API هوش مصنوعی چیست؟ راهنمای اتصال برنامه به مدل‌های هوش مصنوعی

API هوش مصنوعی راهی استاندارد برای اتصال برنامه، وب‌سایت یا ابزار شما به یک مدل هوش مصنوعی است. برنامه یک درخواست شامل مدل و پیام می‌فرستد و پاسخ ساخت‌یافته دریافت می‌کند. به این ترتیب لازم نیست مدل داخل برنامه اجرا شود و می‌توانید انتخاب مدل، هزینه و دسترسی هر کلید را جدا مدیریت کنید.

API هوش مصنوعی چه کاربردی دارد؟

هر قابلیتی که به تولید یا تحلیل متن نیاز دارد می‌تواند از API استفاده کند؛ برای نمونه دستیار داخل محصول، خلاصه‌سازی، دسته‌بندی درخواست پشتیبانی، استخراج داده از متن، تولید پیش‌نویس و پاسخ‌گویی روی محتوای مشخص. پیش از انتخاب مدل باید بدانید خروجی سریع و ارزان می‌خواهید، استدلال دقیق‌تر لازم دارید یا مدل باید ابزارهای برنامه را فراخوانی کند.

API سازگار با OpenAI یعنی چه؟

بسیاری از کتابخانه‌ها از قرارداد Chat Completions استفاده می‌کنند. در یک API سازگار با OpenAI، ساختار اصلی درخواست و پاسخ با همین قرارداد هماهنگ است. اگر برنامه شما از OpenAI SDK استفاده می‌کند، معمولاً با تغییر کلید، Base URL و شناسه مدل می‌توانید مسیر درخواست را عوض کنید. قابلیت هر مدل یکسان نیست؛ پشتیبانی از Streaming، ابزار یا خروجی ساخت‌یافته را باید پیش از استفاده در کاتالوگ همان مدل بررسی کنید.

برای شروع به چه چیزهایی نیاز دارید؟

1. یک کلید API با دسترسی محدود به مدل‌های موردنیاز بسازید.
2. مدل را براساس کیفیت، سرعت، قابلیت و قیمت انتخاب کنید.
3. کلید را به‌صورت Secret در محیط اجرای برنامه قرار دهید.
4. یک درخواست کوتاه در Playground یا محیط آزمایشی بفرستید.
5. سقف هزینه، Rate Limit، Timeout و مدیریت خطا را پیش از انتشار تنظیم کنید.

نمونه درخواست با OpenAI SDK

نمونه زیر برای یک برنامه Node.js است. کلید نباید داخل سورس یا کد مرورگر قرار بگیرد؛ آن را فقط در Runtime سمت سرور نگه دارید.

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.PAASTA_AI_KEY,
  baseURL: "https://console.paasta.cloud/api/ai/v1"
});

const response = await client.chat.completions.create({
  model: "YOUR_MODEL_ID",
  messages: [{ role: "user", content: "این متن را خلاصه کن." }]
});

console.log(response.choices[0]?.message?.content);

شناسه مدل را از کاتالوگ زنده بردارید. برای نمونه‌های Streaming، ابزارها و خطاها، مستندات API هوش مصنوعی را ببینید.

مدل مناسب را چگونه انتخاب کنیم؟

برای انتخاب مدل فقط به نام آن تکیه نکنید. چند ورودی واقعی و بدون اطلاعات حساس آماده کنید و کیفیت پاسخ، زمان پاسخ، تعداد توکن و هزینه را کنار هم بسنجید. مدل اقتصادی برای دسته‌بندی یا بازنویسی کوتاه ممکن است کافی باشد، در حالی که کارهای چندمرحله‌ای یا تولید کد به مدل توانمندتری نیاز دارند. انتخاب مدل را در تنظیمات سمت سرور نگه دارید تا تغییر آن به بازنویسی رابط کاربر وابسته نباشد.

هزینه API هوش مصنوعی چگونه محاسبه می‌شود؟

هزینه معمولاً از تعداد توکن ورودی و خروجی و قیمت همان مدل محاسبه می‌شود. پیام سیستمی، تاریخچه گفت‌وگو و متن ابزارها نیز می‌توانند جزو ورودی باشند. برای کنترل هزینه، تاریخچه غیرضروری را کوتاه کنید، سقف روزانه و ماهانه هر کلید را مشخص کنید و گزارش مصرف را براساس مدل و کلید بررسی کنید. قیمت هر مدل ممکن است تغییر کند؛ مبلغ زنده را پیش از استفاده در صفحه API هوش مصنوعی پاستا دنبال کنید.

کلید API را چطور امن نگه داریم؟

• کلید را داخل مخزن Git، فایل عمومی یا کد سمت مرورگر قرار ندهید.
• برای محیط توسعه و production کلید جدا بسازید.
• مدل‌های مجاز، تاریخ انقضا، Rate Limit و سقف هزینه را محدود کنید.
• در صورت افشا، کلید را لغو و جایگزین کنید.
• متن کاربر را پیش از ارسال از نظر اطلاعات حساس و مجوز استفاده بررسی کنید.

مدیریت خطا و پاسخ جریانی

برنامه باید برای Timeout، محدودیت نرخ، خطای موقت مسیر و پاسخ نامعتبر رفتار مشخص داشته باشد. Retry فقط برای خطاهای گذرا و با تعداد محدود انجام شود؛ درخواست‌هایی که اثر جانبی دارند باید شناسه پایدار داشته باشند تا تکرار ناخواسته ایجاد نشود. Streaming زمان انتظار ادراکی کاربر را کم می‌کند، اما رابط باید قطع ارتباط و پایان ناقص پاسخ را نیز نمایش دهد.

مسیر پیشنهادی از آزمایش تا production

ابتدا با داده غیرحساس در Playground مدل را ارزیابی کنید. سپس کلید محدود بسازید، درخواست را از Backend بفرستید و گزارش هزینه و خطا را ثبت کنید. پیش از انتشار عمومی، سقف مصرف، پیام خطای قابل‌فهم، Timeout و مسیر جایگزین را آزمایش کنید. اگر برنامه شما Next.js است، راهنمای هاست و سرور Next.js تفاوت متغیرهای Build و Runtime و نگه‌داری Secret را توضیح می‌دهد.