როგორ გამოვიყენოთ LLM API: ტოკენები, ხარჯები, გასაღებები და პირველი AI ფუნქცია

LLM API არის ვებ სერვისი, რომელიც თქვენს აპს საშუალებას აძლევს, ტექსტი დიდ ენობრივ მოდელს გაუგზავნოს — მაგალითად, OpenAI-ის GPT მოდელებს, Anthropic-ის Claude-ს ან Google-ის Gemini-ს — და პასუხი კოდში დაიბრუნოს. პროვაიდერთან რეგისტრირდებით, ქმნით API გასაღებს, და თქვენი აპის სერვერი მოთხოვნებს ამ გასაღებით აგზავნის; თითოეულ მოთხოვნაში გადასახადს იხდით შემავალი და გამომავალი ტოკენების (ტექსტის ნაწილების) რაოდენობის მიხედვით. „AI-ის დამატება აპში“ ჩვეულებრივ სწორედ ეს არის: კარგად დაწერილი მოთხოვნა სხვის მოდელზე, უსაფრთხოდ, თქვენი სერვერიდან.

რატომ არის ეს მნიშვნელოვანი, როცა AI-ით აშენებთ

AI-ით აგებულ აპში ორი განსხვავებული AI არსებობს, და მათი აღრევა ადვილია:

1. AI, რომელიც თქვენს აპს აშენებს — ბილდერის საკუთარი აგენტი, რომელიც კოდს წერს.
2. AI თქვენს აპში — ფუნქცია, რომელსაც თქვენი მომხმარებლები იყენებენ, მაგალითად ჩათ-ასისტენტი, ღილაკი „შეაჯამე ეს“ ან ავტომატური მონიშვნა.

მეორე მათგანი LLM API-ს იძახებს თქვენი გასაღებით და გადასახადს თქვენს პროვაიდერის ანგარიშზე წერს. ტოკენების, კონტექსტისა და ფასების გაგება გეხმარებათ ისეთი ფუნქციის დიზაინში, რომელიც მუშაობს, არ აჟონებს თქვენს გასაღებს და არ გაგაკვირვებთ ანგარიშით.

ყოველდღიური ანალოგია: ძალიან ნიჭიერი ფრილანსერი, რომელსაც სიტყვით იხდიან

LLM API წარმოიდგინეთ როგორც შესანიშნავი ფრილანსერი მწერალი, რომელსაც ელფოსტით მიმართავთ და სიტყვით უხდით — როგორც იმ სიტყვებისთვის, რომლებსაც მას უგზავნით, ისე იმისთვის, რასაც ის გიპასუხებთ (და გამომავალი სიტყვები უფრო ძვირი ღირს).

• მას მეხსიერება არ აქვს წერილებს შორის. თუ გინდათ, რომ საუბარი გააგრძელოს, ყოველ ახალ წერილში წინა შეტყობინებებს თავიდან ჩასვამთ.
• ერთდროულად მხოლოდ გარკვეული რაოდენობის წაკითხვა შეუძლია. ეს ზღვარი არის კონტექსტის ფანჯარა.
• რაც უფრო მკაფიოა თქვენი დავალება, მით უკეთესი და მოკლე იქნება პასუხი — რაც ასევე იაფია.

ძირითადი ცნებები

ტოკენები

მოდელები ტექსტს ტოკენებად კითხულობენ და წერენ. Anthropic-ის ფასების დოკუმენტაცია 2026 წლის სექტემბრის მდგომარეობით ერთ ტოკენს დაახლოებით 4 სიმბოლოდ ან 0.75 ინგლისურ სიტყვად აფასებს. სხვადასხვა მოდელი და ენა სხვადასხვანაირად ყოფს ტექსტს, ამიტომ ეს უხეში სახელმძღვანელოა. ყველაფერი ითვლება: თქვენი ინსტრუქციები, მომხმარებლის შეტყობინება, ნებისმიერი დოკუმენტი, რომელსაც ამატებთ, წინა საუბარი და პასუხი.

შემავალი და გამომავალი

შემავალი ტოკენები ის არის, რასაც აგზავნით. გამომავალი ტოკენები ის არის, რასაც მოდელი წერს. OpenAI-ის, Anthropic-ის და Google-ის ფასების გვერდებზე, 2026 წლის სექტემბრის მდგომარეობით, იმავე მოდელისთვის გამომავალი ტოკენები შემავალზე რამდენჯერმე ძვირია. Google-ის Gemini-ის ფასები ასევე აღნიშნავს, რომ მოდელის შიდა „thinking“ გამომავალად ითვლება.

კონტექსტის ფანჯარა

ტოკენების მაქსიმალური რაოდენობა, რომელსაც მოდელი ერთ მოთხოვნაში მიიღებს, პასუხის ჩათვლით. თანამედროვე მოდელები ძალიან გრძელ შემავალ ტექსტებს იღებენ — მაგალითად, Anthropic-ის ზოგიერთი მიმდინარე მოდელი მილიონ ტოკენამდე. მაგრამ გრძელი შემავალი უფრო ძვირი ღირს და მეტ დროს მოითხოვს, ამიტომ აგზავნეთ მხოლოდ ის, რაც დავალებას სჭირდება.

უმდგომარეობო მოთხოვნები

ჩვეულებრივი ჩათის სტილის API-ებში თითოეული მოთხოვნა ნაგულისხმევად დამოუკიდებელია. იმისთვის, რომ ჩათმა „დაიმახსოვროს“, თქვენმა აპმა ყოველ ახალ შეტყობინებასთან ერთად წინა შეტყობინებები თავიდან უნდა გაუგზავნოს. ამიტომაა, რომ გრძელი საუბარი ყოველ შეტყობინებაზე უფრო ძვირი ღირს, ვიდრე მოკლე.

სისტემური პრომპტი

ინსტრუქციები, რომლებიც განსაზღვრავს მოდელის როლსა და წესებს ყოველ მოთხოვნაზე: „შენ აჯამებ მხარდაჭერის ბილეთებს სამ პუნქტად. არასდროს ჩართო მომხმარებლების ელფოსტის მისამართები.“ მომხმარებლები მას არ ხედავენ, მაგრამ ის ყოველ პასუხს აყალიბებს.

სტრიმინგი

სრული პასუხის ლოდინის ნაცვლად, API ტექსტს გენერირებისთანავე აგზავნის, ისე რომ მომხმარებლები სიტყვებს მაშინვე ხედავენ. ეს ჩათის ინტერფეისებს ბევრად უფრო სწრაფად აგრძნობინებს თავს.

როგორ მუშაობს ფასი

2026 წლის სექტემბრის მდგომარეობით, შემოწმებული პროვაიდერების საკუთარ ფასების გვერდებზე:

ზოგი პროვაიდერი სცდის შესაძლებლობას გადახდამდე: Anthropic ახალ მომხმარებლებს მცირე უფასო კრედიტს აძლევს, ხოლო Google-ის Gemini API ზოგ მოდელზე უფასო დონეს გვთავაზობს, იმ გაფრთხილებით, რომ მასში გაგზავნილი შინაარსი შეიძლება Google-ის პროდუქტების გასაუმჯობესებლად გამოიყენოს.

პატარა, სწრაფ მოდელებსა და ყველაზე დიდ მოდელებს შორის ფასები ძალიან განსხვავდება და ხშირად იცვლება, ამიტომ მათ აქ არ ვაზუსტებთ. ნებისმიერი ფუნქციის მარტივი შეფასებაა: (შემავალი ტოკენები × შემავალის ფასი + გამომავალი ტოკენები × გამომავალის ფასი) × მოთხოვნების რაოდენობა თვეში. შემდეგ დაამატეთ მარჟა და პროვაიდერის დაშბორდში დააყენეთ თვიური ხარჯის ლიმიტი.

სამუშაო მაგალითი: ღილაკი „ბილეთის შეჯამება“

პატარა მხარდაჭერის გუნდს სურს ღილაკი, რომელიც გრძელ მომხმარებლის ელფოსტის ძაფს სამ პუნქტად და შემოთავაზებულ პასუხად გადააქცევს.

1. მიიღეთ გასაღები. შექმენით ანგარიში ერთ პროვაიდერთან და გენერირეთ API გასაღები. დააყენეთ დაბალი თვიური ხარჯის ლიმიტი.
2. შეინახეთ გასაღები როგორც საიდუმლო თქვენს სერვერზე, მაგალითად სახელით ANTHROPIC_API_KEY ან OPENAI_API_KEY — არასდროს გვერდის კოდში. იხილეთ გარემოს ცვლადები და საიდუმლოები.
3. დაამატეთ სერვერის მარშრუტი, POST /api/summarise, რომელიც:
   • ამოწმებს, რომ პირი შესულია და მხარდაჭერის გუნდს ეკუთვნის;
   • ბაზიდან ტიკეტს ტვირთავს;
   • პროვაიდერს უგზავნის სისტემურ პრომპტს („შეაჯამე სამ პუნქტად, შემდეგ დაწერე თავაზიანი პასუხი; არ გამოიგონო შეკვეთის ნომრები“) და ტიკეტის ტექსტს;
   • პასუხის სიგრძეს ზღვრავს გამომავალი ტოკენების მაქსიმუმით;
   • აბრუნებს შედეგს და ინახავს, რამდენი ტოკენი მოიხმარა.
4. ღილაკი იძახებს თქვენს მარშრუტს, და არა პროვაიდერს, და აჩვენებს შეჯამებას, სანამ ის სტრიმინგდება.
5. შეცდომის დამუშავება. თუ პროვაიდერი ნელია ან შეცდომას აბრუნებს, აჩვენეთ „ახლა ვერ შევაჯამეთ“ და ტიკეტი მაინც გამოსადეგი დატოვეთ.
6. გაზომეთ. ერთი კვირის შემდეგ შეხედეთ ტოკენების ჟურნალს. თუ ხარჯის უმეტესობა გრძელ ძაფებზეა, გაგზავნამდე მოჭერით ციტირებული ისტორია.

გაითვალისწინეთ, რაც აკლია: მოდელის ტრენინგი არ არის, სპეციალური ინფრასტრუქტურა არ არის. ერთი გასაღები, ერთი სერვერის მარშრუტი, ერთი კარგად დაწერილი პრომპტი.

ძირითადი ტერმინები

• API გასაღები: საიდუმლო, რომელიც თქვენს ანგარიშს პროვაიდერთან ავთენტიფიცირებს. ვისაც ის აქვს, შეუძლია თქვენი ფულის დახარჯვა.
• მოდელი: კონკრეტული LLM, რომელსაც იძახებთ. პროვაიდერები სხვადასხვა ზომის მოდელებს სხვადასხვა ფასსა და სიჩქარეზე გვთავაზობენ.
• Temperature: პარამეტრი, რომელიც განსაზღვრავს პასუხების მრავალფეროვნებას. დაბალი მნიშვნელობა უფრო პროგნოზირებადია.
• Max tokens: პასუხის სიგრძის ზღვარი, რომელიც ხარჯსაც ზღუდავს.
• Rate limit: რამდენი მოთხოვნა ან ტოკენი შეიძლება გამოიყენოს თქვენმა ანგარიშმა წუთში.
• Embeddings: რიცხვები, რომლებიც ტექსტის მნიშვნელობას წარმოადგენს და თქვენს დოკუმენტებში ძიებისთვის გამოიყენება.
• RAG (retrieval-augmented generation): თქვენი მონაცემებიდან შესაბამისი ნაწილების პოვნა და პრომპტში ჩართვა, რათა მოდელმა თქვენი შინაარსიდან უპასუხოს.
• Tool use / function calling: მოდელისთვის იმის საშუალება, რომ თქვენს აპს კონკრეტული ფუნქციის გაშვება სთხოვოს, მაგალითად „გაიგე შეკვეთის სტატუსი“.

ხშირი შეცდომები და მცდარი წარმოდგენები

• გასაღების ფრონტენდის კოდში ჩაწერა. ყველაზე ძვირი შეცდომა. ბრაუზერის კოდი საჯაროა. ყოველთვის გამოიძახეთ სერვერიდან. უსაფრთხოების ჩეკლისტი AI-ით აგებული აპებისთვის ამას სხვა გაშვების შემოწმებებთან ერთად ფარავს.
• ხარჯის ლიმიტის ან მომხმარებელზე ლიმიტების არქონა. შეცდომა, ციკლი ან ბოროტად მოქმედი მომხმარებელი სწრაფად გაზრდის ხარჯს. დააყენეთ ლიმიტი პროვაიდერთან და შეზღუდეთ მოთხოვნები მომხმარებელზე თქვენს აპში.
• ყოველთვის ყველაფრის გაგზავნა. მთლიანი დოკუმენტები და ჩათის მთელი ისტორია შემავალ ტოკენებს ამრავლებს. მოჭერით, შეაჯამეთ ძველი შეტყობინებები, ან მოიძიეთ მხოლოდ შესაბამისი ნაწილები.
• გამომავლის უპირობოდ ნდობა. მოდელებმა შეიძლება დარწმუნებით თქვან მცდარი რამ. ფაქტებისთვის, ფასებისთვის ან იურიდიულ თუ სამედიცინო საკითხებისთვის დააფუძნეთ პასუხები თქვენს მონაცემებზე და აჩვენეთ წყაროები, ან შეამოწმებინეთ ადამიანს.
• მომხმარებლის შეყვანა, რომელიც თქვენს წესებს აუქმებს. მომხმარებლებმა შეიძლება ჩაწერონ „უგულებელყავი შენი ინსტრუქციები“. წვდომები და მგრძნობიარე მოქმედებები თქვენს სერვერის კოდში შეინახეთ, და არა მხოლოდ პრომპტში.
• ყველაზე დიდი მოდელით დაწყება. ჯერ უფრო პატარა, იაფი მოდელი სცადეთ; გადადით უფრო დიდზე, მხოლოდ თუ ხარისხი მოითხოვს.
• პერსონალური მონაცემების გაგზავნა უფიქრად. შეამოწმეთ პროვაიდერის მონაცემთა გამოყენების პირობები, განსაკუთრებით უფასო დონეზე, და გაგზავნეთ მხოლოდ ის, რაც ფუნქციას სჭირდება.

რა ათხოვოთ თქვენს AI ბილდერს

დაამატე ღილაკი „შეჯამება“ ბილეთის გვერდზე. ის იძახებს სერვერის მარშრუტს, რომელიც იყენებს საიდუმლოს OPENAI_API_KEY (არასდროს ბრაუზერში), ამოწმებს, რომ მომხმარებელი შესულია, უგზავნის ბილეთის ტექსტს ამ სისტემური პრომპტით: […], ზღვრავს პასუხს 300 ტოკენით, აჩვენებს პასუხს გვერდზე სტრიმინგით და გამოაჩენს მეგობრულ შეცდომას, თუ გამოძახება ჩავარდება. ჩაწერე თითო მოთხოვნაზე მოხმარებული ტოკენები და შეზღუდე თითოეული მომხმარებელი 30 შეჯამებით საათში.

სრული ჩათის გამოცდილებისთვის იხილეთ როგორ ავაშენოთ AI ჩატბოტის აპი; სხვა იდეებისთვის — როგორ დავამატოთ AI ფუნქციები თქვენს აპში. თუ API-ები ზოგადად ახალია, დაიწყეთ რა არის API.

LLM API-ები Mythex-ით აგებულ აპებში

Mythex-ით აშენებისას, თქვენს აპში არსებული AI თქვენი საკუთარი პროვაიდერის გასაღებს იყენებს. მას პროექტის საიდუმლოდ დაამატებთ ან Mythex-ის საიდუმლოების ბარათით ჩატში, როცა ის დასჭირდება, და აგენტს სთხოვთ, გამოძახება სერვერზე გააკეთოს. პროვაიდერის გამოყენება თქვენს პროვაიდერის ანგარიშზე ჩაიწერება და არა Mythex-ის ბილდის კრედიტებზე. Mythex არ შეიცავს ტოკენებს თქვენი აპის მომხმარებლებისთვის და არ აქვს ჩაშენებული ცოდნის ბაზის პროდუქტი; ლიმიტებისა და ხარჯის კონტროლის დაგეგმვა და ტესტირება თქვენზეა. დოკუმენტაციის რეცეპტი AI ფუნქციების დამატება საკუთარი API გასაღებებით შეიცავს საწყის პრომპტს, ხოლო AI აპ-ბილდერი გვერდი გიჩვენებთ, საიდან დაიწყოთ.

კითხვები