مدل‌های هوش مصنوعی را پیش از یکپارچه‌سازی در برنامه خود، به‌صورت تعاملی آزمایش کنید

محیط آزمون

محیط آزمون یک بستر آزمایشی تعاملی است که در آن می‌توانید بدون نوشتن حتی یک خط کد، مدل‌های هوش مصنوعی را امتحان کنید.

محیط آزمون چیست؟

محیط آزمون به شما امکان می‌دهد:

✅ مدل‌های مختلف هوش مصنوعی را به‌صورت آنی آزمایش کنید
✅ با پارامترها (دما، بیشینه توکن) آزمایش کنید
✅ تعداد توکن مصرف‌شده در هر درخواست را ببینید
✅ قطعه‌کدهایی برای برنامه خود تولید کنید

محیط آزمون از یکی از کلیدهای API خودتان استفاده می‌کند که آن را از فهرست بالای صفحه انتخاب می‌کنید. هزینه‌ی درخواست‌ها دقیقاً مانند هر درخواست دیگری با همان کلید محاسبه می‌شود.

شروع کار

دسترسی به محیط آزمون

وارد داشبورد خود شوید
روی «محیط آزمون» در نوار کناری کلیک کنید
کلید API بسازید و در صورت نیاز موجودی کیف‌پول را افزایش دهید
کلید و مدل را انتخاب کنید، سپس پیام بفرستید

نمای کلی رابط کاربری

پنل چپ: تنظیمات و پرامپت سیستم بخش میانی: گفت‌وگوی چت پنل راست: انتخاب مدل و پارامترها پایین: کادر پیام و دکمه ارسال

انتخاب مدل

انتخاب یک مدل

مدلی را انتخاب کنید که کلید API شما به آن دسترسی دارد. نام مدل‌ها تغییر می‌کند؛ به‌جای کپی کردن نمونهٔ قدیمی، فهرست فعلی انتخاب مدل یا صفحهٔ مدل‌ها را ببینید.

مقایسه مدل‌ها

یک پرامپت یکسان را با مدل‌های مختلف امتحان کنید تا موارد زیر را مقایسه کنید:

کیفیت پاسخ‌ها
سرعت پاسخ‌دهی
تفاوت هزینه
سبک و لحن

پرامپت سیستم

پرامپت سیستم چیست؟

پرامپت سیستم رفتار و شخصیت هوش مصنوعی را تعیین می‌کند:

پیش‌فرض:

You are a helpful assistant.

نمونه‌های سفارشی:

You are an expert Python developer who writes clean, efficient code.

You are a technical writer who explains complex topics simply.

You are a data analyst who provides insights backed by reasoning.

بهترین شیوه‌ها

انجام دهید:

✅ درباره نقش، مشخص و دقیق باشید
✅ تخصص مرتبط را ذکر کنید
✅ سبک مورد نظر را بیان کنید (رسمی، محاوره‌ای، فنی)
✅ در صورت نیاز، قالب خروجی را مشخص کنید

انجام ندهید:

❌ آن را بیش از حد طولانی نکنید (توکن هدر می‌رود)
❌ با خودتان تناقض نداشته باشید
❌ سؤال واقعی درون آن نگذارید (سؤال‌ها را در پیام‌های کاربر بگذارید)

پیکربندی پارامترها

دما (Temperature)

بازه: 0.0 تا 2.0 پیش‌فرض: 0.7

چه چیزی را کنترل می‌کند:

تصادفی بودن و خلاقیت پاسخ‌ها
کمتر = متمرکزتر و قطعی‌تر
بیشتر = خلاقانه‌تر و متنوع‌تر

موارد استفاده:

0.0 تا 0.3: پاسخ‌های واقعیت‌محور، تولید کد، محاسبات ریاضی
0.4 تا 0.7: گفت‌وگوی عمومی، خروجی متعادل
0.8 تا 1.5: نوشتار خلاقانه، ایده‌پردازی
1.6 تا 2.0: بسیار خلاقانه (می‌تواند پیش‌بینی‌ناپذیر باشد)

نمونه‌ها:

دما = 0.0:

Q: What is the capital of France?
A: Paris is the capital of France.

دما = 1.5:

Q: What is the capital of France?
A: Ah, the romantic city of Paris, with its iconic Eiffel Tower
and charming cobblestone streets, serves as France's glittering
capital!

بیشینه توکن

بازه: 1 تا 4096 (بسته به مدل متفاوت است) پیش‌فرض: 1000

چه چیزی را کنترل می‌کند:

بیشینه طول پاسخ
هر توکن ≈ 0.75 کلمه
با رسیدن به این محدودیت، پاسخ متوقف می‌شود

توصیه‌ها:

پاسخ‌های کوتاه: 100 تا 300 توکن
پاراگراف‌ها: 300 تا 800 توکن
مقاله‌ها: 1000 تا 2000 توکن
محتوای بلند: 2000 تا 4096 توکن

⚠️ نکته: توکن بیشتر = هزینه بیشتر. مقدار مناسب را تعیین کنید!

Top P (نمونه‌گیری هسته‌ای)

بازه: 0.0 تا 1.0 پیش‌فرض: 1.0

چه چیزی را کنترل می‌کند:

جایگزینی برای دما جهت کنترل تصادفی بودن
فقط P درصد بالای توده احتمال را در نظر می‌گیرد

نحوه استفاده:

معمولاً روی 1.0 نگه دارید
مقدار کمتر (0.1 تا 0.5) برای پاسخ‌های متمرکزتر
معمولاً تنظیم نمی‌شود

رابطه با دما:

هر دو را همزمان تنظیم نکنید
از یکی از این دو استفاده کنید

استریم

کلید روشن/خاموش: روشن/خاموش پیش‌فرض: روشن

عملکرد:

روشن: پاسخ‌ها کلمه‌به‌کلمه نمایش داده می‌شوند (مانند ChatGPT)
خاموش: کل پاسخ یک‌جا نمایش داده می‌شود

مزایای استریم:

تجربه کاربری بهتر
مشاهده پیشرفت به‌صورت لحظه‌ای
امکان لغو در صورت کافی بودن پاسخ
هزینه یکسان با حالت غیراستریم

گفت‌وگوی چت

ارسال پیام‌ها

پیام خود را در کادر ورودی تایپ کنید
کلید Enter را بزنید یا روی Send کلیک کنید
مشاهده کنید که پاسخ به‌صورت استریم نمایش داده می‌شود
گفت‌وگو را به‌طور طبیعی ادامه دهید

سابقه گفت‌وگو

محیط آزمون زمینه گفت‌وگو را حفظ می‌کند:

همه پیام‌های قبلی به خاطر سپرده می‌شوند
مدل کل گفت‌وگو را می‌بیند
بر پایه زمینه قبلی ادامه می‌دهد
در هر زمان با دکمه Clear آن را بازنشانی کنید

ظرفیت زمینه بسته به مدل فرق دارد. پیش از فرستادن متن طولانی، جزئیات مدل انتخاب‌شدهٔ فعلی را بررسی کنید.

هنگام رسیدن به این محدودیت:

قدیمی‌ترین پیام‌ها به‌طور خودکار حذف می‌شوند
زمینه اخیر حفظ می‌شود
یا گفت‌وگوی جدیدی را آغاز کنید

پاک کردن گفت‌وگو

روی دکمه Clear کلیک کنید تا:

همه پیام‌ها حذف شوند
گفت‌وگوی تازه‌ای آغاز شود
زمینه بازنشانی شود
پارامترهای قبلی حفظ شوند

مصرف توکن

محیط آزمون تعداد توکن‌های هر نشست را نشان می‌دهد؛ توکن‌های پرامپت و توکن‌های پاسخ، همان‌گونه که ارائه‌دهنده برای هر درخواست گزارش می‌کند.

مبلغی نمایش داده نمی‌شود. تعداد توکن‌ها اندازه‌گیری‌شده است، اما مبلغ باید از یک نرخ محاسبه شود و نرخی که واقعاً به درخواست شما تعلق می‌گیرد بر پایه‌ی مصرف صورت‌حساب‌شده‌ی ارائه‌دهنده تسویه می‌شود، نه با برآوردی در مرورگر. نمایش یک برآورد در کنار یک عدد اندازه‌گیری‌شده باعث می‌شود هر دو واقعی به نظر برسند.

برای دیدن هزینه‌ی واقعی هر درخواست به گزارش‌ها بروید — هزینه‌ی تسویه‌شده روی هر ردیف ثبت است — یا برای مجموع یک بازه، مصرف را ببینید.

خروجی گرفتن از کد

تولید قطعه‌کد

گفت‌وگوی محیط آزمون خود را به کدی قابل‌اجرا تبدیل کنید!

زبان‌های پشتیبانی‌شده:

Python (SDK رسمی OpenAI)
Node.js/TypeScript
دستورهای cURL

نحوه خروجی گرفتن

روی دکمه «نمایش کد» در پنل تنظیمات کلیک کنید
زبان مورد نظر خود را انتخاب کنید
قطعه‌کد به همراه موارد زیر نمایش داده می‌شود:
- جای‌نگه‌دار کلید API
- مدل انتخاب‌شده
- پرامپت سیستم
- پیام‌های گفت‌وگوی فعلی
- همه پارامترها (دما، بیشینه توکن)
روی دکمه Copy کلیک کنید
آن را در برنامه خود جای‌گذاری کنید

نمونه Python

کد Python تولیدشده

from openai import OpenAI

client = OpenAI(
  api_key="YOUR_API_KEY",
  base_url="https://api.yoursite.com/v1"
)

response = client.chat.completions.create(
  model="GLM 5.3 Flash",
  messages=[
      {
          "role": "system",
          "content": "You are a helpful assistant."
      },
      {
          "role": "user",
          "content": "Your message here"
      }
  ],
  temperature=0.7,
  max_tokens=1000
)

print(response.choices[0].message.content)

نمونه Node.js

کد Node.js تولیدشده

import OpenAI from 'openai';

const client = new OpenAI({
apiKey: 'YOUR_API_KEY',
baseURL: 'https://api.yoursite.com/v1'
});

async function main() {
const response = await client.chat.completions.create({
  model: 'GLM 5.3 Flash',
  messages: [
    {
      role: 'system',
      content: 'You are a helpful assistant.'
    },
    {
      role: 'user',
      content: 'Your message here'
    }
  ],
  temperature: 0.7,
  max_tokens: 1000
});

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

main();

نمونه cURL

دستور cURL تولیدشده

curl https://api.yoursite.com/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
  "model": "GLM 5.3 Flash",
  "messages": [
    {
      "role": "system",
      "content": "You are a helpful assistant."
    },
    {
      "role": "user",
      "content": "Your message here"
    }
  ],
  "temperature": 0.7,
  "max_tokens": 1000
}'

موارد استفاده

آزمایش مدل‌ها

مقایسه عملکرد:

یک سؤال یکسان را از چند مدل بپرسید
کیفیت، سرعت و هزینه را مقایسه کنید
بهترین گزینه را برای کاربرد خود انتخاب کنید

نمونه آزمایش:

Prompt: "Explain quantum computing in simple terms"
- GLM 5.3 Flash را امتحان کنید
- Qwen 3.8 را امتحان کنید
- پاسخ‌ها، تأخیر و هزینهٔ نمایش‌داده‌شده را مقایسه کنید

مهندسی پرامپت

تکرار روی پرامپت‌ها:

با یک پرامپت ساده شروع کنید
پاسخ را ببینید
پرامپت سیستم را اصلاح کنید
پارامترها را تنظیم کنید
حالت‌های مختلف را آزمایش کنید
نسخه نهایی را خروجی بگیرید

نمونه تکرار:

Try 1: "Write code"
→ Too vague

Try 2: "Write Python code to sort a list"
→ Works but generic

Try 3: [System: "You are an expert Python developer"]
        "Write efficient Python code to sort a list"
→ Better quality, includes explanation

نمونه‌سازی اولیه

نمونه‌های سریع:

ایده خود را در محیط آزمون بیازمایید
رویکرد را اصلاح کنید
کد را خروجی بگیرید
آن را در برنامه خود یکپارچه کنید
یک کلید API بسازید
راه‌اندازی کنید!

دموها

ارائه به ذی‌نفعان:

قابلیت‌ها را نشان دهید
مدل‌های مختلف را نمایش دهید
پارامترها را توضیح دهید
هزینه‌های API را توجیه کنید
موافقت آن‌ها را برای یکپارچه‌سازی جلب کنید

نکته‌ها و ترفندها

پرامپت‌نویسی مؤثر

دقیق باشید: ❌ «درباره سگ‌ها بگو» ✅ «مقاله‌ای 200 کلمه‌ای درباره نکات مراقبت از سلامت گلدن رتریور بنویس»

زمینه ارائه دهید: ❌ «این کد را درست کن» ✅ «این تابع Python که قرار است اعداد فیبوناچی را محاسبه کند اما نتیجه اشتباه می‌دهد را درست کن»

از مثال استفاده کنید:

System: You are a data formatter
User: Convert this to JSON:
Name: John, Age: 30, City: NYC

[Shows example]

Now do the same for:
Name: Sarah, Age: 25, City: LA

محدودیت تعیین کنید:

"Explain in exactly 3 bullet points"
"Response must be under 50 words"
"Use only simple vocabulary (grade 5 level)"
"Respond in JSON format"

بهینه‌سازی پارامترها

برای پرسش‌وپاسخ واقعیت‌محور:

دما: 0.0 تا 0.3
بیشینه توکن: 100 تا 500
مدل: GLM 5.3 Flash (مقرون‌به‌صرفه)

برای نوشتار خلاقانه:

دما: 0.8 تا 1.2
بیشینه توکن: 1000 تا 2000
مدل: مدل‌های در دسترس را در فهرست انتخاب مقایسه کنید

برای تولید کد:

دما: 0.0 تا 0.2
بیشینه توکن: 500 تا 1500
مدل: مدل‌های در دسترس را با کار کدنویسی خود آزمایش کنید

بهینه‌سازی هزینه

در محیط آزمون:

نرخ ورودی و خروجی را در صفحهٔ مدل‌ها مقایسه کنید
با یک مدل کم‌هزینه که کلیدتان به آن دسترسی دارد شروع کنید و نتیجه‌ها را بسنجید
بیشینه توکن را در حد معقول تنظیم کنید
توکن را صرف آزمایش‌های تکراری نکنید

در محیط تولید:

از بینش‌های به‌دست‌آمده در محیط آزمون استفاده کنید
پیش از استقرار، پرامپت‌ها را بهینه کنید
مدل مناسب را برای هر وظیفه انتخاب کنید
برای کلیدهای API محدودیت تعیین کنید

ممکن است مدل موقتاً در دسترس نباشد
مدل دیگری را امتحان کنید
صفحه وضعیت را بررسی کنید
در صورت تداوم مشکل، با پشتیبانی تماس بگیرید

زمینه گفت‌وگو از دست رفته است

مشکل: مدل پیام‌های قبلی را «فراموش» می‌کند

راه‌حل:

ظرفیت زمینه پر شده است
گفت‌وگو را پاک کرده و از نو شروع کنید
اگر کلیدتان دسترسی دارد، مدلی با ظرفیت زمینهٔ مستند و بزرگ‌تر انتخاب کنید
گفت‌وگوها را متمرکز نگه دارید

محیط آزمون

در این صفحه