LLM APIs کیسے استعمال کریں: Tokens، لاگت، Keys اور پہلا AI فیچر

LLM API ایک ویب سروس ہے جو آپ کی ایپ کو متن کسی large language model کو بھیجنے دیتی ہے، جیسے OpenAI کے GPT ماڈلز، Anthropic کا Claude یا Google کا Gemini، اور کوڈ میں اس کا جواب واپس لیتی ہے۔ آپ فراہم کنندہ کے ساتھ سائن اپ کرتے ہیں، ایک API key بناتے ہیں، اور آپ کا ایپ سرور اس key کے ساتھ درخواستیں بھیجتا ہے؛ آپ ہر درخواست کی ادائیگی tokens (متن کے ٹکڑے) کی تعداد کے حساب سے کرتے ہیں، جو اندر جانے اور باہر آنے والے دونوں کی گنی جاتی ہے۔ ایپ میں “AI شامل کرنا” عموماً بس یہی ہے: کسی دوسرے کے ماڈل کو ایک اچھی طرح لکھی ہوئی درخواست، جو آپ کے سرور سے محفوظ طریقے سے بھیجی جائے۔

AI سے بنی ایپ بناتے وقت یہ کیوں اہم ہے

AI سے بنی ایپ میں دو مختلف AI ہوتے ہیں، اور انہیں آپس میں ملانا آسان ہے:

1. وہ AI جو آپ کی ایپ بناتا ہے — بلڈر کا اپنا agent، جو کوڈ لکھتا ہے۔
2. وہ AI جو آپ کی ایپ کے اندر ہے — ایک فیچر جسے آپ کے صارفین استعمال کرتے ہیں، جیسے chat assistant، “خلاصہ کریں” بٹن یا خودکار ٹیگنگ۔

دوسرا AI LLM API کو آپ کی key کے ساتھ کال کرتا ہے اور آپ کے provider اکاؤنٹ پر بل بناتا ہے۔ tokens، context اور قیمت کو سمجھنا ہی آپ کو ایسا فیچر ڈیزائن کرنے دیتا ہے جو کام کرے، آپ کی key لیک نہ کرے، اور آپ کو بل پر حیران نہ کرے۔

روزمرہ کی مثال: ایک بہت قابل فری لانسر، جو لفظوں کے حساب سے ادائیگی لیتا ہے

LLM API کو ایک بہترین فری لانس لکھاری سمجھیں جس تک آپ ای میل سے پہنچتے ہیں اور جسے ہر لفظ کے حساب سے ادائیگی کرتے ہیں، دونوں طرف کے لفظوں کی: جو آپ بھیجیں اور جو وہ واپس لکھے (اور لکھے ہوئے لفظ زیادہ مہنگے ہیں)۔

• ای میلز کے درمیان انہیں یادداشت نہیں ہوتی۔ اگر آپ چاہتے ہیں کہ وہ گفتگو جاری رکھیں تو ہر نئی ای میل میں پچھلے پیغامات دوبارہ چپکائیں۔
• وہ ایک وقت میں صرف اتنا پڑھ سکتے ہیں۔ یہ حد context window ہے۔
• آپ کی ہدایت جتنی واضح ہوگی، جواب اتنا بہتر اور مختصر ہوگا، اور اس وجہ سے سستا بھی۔

بنیادی تصورات

Tokens

ماڈلز متن کو tokens میں پڑھتے اور لکھتے ہیں۔ Anthropic کی pricing دستاویزات ستمبر 2026 تک ایک token کو تقریباً 4 حروف، یا تقریباً 0.75 انگریزی لفظ کے برابر بتاتی ہیں۔ مختلف ماڈلز اور زبانیں مختلف طریقے سے tokens بناتی ہیں، اس لیے اسے تخمینے کے طور پر لیں۔ ہر چیز گنی جاتی ہے: آپ کی ہدایات، صارف کا پیغام، شامل کی گئی کوئی دستاویز، پچھلی گفتگو، اور جواب۔

Input اور output

Input tokens وہ ہیں جو آپ بھیجتے ہیں۔ Output tokens وہ ہیں جو ماڈل لکھتا ہے۔ OpenAI، Anthropic اور Google کے pricing صفحات کے مطابق، ستمبر 2026 تک، ایک ہی ماڈل کے لیے output tokens input tokens سے کئی گنا مہنگے ہیں۔ Google کی Gemini pricing یہ بھی بتاتی ہے کہ ماڈل کی اندرونی “thinking” output کے طور پر گنی جاتی ہے۔

Context window

زیادہ سے زیادہ tokens جو ایک ماڈل ایک درخواست میں لے سکتا ہے، جواب سمیت۔ جدید ماڈلز بہت لمبا input قبول کرتے ہیں؛ مثلاً Anthropic کے کچھ موجودہ ماڈلز دس لاکھ tokens تک قبول کرتے ہیں۔ مگر لمبا input زیادہ مہنگا اور سست ہوتا ہے، اس لیے صرف وہی بھیجیں جو کام کے لیے ضروری ہو۔

Stateless درخواستیں

زیادہ تر chat طرز کے APIs میں ہر درخواست بطور ڈیفالٹ الگ ہوتی ہے۔ کسی chat کو “یاد” رکھنے کے لیے آپ کی ایپ ہر نئے پیغام کے ساتھ پچھلے پیغامات دوبارہ بھیجتی ہے۔ اسی لیے لمبی گفتگو کا ہر پیغام چھوٹی گفتگو کے پیغام سے زیادہ مہنگا پڑتا ہے۔

System prompt

وہ ہدایات جو ہر درخواست کے لیے ماڈل کا کردار اور اصول طے کرتی ہیں: “تم support tickets کو تین bullet points میں خلاصہ کرتے ہو۔ کسٹمر کے ای میل پتے کبھی شامل نہ کرو۔” صارفین اسے نہیں دیکھتے، مگر یہ ہر جواب کو شکل دیتا ہے۔

Streaming

پوری جواب کا انتظار کرنے کے بجائے API متن کو تیار ہوتے ہی بھیج سکتا ہے، تاکہ صارفین الفاظ فوراً ظاہر ہوتے دیکھیں۔ اس سے chat انٹرفیس بہت تیز محسوس ہوتے ہیں۔

قیمت کیسے طے ہوتی ہے

ستمبر 2026 تک، فراہم کنندگان کے اپنے pricing صفحات سے جانچا گیا:

کچھ فراہم کنندگان پہلے آزمانے کا موقع بھی دیتے ہیں: Anthropic نئے صارفین کو تھوڑا مفت credit دیتا ہے، اور Google کی Gemini API کے کچھ ماڈلز پر مفت tier ہے، لیکن اس شرط کے ساتھ کہ اس پر بھیجا گیا مواد Google کی مصنوعات بہتر بنانے میں استعمال ہو سکتا ہے۔

چھوٹے، تیز ماڈلز اور سب سے بڑے ماڈلز کی قیمتوں میں بہت فرق ہے، اور قیمتیں اکثر بدلتی ہیں، اس لیے ہم یہاں کوئی قیمت نہیں لکھتے۔ کسی بھی فیچر کا سادہ تخمینہ یہ ہے: (input tokens × input قیمت + output tokens × output قیمت) × ماہانہ درخواستوں کی تعداد۔ پھر ایک مارجن شامل کریں، اور provider کے ڈیش بورڈ میں ماہانہ خرچ کی حد مقرر کریں۔

ایک عملی مثال: “ٹکٹ کا خلاصہ کریں” بٹن

ایک چھوٹی support ٹیم چاہتی ہے کہ ایک بٹن لمبے گاہک ای میل سلسلے کو تین bullet points اور ایک تجویز کردہ جواب میں بدلے۔

1. Key حاصل کریں۔ ایک provider کے ساتھ اکاؤنٹ بنائیں اور API key بنائیں۔ ماہانہ خرچ کی کم حد مقرر کریں۔
2. Key کو secret کے طور پر محفوظ کریں اپنے سرور پر، کسی نام سے جیسے ANTHROPIC_API_KEY یا OPENAI_API_KEY — صفحے کے کوڈ میں کبھی نہیں۔ دیکھیں environment variables اور secrets۔
3. ایک سرور route شامل کریں، POST /api/summarise، جو:
   • جانچے کہ شخص لاگ ان ہے اور support ٹیم کا رکن ہے؛
   • ٹکٹ database سے لوڈ کرے؛
   • provider کو ایک system prompt بھیجے (“تین bullets میں خلاصہ کرو، پھر ایک شائستہ جواب لکھو؛ آرڈر نمبر مت گھڑو”) ساتھ ٹکٹ کا متن؛
   • زیادہ سے زیادہ output tokens کی ترتیب سے جواب کی لمبائی محدود کرے؛
   • نتیجہ واپس کرے اور لکھے کہ کتنے tokens استعمال ہوئے۔
4. بٹن provider کو نہیں، آپ کے route کو کال کرتا ہے، اور خلاصہ آتے ہی صفحے پر دکھاتا ہے۔
5. ناکامی سنبھالیں۔ اگر provider سست ہو یا خرابی دے تو “ابھی خلاصہ نہیں ہو سکا” دکھائیں اور ٹکٹ قابل استعمال رکھیں۔
6. ناپیں۔ ایک ہفتے بعد token logs دیکھیں۔ اگر زیادہ خرچ لمبے ای میل سلسلوں پر ہو تو بھیجنے سے پہلے پرانا حوالہ شدہ متن کم کریں۔

نوٹ کریں کہ کیا غائب ہے: کوئی ماڈل تربیت نہیں، کوئی خاص infrastructure نہیں۔ ایک key، ایک سرور route، ایک اچھی طرح لکھا prompt۔

اہم اصطلاحات

• API key: وہ secret جو آپ کے اکاؤنٹ کی شناخت provider کو کرواتا ہے۔ جس کے پاس یہ ہو وہ آپ کے پیسے خرچ کر سکتا ہے۔
• Model: وہ مخصوص LLM جسے آپ کال کرتے ہیں۔ فراہم کنندگان کئی سائز اور مختلف قیمت و رفتار کے ماڈلز دیتے ہیں۔
• Temperature: جواب کتنے متنوع ہوں اس کی ترتیب۔ کم مقدار زیادہ قابل پیش گوئی ہے۔
• Max tokens: جواب کی لمبائی پر حد، جو لاگت پر بھی حد لگاتی ہے۔
• Rate limit: آپ کا اکاؤنٹ فی منٹ کتنی درخواستیں یا tokens استعمال کر سکتا ہے۔
• Embeddings: متن کے معنی کی نمائندگی کرنے والے عدد، جو آپ کی اپنی دستاویزات میں تلاش کے لیے استعمال ہوتے ہیں۔
• RAG (retrieval-augmented generation): اپنے ڈیٹا سے متعلقہ حصے تلاش کر کے prompt میں شامل کرنا، تاکہ ماڈل آپ کے مواد سے جواب دے۔
• Tool use / function calling: ماڈل کو اجازت دینا کہ وہ آپ کی ایپ سے کوئی مخصوص function چلانے کو کہے، جیسے “آرڈر کی حیثیت دیکھو”۔

عام غلطیاں اور غلط فہمیاں

• Key کو frontend کوڈ میں رکھنا۔ سب سے مہنگی غلطی۔ براؤزر کا کوڈ عوامی ہے۔ ہمیشہ سرور سے کال کریں۔ AI سے بنی ایپس کے لیے سیکیورٹی چیک لسٹ اسے باقی لانچ چیکس کے ساتھ بیان کرتی ہے۔
• خرچ کی حد یا فی صارف حد نہ ہونا۔ ایک بگ، ایک لوپ یا کوئی غلط استعمال کرنے والا صارف جلدی خرچ بڑھا سکتا ہے۔ provider کی حد لگائیں اور اپنی ایپ میں فی صارف درخواستیں محدود کریں۔
• ہر بار سب کچھ بھیجنا۔ پوری دستاویزات اور پوری chat تاریخ input tokens کو کئی گنا کر دیتی ہے۔ کاٹیں، پرانے پیغامات کا خلاصہ کریں، یا صرف متعلقہ حصے نکالیں۔
• آؤٹ پٹ پر آنکھیں بند کر کے بھروسہ کرنا۔ ماڈل غلط بات بھی پورے یقین سے کہہ سکتے ہیں۔ حقائق، قیمتوں یا قانونی و طبی معاملات کے لیے جوابات کو اپنے ڈیٹا پر مبنی کریں اور ذرائع دکھائیں، یا کوئی شخص جانچے۔
• صارف کے ان پٹ کو آپ کے اصول بدلنے دینا۔ صارف لکھ سکتے ہیں “اپنی ہدایات نظرانداز کرو”۔ اجازتیں اور حساس کام prompt میں نہیں، اپنے سرور کے کوڈ میں رکھیں۔
• سب سے بڑے ماڈل سے شروع کرنا۔ پہلے چھوٹا، سستا ماڈل آزمائیں؛ معیار تقاضا کرے تو ہی اوپر جائیں۔
• ذاتی ڈیٹا بغیر سوچے بھیجنا۔ فراہم کنندہ کی ڈیٹا استعمال کی شرائط دیکھیں، خاص طور پر مفت tiers پر، اور صرف وہی بھیجیں جو فیچر کو چاہیے۔

اپنے AI بلڈر سے کیا مانگیں

ٹکٹ صفحے پر ایک “Summarise” بٹن شامل کریں۔ یہ ایک سرور route کو کال کرتا ہے جو secret OPENAI_API_KEY استعمال کرتا ہے (جو کبھی براؤزر کو نہ دکھائی جائے)، جانچتا ہے کہ صارف لاگ ان ہے، ٹکٹ کا متن یہ system prompt ساتھ بھیجتا ہے: […]، جواب کو 300 tokens تک محدود کرتا ہے، جواب صفحے پر stream کرتا ہے، اور ناکامی پر شائستہ خرابی دکھاتا ہے۔ ہر درخواست کے استعمال شدہ tokens لاگ کریں، اور ہر صارف کو ایک گھنٹے میں 30 خلاصوں تک محدود کریں۔

مکمل chat تجربے کے لیے دیکھیں AI chatbot ایپ کیسے بنائیں؛ دوسرے خیالات کے لیے اپنی ایپ میں AI فیچرز کیسے شامل کریں۔ اگر APIs عمومی طور پر نئے ہیں تو API کیا ہے سے شروع کریں۔

Mythex سے بنی ایپس میں LLM APIs

Mythex سے بناتے وقت، آپ کی ایپ کے اندر کا AI آپ کی اپنی provider key استعمال کرتا ہے۔ آپ اسے پروجیکٹ secret کے طور پر شامل کرتے ہیں، یا اس secrets کارڈ کے ذریعے جو Mythex کو ضرورت ہونے پر chat میں دکھاتا ہے، اور agent سے کہتے ہیں کہ کال سرور پر کرے۔ Provider کا استعمال آپ کے provider اکاؤنٹ پر بل ہوتا ہے، Mythex کے build credits پر نہیں۔ Mythex آپ کی ایپ کے صارفین کے لیے tokens شامل نہیں کرتا اور نہ ہی کوئی built-in knowledge-base پروڈکٹ دیتا ہے؛ rate limits اور خرچ کے کنٹرول آپ کے ڈیزائن اور جانچ کی ذمہ داری ہیں۔ docs کی ترکیب اپنی API keys کے ساتھ اپنی ایپ میں AI شامل کریں میں ایک starter prompt ہے، اور AI app builder صفحہ بتاتا ہے کہ شروع کہاں سے کریں۔

سوالات