پرسش از هوش مصنوعی

پرسش از AvalAI پرسش از Claude پرسش از ChatGPT

پرسش از هوش مصنوعی

پرسش از AvalAI پرسش از Claude پرسش از ChatGPT

API پیام‌ها

API پیام‌ها امکان دسترسی به مدل‌های Anthropic از طریق نقطه پایانی v1/messages API Claude را فراهم می‌کند. این نقطه پایانی بخشی از پشتیبانی چند ارائه دهنده AvalAI است که به شما امکان می‌دهد با مدل‌های Anthropic با استفاده از فرمت API بومی آنها تعامل داشته باشید. تمام مدل‌های Claude از جمله claude-sonnet-5، claude-opus-4-8، claude-opus-4-7، claude-opus-4-6، claude-sonnet-4-6 و سایر فضاهای نام مدل پایه با مسیریابی هوشمند پشتیبانی می‌شوند. API پیام‌ها از Claude Sonnet 5 و Claude Opus 4.8 پشتیبانی کامل دارد، شامل قابلیت‌های جدید مانند پیام‌های role: "system" در میانه مکالمه (با حفظ hit کش پرامپت) و شی stop_details به‌طور عمومی مستند شده در پاسخ‌های امتناع.

نقطه پایانی

POST https://api.avalai.ir/v1/messages

بدنه درخواست

پارامتر	نوع	ضروری	توضیحات
`model`	string	بله	شناسه مدل Anthropic برای استفاده. برای گزینه‌های موجود به مدل‌های Anthropic مراجعه کنید.
`messages`	array	بله	آرایه‌ای از اشیا پیام که نمایانگر تاریخچه مکالمه هستند.
`system`	string	خیر	دستورالعمل‌های سیستم که مدل را برای مکالمه آماده می‌کنند.
`max_tokens`	integer	بله	حداکثر تعداد توکن‌ها برای تولید. مقدار پیش‌فرض بسته به مدل متفاوت است.
`temperature`	number	خیر	دمای نمونه‌گیری بین 0 و 1. مقادیر بالاتر مانند 0.8 خروجی را تصادفی‌تر می‌کنند، در حالی که مقادیر پایین‌تر مانند 0.2 آن را متمرکزتر می‌کنند. مقدار پیش‌فرض 1 است.
`top_p`	number	خیر	جایگزینی برای دما، نمونه‌گیری هسته. مقدار پیش‌فرض 1 است.
`top_k`	integer	خیر	فقط از K گزینه برتر برای هر توکن بعدی نمونه‌گیری کنید. مقدار پیش‌فرض -1 (غیرفعال) است.
`stream`	boolean	خیر	اگر به true تنظیم شود، دلتاهای جزئی پیام ارسال خواهند شد. مقدار پیش‌فرض false است.
`stop_sequences`	array	خیر	دنباله‌های متنی سفارشی که باعث می‌شوند مدل تولید را متوقف کند.
`metadata`	object	خیر	متادیتای اختیاری برای گنجاندن در پاسخ.

شی پیام

هر پیام در آرایه messages باید ساختار زیر را داشته باشد:

پارامتر	نوع	ضروری	توضیحات
`role`	string	بله	نقش نویسنده پیام. یکی از: `user` یا `assistant`.
`content`	string یا array	بله	محتوای پیام. می‌تواند یک رشته یا آرایه‌ای از بلوک‌های محتوا هنگام استفاده از ورودی‌های چندرسانه‌ای باشد.

مثال‌ها

تکمیل پیام پایه

bash

curl https://api.avalai.ir/v1/messages \
  -H "Content-Type: application/json" \
  -H "x-api-key: $AVALAI_API_KEY" \
  -d '{
 "model": "anthropic.claude-sonnet-4-20250514-v1:0",
 "messages": [
 {
 "role": "user",
 "content": "سلام! آیا می‌توانید به من کمک کنید تا محاسبات کوانتومی را درک کنم؟"
 }
 ],
 "max_tokens": 1024
}'

python

from anthropic import Anthropic

client = Anthropic(
    api_key="AVALAI_API_KEY",
    base_url="https://api.avalai.ir",  # نقطه پایانی API AvalAI بدون /v1
)

response = client.messages.create(
    model="anthropic.claude-sonnet-4-20250514-v1:0",
    messages=[
        {
            "role": "user",
            "content": "سلام! آیا می‌توانید به من کمک کنید تا محاسبات کوانتومی را درک کنم؟",
        }
    ],
    max_tokens=1024,
)

print(response.content)

javascript

import { Anthropic } from "@anthropic-ai/sdk";

const client = new Anthropic({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir", // نقطه پایانی API AvalAI بدون /v1
});

const response = await client.messages.create({
  model: "anthropic.claude-sonnet-4-20250514-v1:0",
  messages: [
    {
      role: "user",
      content:
        "سلام! آیا می‌توانید به من کمک کنید تا محاسبات کوانتومی را درک کنم؟",
    },
  ],
  max_tokens: 1024,
});

console.log(response.content);

go

package main

import (
	"context"
	"fmt"
	"os"

	"github.com/anthropic/anthropic-sdk-go"
)

func main() {
	client := anthropic.NewClient(
		anthropic.WithAPIKey(os.Getenv("AVALAI_API_KEY")),
		anthropic.WithBaseURL("https://api.avalai.ir"),
	)

	resp, err := client.Messages.Create(context.Background(), &anthropic.MessagesRequest{
		Model: "anthropic.claude-sonnet-4-20250514-v1:0",
		Messages: []anthropic.Message{
			{
				Role:    "user",
				Content: "سلام! آیا می‌توانید به من کمک کنید تا محاسبات کوانتومی را درک کنم؟",
			},
		},
		MaxTokens: 1024,
	})

	if err != nil {
		fmt.Printf("Error: %v\n", err)
		return
	}

	fmt.Println(resp.Content)
}

php

<?php
// مثال PHP برای API پیام‌ها از طریق AvalAI

$apiKey = getenv('AVALAI_API_KEY'); // یا مستقیما با کلید واقعی خود جایگزین کنید
$apiUrl = 'https://api.avalai.ir/v1/messages';

$data = [
 'model' => 'claude-haiku-4-5',
 'messages' => [
 ['role' => 'user', 'content' => 'سلام! آیا می‌توانید به من کمک کنید تا محاسبات کوانتومی را درک کنم؟']
 ],
 'max_tokens' => 1024
];

$jsonData = json_encode($data);

$ch = curl_init($apiUrl);

curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_POST, true);
curl_setopt($ch, CURLOPT_POSTFIELDS, $jsonData);
curl_setopt($ch, CURLOPT_HTTPHEADER, [
 'Content-Type: application/json',
 'x-api-key: ' . $apiKey,
 'Content-Length: ' . strlen($jsonData)
]);

$response = curl_exec($ch);
$httpcode = curl_getinfo($ch, CURLINFO_HTTP_CODE);
$err = curl_error($ch);

curl_close($ch);

if ($err) {
 echo "خطای cURL #:" . $err;
} elseif ($httpcode >= 400) {
 echo "خطای HTTP: " . $httpcode . "\n";
 echo $response;
} else {
 $responseData = json_decode($response, true);
 echo "دستیار: " . $responseData['content'][0]['text'] . "\n";
}
?>

فرمت پاسخ

json

{
  "id": "msg_01xyzabcdef",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "محاسبات کوانتومی یک زمینه جذاب است که از اصول مکانیک کوانتومی برای پردازش اطلاعات به روش‌هایی استفاده می‌کند که کامپیوترهای کلاسیک نمی‌توانند. به جای استفاده از بیت‌هایی که یا 0 یا 1 هستند، کامپیوترهای کوانتومی از بیت‌های کوانتومی یا 'کیوبیت‌ها' استفاده می‌کنند که می‌توانند به دلیل خاصیت کوانتومی به نام برهم‌نهی، همزمان در چندین حالت وجود داشته باشند..."
    }
  ],
  "model": "anthropic.claude-sonnet-4-20250514-v1:0",
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 15,
    "output_tokens": 75
  }
}

پارامترهای پاسخ

پارامتر	نوع	توضیحات
`id`	string	یک شناسه منحصر به فرد برای پیام.
`type`	string	نوع شی، که همیشه "message" است.
`role`	string	نقش نویسنده پیام، که برای پاسخ‌ها "assistant" است.
`content`	array	آرایه‌ای از بلوک‌های محتوا، معمولا حاوی متن.
`model`	string	مدل مورد استفاده برای تولید پیام.
`stop_reason`	string	دلیل توقف مدل در تولید توکن‌ها. می‌تواند "end_turn"، "max_tokens"، "stop_sequence" یا مقادیر دیگر باشد.
`stop_sequence`	string یا null	اگر مدل به دلیل تولید یک دنباله توقف متوقف شده باشد، این فیلد حاوی آن دنباله است. در غیر این صورت null است.
`usage`	object	یک شی حاوی اطلاعات استفاده از توکن.

بلوک محتوا

پارامتر	نوع	توضیحات
`type`	string	نوع بلوک محتوا. در حال حاضر "text" یا "image".
`text`	string	محتوای متنی اگر نوع "text" باشد.

شی استفاده

پارامتر	نوع	توضیحات
`input_tokens`	integer	تعداد توکن‌های استفاده شده در ورودی.
`output_tokens`	integer	تعداد توکن‌های استفاده شده در خروجی.

جریان‌سازی

برای دریافت پاسخ‌های تدریجی مدل، stream: true را در درخواست خود تنظیم کنید:

javascript

const stream = await client.messages.create({
  model: "anthropic.claude-sonnet-4-20250514-v1:0",
  messages: [
    { role: "user", content: "داستانی درباره یک کامپیوتر کوانتومی بنویسید." },
  ],
  stream: true,
  max_tokens: 1024,
});

for await (const chunk of stream) {
  if (
    chunk.type === "content_block_delta" &&
    chunk.delta.type === "text_delta"
  ) {
    process.stdout.write(chunk.delta.text || "");
  }
}

مدیریت خطا

API ممکن است کدهای خطای مختلفی را برگرداند:

کد وضعیت	توضیحات
400	درخواست نامعتبر - درخواست شما نامعتبر است.
401	غیرمجاز - کلید API شما اشتباه است.
403	ممنوع - شما اجازه دسترسی به این منبع را ندارید.
404	یافت نشد - منبع مشخص شده یافت نشد.
429	درخواست‌های بیش از حد - شما از محدودیت نرخ خود فراتر رفته‌اید.
500	خطای داخلی سرور - ما مشکلی با سرور خود داشتیم.

برای اطلاعات بیشتر در مورد مدیریت خطاها، به راهنمای مدیریت خطا مراجعه کنید.

پشتیبانی چند ارائه دهنده

از ۱۹ خرداد ۱۴۰۴، پلتفرم AvalAI از فرمت API پیام‌های Anthropic برای دسترسی به مدل‌های چندین ارائه دهنده پشتیبانی می‌کند، از جمله:

Anthropic (مدل‌های Claude)
OpenAI
AWS Bedrock
Vertex AI
Gemini
MiniMax (شامل minimax-m3 با پشتیبانی کامل از بلوک‌های thinking بومی و استفاده از ابزار)

این رویکرد API یکپارچه به شما امکان می‌دهد از همان ساختار کد برای دسترسی به مدل‌های ارائه‌دهندگان مختلف استفاده کنید و در عین حال سازگاری با کتابخانه‌های کلاینت Anthropic را حفظ کنید.

منابع مرتبط

مدل‌های Anthropic - درباره مدل‌های Anthropic موجود بیاموزید
تکمیل گفتگو - API تکمیل گفتگو سازگار با OpenAI
احراز هویت - درباره روش‌های احراز هویت بیاموزید
محدودیت‌های نرخ - درباره محدودیت‌های نرخ API بیاموزید

API پیام‌ها ​

نقطه پایانی ​

بدنه درخواست ​

شی پیام ​

مثال‌ها ​

تکمیل پیام پایه ​

فرمت پاسخ ​

پارامترهای پاسخ ​

بلوک محتوا ​

شی استفاده ​

جریان‌سازی ​

مدیریت خطا ​

پشتیبانی چند ارائه دهنده ​

منابع مرتبط ​