هوش مصنوعی برای برنامه‌نویسان؛ مدل، پرامپت و API

قیمت‌ها از کاتالوگ آمده‌اند و ممکن است تغییر کنند. مقایسه‌ی کامل: کدام مدل برای کدنویسی.

اتصال به API

API پیکو هوش با فرمت OpenAI (/v1/chat/completions) و Anthropic (/v1/messages) سازگار است. Base URL: https://api.picoai.ir/v1.

from openai import OpenAI
client = OpenAI(base_url="https://api.picoai.ir/v1", api_key="YOUR_API_KEY")

r = client.chat.completions.create(
    model="claude-sonnet-5-5",
    messages=[
        {"role": "system", "content": "You are a senior Python reviewer."},
        {"role": "user", "content": "این تابع را بازبینی کن:\n" + open("util.py").read()},
    ],
    max_tokens=800,
)
print(r.choices[0].message.content)

برای ابزارهایی که Base URL قابل‌تنظیم دارند، همین آدرس را بگذارید. راه‌نمای کامل در docs؛ برای مهاجرت از سرویس دیگر، migrate.

نکات حرفه‌ای

• همیشه اجرا و تست کنید. مدل می‌تواند API وجودنداشته یا نسخه‌ی قدیمی را فرض کند.
• ورودی را کوچک کنید. فقط بخش مرتبط را بفرستید؛ هم ارزان‌تر و هم دقیق‌تر است.
• `max_tokens` بگذارید. سقف خروجی جلوی هزینه‌ی غیرمنتظره را می‌گیرد.
• اسرار را وارد نکنید: کلیدها، رمزها و داده‌ی مشتری. حریم خصوصی داده.
• مجوز کد تولیدشده: سیاست شرکت و ابهام‌های حقوقی را در نظر بگیرید: کپی‌رایت محتوای AI.
• ثبت هزینه: استفاده را مانیتور کنید. نصف کردن هزینه.

محدودیت‌ها

مدل‌ها در پروژه‌های بزرگ بدون زمینه‌ی کافی اشتباه می‌کنند، امنیت را تضمین نمی‌کنند و ممکن است کد ناامن بنویسند. بازبینی انسانی و تست جایگزین‌ناپذیر است.

گردش کار پیشنهادی برای پروژه‌های واقعی

برای کار روزمره، یک الگوی ساده خوب جواب می‌دهد: ابتدا مسئله را در چند جمله توضیح دهید و از مدل بخواهید پیش از نوشتن کد، رویکرد را بگوید. رویکرد را بخوانید و اصلاح کنید؛ سپس کد را بخواهید. بعد تست‌ها را بنویسید و اجرا کنید. اگر تست شکست خورد، خطای واقعی را به مدل بدهید، نه توصیف خودتان را. این حلقه‌ی کوتاه (طرح، کد، تست، اصلاح) از درخواست‌های بزرگ و یک‌باره قابل‌اعتمادتر است.

برای بازبینی کد (code review)، دیف تغییرات را بدهید و بخواهید فقط روی باگ‌های محتمل، شرایط مرزی و مسائل امنیتی تمرکز کند. توجه کنید که حجم ورودی روی هزینه اثر مستقیم دارد؛ فایل‌های بی‌ربط را نفرستید. اگر برنامه‌ی شما چندین بار پیشوند ثابت (مثلاً دستورالعمل‌ها) می‌فرستد، با کش توکن‌های ورودی می‌توانید هزینه را کم کنید، که در نصف کردن هزینه‌ی API توضیح داده‌ایم.

جمع‌بندی و گام بعدی

مهم‌ترین اصل این است که هوش مصنوعی ابزار تقویت کار شماست، نه جایگزین مسئولیت شما. یک کار مشخص و کم‌ریسک انتخاب کنید، نتیجه را اندازه بگیرید، پرامپت‌های موفق را ذخیره کنید و به‌تدریج دامنه را گسترش دهید. اگر در انتخاب مدل مردد هستید، مقاله‌ی مدل ارزان یا قوی؟ و صفحه‌ی کاتالوگ کمک می‌کنند. همیشه به یاد داشته باشید که هر خروجی ممکن است خطا داشته باشد؛ بازبینی انسانی، به‌ویژه برای موضوعات مالی، حقوقی و پزشکی، ضروری است. برای شروع می‌توانید همین حالا وارد استودیو شوید و یک آزمایش کوچک انجام دهید، سپس در صورت نیاز با API آن را خودکار کنید. هزینه‌ها را در قیمت‌گذاری ببینید و پیش از افزایش حجم، مصرف را برای چند روز پایش کنید تا غافلگیر نشوید.

سوالات متداول

برای کدنویسی کدام مدل را شروع کنم؟

برای شروع claude-sonnet-5-5 یا gpt-6-sol؛ سپس برای کارهای ساده به مدل ارزان‌تر بروید.

آیا می‌توانم از Cursor یا ابزارهای مشابه استفاده کنم؟

اگر ابزار Base URL سازگار با OpenAI یا Anthropic را بپذیرد، می‌توانید آدرس را تنظیم کنید؛ جزئیات را در مستندات و تنظیمات ابزار ببینید.

آیا کد من برای آموزش مدل استفاده می‌شود؟

به سیاست سرویس‌دهنده‌ی مدل و سرویس واسط بستگی دارد؛ بخش حریم خصوصی را ببینید.

درخواست ناموفق هزینه دارد؟

خیر.