LLM API-കൾ എങ്ങനെ ഉപയോഗിക്കാം: ടോക്കണുകൾ, ചെലവുകൾ, കീകൾ, നിങ്ങളുടെ ആദ്യ AI ഫീച്ചർ

LLM API എന്നത് നിങ്ങളുടെ ആപ്പിന് ടെക്സ്റ്റ് ഒരു വലിയ ഭാഷാ മോഡലിലേക്ക് അയച്ച് മറുപടി കോഡിൽ തിരികെ വാങ്ങാൻ അനുവദിക്കുന്ന ഒരു വെബ് സേവനമാണ് — ഉദാഹരണത്തിന് OpenAI-യുടെ GPT മോഡലുകൾ, Anthropic-ന്റെ Claude അല്ലെങ്കിൽ Google-ന്റെ Gemini. നിങ്ങൾ ദാതാവിനോടൊപ്പം സൈൻ അപ്പ് ചെയ്ത് ഒരു API key സൃഷ്ടിക്കുന്നു, നിങ്ങളുടെ ആപ്പിന്റെ സെർവർ ആ key ഉപയോഗിച്ച് അഭ്യർത്ഥനകൾ അയക്കുന്നു; ഓരോ അഭ്യർത്ഥനയ്ക്കും അകത്തേക്കും പുറത്തേക്കും പോകുന്ന ടോക്കണുകളുടെ (ടെക്സ്റ്റ് ഭാഗങ്ങളുടെ) എണ്ണം അനുസരിച്ച് ബിൽ വരുന്നു. “ആപ്പിൽ AI ചേർക്കുക” എന്നതിന്റെ അർത്ഥം സാധാരണയായി ഇത്ര മാത്രമാണ്: മറ്റൊരാളുടെ മോഡലിലേക്ക് നന്നായി എഴുതിയ ഒരു അഭ്യർത്ഥന, നിങ്ങളുടെ സെർവറിൽ നിന്ന് സുരക്ഷിതമായി.

നിങ്ങൾ AI ഉപയോഗിച്ച് നിർമ്മിക്കുമ്പോൾ ഇത് പ്രധാനമാകുന്നത് എന്തുകൊണ്ട്

AI നിർമ്മിച്ച ഒരു ആപ്പിൽ രണ്ട് വ്യത്യസ്ത AI-കൾ ഉണ്ട്, അവ എളുപ്പത്തിൽ കൂട്ടിക്കുഴയ്ക്കാം:

1. നിങ്ങളുടെ ആപ്പ് നിർമ്മിക്കുന്ന AI — ആപ്പ് ബിൽഡറിന്റെ സ്വന്തം agent, കോഡ് എഴുതുന്നത്.
2. നിങ്ങളുടെ ആപ്പിനുള്ളിലെ AI — നിങ്ങളുടെ ഉപയോക്താക്കൾ ഉപയോഗിക്കുന്ന ഒരു ഫീച്ചർ, ഉദാഹരണത്തിന് ഒരു chat assistant, “സംഗ്രഹിക്കുക” ബട്ടൺ, അല്ലെങ്കിൽ സ്വയം ടാഗ് ചെയ്യൽ.

രണ്ടാമത്തേത് നിങ്ങളുടെ key ഉപയോഗിച്ച് LLM API വിളിക്കുകയും നിങ്ങളുടെ ദാതാവ് അക്കൗണ്ടിന് ബിൽ നൽകുകയും ചെയ്യുന്നു. ടോക്കണുകൾ, context, വില എന്നിവ മനസ്സിലാക്കുന്നത് പ്രവർത്തിക്കുന്നതും key ചോരാത്തതും ബിൽ കണ്ട് അത്ഭുതപ്പെടുത്താത്തതുമായ ഒരു ഫീച്ചർ രൂപകൽപ്പന ചെയ്യാൻ നിങ്ങളെ സഹായിക്കുന്നു.

ദൈനംദിന ഉപമ: വളരെ കഴിവുള്ള ഒരു ഫ്രീലാൻസർ, വാക്കിന് വില

ഒരു LLM API-യെ ഒരു മികച്ച ഫ്രീലാൻസ് എഴുത്തുകാരനായി കരുതുക, ഇമെയിൽ വഴി സമീപിക്കാം, ഓരോ വാക്കിനും പണം നൽകണം — നിങ്ങൾ അയക്കുന്ന വാക്കുകൾക്കും അവർ തിരികെ എഴുതുന്ന വാക്കുകൾക്കും (തിരികെ എഴുതുന്നവയ്ക്ക് വില കൂടുതലാണ്).

• ഇമെയിലുകൾക്കിടയിൽ അവർക്ക് ഓർമ്മയില്ല. സംഭാഷണം തുടരണമെങ്കിൽ, ഓരോ പുതിയ ഇമെയിലിലും മുമ്പത്തെ സന്ദേശങ്ങൾ വീണ്ടും ഒട്ടിക്കണം.
• ഒരേസമയം അവർക്ക് ഒരു പരിധി വരെ മാത്രമേ വായിക്കാൻ കഴിയൂ. ആ പരിധിയാണ് context window.
• നിർദ്ദേശം എത്ര വ്യക്തമാണോ, മറുപടി അത്രയും നല്ലതും ചെറുതുമാകും — അത് വിലകുറഞ്ഞതുമാണ്.

പ്രധാന ആശയങ്ങൾ

ടോക്കണുകൾ

മോഡലുകൾ ടെക്സ്റ്റ് വായിക്കുന്നതും എഴുതുന്നതും ടോക്കണുകളായാണ്. 2026 സെപ്റ്റംബർ അനുസരിച്ച് Anthropic-ന്റെ pricing ഡോക്യുമെന്റേഷൻ ഒരു ടോക്കണിന് ഏകദേശം 4 അക്ഷരം അല്ലെങ്കിൽ ഏകദേശം 0.75 ഇംഗ്ലീഷ് വാക്കുകൾ എന്ന് കണക്കാക്കുന്നു. വ്യത്യസ്ത മോഡലുകളും ഭാഷകളും വ്യത്യസ്ത രീതിയിൽ ടോക്കണൈസ് ചെയ്യുന്നതിനാൽ ഇത് ഒരു ഏകദേശ മാർഗ്ഗനിർദ്ദേശം മാത്രമായി കണക്കാക്കുക. നിങ്ങളുടെ നിർദ്ദേശങ്ങൾ, ഉപയോക്താവിന്റെ സന്ദേശം, നിങ്ങൾ ഉൾപ്പെടുത്തുന്ന ഡോക്യുമെന്റുകൾ, മുമ്പത്തെ സംഭാഷണം, മറുപടി എന്നിവയെല്ലാം കണക്കിൽ വരും.

Input ഉം output ഉം

Input ടോക്കണുകൾ നിങ്ങൾ അയക്കുന്നവയാണ്. Output ടോക്കണുകൾ മോഡൽ എഴുതുന്നവയാണ്. OpenAI, Anthropic, Google എന്നിവയുടെ pricing പേജുകളിൽ 2026 സെപ്റ്റംബർ അനുസരിച്ച്, ഒരേ മോഡലിന് output ടോക്കണുകൾക്ക് input-ന്റെ പല ഇരട്ടി വില ആണ്. Google-ന്റെ Gemini pricing കുറിക്കുന്നത് മോഡലിന്റെ ആന്തരിക “thinking” output ആയി കണക്കാക്കുന്നു എന്നാണ്.

Context window

ഒരു അഭ്യർത്ഥനയിൽ മോഡലിന് സ്വീകരിക്കാവുന്ന പരമാവധി ടോക്കണുകളുടെ എണ്ണം, മറുപടിയും ഉൾപ്പെടെ. ഇന്നത്തെ മോഡലുകൾ വളരെ നീളമുള്ള input സ്വീകരിക്കും — ഉദാഹരണത്തിന് Anthropic-ന്റെ ചില ഇപ്പോഴത്തെ മോഡലുകൾ ഒരു ദശലക്ഷം ടോക്കൺ വരെ സ്വീകരിക്കും. പക്ഷേ നീളമുള്ള input കൂടുതൽ ചെലവും കൂടുതൽ സമയവും എടുക്കും, അതിനാൽ ജോലിക്ക് ആവശ്യമുള്ളത് മാത്രം അയക്കുക.

സ്റ്റേറ്റ്‌ലെസ് അഭ്യർത്ഥനകൾ

മിക്ക chat-ശൈലി API-കളിലും ഓരോ അഭ്യർത്ഥനയും സ്വതന്ത്രമാണ്. ഒരു chat “ഓർക്കണം” എന്നുണ്ടെങ്കിൽ, നിങ്ങളുടെ ആപ്പ് മുമ്പത്തെ സന്ദേശങ്ങൾ ഓരോ പുതിയ സന്ദേശത്തോടൊപ്പവും വീണ്ടും അയക്കുന്നു. അതുകൊണ്ടാണ് നീണ്ട സംഭാഷണത്തിലെ ഓരോ സന്ദേശത്തിനും ചെറിയ സംഭാഷണത്തേക്കാൾ കൂടുതൽ ചെലവ് വരുന്നത്.

System prompt

ഓരോ അഭ്യർത്ഥനയിലും മോഡലിന്റെ റോളും നിയമങ്ങളും സജ്ജമാക്കുന്ന നിർദ്ദേശങ്ങൾ: “നിങ്ങൾ support ടിക്കറ്റുകൾ മൂന്ന് bullet-കളിൽ സംഗ്രഹിക്കുന്നു. ഒരിക്കലും ഉപഭോക്താവിന്റെ ഇമെയിൽ വിലാസം ഉൾപ്പെടുത്തരുത്.” ഉപയോക്താക്കൾ ഇത് കാണില്ല, പക്ഷേ ഓരോ മറുപടിയെയും ഇത് രൂപപ്പെടുത്തുന്നു.

Streaming

മുഴുവൻ മറുപടിക്കായി കാത്തിരിക്കുന്നതിന് പകരം, ഉണ്ടാകുമ്പോൾ തന്നെ API ടെക്സ്റ്റ് അയക്കാം, ഉപയോക്താക്കൾ വാക്കുകൾ ഉടൻ കാണുന്നു. chat ഇന്റർഫേസുകൾ വളരെ വേഗമുള്ളതായി തോന്നിക്കാൻ ഇത് സഹായിക്കുന്നു.

വില എങ്ങനെ പ്രവർത്തിക്കുന്നു

2026 സെപ്റ്റംബർ അനുസരിച്ച്, ദാതാക്കളുടെ സ്വന്തം pricing പേജുകളിൽ പരിശോധിച്ചത്:

ചില ദാതാക്കൾ പണം നൽകുന്നതിന് മുമ്പ് പരീക്ഷിക്കാനുള്ള വഴികളും നൽകുന്നു: Anthropic പുതിയ ഉപയോക്താക്കൾക്ക് ചെറിയ തുക സൗജന്യ credit നൽകുന്നു, Google-ന്റെ Gemini API ചില മോഡലുകളിൽ സൗജന്യ tier ഉണ്ട് — എന്നാൽ അതിൽ അയക്കുന്ന ഉള്ളടക്കം Google-ന്റെ ഉൽപ്പന്നങ്ങൾ മെച്ചപ്പെടുത്താൻ ഉപയോഗിച്ചേക്കാം എന്ന മുന്നറിയിപ്പോടെയാണ്.

ദാതാവിന്റെ ചെറിയ, വേഗമുള്ള മോഡലുകളും ഏറ്റവും വലിയ മോഡലുകളും തമ്മിൽ വില വലിയ വ്യത്യാസമുള്ളതാണ്, അവ പതിവായി മാറുകയും ചെയ്യും, അതിനാൽ ഇവിടെ വില ഉദ്ധരിക്കുന്നില്ല. ഏതൊരു ഫീച്ചറിനും ലളിതമായ ഒരു കണക്ക്: (input ടോക്കണുകൾ × input വില + output ടോക്കണുകൾ × output വില) × പ്രതിമാസ അഭ്യർത്ഥനകളുടെ എണ്ണം. പിന്നെ ഒരു margin ചേർക്കുക, ദാതാവിന്റെ dashboard-ൽ പ്രതിമാസ ചെലവ് പരിധി സജ്ജമാക്കുക.

ഒരു ഉദാഹരണം: “ഈ ടിക്കറ്റ് സംഗ്രഹിക്കുക” ബട്ടൺ

ഒരു ചെറിയ support ടീമിന് നീണ്ട ഉപഭോക്തൃ ഇമെയിൽ സംഭാഷണത്തെ മൂന്ന് bullet-കളും ഒരു നിർദ്ദേശിത മറുപടിയുമാക്കി മാറ്റുന്ന ഒരു ബട്ടൺ വേണം.

1. ഒരു key നേടുക. ഒരു ദാതാവിനൊപ്പം അക്കൗണ്ട് സൃഷ്ടിച്ച് ഒരു API key ഉണ്ടാക്കുക. കുറഞ്ഞ പ്രതിമാസ ചെലവ് പരിധി സജ്ജമാക്കുക.
2. Key ഒരു രഹസ്യമായി സൂക്ഷിക്കുക നിങ്ങളുടെ സെർവറിൽ, ANTHROPIC_API_KEY അല്ലെങ്കിൽ OPENAI_API_KEY പോലുള്ള പേരിൽ — ഒരിക്കലും പേജ് കോഡിൽ അല്ല. എൻവയൺമെന്റ് വേരിയബിളുകളും രഹസ്യങ്ങളും കാണുക.
3. ഒരു സെർവർ route ചേർക്കുക, POST /api/summarise, അത്:
   • ആൾ ലോഗിൻ ചെയ്തിട്ടുണ്ടെന്നും support ടീമിൽ പെട്ടയാളാണെന്നും പരിശോധിക്കുന്നു;
   • ടിക്കറ്റ് ഡാറ്റാബേസിൽ നിന്ന് ലോഡ് ചെയ്യുന്നു;
   • ദാതാവിന് ഒരു system prompt (“മൂന്ന് bullet-കളിൽ സംഗ്രഹിക്കുക, പിന്നെ മര്യാദയുള്ള ഒരു മറുപടി തയ്യാറാക്കുക; ഓർഡർ നമ്പറുകൾ കെട്ടിച്ചമയ്ക്കരുത്”) കൂടെ ടിക്കറ്റ് ടെക്സ്റ്റും അയക്കുന്നു;
   • പരമാവധി output ടോക്കൺ ക്രമീകരണം ഉപയോഗിച്ച് മറുപടിയുടെ നീളം പരിമിതപ്പെടുത്തുന്നു;
   • ഫലം തിരികെ നൽകുകയും എത്ര ടോക്കൺ ഉപയോഗിച്ചു എന്ന് രേഖപ്പെടുത്തുകയും ചെയ്യുന്നു.
4. ബട്ടൺ നിങ്ങളുടെ route-നെ വിളിക്കുന്നു, ദാതാവിനെയല്ല, സംഗ്രഹം പേജിൽ വാക്കുകളായി വരുമ്പോൾ കാണിക്കുന്നു.
5. പരാജയം കൈകാര്യം ചെയ്യുക. ദാതാവ് മന്ദഗതിയിലാണെങ്കിലോ പിശക് നൽകിയാലോ “ഇപ്പോൾ സംഗ്രഹിക്കാനായില്ല” എന്ന് കാണിക്കുക, ടിക്കറ്റ് ഉപയോഗയോഗ്യമായി തുടരട്ടെ.
6. അളക്കുക. ഒരാഴ്ചയ്ക്ക് ശേഷം ടോക്കൺ ലോഗുകൾ നോക്കുക. ചെലവിന്റെ ഏറ്റവും വലിയ ഭാഗം നീണ്ട ഇമെയിൽ സംഭാഷണങ്ങളാണെങ്കിൽ, അയക്കുന്നതിന് മുമ്പ് ഉദ്ധരിച്ച പഴയ ചരിത്രം ചുരുക്കുക.

ഇവിടെ ഇല്ലാത്തത് ശ്രദ്ധിക്കുക: മോഡൽ പരിശീലനമില്ല, പ്രത്യേക infrastructure ഇല്ല. ഒരു key, ഒരു സെർവർ route, ഒരു നന്നായി എഴുതിയ prompt.

പ്രധാന പദങ്ങൾ

• API key: നിങ്ങളുടെ അക്കൗണ്ടിനെ ദാതാവിനോട് തിരിച്ചറിയിക്കുന്ന രഹസ്യം. അത് കൈവശമുള്ള ആർക്കും നിങ്ങളുടെ പണം ചെലവഴിക്കാം.
• Model: നിങ്ങൾ വിളിക്കുന്ന പ്രത്യേക LLM. ദാതാക്കൾ വ്യത്യസ്ത വലിപ്പത്തിലും വിലയിലും വേഗതയിലും പല മോഡലുകൾ നൽകുന്നു.
• Temperature: മറുപടികൾ എത്രമാത്രം വ്യത്യസ്തമായിരിക്കണം എന്നതിന്റെ ക്രമീകരണം. കുറഞ്ഞാൽ കൂടുതൽ പ്രവചനീയം.
• Max tokens: മറുപടിയുടെ നീളത്തിന് ഒരു പരിധി, അത് ചെലവിനും പരിധി വയ്ക്കുന്നു.
• Rate limit: ഒരു മിനിറ്റിൽ നിങ്ങളുടെ അക്കൗണ്ടിന് എത്ര അഭ്യർത്ഥനകളോ ടോക്കണുകളോ ഉപയോഗിക്കാം.
• Embeddings: ടെക്സ്റ്റിന്റെ അർത്ഥത്തെ പ്രതിനിധീകരിക്കുന്ന സംഖ്യകൾ, നിങ്ങളുടെ സ്വന്തം ഡോക്യുമെന്റുകളിൽ തിരയാൻ ഉപയോഗിക്കുന്നു.
• RAG (retrieval-augmented generation): നിങ്ങളുടെ സ്വന്തം ഡേറ്റയിൽ നിന്ന് പ്രസക്തമായ ഭാഗങ്ങൾ കണ്ടെത്തി prompt-ൽ ഉൾപ്പെടുത്തുന്നത്, മോഡൽ നിങ്ങളുടെ ഉള്ളടക്കത്തിൽ നിന്ന് ഉത്തരം നൽകാൻ.
• Tool use / function calling: “ഓർഡർ നില നോക്കുക” പോലുള്ള ഒരു പ്രത്യേക ഫംഗ്ഷൻ പ്രവർത്തിപ്പിക്കാൻ മോഡലിന് നിങ്ങളുടെ ആപ്പിനോട് ആവശ്യപ്പെടാൻ അനുവദിക്കുന്നത്.

സാധാരണ തെറ്റുകളും തെറ്റിദ്ധാരണകളും

• Key frontend കോഡിൽ വയ്ക്കുന്നത്. ഏറ്റവും ചെലവേറിയ തെറ്റ്. ബ്രൗസർ കോഡ് പൊതുവായതാണ്. എപ്പോഴും സെർവറിൽ നിന്ന് വിളിക്കുക. AI നിർമ്മിച്ച ആപ്പുകൾക്കുള്ള സുരക്ഷാ checklist ഇത് മറ്റ് launch പരിശോധനകളോടൊപ്പം ഉൾക്കൊള്ളുന്നു.
• ചെലവ് പരിധിയോ ഉപയോക്താവിന് ഒരു പരിധിയോ ഇല്ലാത്തത്. ഒരു bug, ഒരു loop, അല്ലെങ്കിൽ ദുരുപയോഗം ചെയ്യുന്ന ഉപയോക്താവ് വേഗത്തിൽ ചെലവ് കൂട്ടാം. ദാതാവിന്റെ പരിധി സജ്ജമാക്കുകയും നിങ്ങളുടെ ആപ്പിൽ ഓരോ ഉപയോക്താവിനും അഭ്യർത്ഥനകൾ പരിമിതപ്പെടുത്തുകയും ചെയ്യുക.
• എല്ലായ്പ്പോഴും എല്ലാം അയക്കുന്നത്. മുഴുവൻ ഡോക്യുമെന്റുകളും സംഭാഷണ ചരിത്രവും ഓരോ തവണയും input ടോക്കണുകൾ പെരുപ്പിക്കുന്നു. വെട്ടിച്ചുരുക്കുക, പഴയ സന്ദേശങ്ങൾ സംഗ്രഹിക്കുക, അല്ലെങ്കിൽ പ്രസക്തമായ ഭാഗങ്ങൾ മാത്രം എടുക്കുക.
• Output അന്ധമായി വിശ്വസിക്കുന്നത്. മോഡലുകൾ തെറ്റായ കാര്യങ്ങൾ ആത്മവിശ്വാസത്തോടെ പറഞ്ഞേക്കാം. വസ്തുതകൾ, വിലകൾ, നിയമപരമോ വൈദ്യശാസ്ത്രപരമോ ആയ കാര്യങ്ങൾക്ക് നിങ്ങളുടെ സ്വന്തം ഡേറ്റയിൽ അടിസ്ഥാനമിട്ട് ഉറവിടങ്ങൾ കാണിക്കുക, അല്ലെങ്കിൽ ഒരാൾ പരിശോധിക്കട്ടെ.
• ഉപയോക്താവിന്റെ input നിങ്ങളുടെ നിയമങ്ങളെ മറികടക്കാൻ അനുവദിക്കുന്നത്. ഉപയോക്താക്കൾക്ക് “നിങ്ങളുടെ നിർദ്ദേശങ്ങൾ അവഗണിക്കുക” എന്ന് ടൈപ്പ് ചെയ്യാം. അനുമതികളും സെൻസിറ്റീവ് പ്രവർത്തനങ്ങളും prompt-ൽ മാത്രമല്ല, നിങ്ങളുടെ സെർവർ കോഡിലും സൂക്ഷിക്കുക.
• ഏറ്റവും വലിയ മോഡലിൽ നിന്ന് തുടങ്ങുന്നത്. ചെറുതും വിലകുറഞ്ഞതുമായ ഒരു മോഡൽ ആദ്യം പരീക്ഷിക്കുക; ഗുണനിലവാരം ആവശ്യപ്പെടുമ്പോൾ മാത്രം മുകളിലേക്ക് പോകുക.
• വ്യക്തിഗത ഡേറ്റ ചിന്തയില്ലാതെ അയക്കുന്നത്. ദാതാവിന്റെ ഡേറ്റ ഉപയോഗ നിബന്ധനകൾ പരിശോധിക്കുക, പ്രത്യേകിച്ച് സൗജന്യ tier-ുകളിൽ, ഫീച്ചറിന് ആവശ്യമുള്ളത് മാത്രം അയക്കുക.

നിങ്ങളുടെ AI ബിൽഡറോട് എന്ത് ആവശ്യപ്പെടണം

ticket പേജിൽ ഒരു “Summarise” ബട്ടൺ ചേർക്കുക. അത് OPENAI_API_KEY എന്ന രഹസ്യം ഉപയോഗിക്കുന്ന ഒരു സെർവർ route വിളിക്കുന്നു (ഒരിക്കലും ബ്രൗസറിന് വെളിപ്പെടുത്തരുത്), ഉപയോക്താവ് ലോഗിൻ ചെയ്തിട്ടുണ്ടെന്ന് പരിശോധിക്കുന്നു, ഈ system prompt-ൽ ടിക്കറ്റ് ടെക്സ്റ്റ് അയക്കുന്നു: […], മറുപടി 300 ടോക്കണിൽ പരിമിതപ്പെടുത്തുന്നു, ഉത്തരം പേജിലേക്ക് streaming ചെയ്യുന്നു, കോൾ പരാജയപ്പെട്ടാൽ സൗഹൃദപരമായ ഒരു പിശക് കാണിക്കുന്നു. ഓരോ അഭ്യർത്ഥനയിലും ഉപയോഗിച്ച ടോക്കണുകൾ രേഖപ്പെടുത്തുക, ഓരോ ഉപയോക്താവിനും മണിക്കൂറിൽ 30 സംഗ്രഹങ്ങൾ എന്ന പരിധി നൽകുക.

പൂർണ്ണമായ chat അനുഭവത്തിന്, AI chatbot ആപ്പ് എങ്ങനെ നിർമ്മിക്കാം കാണുക; മറ്റ് ആശയങ്ങൾക്ക് നിങ്ങളുടെ ആപ്പിൽ AI ഫീച്ചറുകൾ ചേർക്കുന്നത് എങ്ങനെ. API-കൾ പൊതുവായി പുതിയതാണെങ്കിൽ API എന്താണ് എന്നതിൽ നിന്ന് തുടങ്ങുക.

Mythex-ൽ നിർമ്മിക്കുന്ന ആപ്പുകളിലെ LLM API-കൾ

Mythex ഉപയോഗിച്ച് നിർമ്മിക്കുമ്പോൾ, നിങ്ങളുടെ ആപ്പിനുള്ളിലെ AI നിങ്ങളുടെ സ്വന്തം ദാതാവിന്റെ key ഉപയോഗിക്കുന്നു. അത് ഒരു പ്രോജക്റ്റ് രഹസ്യമായി ചേർക്കുക, അല്ലെങ്കിൽ ആവശ്യമായി വരുമ്പോൾ Mythex ചാറ്റിൽ കാണിക്കുന്ന secrets കാർഡ് വഴി, തുടർന്ന് സെർവറിൽ വിളി നടത്താൻ agent-നോട് ആവശ്യപ്പെടുക. ദാതാവിന്റെ ഉപയോഗം നിങ്ങളുടെ ദാതാവ് അക്കൗണ്ടിനാണ് ബിൽ ചെയ്യുന്നത്, Mythex build credits-ിനല്ല. നിങ്ങളുടെ ആപ്പിന്റെ ഉപയോക്താക്കൾക്ക് Mythex ടോക്കണുകൾ നൽകുന്നില്ല, ഒരു built-in knowledge-base ഉൽപ്പന്നവും നൽകുന്നില്ല; rate limits ഉം ചെലവ് നിയന്ത്രണങ്ങളും നിങ്ങൾ രൂപകൽപ്പന ചെയ്ത് പരീക്ഷിക്കണം. your own API keys ഉപയോഗിച്ച് AI ഫീച്ചറുകൾ ചേർക്കുക എന്ന docs recipe-ിൽ ഒരു starter prompt ഉണ്ട്, കൂടാതെ AI ആപ്പ് ബിൽഡർ പേജ് എവിടെ തുടങ്ങണമെന്ന് കാണിക്കുന്നു.

ചോദ്യങ്ങൾ