تبدیل شدن به یک ایجنت هوش مصنوعی و مهندس اتوماسیون گردش‌کار هوش مصنوعی در 2025

آنچه یاد خواهید گرفت:

• ساخت و استقرار ایجنت‌های هوش مصنوعی خودمختار و هوشمند با استفاده از فریمورک‌های پیشرفته مانند OpenAI Agents SDK و N8N و AutoGen و CrewAI و LangGraph و MCP
• ساخت ایجنت‌های هوش مصنوعی که با استفاده از حافظه، ابزارها، گاردریل‌ها و handoffs به خاطر می‌سپارند، استدلال می‌کنند و همکاری می‌کنند.
• یادگیری کامپوننت‌های بنیادی OpenAI Agents SDK، از جمله آبجکت ایجنت و کلاس Runner
• ساخت و اجرای ایجنت‌های هوش مصنوعی و نظارت بر فعالیت آنها با استفاده از traces در پلتفرم OpenAI API
• ساخت مکانیزم‌های handoff که به نرمی کانتکس و ورودی‌ها را بین ایجنت‌ها منتقل می‌کنند. (برای مثال پلنر ← نویسنده)
• پیاده‌سازی گاردریل‌ها برای اعمال محدودیت‌ها (برای مثال جلوگیری از پاسخگویی به مباحث ممنوعه مانند سیاست)
• بررسی CrewAI برای ساخت گردش‌کارهای عاملی پیشرفته‌تر و گسترش ایجنت‌ها با ابزارهای اجرایی پایتون سفارشی برای تحلیل و مدل‌سازی
• درک اصول ایجنت‌های هوش مصنوعی چندمدله در AutoGen و ساخت تیم‌هایی از ایجنت‌ها با استفاده از LLMs مختلف (مانند جی‌پی‌تی، جمینی و Claude)
• درک نحوه طراحی گردش‌کارهای عاملی در LangGraph، از جمله اتصال آنها به رابط‌هایی مانند Gradio برای تعامل کاربر
• استفاده از n8n برای اتوماسیون کم‌کد ، ساخت جریان‌های مجهز به هوش مصنوعی که با گوگل شیت، Calendar و جی‌میل یکپارچه می‌شوند.
• یادگیری اصول پروتکل کانتکس مدل (MCP) برای تعامل‌پذیری ابزارها و ساخت ایجنت‌هایی که با سرویس‌های MCP تعامل دارند.
• ساخت توابع manager برای ارکستراسیون گردش‌کارهای چندعاملی از ورودی تا محصول قابل تحویل نهایی
• ساخت ایجنت‌های هوش مصنوعی که جستجوی وب Tavily را برای نتایج جستجوی ساختاریافته و بلادرنگ یکپارچه می‌کنند.
• گسترش ایجنت‌ها با یکپارچه‌سازی ابزارهای OpenAI (مانند مفسر کد) و ترکیب جستجوی بلادرنگ، حافظه و استدلال در گردش‌کارها
• اعمال ایجنت‌های دارای حافظه در یوزکیس‌های واقعی (مانند دستیار تحقیقات بازار) برای کوئری‌های چندمرحله‌ای
• توسعه کتابخانه‌ای از ایجنت‌های متخصص (پلنر، نویسنده، تحلیلگر، ایجنت جستجو) و هماهنگی تعاملات آنها
• ایجاد تیم‌های ایجنت مشارکتی برای تسک‌های واقعی مانند استراتژی بازاریابی، با گزینه افزودن یک پروکسی کاربر (انسان در حلقه) برای نظارت
• ساخت ایجنت‌های LangGraph مخصوص دامنه (برای مثال رزرو پرواز و هتل) و تعریف ابزارهای سفارشی برای گردش‌کارهای خاص تسک
• ایجاد ابزارها به عنوان ایجنت‌ها با wrapping ایجنت‌های مستقل در پشت یک رابط تابع-ابزار، که امکان فراخوانی یکپارچه توسط دیگران را فراهم می‌کند.
• طراحی دستیار تحقیقاتی چند ایجنتی که می‌تواند کوئری‌ها را تریاژ کند، تسک‌ها را محول کند و گزارش‌های آماده برای مدیران اجرایی تولید کند.
• طراحی پایپ‌لاین‌های خلاقانه چند ایجنتی برای کمپین‌های تبلیغاتی با ایجنت‌های دارای نقش‌های خاص مانند مدیر خلاق، استراتژیست و کپی‌رایتر
• ایجاد و استقرار ابزارهای MCP مبتنی بر Gradio به عنوان سرویس‌های استاندارد قابل دسترسی برای ایجنت‌ها
• ایجاد تیم‌های ایجنت همکاری برای تسک‌های واقعی مانند استراتژی بازاریابی با افزودن گزینه پروکسی کاربر انسان-در-حلقه برای نظارت

پیش‌نیازهای دوره

• شما به یک لپ‌تاپ و اتصال اینترنت نیاز خواهید داشت.
• تجربه برنامه‌نویسی لازم نیست؛ مهارت‌های اولیه پایتون مزیت محسوب می‌شود.

توضیحات دوره

در این دوره عملی، یاد خواهید گرفت که چگونه ایجنت‌های هوش مصنوعی نسل جدید را طراحی کنید، بسازید و مستقر کنید که حافظه، ابزارها، همکاری و اتوماسیون را برای حل مشکلات واقعی ترکیب می‌کنند. با شروع از OpenAI Agents SDK، یاد خواهید گرفت که چگونه ایجنت‌های ساده ایجاد کنید و به تدریج آنها را با ویژگی‌های پیشرفته‌ای مانند حافظه پایدار، گاردریل‌ها و handoffs هموار بین گردش‌کارها گسترش دهید.

سپس به سراغ سیستم‌های چند ایجنتی می‌روید، جایی که ایجنت‌های تخصصی، مانند محققان، تحلیلگران و نویسندگان با هم کار می‌کنند و کانتکس و خروجی‌ها را برای ساخت محصولات قابل تحویل پیچیده به یکدیگر پاس می‌دهند. در طول مسیر، یاد خواهید گرفت که چگونه این سیستم‌ها را با توابع manager ارکستراسیون کنید، مرزهای اخلاقی و دامنه‌ای را با گاردریل‌ها اعمال کنید و پایپ‌لاین‌های خلاقانه برای یوزکیس‌ها از تحقیقات بازار تا کمپین‌های تبلیغاتی طراحی کنید.

این دوره چندین فریمورک را برای ساخت گردش‌کارهای ایجنتی آماده تولید معرفی می‌کند. شما AutoGen را برای همکاری چندمدله، LangGraph را برای پایپ‌لاین‌های ماژولار متصل به رابط‌های کاربری و CrewAI را برای ارکستراسیون پیشرفته بررسی خواهید کرد. همچنین یاد خواهید گرفت که چگونه ایجنت‌ها را با ابزارهای سفارشی، از اجرای کد پایتون برای تحلیل داده تا مدل‌های یادگیری ماشین کلاسیک مانند رگرسیون خطی، جنگل تصادفی و XGBoost، گسترش دهید.

شما تجربه عملی با پروتکل کانتکس مدل (MCP) به دست خواهید آورد که به ایجنت‌ها امکان می‌دهد با سرویس‌های خارجی استاندارد تعامل داشته باشند و یاد خواهید گرفت که چگونه ابزارهای MCP را با استفاده از Gradio بسازید و مستقر کنید. در نهایت، خواهید دید که چگونه پلتفرم‌های کم‌کد مانند n8n می‌توانند همه چیز را در جریان‌های اتوماسیون یکپارچه گرد هم آورند و جی‌میل، گوگل شیت، Google Calendar و مدل‌های هوش مصنوعی را برای ایجاد سیستم‌های کامل end-to-end یکپارچه کنند.

در پایان دوره مهارت‌های زیر را خواهید داشت:

• ساخت ایجنت‌های هوش مصنوعی با حافظه، ابزارها و قابلیت‌های استدلال
• ارکستراسیون گردش‌کارهای چند ایجنتی برای تحقیقات، تحلیل و تسک‌های خلاقانه
• یکپارچه‌سازی گاردریل‌ها، handoffs و نظارت برای اطمینان از خروجی‌های ایمن و قابل اعتماد
• استقرار گردش‌کارهای عاملی پیشرفته در سراسر AutoGen و LangGraph و CrewAI و MCP
• خودکارسازی فرآیندهای کسب‌وکار با ابزارهای کم‌کد مانند n8n که به اپلیکیشن‌های واقعی متصل هستند.

چه توسعه‌دهنده، دانشمند داده یا نوآور کسب‌وکار باشید، این دوره شما را با جعبه‌ ابزار کامل برای طراحی سیستم‌های هوش مصنوعی که همکاری می‌کنند، خودکار می‌شوند و در مقیاس تولید عمل می‌کنند، مجهز می‌کند.

این دوره برای چه کسانی مناسب است؟

• دانشمندان داده، مهندسان یادگیری ماشین و پژوهشگران هوش مصنوعی که می‌خواهند ایجنت‌های هوش مصنوعی بسازند.
• توسعه‌دهندگان نرم‌افزار با مهارت‌های اولیه پایتون که می‌خواهند LLMs پیشرفته و فریمورک‌های ایجنت‌ را در اپلیکیشن‌های واقعی یکپارچه کنند.
• کارآفرینان و بنیان‌گذاران استارتاپ که می‌خواهند ایجنت‌های مستقل مجهز به هوش مصنوعی بسازند.
• تیم‌های نوآوری شرکتی یا تحقیق و توسعه (R&D) که می‌خواهند نمونه‌سازی اولیه گردش‌کارها، دستیاران و اتوماسیون‌های مجهز به هوش مصنوعی را انجام دهند.
• دانشجویان پیشرفته و مدرسانی که به دنبال تجربه عملی و کاربردی با مهندسی هوش مصنوعی عاملی هستند.