ساخت ایجنت هوش مصنوعی؛ آموزش گام‌به‌گام و بدون کدنویسی ۲۰۲۶

ساخت ایجنت هوش مصنوعی لزوماً به دانش برنامه‌نویسی نیاز ندارد؛ با ابزارهای بدون کدنویسی می‌توانید یک وظیفه مشخص و تکراری را به ایجنت بسپارید، مدل زبانی و ابزارهای مورد نیاز را به آن متصل کنید و عملکردش را با داده واقعی بسنجید.

در این آموزش، گام‌به‌گام یاد می‌گیرید چطور با n8n (یکی از بهترین ابزارهای بدون‌کد) یک ایجنت واقعی بسازید: از تعریف هدف شفاف گرفته تا اتصال مدل زبانی، نوشتن دستورالعمل دقیق، افزودن ابزارها و در نهایت تست و انتشار. در پایان این مقاله نیز، برای نمونه شما یک ایجنت خلاصه‌ساز اخبار خواهید داشت.

آنچه در این مقاله می‌خوانید:

• آشنایی با ۴ رکن اصلی معماری ایجنت + تفاوت کلیدی آن با ورک‌فلوهای معمولی
• آموزش تصویری و ۶ گام عملی ساخت ایجنت در n8n (از تعیین هدف تا انتشار نهایی)
• نحوه ارزیابی زنده ایجنت و مدیریت خطاهای رایج + راه‌اندازی مکانیزم تأیید انسانی
• طراحی و بهینه‌سازی پرامپت سیستم با هوشا جهت دریافت خروجی‌ ساختاریافته 
• بررسی هزینه واقعی استفاده و روش‌های میزبانی + نکات امنیتی کلید API

ساخت ایجنت هوش مصنوعی یعنی چه؟

وقتی از ساخت ایجنت هوش مصنوعی صحبت می‌کنیم، منظورمان برنامه‌نویسی پیچیده از صفر نیست؛ کافی است چند بخش کلیدی را کنار هم بچینیم و به هم متصل کنیم (ارکستراسیون) تا یک سیستم هوشمند و مستقل شکل بگیرد.

ساخت یک ایجنت شامل ۳ گام عملیاتی اصلی است:

1.  انتخاب و اتصال مدل زبانی (LLM): فراهم کردن قدرت تحلیل، پردازش متون و درک زبان طبیعی برای ایجنت از طریق متصل کردن مدل‌هایی مانند GPT-4o یا Claude
2.  تعریف سناریو و نقش (Instructions): مشخص کردن حدود وظایف، اهداف، قوانین، لحن و خط‌قرمزهای ایجنت در قالب دستورالعمل اصلی (System Prompt)
3.  تجهیز به ابزارهای عملیاتی (Tools & Integrations): دادن دسترسی و قدرت عمل به ایجنت برای تعامل با سرویس‌های مختلف و انجام کارهای واقعی (مانند جستجو در وب، ذخیره اطلاعات در پایگاه‌داده، یا ارسال پیام و ایمیل)

تفاوت اصلی در فرایند ساخت ایجنت

 هنگام ساخت یک چت‌بات معمولی، شما فقط یک کادر متنی برای دریافت و ارسال پاسخ می‌سازید. اما در ساخت ایجنت، شما سیستمی را طراحی می‌کنید که می‌تواند خودش برای رسیدن به یک هدف، کارها را به مراحل کوچک‌تر تقسیم کرده، ابزار مناسب را انتخاب کند و فرآیند را تا رسیدن به نتیجه نهایی پیش ببرد.

ایجنت هوش مصنوعی چیست؟

۴ جز اصلی ایجنت هوش مصنوعی

پیش از آنکه وارد مراحل عملی شوید، لازم است نقشه معماری پایه‌ای آن را بشناسید. در فرایند طراحی ایجنت هوش مصنوعی (بدون توجه به اینکه از چه ابزاری استفاده می‌کنید)، هر عامل هوشمند همیشه از ۴ جزء اصلی تشکیل می‌شود:

1.  مدل زبانی بزرگ (LLM): مغز متفکر و تصمیم‌گیرنده سیستم است که درک زبان طبیعی و تحلیل داده‌ها را بر عهده دارد؛ سیستم‌هایی مانند عامل ChatGPT نمونه‌ای از همین توانمندی پردازشی هستند.
2. دستورالعمل یا نقش (System Prompt):  یک System Prompt مشخص می‌کند ایجنت چه نقشی دارد، چه کاری باید انجام دهد، چه محدودیت‌هایی دارد و خروجی را با چه ساختاری تولید کند. هرچه این دستورالعمل دقیق‌تر باشد، رفتار ایجنت قابل‌کنترل‌تر خواهد بود.
3. ابزارها و اتصالات (Tools & Integrations): مدل زبانی به‌تنهایی نمی‌تواند به همه سرویس‌ها یا داده‌های موردنیاز دسترسی داشته باشد. با اتصال ابزارهایی مانند ایمیل، Google Sheets یا سرویس‌های جست‌وجو می‌توان قابلیت‌های بیشتری به Workflow اضافه کرد.
4. حافظه (Memory): اطلاعات، زمینه گفتگو و سوابق اجراهای قبلی را حفظ می‌کند تا ایجنت بتواند در مراحل بعدی بر اساس تجربیات گذشته تصمیم‌گیری کند.

تفاوت ورک‌فلو و ایجنت چیست؟

ممکن است در ابزارهایی مثل n8n زیاد با کلمه ورک‌فلو (Workflow) روبرو شوید. برای اینکه این ۲ مفهوم را با هم اشتباه نگیرید:

• ورک‌فلو (Workflow): یک مسیر خطی، ثابت و مشخص است؛ مثل یک دستور پخت که در آن می‌گوییم: «ابتدا گام A را انجام بده، سپس B و در نهایت C». اگر اتفاق غیرمنتظره‌ای بیفتد، سیستم نمی‌تواند خودش مسیر را تغییر دهد.
• ایجنت (Agent): یک دستیار انعطاف‌پذیر و تصمیم‌گیرنده است. شما به او یک هدف می‌دهید و خودش بر اساس شرایط و ابزارهایی که دارد، تشخیص می‌دهد چه گام‌هایی را به چه ترتیبی طی کند تا به هدف برسد.

 به زبان ساده: ورک‌فلو مثل یک خط تولید کارخانه با مسیر ثابت است، اما ایجنت مثل یک کارمند هوشمند است که خودش برای رسیدن به نتیجه، راهکار پیدا می‌کند.

آموزش ساخت ایجنت هوش مصنوعی بدون کدنویسی در ۶ گام

حالا که اجزای اصلی را می‌شناسید، می‌توانیم سراغ ساخت یک نمونه واقعی برویم. برای آموزش ساخت Ai agent از n8n استفاده می‌کنیم؛ یک ابزار اتوماسیون Workflow که امکان اتصال مدل‌های زبانی،‌Triggerها و ابزارهای مختلف را در یک محیط بصری فراهم می‌کند.

در این نمونه، هدف ما ساخت یک ایجنت برای خلاصه‌سازی اخبار روزانه است. ایجنت اطلاعات ورودی را دریافت می‌کند، بر اساس دستورالعمل مشخص آن‌ها را خلاصه می‌کند و در صورت اتصال ابزار مناسب می‌تواند نتیجه را در یک سرویس دیگر ذخیره یا ارسال کند.

۱. مشخص‌کردن هدف و وظیفه ایجنت

اگر می‌خواهید بدانید چطور اینجنت هوش مصنوعی بسازیم که دقیقا طبق انتظار کار کند، اولین قدم در مشخص‌کردن یک وظیفه کاملاً شفاف و محدود است. عبارت‌های مبهمی مانند «یک ایجنت هوشمند بساز» هدف مشخصی برای جریان کاری (Workflow) ایجاد نمی‌کنند. 

در این آموزش هدف را این‌طور تعریف می‌کنیم:

«ایجنت باید متن اخبار روزانه را دریافت کند و برای هر خبر یک خلاصه کوتاه و ساختار یافته تولید کند.»

برای تعریف هدف بهتر است به ۴ سوال پاسخ دهید:

• ایجنت چه ورودی‌ای دریافت می‌کند؟
• قرار است چه کاری روی ورودی انجام دهد؟
• خروجی مورد انتظار چیست؟
• این فرایند چه زمانی باید اجرا شود؟

هرچه پاسخ این ۴ سوال دقیق‌تر باشد، نوشتن دستورالعمل و آزمایش ایجنت ساده‌تر خواهد بود.

۲. ساخت حساب و آشنایی با محیط کار

برای شروع، وارد وب‌سایت n8n به آدرس https://n8n.io/ شوید تا حساب کاربری خود را بسازید یا وارد سیستم شوید.   

مقایسه قیمت و روش‌های میزبانی n8n

• نسخه ابری (n8n Cloud): تست ۱۴ روزه رایگان بدون نیاز به کارت اعتباری ارائه می‌دهد. پس از آن، پلن‌های ابری از حدود ۲۰ یورو در ماه (برای ۲,۵۰۰ اجرا در ماه) شروع می‌شوند.
• نسخه خود-میزبانی (Self-Hosted Community Edition): کاملاً رایگان و بدون محدودیت در تعداد اجراست؛ اما نیازمند دانش فنی جهت نصب و راه‌اندازی روی سرور شخصی (Docker یا VPS) است.

۳. ساخت و پیکربندی گام‌به‌گام ایجنت (Agent Builder)

پس از ورود به پنل کاربری n8n، نوبت به ساخت اولین ایجنت هوش مصنوعی می‌رسد. پلتفرم n8n به دلیل انعطاف‌پذیری بالا و امکان متصل‌کردن مدل‌های زبانی به ابزارهای مختلف، به یکی از محبوب‌ترین بسترهای اتوماسیون تبدیل شده است. 

مراحل نحوه ساخت AI agent

1. در بالای پنل و سمت چپ، روی آیکون + (به همراه دکمه بنفش‌رنگ) کلیک کنید تا منوی ایجاد گزینه‌های جدید باز شود.
2. از میان گزینه‌های منوی باز شده، روی New agent کلیک کنید.
3. با انتخاب این گزینه، به‌طور مستقیم وارد محیط اختصاصی Agent Builder می‌شوید که پنل‌های تنظیم مدل، پرامپت سیستم، ابزارها و بخش چت آزمایشی را در اختیارتان قرار می‌دهد.

نکته: قابلیت Agent Builder و بخش ‌Triggerها در n8n در حال حاضر در وضعیت Preview (پیش‌نمایش/بتا) قرار دارد؛ بنابراین ممکن است ظاهر رابط کاربری در آپدیت‌های بعدی تغییرات جزئی داشته باشد.

۴. تنظیم مدل زبانی (Model) و دستورالعمل سیستم (Instructions)

در این مرحله از آموزش ساخت ایجنت با هوش مصنوعی، نوبت به تنظیم مدل زبانی می‌رسد.

ایجنت برای فکر کردن نیاز به یک مغز پردازشگر دارد. در بخش Model، ارائه‌دهنده مورد نظر خود (مانند OpenAI ،Anthropic یا مدل‌های بومی) را انتخاب کرده و API Key خود را متصل کنید.

لازم به ذکر است پردازش متون در مدل‌های زبانی مستلزم داشتن کلید API شخصی و پرداخت هزینه بر اساس میزان توکن مصرفی به ارائه‌دهنده مدل است.

مراحل تنظیم ساخت ایجنت AI

1. انتخاب مدل زبانی (Model): در بخش Model، مدل هوش مصنوعی مورد نظر خود را انتخاب کنید. در این نمونه می‌توانید از مدل‌های قدرتمندی مثل GPT-4o یا Claude استفاده کنید که مسئولیت تحلیل متن و تولید خلاصه‌ها را بر عهده دارند.
2. تعریف دستورالعمل اصلی (Instructions): در بخش Instructions، نقش دقیق ایجنت را شرح دهید. این دستورالعمل به هوش مصنوعی می‌‌گوید که دقیقاً چه رفتاری داشته باشد.

متن پرامپت پیشنهادی برای درج در کادر Instructions

برای نمونه، دستورالعمل ایجنت ما می‌تواند ساختاری مانند زیر داشته باشد:

System Prompt نمونه

نقش شما یک دستیار خلاصه‌سازی اخبار روزانه است.

وظیفه شما دریافت متن اخبار، شناسایی مهم‌ترین اطلاعات و تهیه یک خلاصه کوتاه و ساختار یافته است.

برای هر خبر:

1. عنوان خبر را مشخص کنید.
2. مهم‌ترین نکته خبر را در حداکثر دو جمله خلاصه کنید.
3. اطلاعاتی که در متن ورودی وجود ندارد اضافه نکنید.
4. اگر اطلاعات کافی برای خلاصه‌سازی وجود ندارد، این موضوع را اعلام کنید.

خروجی را با ساختار زیر ارائه دهید:

• عنوان:
• خلاصه:
• نکته مهم:

حافظه در ایجنت هوش مصنوعی

همه ایجنت‌های هوش مصنوعی به حافظه (Memory) نیاز ندارند. اگر ایجنت وظایف مستقلی مانند خلاصه‌سازی اخبار، دسته‌بندی متن یا پردازش داده‌های ورودی را انجام می‌دهد، معمولاً می‌توان هر اجرا را بدون اتکا به تعاملات قبلی انجام داد.

اما در سناریوهایی مانند دستیارهای شخصی، پشتیبانی مشتری یا مکالمات چندمرحله‌ای، ایجنت باید بتواند اطلاعات مرتبط از تعاملات قبلی را حفظ کند. در این شرایط، اضافه‌کردن حافظه به Workflow کمک می‌کند ایجنت با توجه به سابقه گفتگو یا داده‌های ذخیره‌شده، پاسخ و تصمیم مناسب‌تری ارائه دهد.

بنابراین پیش از افزودن Memory، مشخص کنید که آیا وظیفه ایجنت واقعاً به حفظ اطلاعات بین اجراها نیاز دارد یا خیر؟

چند نکته برای کار با پرامپت فارسی در n8n

1. پردازش اخبار انگلیسی به خروجی فارسی: حتی اگر متن ورودی خبر انگلیسی باشد، می‌توانید در پرامپت فارسی قید کنید: «متن انگلیسی خبر را دریافت کن، آن را ترجمه کرده و خلاصه را به فارسی تحویل بده.» مدل‌های جدید به‌راحتی این ترجمه و خلاصه‌سازی هم‌زمان را انجام می‌دهند.
2. یکدست بودن زبان: برای دریافت بهترین نتیجه، اگر خروجی فارسی می‌خواهید، دستورالعمل‌های اصلی پرامپت را هم به فارسی بنویسید تا مدل دچار سردرگمی زبانی نشود.

پرامپت چیست؟

۵. افزودن ابزارها و مهارت‌ها (Tools / Skills / Triggers)

برای اینکه ایجنت فراتر از یک چت‌بات ساده عمل کند و بتواند کارهای واقعی انجام دهد، باید به آن ابزار وصل کنید (مثلاً ابزار جستجوی وب، خواندن از گوگل شیت یا ارسال پیام در تلگرام و …).

مراحل پیکربندی ساخت ایجنت با هوش مصنوعی

1. افزودن ابزار و مهارت (Skills): با کلیک روی گزینه Add skill، دسترسی ایجنت به پایگاه‌های داده یا سرویس‌های خارجی (نظیر Google Sheets، Airtable یا پایگاه‌های دانش) را برقرار کنید. این قابلیت به ایجنت اجازه می‌دهد خروجی خلاصه‌شده را به‌صورت خودکار در قالب جداول ساختاریافته ذخیره کند.
2. تعیین محرک و زمان‌بندی (Triggers)
   1. Add channel: جهت اتصال ایجنت به پیام‌رسان‌ها یا کانال‌های ارتباطی (مانند تلگرام/بله/ایتا یا ایمیل) برای دریافت مستقیم اخبار استفاده می‌شود.
   2. Add schedule: جهت اجرای خودکار سناریو در فواصل زمانی منظم (مثلاً خلاصه‌سازی روزانه اخبار راس ساعت ۸ صبح) به کار می‌رود.

تعیین محدودیت و کنترل دسترسی ایجنت

هرچه ابزارهای بیشتری به ایجنت متصل کنید، دامنه اقداماتی که می‌تواند انجام دهد هم افزایش می‌یابد. به همین دلیل، بهتر است فقط ابزارها و داده‌هایی را در اختیار ایجنت قرار دهید که برای انجام وظیفه آن ضروری هستند. 

برای مثال، اگر ایجنت فقط باید اخبار را خلاصه و نتیجه را در Google Sheets ذخیره کند، نیازی نیست به ابزارهایی مانند ارسال ایمیل یا حذف اطلاعات دسترسی داشته باشد. محدود کردن دسترسی‌ها، احتمال اجرای ناخواسته عملیات و تغییر اطلاعات نادرست را کاهش می‌دهد.

همچنین دستورالعمل‌های ایجنت باید مشخص کنند در چه شرایطی مجاز به اجرای یک اقدام است و در چه شرایطی باید از ادامه فرایند خودداری کند.

۶. تست زنده، ارزیابی خروجی و انتشار ایجنت (Publish)

پس از تنظیم مدل، Instructions و ابزارهای مورد نیاز، نوبت به آزمایش عملکرد ایجنت می‌رسد. در این مرحله می‌توانید خروجی را بررسی کنید، خطاهای احتمالی را برطرف کنید و پس از اطمینان از عملکرد صحیح، ایجنت را منتشر کنید.

مراحل تست و فعال‌سازی ساخت ایجنت با هوش مصنوعی

1. ارسال داده نمونه در پنل چت: در سمت راست بوم کاری، وارد کادر Message Tech News Summarizer… شوید و یک متن خبری یا پرامپت نمونه ارسال کنید.
2. پایش خروجی ساختاریافته: ایجنت طبق دستورالعمل‌های دریافتی، متن را پردازش کرده و خلاصه، دسته‌بندی موضوعی و نکات کلیدی خبر را در قالب ساختاری منظم تحویل می‌دهد.
3. انتشار نهایی (Publish): پس از اطمینان از صحت عملکرد ایجنت، روی دکمه Publish در بالای سمت راست صفحه کلیک کنید تا وضعیت ایجنت به حالت فعال تغییر یافته و آماده بهره‌برداری در سناریوهای واقعی شود.

ارزیابی عملکرد ایجنت قبل از انتشار

اجرای موفق یک نمونه به‌تنهایی برای اطمینان از عملکرد صحیح ایجنت کافی نیست. پیش از انتشار، چند ورودی متفاوت و نزدیک به شرایط واقعی را آزمایش کنید و خروجی‌ها را با معیارهای مشخص بررسی کنید.

در نمونه خلاصه‌سازی اخبار، می‌توانید موارد زیر را ارزیابی کنید:

• آیا مهم‌ترین اطلاعات هر خبر به‌درستی استخراج شده است؟
• آیا خلاصه در محدوده تعیین‌شده باقی می‌ماند؟
• آیا ایجنت اطلاعاتی خارج از متن ورودی اضافه نمی‌کند؟
• آیا ساختار خروجی در نمونه‌های مختلف ثابت می‌ماند؟
• آیا Workflow در زمان مورد انتظار اجرا می‌شود؟

اگر ایجنت در یکی از این موارد عملکرد مناسبی ندارد، قبل از انتشار دستورالعمل، مدل، ابزارها یا ساختار Workflow را اصلاح و دوباره آزمایش کنید.

تأیید انسانی برای اقدامات حساس

همه اقدامات ایجنت نباید به‌صورت کاملاً خودکار اجرا شوند. اگر Workflow شامل عملیاتی مانند ارسال ایمیل، حذف اطلاعات، ثبت سفارش یا تغییر داده‌های مهم است، می‌توانید یک مرحله تأیید انسانی (Human-in-the-loop) قبل از اجرای اقدام نهایی قرار دهید.

در این حالت، ایجنت ابتدا اطلاعات و پیشنهاد خود را آماده می‌کند و اجرای اقدام نهایی پس از بررسی و تایید کاربر انجام می‌شود. این روش به‌ویژه برای عملیات حساس یا اقداماتی که بازگرداندن آن‌ها دشوار است، کنترل بیشتری ایجاد می‌کند.

نکات کلیدی جهت بهینه‌سازی و عیب‌یابی سناریو

پس از ساخت و انتشار ایجنت، بررسی مداوم اجراها به شناسایی خطاها و بهبود عملکرد Workflow کمک می‌کند. چند نکته مهم در این مرحله عبارت‌اند از:

• مدیریت خطای Rate Limit: اگر هنگام پردازش تعداد زیادی خبر با محدودیت تعداد درخواست‌های API مواجه شدید، حجم درخواست‌ها را کنترل کنید و در صورت نیاز از تاخیر، محدود سازی نرخ درخواست یا اجرای مرحله‌ای Workflow استفاده کنید. مقدار مجاز درخواست‌ها به سرویس و پلن مورد استفاده بستگی دارد.
• یکدست‌کردن خروجی با ساختار JSON: اگر خروجی ایجنت قرار است توسط یک مرحله دیگر در Workflow پردازش شود، قالب خروجی را در Instructions به‌صورت دقیق مشخص کنید. استفاده از ساختار JSON استاندارد می‌تواند از تغییر فرمت پاسخ‌ها در اجراهای مختلف جلوگیری کند.
• پایش اجراها: به‌صورت منظم بخش Executions را بررسی کنید و اجراهای ناموفق را زیر نظر داشته باشید. تغییر ساختار داده‌های ورودی، قطع دسترسی ابزارها یا منقضی‌شدن اطلاعات احراز هویت می‌تواند باعث شکست Workflow شود.
• آزمایش پس از تغییرات: هر زمان مدل، Instructions، ابزارها یا ساختار Workflow را تغییر دادید، چند نمونه واقعی را دوباره آزمایش کنید تا مطمئن شوید تغییر جدید باعث ایجاد خطا در بخش‌های دیگر نشده است.

بهترین ایجنت های هوش مصنوعی

نوشتن و تست دستورالعمل ایجنت با کمک هوشا

کیفیت عملکرد هر ایجنت هوشمند به‌شدت به دقت و شفافیت دستورالعمل اولیه (System Prompt) آن بستگی دارد. حتی اگر تمام گره‌ها و اتصالات فنی در ابزارهای بدون‌کد به‌درستی تنظیم شده باشند، یک پرامپت گنگ و مبهم باعث رفتارهای غیرقابل‌ پیش‌بینی ایجنت می‌شود. نوشتن یک دستورالعمل جامع و دقیق، یک مهارت تخصصی است؛ اما نیازی نیست آن را از صفر بنویسید. شما می‌توانید از ابزارهای هوش مصنوعی قدرتمند برای ساخت، ویرایش و بهینه‌سازی پرامپت ایجنت خود استفاده کنید.

چرا هوشا ابزاری برای پرامپت‌نویسی ایجنت است؟

برای این کار، پلتفرم هوشا یکی از گزینه‌های فارسی است. هوشا به‌عنوان یک هوش مصنوعی آنلاین فارسی امکان دسترسی مستقیم به پیشرفته‌ترین مدل‌های زبانی دنیا (مانند جدیدترین نسخه‌های GPT) را در اختیارتان قرار می‌دهد. از مهم‌ترین مزایای این پلتفرم برای کاربران ایرانی می‌توان به موارد زیر اشاره کرد:

• محیط کاملاً فارسی و کاربر پسند: بدون نیاز به درگیر شدن با واسط‌های پیچیده انگلیسی
• پرداخت ریالی آسان: عدم نیاز به کارت‌های اعتباری بین‌المللی، فیزیکی یا شماره‌های مجازی خارجی
• دسترسی مستقیم و بدون نیاز به فیلترشکن: اتصال سریع و بدون دردسر به برترین مدل‌های هوش مصنوعی بدون نیاز به ابزارهای تغییر IP یا فیلترشکن
• تست و ساخت ایجنت هوش مصنوعی رایگان: امکان استفاده از اعتبارهای اولیه برای سنجش و بهینه‌سازی پرامپت‌ها قبل از پیاده‌سازی نهایی

اجرای عملی: تولید و بهینه‌سازی System Prompt در هوشا

برای نمونه، فرض کنید می‌خواهیم دستورالعمل ایجنت خلاصه‌ساز اخبار تکنولوژی را هوشمندتر و ساختاریافته‌تر کنیم. برای این کار کافی است وارد پلتفرم هوشا شده و در محیط چت جی پی تی فارسی، پرامپت زیر را ارسال کنیم:

پرامپت نمونه جهت ارسال در هوشا

«من در حال ساخت یک ایجنت هوشمند برای خلاصه‌سازی اخبار تکنولوژی هستم. لطفاً یک System Prompt کامل و دقیق به زبان فارسی برای این ایجنت بنویس. ایجنت باید متن خبر را بگیرد، عنوان جذاب بسازد، خبر را در حداکثر ۳ شماره خلاصه کند، لحن رسمی داشته باشد و خروجی را دقیقاً در قالب فرمت JSON برای ذخیره در جدول آماده کند.»

با ارسال این پرامپت، مدل زبانی در هوشا یک دستورالعمل ساختاریافته و استاندارد تحویل می‌دهد. شما می‌توانید خروجی تولید شده را مستقیماً کپی کرده و در بخش System Message ابزار بدون‌کد (مانند n8n) جای‌‌گذاری کنید تا ایجنت با بالاترین دقت ممکن وظایف خود را انجام دهد.

جمع‌بندی

ساخت ایجنت‌های هوشمند دیگر نیازی به برنامه‌نویسی‌های پیچیده و صرف هزینه‌های سنگین ندارد. همان‌طور که در این آموزش دیدید، پلتفرم‌های مدرن اتوماسیون این امکان را فراهم کرده‌اند تا تنها با چیدن چند گره ساده و متصل کردن ابزارها به یکدیگر، فرآیند ساخت ایجنت هوش مصنوعی را کاملاً بدون کدنویسی و متناسب با نیازهای شخصی یا کاری خود پیاده‌سازی کنید.

در این میان، کلید اصلی موفقیت و عملکرد دقیق ایجنت شما، کیفیت دستورالعمل یا همان System Prompt است. استفاده از پلتفرم هوشا به شما کمک می‌کند تا بدون درگیری با پیچیدگی‌های زبانی، هوشمندترین دستورالعمل‌ها را طراحی کرده و ایجنت خود را به بالاترین سطح کارایی برسانید.

نویسنده: حمیده نیکویان