اتصال از ایران و نقش API هوش مصنوعی پاستا
برای استفاده از مدلهای موجود در پاستا میتوانید قیمت تومانی و قابلیتها را در صفحه API جمینای بررسی کنید. مزیت عملی یک مسیر سازگار، جداکردن تنظیمات مدل از منطق برنامه است: کلید، آدرس پایه و شناسه مدل در سمت سرور نگه داشته میشوند. این موضوع به معنی پشتیبانی خودکار از تمام قابلیتهای API بومی گوگل نیست.
پیش از انتخاب Argon، کاتالوگ زنده را باز کنید و موجودبودن دقیق همان مدل را تأیید کنید. اگر وجود ندارد، از مدل عرضهشده دیگری برای ساخت و آزمایش برنامه استفاده کنید؛ در متن رابط یا قیمتگذاری محصول خود، نام Argon را درج نکنید. مستندات API پاستا مرجع آدرس اتصال و قالب درخواست است و کاتالوگ API هوش مصنوعی مرجع مدل و قیمت جاری.
نمونه اتصال بدون وابستگی به نام یک مدل خاص
الگوی زیر برای مدل موجود و سازگار با Chat Completions در پاستاست، نه تأیید دسترسی Argon. سه متغیر محیطی را از تنظیمات معتبر خود پر کنید. کلید را در فایل عمومی، کد مرورگر یا مخزن قرار ندهید. آدرس مستند فعلی پاستا https://console.paasta.cloud/api/ai/v1 است؛ مقدار مدل باید از کاتالوگ کپی شود.
const response = await fetch(`${process.env.PAASTA_AI_BASE_URL}/chat/completions`, {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.PAASTA_AI_KEY}`,
'Content-Type': 'application/json'
},
signal: AbortSignal.timeout(60000),
body: JSON.stringify({
model: process.env.PAASTA_AI_MODEL,
messages: [{ role: 'user', content: 'برای این تابع یک آزمون مرزی پیشنهاد بده.' }],
max_tokens: 400
})
});
if (!response.ok) throw new Error(`AI request failed: ${response.status}`);
const result = await response.json();
console.log(result.choices?.[0]?.message?.content);
این قطعه به یک ورودی ساختگی پاسخ میگیرد. برای برنامه عمومی، احراز هویت کاربر، محدودیت طول ورودی و نرخ درخواست را قبل از فراخوانی مدل اضافه کنید. خطای کامل upstream را مستقیم به مرورگر نفرستید؛ ممکن است جزئیات غیرضروری داشته باشد. نمونه کاملتر را در آموزش اتصال AI SDK به پاستا دنبال کنید.
چگونه کیفیت Argon را روی کار خود بسنجیم؟
یک مجموعه کوچک از مسئلههای واقعی اما بدون داده حساس آماده کنید. برای کدنویسی، نمونهای با آزمون شکستخورده، یک تغییر چندفایلی و یک مسئله با توضیح ناقص انتخاب کنید. پیش از دیدن خروجی، معیار قبولی را بنویسید؛ مثلاً حفظ API قبلی، عبور آزمون و نداشتن وابستگی اضافی. اگر معیار را بعد از دیدن جواب تغییر دهید، مقایسه مدلها قابل اتکا نخواهد بود.
هر مسئله را با تنظیمات ثبتشده اجرا کنید و خروجی را مستقل از نام مدل بررسی کنید. پاسخ طولانیتر الزاماً بهتر نیست. مدل ممکن است با توضیح قانعکننده، یک فرض نادرست را پنهان کند. برای کار سازمانی، بخشی از نمونهها را عمداً مبهم طراحی کنید تا معلوم شود مدل چه زمانی سؤال میپرسد و چه زمانی اطلاعات را حدس میزند. نتیجه را در قالب تعداد پاسخ قابل استفاده و نوع خطا ثبت کنید، نه فقط یک امتیاز سلیقهای.
هزینه واقعی را چگونه مقایسه کنیم؟
هزینه یک کار شامل تمام درخواستهایی است که برای رسیدن به نتیجه لازم میشوند. تاریخچه، خروجی ابزار، تلاش مجدد و پاسخهای کنارگذاشتهشده را هم حساب کنید. ممکن است مدلی با قیمت توکن بالاتر، با درخواست کمتر کار را تمام کند؛ ممکن است برعکس، توضیح طولانی تولید کند و بدون افزایش کیفیت هزینه را بالا ببرد. تا وقتی آزمایش همسان ندارید، هیچکدام را نتیجه قطعی ندانید.
برای مقایسه، سقف خروجی و تعداد تلاش را ثابت نگه دارید. قیمت روز همان مسیر ارائه را ثبت کنید و واحد تومان یا دلار را واضح بنویسید. در پاستا، سقف هزینه کلید و گزارش مصرف را کنار ارزیابی کیفیت بررسی کنید. برای روش ثبت هزینه هر اجرا، راهنمای هزینه و ارزیابی ایجنت نقطه شروع مناسبی است.
مهاجرت امن از مدل قبلی
ابتدا مدل جدید را فقط در محیط آزمایشی فعال کنید. درخواستهای آزمون را به هر دو مدل بدهید، اما خروجی مدل آزمایشی را وارد جریان واقعی مشتری نکنید. قالب JSON، زبان پاسخ، حداکثر زمان انتظار و نحوه اعلام ناتوانی را بررسی کنید. اگر برنامه ابزار اجرا میکند، ورودی ابزار باید دوباره در برنامه اعتبارسنجی شود؛ تصمیم مدل جای مجوز کاربر را نمیگیرد.
بعد از قبولی آزمونها، تغییر را برای بخش کوچکی از کاربردهای کمخطر اجرا کنید. نام مدل قبلی و تنظیماتش را نگه دارید تا امکان بازگشت وجود داشته باشد. شکست بعد از شروع پاسخ جریانی را با تکرار کور درخواست حل نکنید؛ ممکن است هزینه دوباره ایجاد شود یا کاربر دو پاسخ ناسازگار بگیرد. رفتار جایگزین باید از قبل مشخص باشد، بهویژه وقتی مرحلهای اثر بیرونی مثل ارسال پیام دارد.
برنامه را کجا اجرا کنیم؟
مدل از راه API فراخوانی میشود، اما برنامه شما همچنان به محیط اجرا نیاز دارد. رابط وب، احراز هویت، تاریخچه و کنترل مصرف در برنامه قرار میگیرند. برای یک رابط Next.js، هاست Next.js مسیر استقرار را فراهم میکند؛ برای یک ایجنت طولانیمدت باید وضعیت و کار پسزمینه را نیز طراحی کنید. ذخیرهکردن پیشرفت فقط در حافظه پردازش، بعد از restart از بین میرود.
هزینه هاست را از هزینه مدل جدا ببینید. سرویس کوچک با درخواستهای سنگین ممکن است هزینه مدل بیشتری از زیرساخت داشته باشد. در مقابل، پردازش فایل یا اجرای ابزار میتواند به منابع سرور بیشتری نیاز داشته باشد، حتی اگر توکن کمی مصرف کند. نقطه شروع مناسب، یک برنامه محدود با ورودی و خروجی روشن است، نه ایجنتی با دسترسی گسترده و بدون سقف.
چه زمانی فعلاً مهاجرت نکنیم؟
اگر مدل فعلی مسئله را با کیفیت قابل قبول حل میکند و هنوز آزمون مقایسه ندارید، عجله برای تغییر سود مشخصی ندارد. اگر قابلیت ضروری در مسیر ارائه جدید موجود نیست، نام مدل قویتر این کمبود را جبران نمیکند. همچنین برای کاری که نیاز به پاسخ کاملاً قابل پیشبینی دارد، بهتر است تصمیم نهایی با قواعد برنامه یا بازبینی انسانی کنترل شود.
برای شروع، سه کار مشخص انتخاب کنید، بودجه آزمایش را محدود کنید و نتیجه را مستند نگه دارید. پس از بررسی کاتالوگ و دسترسی واقعی، یک مدل مناسب را انتخاب کنید. این روش اجازه میدهد از تازگی Gemini 4 استفاده کنید، بدون اینکه معماری برنامه یا هزینه مشتری را به وعدههای تأییدنشده وابسته کنید.
بهروزرسانی ۲۹ اکتبر: Carbon و Argon را یک مدل فرض نکنید
گوگل در ۲۸ اکتبر از Gemini 4 Carbon رونمایی کرد. در زمان این بهروزرسانی، عرضه اولیه آن محدود اعلام شده و API عمومی آن تأیید نشده است. بنابراین دستورهای اتصال این مقاله را با جایگزینکردن حدسی نام مدل به راهنمای Carbon تبدیل نکنید. راهنمای Gemini 4 Carbon، مقایسه با Argon و وضعیت دسترسی تفاوت معرفی رسمی، کاتالوگ عمومی و دسترسی واقعی حساب را توضیح میدهد. در بررسی کاتالوگ فعال پاستا، Argon موجود بود و Carbon فعال نبود؛ آخرین کاتالوگ مرجع خرید است.
برای آمادهسازی مهاجرت احتمالی، مجموعه ارزیابی و نسخه پرامپت فعلی را نگه دارید. کیفیت فارسی، اعتبار خروجی و هزینه هر کار پذیرفتهشده باید با ورودی یکسان مقایسه شوند. وجود نتیجه بهتر در یک ارزیابی سازنده به معنی بهبود همه کارهای محصول نیست. اگر مدل تازه بعداً در دسترس شد، ابتدا چند کار غیرحساس را آزمایش کنید و مسیر بازگشت به مدل و قرارداد خروجی قبلی را حفظ کنید. این تغییر وضعیت خبری، نه دسترسی Carbon را فعال میکند و نه تنظیم موجود Argon را بیاعتبار میسازد.
نظرات کاربران (۰)
هنوز نظری ثبت نشده است. اولین نفر باشید.