آموزش جامع Grok Bot
از تعریف وظیفه و طراحی رفتار یک دستیار تا ساخت جریان کاری؛ مسیر ساخت یک کارمند هوش مصنوعی را با مثال‌های عملی دنبال کنید.
این دوره برای چه کسانی است؟
صاحبان کسب‌وکار، سازندگان ابزار و علاقه‌مندان به دستیارهای هوشمند
پیش‌نیازها
آشنایی اولیه با ابزارهای هوش مصنوعی و کار با اینترنت
چه چیزهایی یاد می‌گیرید؟
- تبدیل نیاز کسب‌وکار به وظایف مشخص
- طراحی دستورالعمل و رفتار دستیار
- اتصال مراحل یک جریان کاری
- ارزیابی پاسخ‌ها و تعریف نظارت انسانی
سرفصل‌ها و جلسه‌های دوره
Grok Bot و دنیای AI Agent
- AI Agent چیست؟
- تفاوت Chatbot و AI Agent
- آشنایی با Grok Bot
- مفهوم کارمند هوش مصنوعی
- معرفی Bot، Skill، Routine و Cloud Computer
- مدل ذهنی Agent = LLM + Harness
- آشنایی با انواع Agentهای تخصصی
- بررسی نمونه‌های کاربردی در کسب‌وکار
- معرفی پروژه‌های دوره
ساخت اولین Bot
- آشنایی با محیط Grok Bot
- تعریف Role و نقش Bot
- تعیین Goal و هدف اصلی
- تعریف Context و اطلاعات زمینه‌ای
- طراحی Rules و دستورالعمل‌ها
- تعریف Tools و ابزارهای موردنیاز
- تعیین Constraints و محدودیت‌ها
- طراحی Output و قالب خروجی
- تعریف Stop Conditions
- تفاوت Prompt معمولی و Agent Prompt
- تست و بهینه‌سازی Bot
- پروژه: ساخت AI Research Assistant
Skill؛ یک کار را به AI یاد بده
- Skill چیست؟
- تفاوت Prompt و Skill
- تفاوت Skill و Bot
- چه زمانی باید Skill بسازیم؟
- ساختار یک Skill حرفه‌ای
- تعریف ورودی‌ها (Input)
- طراحی مراحل انجام کار (Process)
- تعیین قوانین و محدودیت‌ها
- اعتبارسنجی اطلاعات (Validation)
- تعریف خروجی استاندارد (Output)
- تست و ارزیابی Skill
- شناسایی خطاها و اصلاح Skill
- تبدیل Skill به یک مهارت قابل استفاده مجدد
- پروژه: ساخت Competitor Analyzer
Agent Computer و کار با وب
- Cloud Computer چیست؟
- Agent Computer چگونه کار می‌کند؟
- آشنایی با محیط کامپیوتری Agent
- کار با Browser
- جست‌وجو و Navigation
- باز کردن و بررسی صفحات وب
- جمع‌آوری اطلاعات از سایت‌ها
- انجام Web Research
- استخراج و دسته‌بندی اطلاعات
- مدیریت فایل‌ها و خروجی‌ها
- محدودیت‌ها و نکات امنیتی
- بررسی خطاهای رایج در اجرای وظایف وب
- پروژه: ساخت Web Research Agent
ساخت Skill و Workflow
- مفهوم Workflow در AI Agent
- طراحی جریان اجرای یک وظیفه
- تفاوت Prompt، Skill و Workflow
- طراحی Input و Process
- تعریف مراحل و ترتیب اجرای وظایف
- افزودن Validation به Workflow
- طراحی خروجی استاندارد
- مدیریت خطا و شرایط غیرمنتظره
- تست و بهینه‌سازی Workflow
- ترکیب Skillها برای انجام وظایف پیچیده‌تر
- تبدیل فرآیندهای تکراری به مهارت‌های قابل استفاده مجدد
- پروژه: ساخت و توسعه Competitor Analyzer
Routine و اجرای خودکار
- Routine چیست؟
- تفاوت Skill و Routine
- طراحی وظایف زمان‌بندی‌شده
- تعیین زمان و شرایط اجرا
- تعریف Trigger و محرک اجرا
- تعیین ورودی و خروجی Routine
- اتصال Routine به Skillهای موردنیاز
- اعتبارسنجی نتایج
- مدیریت خطا و اجرای مجدد
- تست و بهینه‌سازی Routine
- بررسی اجرای دوره‌ای وظایف
- پروژه: Daily AI News Monitor
- پروژه: Price Monitor
ساخت Agentهای کاربردی
- طراحی Agent بر اساس یک مسئله واقعی
- انتخاب هدف و محدوده وظایف
- انتخاب Skillهای موردنیاز
- طراحی Workflow اختصاصی
- اتصال ابزارهای موردنیاز
- تعیین قوانین و معیارهای موفقیت
- اعتبارسنجی اطلاعات و نتایج
- مدیریت خطا و خروجی‌های ناقص
- تست Agent در سناریوهای واقعی
- پروژه پیشنهادی: Research Agent
- پروژه پیشنهادی: Content Research Agent
- پروژه پیشنهادی: Competitor Analysis Agent
- پروژه پیشنهادی: AI News Monitor
- پروژه پیشنهادی: Price Monitoring Agent
پروژه نهایی و ساخت کارمند هوش مصنوعی
- انتخاب یک مسئله واقعی برای حل
- طراحی مشخصات Agent
- تعریف Role، Goal و Context
- طراحی Skillهای تخصصی
- ساخت Workflow اجرایی
- تنظیم Routine در صورت نیاز
- اتصال ابزارها و منابع اطلاعاتی
- تعیین فرمت خروجی و گزارش
- تست سناریوهای مختلف
- شناسایی محدودیت‌ها و اصلاح خطاها
- آماده‌سازی Agent برای استفاده روزمره
- بررسی توسعه و گسترش قابلیت‌های Agent
- پروژه نهایی: ساخت یک کارمند هوش مصنوعی تخصصی که بتواند یک وظیفه واقعی را با حداقل دخالت انسانی انجام دهد.
مدرس: علی کیانی پور
ثبت‌نام و افزودن به سبد خرید