فصل ۱ — درک مدلها و پرامپت
مدلهای زبانی چطور کد میفهمند؟ مهندسی پرامپت پایه: نقش، زمینه، خروجی مشخص پرامپت پیشرفته: مثالمحور، تفکر مرحلهای و زنجیرهفصل ۲ — ابزارهای کدنویسی با AI
دستیارهای درونادیتور: Copilot و امثال آن AI برای بازبینی کد و دیباگفصل ۳ — گردش کار حرفهای
ساخت محصول با AI: فراخوانی API، جریان و هزینه گردش کار حرفهای: حدود مسئولیت و یادگیری با AIپروژه عملی پایان دوره
پروژه پایانی — دستیار پرسشوپاسخ برای سایت خودتانساخت محصول با AI: فراخوانی API، جریان و هزینه
وقتی AI بخشی از محصول شماست (چتبات، تولید محتوا، دستیار)، سه مسئله مهندسی دارید: مدیریت جریان پاسخ (streaming)، هزینه و محدودیت نرخ، و طراحی fallback. پاسخ مدل متغیر است؛ محصول شما باید با پاسخ بد/کم هم تمیز کار کند.
مراحل قدمبهقدم
-
۱
جریان پاسخ (Streaming)
برای پاسخهای بلند، SSE/streaming بگیرید تا کاربر تایپ شدن را ببیند — تجربه محسوس بهتر و timeout کمتر. در fetch با ReadableStream و تکهتکه append کنید؛ ابزارهای SSE پارسر آماده دارند.
-
۲
هزینه و توکن
هر درخواست توکن مصرف میکند (زمینه + خروجی). کوتاهکردن پرامپت، خلاصهسازی تاریخ گفتگو و کش پاسخهای پرتکرار، صورتحساب را نصف میکند. هزینه را در پاسخ API لاگ کنید تا داشبورد بدهید.
-
۳
مدیریت خطا و fallback
مدل گاهی timeout، 429 یا پاسخ بیربط میدهد. الگوی مقاوم: timeout با AbortController، retry با بکآفس روی 429/5xx، سقف طول پاسخ، و در نهایت پیام تمیز به کاربر («فعلاً در دسترس نیست») بهجای کرش.
-
۴
اعتبارسنجی خروجی
اگر مدل باید JSON بدهد، schema بخواهید و parse را با try/catch و اعتبارسنجی کنید؛ پاسخ خراب را با پرامپت اصلاح دوباره بپرسید (حداکثر یک بار). هرگز خروجی مدل را بدون escape مستقیم در UI نگذارید — همان قواعد XSS.
نکات مهم
- ◆ هزینه = زمینه + خروجی؛ پرامپت کوتاه و تاریخ خلاصهشده عادت محصولی است.
- ◆ timeout و retry و fallback برای هر فراخوانی مدل الزامی است.
- ◆ خروجی مدل = ورودی کاربر است؛ escape و اعتبارسنجی بدون استثنا.
کد یا مسیر نمونه
async function askAI(messages) {
const ac = new AbortController();
const timer = setTimeout(() => ac.abort(), 30000);
try {
const res = await fetch("https://api.example-llm.com/v1/chat", {
method: "POST",
headers: { "Content-Type": "application/json", "Authorization": `Bearer ${KEY}` },
body: JSON.stringify({ model: "glm-4", temperature: 0.2, messages, stream: true }),
signal: ac.signal,
});
if (res.status === 429) throw new Error("RATE");
if (!res.ok) throw new Error(`HTTP ${res.status}`);
const reader = res.body.getReader();
const decoder = new TextDecoder();
let full = "";
for (;;) {
const { done, value } = await reader.read();
if (done) break;
full += decoder.decode(value);
onChunk(full); // رندر تدریجی در UI
}
return full;
} finally {
clearTimeout(timer);
}
}
// سطح بالاتر با retry:
async function askWithRetry(messages) {
for (let i = 1; i <= 3; i++) {
try { return await askAI(messages); }
catch (e) {
if (e.message !== "RATE" || i === 3) throw e;
await new Promise((r) => setTimeout(r, 1000 * 2 ** i));
}
}
}
اجرای زنده کد JavaScript
کد را ویرایش کنید و «اجرای کد» را بزنید — خروجی واقعی مرورگر همینجا رندر میشود؛ مثل آزمایشگاه w3schools.
پرسش و پاسخ این درس (۰)
هنوز دیدگاهی ثبت نشده؛ اولین نفر باشید!