آیا تا به حال آرزو کردهاید که بتوانید کارهای تکراری و خستهکننده در برنامهنویسی را سریعتر انجام دهید؟ دنیای هوش مصنوعی (AI) این امکان را فراهم کرده است تا به جای سختتر کار کردن، هوشمندانهتر کار کنیم. با ترکیب قدرت زبان برنامهنویسی پایتون و هوش مصنوعی پیشرفته OpenAI، میتوانیم بسیاری از وظایف روزمره یک توسعهدهنده را خودکار کنیم و زمان خود را برای کارهای خلاقانهتر آزاد کنیم.
هدف این مقاله ارائه یک راهنمای گام به گام و ساده برای نوشتن اولین اسکریپت پایتون است که با API قدرتمند OpenAI ارتباط برقرار میکند. در پایان این راهنما، شما نه تنها یک اسکریپت کاربردی خواهید داشت، بلکه یک درک بنیادی برای شروع ماجراجویی خود در دنیای خودکارسازی مبتنی بر هوش مصنوعی نیز به دست خواهید آورد.
——————————————————————————–
۱. چرا پایتون و API؟ مقدمهای بر ابزارهای جادویی ما
قبل از اینکه دست به کد شویم، بیایید با دو ابزار اصلی خود آشنا شویم: پایتون و API.
چرا پایتون بهترین دوست شما برای خودکارسازی است؟
پایتون به دلایل قانعکنندهای به زبان منتخب برای خودکارسازی تبدیل شده است:
- سادگی یادگیری: پایتون سینتکس (قواعد نوشتاری) بسیار ساده و خوانایی دارد که آن را برای مبتدیان ایدهآل میکند.
- اکوسیستم گسترده: پایتون دارای مجموعه عظیمی از کتابخانهها و ابزارهای آماده برای خودکارسازی است. تقریباً برای هر کاری که تصور کنید، یک کتابخانه پایتون از قبل وجود دارد و شما نیازی به ساختن همه چیز از صفر ندارید.
API چیست؟ یک توضیح ساده
API مخفف Application Programming Interface (رابط برنامهنویسی کاربردی) است. آن را مانند یک مترجم یا پیشخدمت در یک رستوران تصور کنید. شما به عنوان مشتری (یک برنامه نرمافزاری)، درخواست خود را به پیشخدمت (API) میدهید. پیشخدمت درخواست شما را به آشپزخانه (برنامه دیگر یا سرور) میبرد، و پس از آماده شدن، غذا (دادهها یا نتیجه) را برای شما بازمیگرداند. شما نیازی ندارید بدانید در آشپزخانه چه میگذرد؛ فقط درخواست میدهید و پاسخ را دریافت میکنید.
در مورد ما، OpenAI API همان پیشخدمتی است که به اسکریپت پایتون ما اجازه میدهد تا با مدلهای هوش مصنوعی قدرتمندی که ابزارهایی مانند ChatGPT را هدایت میکنند، صحبت کند و از آنها درخواستهایی داشته باشد.
اکنون که با مفاهیم اولیه آشنا شدیم، بیایید دست به کار شویم و اولین اسکریپت خودکارسازی هوشمند خود را بسازیم.
——————————————————————————–
۲. راهنمای گام به گام: ساخت اولین اسکریپت هوشمند شما
در این بخش، مرحله به مرحله پیش میرویم تا یک اسکریپت ساده برای ارتباط با OpenAI بسازیم.
گام اول: پیشنیازها
قبل از شروع، مطمئن شوید که موارد زیر را آماده کردهاید:
- Python: پایتون (نسخه ۳ یا جدیدتر) باید روی سیستم شما نصب باشد.
- حساب کاربری OpenAI: شما نیاز به یک حساب کاربری در پلتفرم OpenAI دارید. میتوانید به صورت رایگان در platform.openai.com ثبتنام کنید.
گام دوم: دریافت کلید API از OpenAI
کلید API (API Key) یک کد مخفی و منحصربهفرد است که هویت شما را هنگام ارسال درخواست به سرورهای OpenAI تایید میکند.
۱. وارد حساب کاربری خود در OpenAI شوید. ۲. روی آیکون پروفایل خود در گوشه بالا سمت راست کلیک کرده و گزینه “View API keys” را انتخاب کنید. ۳. روی دکمه “Create new secret key” کلیک کنید.
هشدار بسیار مهم: کلید API شما یک اطلاعات حساس است و باید مانند یک رمز عبور از آن محافظت کنید. بلافاصله پس از ایجاد، آن را در یک جای امن کپی کنید، زیرا پس از بستن پنجره دیگر قادر به مشاهده مجدد آن نخواهید بود.
گام سوم: راهاندازی محیط پایتون
۱. یک پوشه جدید برای پروژه خود بسازید (مثلاً python-gpt). ۲. برای ارسال درخواستهای HTTP به API، به یک کتابخانه خارجی به نام requests نیاز داریم. ترمینال یا خط فرمان خود را باز کرده و دستور زیر را برای نصب آن اجرا کنید:
pip install requests
گام چهارم: نوشتن اسکریپت پایتون
حالا اسکریپت را قطعه به قطعه میسازیم.
۱. وارد کردن کتابخانهها در ابتدا، کتابخانههای requests (برای ارسال درخواست) و os (برای دسترسی به متغیرهای محیطی) را وارد میکنیم.
import requests
import os
۲. تنظیم امن کلید API قرار دادن کلید API مستقیماً در کد بسیار خطرناک است، زیرا اگر این کد در یک مخزن عمومی مانند گیتهاب قرار گیرد، هر کسی میتواند از کلید شما برای استفاده از حساب OpenAI شما سوءاستفاده کند و هزینههای زیادی برای شما به بار آورد. بهترین روش، استفاده از متغیرهای محیطی (Environment Variables) است. کد زیر کلید را از متغیری به نام OPENAI_API_KEY میخواند.
# خواندن کلید API از متغیرهای محیطی
api_key = os.getenv("OPENAI_API_KEY")
۳. تعریف نقطه پایانی (Endpoint) و هدرها (Headers) ما باید به اسکریپت بگوییم درخواست را به کجا ارسال کند (Endpoint) و چه اطلاعات فرادادهای (Metadata) را همراه آن بفرستد (Headers).
# نقطه پایانی API برای درخواستهای تکمیل متن
api_endpoint = "https://api.openai.com/v1/completions"
# هدرهای درخواست شامل نوع محتوا و کلید API برای احراز هویت
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {api_key}"
}
۴. ساخت دادههای درخواست (Request Data) در این مرحله، “محموله” یا دادههای درخواست خود را مشخص میکنیم که شامل دستور ما برای هوش مصنوعی است.
# دادههای درخواست که به API ارسال میشود
request_data = {
# مدل هوش مصنوعی که میخواهیم استفاده کنیم. این مدل یکی از تواناترین مدلهای OpenAI برای وظایف پیچیده است.
"model": "text-davinci-003",
# دستور اصلی ما به هوش مصنوعی
"prompt": "Write a python script for hello world. Provide only code, no text.",
# حداکثر طول پاسخ تولید شده را محدود میکند
"max_tokens": 100,
# میزان خلاقیت پاسخ را کنترل میکند (0.0: دقیق، 1.0: خلاق)
"temperature": 0.5
}
توجه کنید که در انتهای دستور از عبارت «Provide only code, no text» استفاده کردهایم تا به مدل بگوییم فقط کد را برگرداند و از توضیحات اضافی خودداری کند.
۵. ارسال درخواست و مدیریت پاسخ اکنون با استفاده از کتابخانه requests، درخواست POST را ارسال میکنیم. بررسی کد وضعیت (Status Code) پاسخ بسیار مهم است. کد 200 به معنای موفقیتآمیز بودن درخواست است.
# ارسال درخواست POST به API
response = requests.post(api_endpoint, headers=headers, json=request_data)
# بررسی موفقیتآمیز بودن درخواست
if response.status_code == 200:
# استخراج متن تولید شده از پاسخ JSON
response_text = response.json()["choices"][0]["text"]
print(f"پاسخ دریافت شده:\n{response_text}")
else:
# چاپ پیام خطا در صورت عدم موفقیت
print(f"خطا: درخواست با کد وضعیت {response.status_code} ناموفق بود.")
print(f"متن خطا: {response.text}")
حالا بیایید تمام این قطعات را کنار هم بگذاریم تا اسکریپت کامل را ببینیم.
——————————————————————————–
۳. کد کامل و اجرای آن
در اینجا کد نهایی و کامل اسکریپت را مشاهده میکنید. آن را در فایلی به نام main.py ذخیره کنید.
import requests
import os
# خواندن کلید API از متغیرهای محیطی برای امنیت بیشتر
api_key = os.getenv("OPENAI_API_KEY")
# نقطه پایانی API برای درخواستهای تکمیل متن
api_endpoint = "https://api.openai.com/v1/completions"
# هدرهای درخواست شامل نوع محتوا و کلید API برای احراز هویت
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {api_key}"
}
# دادههای درخواست که به API ارسال میشود
request_data = {
# مدل هوش مصنوعی که میخواهیم استفاده کنیم. این مدل یکی از تواناترین مدلهای OpenAI برای وظایف پیچیده است.
"model": "text-davinci-003",
# دستور اصلی ما به هوش مصنوعی
"prompt": "Write a python script for hello world. Provide only code, no text.",
# حداکثر طول پاسخ تولید شده را محدود میکند
"max_tokens": 100,
# میزان خلاقیت پاسخ را کنترل میکند (0.0: دقیق، 1.0: خلاق)
"temperature": 0.5
}
# ارسال درخواست POST به API
response = requests.post(api_endpoint, headers=headers, json=request_data)
# بررسی موفقیتآمیز بودن درخواست
if response.status_code == 200:
# استخراج متن تولید شده از پاسخ JSON
response_text = response.json()["choices"][0]["text"]
print(f"پاسخ دریافت شده:\n{response_text}")
else:
# چاپ پیام خطا در صورت عدم موفقیت
print(f"خطا: درخواست با کد وضعیت {response.status_code} ناموفق بود.")
print(f"متن خطا: {response.text}")
چگونه اسکریپت را اجرا کنیم؟
برای اجرای اسکریپت، مراحل زیر را در ترمینال خود دنبال کنید:
۱. تنظیم متغیر محیطی: قبل از اجرای اسکریپت، باید کلید API خود را به عنوان یک متغیر محیطی تنظیم کنید. کلید مخفی خود را جایگزین "your-secret-api-key-here" کنید.
* در **macOS/Linux**:
```bash
export OPENAI_API_KEY="your-secret-api-key-here"
```
* در **Windows (PowerShell)**:
```bash
$env:OPENAI_API_KEY="your-secret-api-key-here"
```
* در **Windows (Command Prompt)**:
```bash
set "OPENAI_API_KEY=your-secret-api-key-here"
```
*توجه: در Command Prompt، استفاده از علامت نقل قول ("") به جلوگیری از مشکلات احتمالی با کاراکترهای خاص در کلید API شما کمک میکند.*
۲. اجرای اسکریپت: حالا اسکریپت پایتون را اجرا کنید.
```bash
python main.py
```
خروجی مورد انتظار اگر همه چیز به درستی انجام شده باشد، باید خروجی مشابه زیر را در ترمینال خود مشاهده کنید:
پاسخ دریافت شده:
print("Hello, World!")
تبریک میگویم! شما اولین برنامه خودکارسازی شده با هوش مصنوعی را ساختید. اما این تازه شروع ماجراست.
——————————————————————————–
۴. گامهای بعدی و بهترین شیوهها
اکنون که اصول اولیه را یاد گرفتید، میتوانید کارهای بسیار قدرتمندتری را خودکار کنید. در اینجا چند ایده برای الهام گرفتن وجود دارد:
- پاکسازی دادهها: نوشتن اسکریپتهایی برای تمیز کردن فایلهای داده نامرتب (مانند CSV).
- استخراج اطلاعات از وب (Web Scraping): استخراج خودکار اطلاعاتی مانند عناوین مقالات از وبسایتها.
- ایجاد تستهای واحد (Unit Tests): تولید خودکار تستهای اولیه برای توابع کد شما.
- تهیه پیشنویس مستندات: ایجاد خودکار توضیحات (Docstrings) برای توابع و کلاسهای پایتون.
همچنین، برای ساخت برنامههای قویتر، این روشهای کلیدی را در نظر داشته باشید:
- مدیریت خطا (Error Handling): شما میتوانید با استفاده از بلوکهای
try...except، خطاهای احتمالی مانند قطع شدن شبکه، نامعتبر بودن کلید API یا خطاهای داخلی سرور OpenAI را مدیریت کنید تا برنامه شما به جای از کار افتادن، یک پیام خطای واضح نمایش دهد. - اعتبارسنجی ورودی (Input Validation): اعتبارسنجی ورودی از حملاتی مانند «تزریق دستور» (Prompt Injection) جلوگیری میکند؛ جایی که یک کاربر مخرب ممکن است ورودیای را ارائه دهد که دستور اصلی شما را نادیده گرفته و مدل هوش مصنوعی را وادار به انجام کاری ناخواسته کند.
- عیبیابی پاسخهای ناقص: اگر کد تولید شده توسط هوش مصنوعی ناقص به نظر میرسد، ممکن است پارامتر
max_tokensدر درخواست شما بسیار کوچک باشد. سعی کنید مقدار آن را افزایش دهید تا به مدل فضای کافی برای تکمیل پاسخ را بدهید.
——————————————————————————–
۵. نتیجهگیری
در این مقاله، شما سفری کوتاه اما پربار را آغاز کردید. شما با اصول خودکارسازی با پایتون آشنا شدید، مفهوم API را درک کردید و یک اسکریپت کاملاً کاربردی برای تعامل با یکی از پیشرفتهترین مدلهای هوش مصنوعی جهان ساختید. این مهارتها پایهای قدرتمند برای حل مسائل پیچیدهتر و ساخت ابزارهای خلاقانه است. به آزمایش ادامه دهید، دستورات مختلف را امتحان کنید و ببینید این فناوری شگفتانگیز شما را به کجا خواهد برد.
