهای هوشمند هوش مصنوعی را برای بهینهسازی فرآیندهای کسبوکار و پروژههای شخصی ساخت؟
در این دوره، دقیقاً با توضیحات جامع و واضح با استفاده از چتجیپیتی، Claude، گوگل جمینی، LLMs متنباز، Flowise ،n8n و دیگر روشها یاد میگیرید.
اصول LLMs ،RAG و پایگاه دادههای برداری
کسب پایه قوی برای پروژههای هوش مصنوعی خود:
- درک عمیقتر از LLMs - چتجیپیتی، Claude، جمینی، دیپسیک، Llama ،Mistral و بسیاری دیگر
- درک نحوه فراخوانی تابع و ارتباطات API در LLMs
- یادگیری اینکه چرا پایگاه دادههای برداری و مدلهای تعبیه شده قلب RAG هستند.
- تسلط به رابط چتجیپیتی، مدلهای جیپیتی، تنظیمات و OpenAI Playground
- بررسی مفاهیم کلیدی مانند محاسبه زمان تست (برای مثال: OpenAI o1 و o3 و Deepseek R1)
- کشف نحوه عملکرد NotebookLM گوگل و بهرهبرداری مؤثر در پروژههای RAG
پیادهسازیهای ساده RAG با چتجیپیتی و جیپیتیهای سفارشی
راهاندازی اولین اپلیکیشنهای هوش مصنوعی خود به سرعت و راحتی:
- ایجاد اولین ربات RAG خود از فایلهای PDF با استفاده از جیپیتیهای سفارشی
- تبدیل صفحات وب HTML و ویدئوهای یوتیوب به چتباتهای تعاملی RAG
- آموزش چتجیپیتی با سبک نوشتاری شخصی خود از طریق RAG
- استفاده از داده CSV برای ساخت چتباتهای هوشمند و کشف پتانسیل کامل جیپیتیهای سفارشی
RAG با LLMs متنباز - AnythingLLM و Ollama
بررسی عمیق دنیای هوش مصنوعی محلی:
- نصب و استفاده Ollama - کسب دانش درباره مدلها، فرمانها و الزامات سختافزاری
- یکپارچهسازی EverythingLLM به طور مؤثر با Ollama - قطعهبندی و تعبیهها را بهینه میکنید.
- چتباتهای محلی RAG میسازید و زبان و رفتار را با پرامپتهای سیستم و تنظیمات دما به طور دقیق کنترل میکنید.
- از قابلیتهای ایجنت مانند جستجوی وب، اسکرپینگ و موارد دیگر استفاده میکنید.
Flowise - بررسی RAG با LangChain و LangGraph به راحتی
استفاده از قدرت OpenAI API برای اپلیکیشنهای حرفهای:
- تسلط به OpenAI API، مدلهای قیمتگذاری، انطباق با GDPR و راهاندازی پروژه
- ساخت اپلیکیشنهای RAG کارآمد از طریق OpenAI Playground و APIs پاسخ
- نصب Flowise، مدیریت بروزرسانیها و کسب مهارت در رابط کاربری آن از جمله Marketplace و OpenAI Assistant
- ایجاد جریانهای چت جامع RAG با وب اسکرپینگ، تعبیهها، splitters HTML و پایگاه دادههای برداری
- توسعه رابط کاربری چتبات خود و مدیریت جزئیات فنی Flowise
- پیادهسازی امنیت هوش مصنوعی محلی با Ollama و LangChain و استفاده از گرههای ایجنت ابزار Flowise (مانند ایمیل، تقویم، Airtable)
- ترکیب پایگاه دادههای برداری Pinecone با Supabase و Postgres
- تسلط به مهندسی پرامپت و ایجنتهای ترتیبی با گردشکارهای انسان در حلقه
n8n - ساخت اتوماسیونهای هوش مصنوعی و ایجنتهای RAG
استفاده از n8n به عنوان پلتفرم اتوماسیون قدرتمند برای پروژههای هوش مصنوعی
- یادگیری نصب محلی، بروزرسانیها و مبانی n8n
- اتوماسیون بروزرسانیهای پایگاه داده Pinecone از طریق گوگل درایو
- توسعه چتباتهای RAG با گرههای ایجنت هوش مصنوعی، پایگاه دادههای برداری و ابزارهای تکمیلی
- ایجاد چتباتهای خودکار از وبسایتها با استفاده از درخواستهای HTML و اسکرپ کردن
میزبانی، فروش و کسب درآمد از ایجنتهای RAG خود
عرضه پروژههای هوش مصنوعی خود به صورت حرفهای به بازار:
- اپلیکیشنهای Flowise و n8n را روی پلتفرمهایی مانند Render میزبانی کرده و آنها را در وبسایتها (HTML و وردپرس) تعبیه میکنید.
- چتباتهای حرفهای و برندینگ شده طراحی کرده و آنها را به عنوان خدمات یا محصولات مستقل ارائه میدهید.
- استراتژیهای بازاریابی و فروش مؤثر را برای ایجنتهای هوش مصنوعی خود توسعه میدهید.
گردشکارهای پیشرفته و تکنیکهای تخصصی RAG
اتخاذ فناوریهای حرفهای و پیشرفته:
- یادگیری تکنیکهای پیشرفته مانند وبهوکها، MCPs با Claude، اکشنهای جیپیتی و یکپارچهسازی n8n
- درک پروتکل کانتکس مدل (MCP) و ساخت هم سرورها و هم کلاینتهای MCP در n8n و Claude Desktop
- بررسی استراتژیهای نوآورانه RAG مانند تولید تقویت شده توسط کش (CAG)، GraphRAG (مایکروسافت)، LightRAG و بازیابی متنی Anthropic
- بهینهسازی قطعهبندی، تعبیه و بازیابی Top-K برای اپلیکیشنهای RAG خود
- انتخاب استراتژی مناسب برای پروژههای خود و به حداکثر رساندن نتایج RAG خود
اصول امنیت، حریم خصوصی و امور حقوقی
محافظت از پروژههای هوش مصنوعی خود به طور موثر:
- درک ریسکهای امنیتی (اکسپلویتهای تلگرام، jailbreaks، تزریق پرامپتها، مسمومیت داده)
- ایمنسازی هوش مصنوعی خود در برابر حملات و رعایت کپیرایتها در محتوای تولید شده
- تعمیق درک خود از GDPR و قانون آتی هوش مصنوعی اتحادیه اروپا تا از انطباق قانونی اطمینان حاصل کنید.
شما در اتوماسیونهای هوش مصنوعی، ایجنتهای هوش مصنوعی و RAG متخصص میشوید.
در پایان دوره، شما کاملاً مجهز به ساخت، بهینهسازی و بازاریابی موفقیتآمیز چتباتها، ایجنتهای هوش مصنوعی و اتوماسیونهای RAG خواهید بود.
این دوره برای چه کسانی مناسب است؟
- افراد خصوصی علاقهمند به هوش مصنوعی و اتوماسیون که میخواهند ایجنتهای RAG خود را بسازند.
- کارآفرینانی که به دنبال کارآمدتر شدن، صرفهجویی در هزینه یا ایجاد یک کسبوکار مبتنی بر هوش مصنوعی هستند.
- کسی که مشتاق یادگیری مطالب جدید و کسب بینشهای عمیق در مورد ایجنتهای RAG است.
- کسی که میخواهد سرانجام RAG را درک کرده و تسکها را خودکار کند.
ایجنتهای RAG - ساخت اپلیکیشنها و GPTs با API/MCP ،LangChain و n8n
-
بررسی دوره 08:25
-
نکات مهم برای دوره 04:17
-
توضیح لینکهای دوره 01:59
-
آشنایی با مدرس - آرنولد اوبرلایتر (آرنی) 01:20
-
شروع سریع با RAG - استفاده از NotebookLM گوگل 15:14
-
آنچه در این بخش انتظار میرود 01:45
-
توضیح LLMs - چتجی پیتی، Claude، جمینی، دیپسیک، Llama ،Mistral و موارد دیگر 17:11
-
فراخوانی تابع - چگونه LLMs از طریق APIs با ابزارها ارتباط برقرار میکنند و از RAG استفاده میکنند؟ 08:34
-
پایگاه دادههای برداری، مدلهای تعبیه، Tok-K و قطعهبندی برای RAG 16:09
-
API چیست؟ 04:36
-
مبانی چتجیپیتی - رابط کاربری، مدلها، تنظیمات، جیپیتیها و OpenAI Playground 25:48
-
توضیح محاسبه زمان تست - مدلهای تفکر مانند دیپسیک R1 و OpenAI o3 و o4 04:46
-
خلاصهای از RAG، پایگاه دادههای برداری، Top-K، قطعهبندی، LLMs، فراخوانی تابع و APIs 03:24
-
آنچه در این بخش در مورد RAG و جیپیتیها خواهید آموخت؟ 01:37
-
اولین ربات RAG از فایلهای PDF با جیپیتیها - آمادهسازی داده (علامتگذاری) و پرامپتهای سیستم 22:37
-
تبدیل صفحه وب HTML به چتبات RAG 08:56
-
ساخت ربات RAG از یک ویدئوی یوتیوب 08:33
-
آموزش چتجیپیتی در مورد سبک نوشتاری شما از طریق بازیابی نسل افزوده 06:58
-
استفاده از فایل CSV به عنوان منبع داده برای ربات RAG 08:24
-
کشف قدرت جیپیتیها - هدایت ترافیک به لینکهای خود و موارد دیگر 05:54
-
خلاصه - آنچه آموختهاید و آنچه باید انجام دهید 02:54
-
آنچه در این بخش خواهید آموخت - RAg با Ollama و Anything LLM 01:32
-
اصول Ollama - نصب، مدلها، فرمانها، سرور و سختافزار 18:43
-
مبانی AnythingLLM - یکپارچهسازی با Ollama، تنظیمات و رابط کاربری 11:41
-
اندازه قطعه و همپوشانی قطعه برای تعبیههای شما 10:17
-
ایجاد چتبات محلی RAG با AnythingLLM و Ollama 09:24
-
کنترل رفتار هوش مصنوعی - پرامپت سیستم، Top-K، جستجوی شباهت، دمای حافظه 04:39
-
بررسی قابلیتهای ایجنت - جستجوی وب، مفسر پایتون، اسکرپ کردن و MCPs 09:12
-
نکات کلیدی برای Ollama و AnythingLLM با RAG 02:45
-
بررسی بخش - نحوه استفاده از APIs برای ساخت اپلیکیشنهای خود 02:57
-
توضیح OpenAI API - قیمتگذاری، راهاندازی پروژه، مدیریت و انطباق با GDPR 15:55
-
OpenAI Playground و API پاسخ - سادهسازی RAG، تصاویر، صدا و موارد دیگر 23:41
-
LangChain ،LangGraph و Flowsie - ابزارهای کلیدی برای گردشکارهای هوش مصنوعی در این بخش 02:29
-
راهاندازی نودجیاس برای Flowise - گزینههای نصب، مدیریت و استفاده 05:37
-
فیکس کردن مشکلات نصب Flowise مدیریت نسخههای Node با NVM 04:22
-
نصب Flowise با نودجیاس از طریق پرامپت فرمان (و بروزرسانی نمونه خود) 07:06
-
رابط کاربری و بررسی Flowise - بررسی آسان LangChain و LangGraph 14:03
-
ساخت جریان چت RAG - وب اسکرپینگ، تعبیهها، پایگاه داده برداری و HTML Splitter 24:52
-
اکسپورت و ایمپورت جریانها به صورت جیسان 01:55
-
ایجاد رابط کاربری و فرانتاند چتبات خود برای Flowise 08:05
-
اجرای محلی چتبات RAG با Ollama و LangChain (امنیت داده) 09:36
-
ایجنت ابزار Flowise - یک گردشکار برای اتصال هر API و LLM (Openr 28:41
-
ایجنت ابزار با RAG - بررسی Pinecone، فراخوانی تابع و APIs (Postgres و Supabase) 28:24
-
مهندسی پرامپت - پرامپتهای سیستم برای ایجنتهای هوش مصنوعی و ایجنتهای RAG 22:49
-
ایجنتهای هوش مصنوعی (چندایجنتی) با چندین متخصص LLM و RAG 28:19
-
ایجنتهای ترتیبی با انسان در حلقه و RAG عاملی خود-بهبودی 25:50
-
خلاصه - آموختههای کلیدی ایجنتهای RAG با APIs ،LangChain و LangGraph در Flowise 07:09
-
آنچه در این بخش یاد خواهید گرفت - n8n 02:23
-
نصب محلی n8n با نودجیاس و رابط کاربری (+ نسخه آزمایشی رایگان) 10:02
-
مدیریت نسخههای Node با nvm (فیکس کردن خطا در نصب n8n) 02:33
-
بروزرسانی n8n به صورت محلی از طریق نودجیاس 02:15
-
مبانی n8n: تریگرها، اکشنها، گرهها، مدلها و دیگر موارد 16:28
-
ربات RAG برای تولید سرنخ ساخته شده با n8n و Pinecone و گوگل شیت 28:51
-
استفاده از گردشکارهای من - اکسپورت، ایمپورت و ترکیب گردشکارهای n8n به عنوان فرمت جیسان 04:30
-
تبدیل یک وبسایت به چتبات RAG از طریق درخواستهای HTML و اسکرپ کردن 27:21
-
جمعبندی بخش n8n 01:43
-
آنچه در این بخش خواهید آموخت - خود-میزبانی، ساخت و فروش ایجنتهای RAG 02:33
-
میزبانی Flowise روی Render - گامبهگام 14:35
-
ساخت چتبات RAG برای مشتری - کلیک به کلیک با ایجنت ابزار Flowise 09:45
-
تقویت برندینگ و استایل ربات LangGraph در Replit 10:27
-
درج چتبات RAG در یک سایت وردپرس 04:35
-
افزودن لوگوی خود و تیونینگ نهایی ربات برای ظاهر زیبا 03:21
-
تنظیمات اضافی برای اپلیکیشن LangChain و LangGraph شما در Flowise 07:17
-
میزبانی n8n - خودمیزبانی با Render و Hostinger و سایر گزینهها 21:27
-
بات پیشروی RAG به عنوان یک اپلیکیشن مستقل با URL منتشر شده (نسخه میزبانی شده) 09:36
-
یکپارچهسازی رباتهای n8n RAG در وبسایتها - HTML، وردپرس و برندینگ CSS سفارشی 21:16
-
فروش ایجنتهای RAG - بازاریابی، پیشنهاد، فروش و بیشتر 27:07
-
خلاصه - میزبانی، خودمیزبانی و فروش ایجنتهای RAG 03:10
-
آنچه پیش رو است - گردشکارهای ویژه، تکنیکهای پیشرفته RAG و MCP 01:36
-
توضیح MCP (پروتکل کانتکس مدل) - سرور، کلاینت و API MCP با هم کار میکنند 12:25
-
استفاده از Clade Desktop به عنوان ایجنت هوش مصنوعی (میزبان MCP) با سرور MCP در n8n 24:40
-
سرور نیتیو MCP و میزبان MCP در n8n - مثل فراخوانی یک گردشکار دیگر 12:07
-
اتصال چتجیپیتی با n8n از طریق وبهوکها برای اتوماسیونهای هوش مصنوعی 12:31
-
اتصال Flowise به n8n - استفاده از درخواست پست HTTP و ایمپورت cURL 08:55
-
اتصال n8n به Flowise - وبهوکها و گوگل شیت از طریق جاوااسکریپت 23:21
-
ساختار تولید تقویت شده توسط کش (CAG) به جای RAG 12:07
-
GraphRAG از مایکروسافت - نتایج دقیقتر RAG با گرافهای دانش 08:14
-
LightRAG - جایگزین سریع و مقرون به صرفه برای GraphRAG 03:48
-
[قوی] بازیابی متنی - بهبود RAG از طریق استراتژی قطعهبندی Anthropic 28:34
-
انتخاب استراتژی مناسب - GraphRAG و LightRAG و CAG یا بازیابی متنی 08:29
-
جمعبندی - گردشکارهای ویژه، استراتژیهای پیشرفته و MCP (پروتکل کانتکس مدل) 05:19
-
آنچه پوشش خواهیم داد و بررسی چالشهای اولیه 06:15
-
هشدار امنیتی برای تلگرام در n8n 06:23
-
Jailbreaks - حملات بر LLMs و ایجنتها از طریق پرامپتها 14:48
-
تزریق پرامپت ها به عنوان حمله به ایجنتها و LLMs 08:46
-
مسمومیت داده و حملات بکدور 03:05
-
کپیرایتها و مالکیت معنوی داده تولیده شده توسط ایجنتهای هوش مصنوعی 07:51
-
حریم خصوصی داده برای داده خود و مشتری، GDPR و قانون هوش مصنوعی اتحادیه اروپا 04:08
-
سانسور، همسویی و سوگیری در LLMs مانند دیپسیک، چتجیپیتی، Claude یا جمینی 03:38
-
آیا میتوانید ایجنتهای هوش مصنوعی، اتوماسیونهای هوش مصنوعی یا پایگاه کد n8n را بفروشید؟ 06:23
-
انطباق EU و US - بررسی GDPR و (DSGVO) CCPA و CPRA و قانون هوش مصنوعی اتحادیه اروپا 08:51
-
جمعبندی - نکات مهمی که باید به یاد داشته باشید 05:42
-
جمعبندی - تشکر از شما و گام بعدی چیست؟ 10:02
مشخصات آموزش
ایجنتهای RAG - ساخت اپلیکیشنها و GPTs با API/MCP ،LangChain و n8n
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:همه سطوح
- تعداد درس:93
- مدت زمان :17:56:35
- حجم :10.81GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy