بوتکمپ هوش مصنوعی عاملی: عاملهای هوش مصنوعی با Python ،n8n ،MCP و RAG
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- تسلط به مهندسی هوش مصنوعی و «Vibe Coding»: با استفاده از Cursor ،Python ،Node.js ،Git و GitHub نرمافزارها را سریع بسازید.
- ساخت عاملهای هوش مصنوعی در Python: تسلط به Pydantic AI، رابطهای Gradio، گاردریلها و چارچوبهای ارزیابی
- ایجاد عاملهای OpenAI: استفاده از OpenAI AgentKit ،Agent Builder و ادغام ChatKit در اپلیکیشن های Next.js و React
- توسعه عاملهای تحقیق عمیق: ساخت عاملهای خودمختاری که وب را جستجو کرده و گزارشهای پیچیده تهیه میکنند.
- تسلط به پروتکل MCP: اتصال Claude Desktop ،Cursor و Antigravity به فایلها و ابزارهای محلی.
- ساخت سرورهای سفارشی MCP: ایجاد ابزارهای MCP شخصی با Python و n8n برای کنترل APIهای خارجی
- اتوماسیون با n8n (Low-Code): تسلط به Webhookها، درخواستهای HTTP، گرههای کد، Mergeها، گره If، حلقهها و مدیریت خطا
- گردشکارهای پیشرفته n8n: ساخت سیستمهای چندعاملی، ارکستراتورها، رباتهای تلگرام و میزبانی شخصی n8n
- ادغام پایگاههای داده و SQL: اتصال Supabase ،Pinecone ،Postgres و پایگاههای داده برداری به عاملهای هوش مصنوعی خود
- هوش مصنوعی محلی و حریم خصوصی: اجرای مدلهای Ollama ،DeepSeek ،Qwen ،Kimi ،zAI و Llama به صورت محلی با Docker و Flowise
- تسلط به RAG: بهینهسازی تعبیه ها، قطعهبندی ،Tok-K ،Temperature ،Top-P Markdown و جستجوی برداری
- ساخت عاملهای ویژوال با Flowise: ایجاد عاملهای LangChain و LangGraph بدون کدنویسی و میزبانی آنها روی Render
- توسعه عاملهای صوتی: ساخت دستیارهای صوتی هوش مصنوعی بلادرنگ با Python، LiveKit ،Vapi و ElevenLabs
- Generative AI و دیفیوژن: اتوماسیون ComfyUI ،Flux ،Z-Image و SDXL برای تولید تصویر و ویدئو از طریق n8n
- بررسی در چارچوبهای عاملی: درک AutoGen، CrewAI ،Semantic Kernel ،Open WebUI و پشته هوش مصنوعی مایکروسافت
- ساخت آژانس هوش مصنوعی: یادگیری قیمتگذاری، تولید سرنخ، استراتژی فروش و یافتن نیچ برای خدمات هوش مصنوعی
- امنیت و قانون هوش مصنوعی: تسلط به انطباق با GDPR، قانون هوش مصنوعی اتحادیه اروپا، جلوگیری از تزریق پرامپت، Jailbreakها و مسمومیت داده
- استقرار و میزبانی: انتشار در GitHub، میزبانی روی Render، استقرار اپلیکیشن های Next.js و مدیریت کانتینرهای Docker
- تسلط به توسعه وب هوش مصنوعی و ساخت فرانتاندهای سفارشی: استقرار چتباتهای سفارشی هوش مصنوعی با استفاده از Next.js ،React ،TypeScript ،Vite و Tailwind CSS مستقیماً در وبسایتها
پیشنیازهای دوره
- هیچ دانش قبلی مورد نیاز نیست، همه چیز گام به گام نشان داده میشود.
- یک کامپیوتر (Mac ،Windows یا Linux): شما باید دسترسی مدیریتی برای نصب نرمافزارهایی مانند Node.js ،Python و Docker داشته باشید.
- کنجکاوی و حوصله: ما مباحث پیشرفتهای مانند عاملهای هوش مصنوعی و RAG را پوشش میدهد. دستورالعملهای گام به گام ارائه شده است، اما داشتن ذهنیت حل مسئله کمک میکند!
توضیحات دوره
تماشاگر پیشرفت هوش مصنوعی نباشید. شروع به ساختن آن کنید.
شما دیدهاید که هوش مصنوعی چه کاری میتواند انجام دهد. اما چگونه فراتر از پرامپتهای ساده رفته و عاملهای خودمختار، اتوماسیونهای مقیاسپذیر و اپلیکیشن های واقعی تجاری بسازید؟
این دوره مسترکلاس کامل برای اتوماسیون هوش مصنوعی و عاملهای هوش مصنوعی است. این دوره شکاف بین Low-Code (Low-Code) (n8n ،Flowise) و کد-حرفهای (Pro-Code) (Python ،Pydantic AI ،Cursor) را پر میکند و مجموعه مهارت کاملی برای تسلط به چشمانداز هوش مصنوعی در سال 2026 در اختیار شما قرار میدهد.
از ساخت سیستمهای RAG محلی که روی لپتاپ خودتان اجرا میشوند تا استقرار عاملهای صوتی در سطح سازمانی و تسلط به پروتکل MCP - این دوره همه چیز را پوشش میدهد.
چه یک توسعهدهنده، چه کارآفرین یا یک علاقهمند به اتوماسیون باشید، یاد خواهید گرفت که چگونه مدلهای زبانی بزرگ (مانند DeepSeek ،GPT ،Claude ،Gemini) را برای انجام کارهای واقعی برای شما هماهنگ کنید.
آنچه دریافت خواهید کرد:
- پروژههای عملی: ساخت عاملهای تحقیق عمیق، آواتارهای صوتی، رباتهای بازاریابی، سیستمهای تولید سرنخ و موارد دیگر
- منابع قابل دانلود: دسترسی به گردشکارهای JSON، مخازن کد Python و پرامپتهای سیستمی آماده برای استفاده به منظور سرعت بخشیدن به پیادهسازی شما
- یادگیری دو مسیره: هم روش ویژوال (n8n ،Flowise) و هم روش کدنویسی (Python، Next.js) را یاد بگیرید.
در این دوره چه چیزی یاد خواهید گرفت:
اصول: مدلهای زبانی بزرگ، راهاندازی و «Vibe Coding»
با ابزارهای ضروری این حرفه، کار خود را محکم شروع کنید.
- دوره فشرده Cursor: به ویرایشگر کد هوش مصنوعی که نرمافزار را برای شما مینویسد مسلط شوید. («Vibe Coding»)
- اصول هوش مصنوعی: بررسی عمیق به مدلهای زبانی بزرگ، توکنها، فراخوانی تابع و «مدلهای استدلالی» مانند DeepSeek R1 ،GPT 5.2 Thinking و OpenAI o3
- راهاندازی فولاستک: نصب صحیح Python ،pip ،uv ،Node.js ،Git و Docker برای آمادهسازی دستگاه شما برای توسعه هوش مصنوعی
اکوسیستم عاملهای OpenAI و وب اپلیکیشن ها
با استفاده از جدیدترین ابزارهای OpenAI و OpenAI Agent SDK، عاملهای رسمی بسازید.
- OpenAI AgentKit و Agent Builder: ایجاد عاملهایی با متغیرهای استیت، گاردریلها و دسترسی به اینترنت
- ادغام Next.js و React: ساخت رابط کاربری چت (ChatKit) شخصی خود و استقرار ویجتهای سفارشی در وبسایتها
- عامل تحقیق عمیق: ساخت یک عامل پیچیده که قادر به جستجوی کامل وب و ترکیب گزارشها است.
عاملهای هوش مصنوعی در Python با Pydantic AI
با کدنویسی وارد مهندسی حرفهای هوش مصنوعی شوید.
- چارچوب Pydantic AI: ساخت عاملهای نوع-ایمن و قدرتمند با استفاده از Python
- رابطهای Gradio: ایجاد رابطهای کاربری وب دوستانه برای اسکریپتهای Python خود
- کدنویسی و استقرار: یادگیری انتشار پروژههای خود در GitHub و به اشتراک گذاری آنها با جهان
هوش مصنوعی محلی و RAG (اولویت با حریم خصوصی)
هوش مصنوعی را کاملاً روی سختافزار شخصی خود اجرا کنید - بدون قبض API، با حفظ حریم خصوصی کامل
- پشته محلی: تسلط به Ollama ،Docker و Flowise برای هوش مصنوعی آفلاین
- RAG پیشرفته: راهاندازی پایگاههای داده برداری Postgres، مدیریت تعبیه ها و بهینهسازی استراتژیهای قطعهبندی داده
- LangChain و LangGraph: درک معماری پشت زنجیرههای مدرن هوش مصنوعی
تسلط به Flowise: عاملهای ویژوال هوش مصنوعی
بدون نوشتن کد، چتباتهای قدرتمندی ایجاد کنید.
- عاملهای مجهز به API: اتصال مدلهای زبانی بزرگ به ابزارهای دنیای واقعی از طریق ادغام API
- چتباتهای سفارشی: ساخت، برندسازی و جاسازی چتباتهای RAG در WordPress و وبسایتهای سفارشی
- تحلیل احساسات: خودکارسازی مسیریابی پشتیبانی مشتری بر اساس احساسات کاربر
اتوماسیون هوش مصنوعی با n8n (Low-Code)
قلب اتوماسیون کسبوکار - همه چیز را به هم متصل کنید.
- اصول n8n و SQL: تسلط به رابط کاربری، متغیرها و اتصال به پایگاههای داده Supabase
- گردشکارهای پیشرفته: ساخت رباتهای تلگرام، سیستمهای چندعاملی و الگوهای ارکستراتور
- وب اسکرپینگ و HTML: تبدیل محتوای هر وبسایتی به پایگاه دانش برای عاملهای خود
- میزبانی شخصی: یادگیری میزبانی n8n روی سرورهای شخصی خود برای صرفهجویی در هزینه
MCP: پروتکل متن مدل
داغترین فناوری در یکپارچهسازی هوش مصنوعی را یاد بگیرید.
- توضیح MCP: اتصال Claude Desktop ،Cursor و ChatGPT به ابزارها و فایلهای محلی خود
- ساخت سرورهای سفارشی MCP: ایجاد سرورهای شخصی خود در Python و n8n
- ابزارهای چند پلتفرمی: استفاده از MCP برای دسترسی یکپارچه عاملهای خود به Slack ،GitHub و ابزارهای پایگاه داده
عاملهای صوتی و آواتارهای هوش مصنوعی
به هوش مصنوعی خود صدا و چهره بدهید.
- LiveKit و Python: ساخت عاملهای صوتی مکالمهای بلادرنگ
- ادغام تلفنی: اتصال Vapi و ElevenLabs به شماره تلفنها برای تماسهای ورودی/خروجی (مانند رباتهای رزرو رستوران)
- آواتارهای هوش مصنوعی: ایجاد عاملهای ویژوال تعاملی که با کاربران صحبت میکنند.
Generative AI و اتوماسیون تصویر
خلاقیت را با مدلهای دیفیوژن خودکار کنید.
- مسترکلاس ComfyUI: ساخت گردشکارهای پیچیده تولید تصویر و ویدئو
- Flux ،Z-Image و SDXL: اجرای محلی مدلهای تصویری پیشرفته
- طراحی عاملی: راهاندازی خودکار تولید تصویر از طریق عاملهای n8n
ساخت کسبوکار و امنیت
مهارتهای خود را به یک آژانس سودآور تبدیل کنید و ایمن بمانید.
- نقشه راه آژانس: چگونگی قیمتگذاری، بستهبندی و فروش خدمات هوش مصنوعی به مشتریان
- تولید سرنخ: استراتژیهایی برای ارتباط سرد و محتوای شبکههای اجتماعی
- امنیت و قانون هوش مصنوعی: درک GDPR، قانون هوش مصنوعی اتحادیه اروپا، تزریق پرامپت و محافظت در برابر Jailbreak
در آینده فناوری به یک متخصص تبدیل شوید!
در پایان این دوره، شما نه تنها تئوری را درک خواهید کرد - بلکه مجموعهای از عاملهای کارآمد، درک عمیقی از n8n ،Python و MCP و دانش کسبوکار برای کسب درآمد از مهارتهای خود خواهید داشت.
همین الان در این دوره شرکت کنید و ساختن آینده را شروع کنید!
این دوره برای چه کسانی مناسب است؟
- مهندسان و توسعهدهندگان مشتاق هوش مصنوعی: اگر تا حدودی با Python آشنایی دارید (یا میخواهید آن را از طریق «Vibe Coding» با Cursor یاد بگیرید) و میخواهید به پشته مدرن هوش مصنوعی - از جمله Pydantic AI ،MCP، گاردریلها و RAG - مسلط شوید، این دوره نقشه راه شماست.
- کارشناسان اتوماسیون و بدون-کدنویسها: کاربران Zapier یا Make که آماده هستند تا به n8n ارتقا یابند و عاملهای هوش مصنوعی خودمختار بسازند، نه فقط گردشکارهای خطی ساده
- کارآفرینان و صاحبان آژانس: اگر میخواهید خدمات هوش مصنوعی (مانند عاملهای صوتی، رباتهای پشتیبانی یا سیستمهای تولید سرنخ) را برای مشتریان بسازید و بفروشید، این دوره هم جنبه فنی و هم جنبه کسب و کار (قیمتگذاری، فروش، حقوقی) را پوشش میدهد.
- مدیران محصول و علاقهمندان به فناوری: هر کسی که میخواهد بفهمد مدلهای زبانی بزرگ، پایگاههای داده برداری و عاملها واقعاً در زیرسطح چگونه کار میکنند تا ایدهها را سریعتر با استفاده از OpenAI AgentKit یا Flowise نمونهسازی کند.
- کاربران متمرکز بر حریم خصوصی: افرادی که میخواهند هوش مصنوعی محلی (Ollama ،DeepSeek) را روی سختافزار شخصی خود بدون اتکا به APIهای ابری اجرا کنند.
- حرفهایهای خلاق: اگر میخواهید ایجاد محتوا را با استفاده از ComfyUI، تولید تصویر و گردشکارهای هوش مصنوعی ویدئویی خودکار کنید.
بوتکمپ هوش مصنوعی عاملی: عاملهای هوش مصنوعی با Python ،n8n ،MCP و RAG
-
نگاهی اجمالی به آنچه ممکن است: Antigravity ،n8n ،Lovable و ComfyUI 10:22
-
بررسی کلی دوره 12:16
-
معرفی مدرس: Arnold Oberleiter (Arnie) 01:20
-
بررسی کلی بخش 01:18
-
نصب Python ،pyenv ،pip و مدیر بسته uv 09:22
-
نکته سریع: از مدلهای زبانی بزرگ برای نصبها استفاده کنید 01:04
-
نصب Node.js: اجرای محلی JavaScript برای React + Vite + Tailwind 05:32
-
دوره فشرده Cursor 20:35
-
توضیح مبانی Git و GitHub 03:09
-
کوئیز کوچک None
-
خلاصه بخش 02:32
-
اصول هوش مصنوعی: بررسی کلی بخش 01:35
-
درک اتوماسیون، اتوماسیون هوش مصنوعی و عاملهای هوش مصنوعی 07:04
-
یک مدل زبانی بزرگ چگونه کار میکند؟ 17:44
-
توضیح API (رابط برنامهنویسی کاربردی) 02:57
-
فراخوانی تابع: چگونه مدلهای زبانی بزرگ درخواست کمک میکنند؟ 04:58
-
محاسبه زمان تست با DeepSeek R ،Qwen ،GPT و Gemini – مدلهایی که میتوانند «فکر کنند» 05:11
-
اصول مهندسی پرامپت: پرامپت کاربر و پرامپتهای سیستمی 13:41
-
چگونه بهترین مدلهای هوش مصنوعی را پیدا کنیم؟ 07:02
-
اصول هوش مصنوعی: خلاصه بخش 04:08
-
بررسی کلی بخش 01:49
-
OpenAI AgentKit ،Agent Builder و Agent SDK چیست؟ 05:16
-
توضیح پلتفرم OpenAI: بررسی Playground، صورتحساب، هزینه توکن و پروژهها 10:07
-
راهنمای Agent Builder: توضیح تمام گرهها، ویژگیها و امکانات 11:46
-
ساخت یک عامل هوش مصنوعی با گاردریلها، متغیرهای استیت و دسترسی به اینترنت 08:58
-
MCP به عنوان یک API Wrapper در عاملهای شما و کنترل تاریخ و زمان 12:40
-
RAG: آموزش عامل خود بر اساس دانش شخصی شما 11:19
-
در ادامه چه خواهیم ساخت؟ 00:24
-
گردشکار پیشرفته: ساخت عامل تحقیق عمیق شخصی خود 18:42
-
مراحل بعدی 00:55
-
ادغام ویجت از ChatKit به عنوان فرمت خروجی 04:32
-
ChatKit برای ساخت رابط کاربری شخصی خود در Cursor به عنوان یک اپلیکیشن Next.js 14:20
-
افزودن حباب چت هوش مصنوعی به وبسایت Next.js یا React خود 12:12
-
نظارت هزینه: تاکنون چقدر هزینه کردهایم؟ 03:22
-
گزینهها و قالبهای گردشکار بیشتر 04:51
-
خلاصه بخش 05:02
-
بررسی کلی بخش: Python و Pydantic AI 02:08
-
بررسی کلی پروژه GitHub و پشته فناوری: Python ،pip ،Pydantic AI ،Gradio و Cursor 11:01
-
آموزش نمونهسازی با Python: ساخت اولین اپلیکیشن خود با Pydantic AI و Gradio 14:18
-
تغذیه و برچسبگذاری مستندات در Cursor برای هر پروژه 02:35
-
Pydantic AI: ساخت یک عامل تحقیق عمیق با فرانتاند Gradio در Python 14:38
-
کد Python و کل پروژه Pydantic AI با جزییات توضیح داده شده است 18:49
-
انتشار پروژه Python خود در GitHub و به اشتراک گذاری اپلیکیشنGradio خود با دیگران 08:15
-
عاملهای Pydantic AI در Python: الهام، ارزیابیها و قابلیت مشاهدهپذیری 04:32
-
خلاصه بخش 03:49
-
در این بخش درباره هوش مصنوعی محلی چه چیزهایی را پوشش میدهیم؟ 02:03
-
چرا هوش مصنوعی محلی؟ مزایا و معایب توضیح داده شده است 10:24
-
مبانی سختافزار: RAM ،VRAM ،GPU برای مدلهای زبانی بزرگ و مدلهای پخش 09:57
-
Apple و هوش مصنوعی محلی: ملزومات سختافزاری 04:00
-
اصول Ollama: نصب، مدلها و دستورات 21:52
-
LangGraph ،LangChain ،Flowise - تفاوت چیست؟ 01:50
-
اطلاعات 00:26
-
نصب محلی Flowise با Node.js 08:42
-
اولین تستها در Flowise با مدلهای محلی و رابط Agent Builder 08:50
-
توضیح پایگاههای داده برداری، مدلهای تعبیه، Tok-K، قطعهبندی و RAG 16:39
-
توضیح Docker Desktop: نصب، راهاندازی و چرا به آن نیاز دارید؟ 06:15
-
نصب محلی Postgres با Docker 02:10
-
پر کردن پایگاه داده برداری Postgres و ادغام مدیر رکورد 16:38
-
ایجاد یک عامل RAG محلی با Flowise ،Postgres و Ollama 11:43
-
بهینهسازی RAG: چگونه داده را به درستی با Markdown، قطعهبندی و Overlap آماده کنیم؟ 08:03
-
خلاصه بخش 03:59
-
بررسی کلی بخش: آنچه یاد خواهید گرفت 02:41
-
بهبود پشتیبانی مشتری با تحلیل احساسات با استفاده از هوش مصنوعی 11:06
-
ساخت یک جریان چت RAG با اسکرپینگ وب، تعبیهها، پایگاه داده برداری و HTML 23:05
-
خروجی و ورودی جریانها به صورت JSON 01:55
-
ایجاد رابط کاربری و فرانتاند چتبات شخصی خود 07:45
-
Tool-Agent در Flowise: یک گردشکار برای اتصال هر API و مدل زبانی بزرگ 26:32
-
عامل ابزار با RAG: پایگاه داده برداری Pinecone، فراخوانی تابع و APIها 28:05
-
مهندسی پرامپت: پرامپتهای سیستمی برای عاملهای هوش مصنوعی و عاملهای RAG 23:32
-
میزبانی Flowise روی Render 14:33
-
ساخت یک چتبات RAG برای مشتری: گام به گام با Tool-Agent Flowise 09:58
-
بهبود برندینگ و استایل چتبات LangGraph در Replit 11:10
-
تعبیه یک چتبات RAG در سایت WordPress 05:16
-
افزودن لوگوی خود و فاین تیونینگ نهایی ربات برای ظاهری آراسته 03:21
-
تنظیمات اضافی برای اپلیکیشن LangChain شما در Flowise 07:17
-
گزینهها و مثالهای بیشتر 03:22
-
خلاصه بخش 04:04
-
بررسی کلی بخش: آنچه یاد خواهید گرفت 01:33
-
نصب n8n با Node.js و رابط کاربری 12:06
-
نصب محلی n8n روی Mac 00:48
-
مبانی n8n 19:47
-
راهاندازی Supabase برای RAG و جداول SQL 04:54
-
عاملهای RAG با n8n ،Supabase، فراداده و Ollama 27:48
-
خروجی و ورودی گردشکارهای JSON 01:57
-
SQL و جداول با Supabase و n8n 20:02
-
دستیار ایمیل با Google ،n8n و Supabase SQL 09:59
-
مهندسی پرامپت برای عاملهای هوش مصنوعی n8n (پرامپتهای سیستمی) 11:39
-
میزبانی شخصی n8n 08:37
-
خلاصه مبانی n8n 03:41
-
بررسی کلی بخش: اینجا چه خواهید آموخت! 02:57
-
مبانی گره درخواست HTTP 09:34
-
درخواستهای HTTP بدون cURL: چگونه هر API را فراخوانی کنیم؟ 08:25
-
گره کد: اجرای کد Python و JavaScript در n8n (به همراه گره Merge و If) 05:43
-
اسکرپینگ: تبدیل یک وبسایت به چتبات RAG از طریق درخواستهای HTML 27:21
-
ساخت یک دستیار هوش مصنوعی تلگرام 27:51
-
فراخوانی گردشکارهای دیگر 12:42
-
عامل تلگرامی که میتواند صحبت کند و همه چیز را خودکار کند 28:19
-
امنیت برای عاملهای تلگرام در n8n 05:53
-
سیستمهای چند عاملی با یک ارکستراتور 06:53
-
مقایسه چند مدل زبانی بزرگ با Gemini Judge و تجمیع بینشها 04:47
-
Webhookها + Vibe Coding در Cursor: ساخت فرانتاند چتبات 12:30
-
تسلط به دستکاری داده در n8n: یادگیری Set ،Aggregate ،Split Out ،Switch ،If و Merge 12:39
-
حلقه بر روی آیتمها: پردازش داده گام به گام 04:36
-
گاردریلهای n8n: ساخت گردشکارهای ایمنتر و قابل اعتمادتر 12:16
-
پیدا کردن خطاها در گردشکارهای n8n: اشکالزدایی با گره راهانداز خطا 13:22
-
ربات n8n به عنوان یک اپلیکیشن مستقل با URL منتشر شده (نسخه میزبانی شده) 10:07
-
ادغام عاملهای n8n در وبسایتها: HTML ،WordPress و برندینگ با CSS سفارشی 22:20
-
خلاصه بخش 07:09
-
بررسی کلی بخش MCP 01:56
-
توضیح پروتکل متن مدل: به مدلهای زبانی بزرگ ابزار، پرامپت و منابع بدهید 13:16
-
STDIO در مقابل HTTP قابل پخش: متدهای انتقال برای MCP و عاملهای هوش مصنوعی (و چند مستند) 03:31
-
بررسی رابط کاربری و تنظیمات Claude Desktop 11:57
-
اتصال سرورهای MCP به Claude Desktop از طریق فایل پیکربندی JSON 14:32
-
راهاندازی چندین سرور MCP با نصاب MCP 14:45
-
نکته سریع: سرورها و کلاینتهای MCP بیشتری را در GitHub کشف کنید 05:31
-
اتصال Cursor به هر سرور MCP: استفاده رایگان از Zapier ،GitHub ،Slack و موارد بیشتر 15:19
-
ساخت یک سرور MCP در n8n 06:25
-
اتصال سرور MCP n8n خود به میزبانهای مختلف: Claude ،Cursor ،n8n ،Windsurf 14:34
-
امن کردن سرور MCP خود با احراز هویت 06:39
-
ابزارهایی که دوست دارید را یکپارچه کنید! 00:50
-
ChatGPT با MCP 05:38
-
ساخت یک سرور MCP برای تولید تصویر 19:00
-
زمینه پایدار و یادآوری بلندمدت در همه میزبانها 07:00
-
گره انجمن n8n برای MCP 20:01
-
دسترسی MCP در سطح نمونه 10:11
-
Blender MCP با Python و uv 15:48
-
بررسی مخزن GitHub: MCP پایتونی که ساختیم 02:03
-
برنامهنویسی یک سرور ساده MCP در Python 11:02
-
Python: گنجاندن منابع و قالبهای پرامپت در سرور MCP خود 11:37
-
Python: گسترش سرور خود: اضافه کردن ابزارهای بیشتر با Webhookها 07:28
-
انتشار سرور MCP پایتونی خود در GitHub 06:23
-
خلاصه بخش MCP 07:59
-
بررسی کلی بخش 02:04
-
درک عاملهای صوتی: فناوری، اهداف، مشکلات و ارزش 22:14
-
بررسی پروژه GitHub: عامل LiveKit در Python 02:08
-
بررسی LiveKit 07:21
-
Python: ساخت یک آواتار هوش مصنوعی با صدا در LiveKit 32:31
-
گزینههای بیشتر با LiveKit و Python 02:38
-
بررسی پلتفرم: Vapi و ElevenLabs 05:20
-
مهندسی پرامپت برای عاملهای صوتی هوش مصنوعی 13:00
-
عامل صوتی مجهز به هوش مصنوعی برای رزرو رستوران 13:37
-
ادغام ابزار برای رزرو میز 26:44
-
اشکالزدایی و تست 08:24
-
افزودن شماره تلفن برای تماسهای ورودی 08:38
-
عاملهای صوتی ElevenLabs: بررسی Webhookهای n8n و ادغام با صفحه وب 39:08
-
گردشکارها، شاخهها، انسان در حلقه و تست 02:44
-
خلاصه بخش 05:43
-
بررسی کلی بخش: پخش و اتوماسیون هوش مصنوعی 02:33
-
توضیح مدلهای پخش: تعبیهها، تانسورها، کدهای RGB و موارد بیشتر 17:22
-
نصب ComfyUI و Git 03:16
-
نصب مدیر ComfyUI 03:15
-
مبانی ComfyUI: گردشکارها، تصاویر، رابط کاربری و دانه توضیح داده شده است 12:04
-
گردشکارهای اضافی، Z-Image و API تصویر 08:44
-
SDXL محلی و درک گردشکارهای JSON 14:59
-
مهندسی پرامپت برای Z-Image ،SDXL ،Flux ،Qwen و سایر مدلهای پخش 13:44
-
ComfyUI عاملی با n8n: خودکارسازی تولید تصویر و ویدئو 17:25
-
LM Studio یا سایر میزبانهای MCP به عنوان فرانتاند برای ComfyUI 17:55
-
خلاصه پخش 04:05
-
بررسی کلی بخش 02:58
-
Open WebUI در Docker: نصب و رابط کاربری 13:17
-
ویژگیهای Open WebUI 05:11
-
اتصال Open WebUI با Webhookها به n8n 13:07
-
اتصال Flowise و n8n 04:33
-
ایدهها و الهامات خلاقانه 05:29
-
فاین تیونینگ مدلهای زبانی بزرگ برای عاملهای خود 12:34
-
ابزارهای کم کد بیشتر: Make.com ،Dify ،Lindy ،Langflow ،Zapier ،Stack AI و موارد بیشتر 10:46
-
چارچوبهای کد بیشتر: Autogen ،CrewAI ،Semantic Kernel ،LangGraph و موارد بیشتر 11:07
-
خلاصه بخش 05:20
-
ایجاد یک کسبوکار یا ارتقای شغلی: بررسی کلی بخش 02:26
-
اصول کسبوکار برای عاملهای هوش مصنوعی (چه چیزی باید بفروشم) 14:44
-
سرویس هوش مصنوعی خود را به چه کسانی بفروشید 11:36
-
نیچها و قیمت 29:42
-
آژانس اتوماسیون هوش مصنوعی: استراتژی قیمتگذاری 13:20
-
پیشنهاد 10:43
-
تولید سرنخ با آهنربای سرنخ 19:26
-
اولین مشتریان پرداختکننده خود را جذب کنید: از افرادی که میشناسید شروع کنید 11:21
-
برای جذب مشتری محتوا ایجاد کنید (شبکههای اجتماعی، YouTube ،Instagram ،TikTok ،X...) 25:44
-
استراتژیهای ارتباط سرد برای فروش سرویس هوش مصنوعی و اتوماسیون 12:45
-
بعدی چیست؟ تبلیغات پولی؟ 02:08
-
مبانی فروش: چگونه سرویس هوش مصنوعی خود را بفروشید؟ 17:16
-
مرحله بعد چیست؟ 03:44
-
بررسی کلی بخش 02:37
-
Jailbreak 15:14
-
تزریق پرامپت 07:38
-
مسمومیت داده و حملات در پشتی 03:45
-
نمونهای از یک سرور MCP نادرست 04:51
-
مسمومیت ابزار، راگ پول MCP و سایر آسیبپذیریهای امنیتی 17:36
-
احراز هویت و کلیدهای API 03:08
-
حقوق نشر و مالکیت فکری 04:13
-
توضیح مجوزهای منبع باز: MIT ،Apache 2.0 و موارد بیشتر 10:49
-
حریم خصوصی و حفاظت از داده خود و مشتری 04:08
-
سانسور، همراستایی و سوگیری 03:38
-
انطباق و حقوق هوش مصنوعی: GDPR ،CCPA ،CPRA و قانون هوش مصنوعی اتحادیه اروپا 08:49
-
خلاصه بخش 06:33
مشخصات آموزش
بوتکمپ هوش مصنوعی عاملی: عاملهای هوش مصنوعی با Python ،n8n ،MCP و RAG
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:Alls
- تعداد درس:194
- مدت زمان :32:27:22
- حجم :31.47GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy