استفاده از Deepseek در لاراول – هوش مصنوعی در لاراول

تو دنیای امروز که تکنولوژی و هوش مصنوعی حسابی پیشرفت کرده، استفاده از ابزارهای هوشمند برای بهتر شدن عملکرد برنامه‌های وب یه ضرورت شده. یکی از این ابزارها Deepseek هست که بهت کمک می‌کنه از قدرت هوش مصنوعی توی پروژه‌های لاراولی استفاده کنی. تو این مقاله قراره نشون بدیم چطور می‌تونی پکیج Deepseek رو برای ادغام هوش مصنوعی با پروژه‌های لاراول به کار بگیری. این پکیج با یه رابط کاربری ساده و مطمئن، این امکان رو می‌ده که راحت درخواست‌های هوش مصنوعی بفرستی و جواب‌های دقیق بگیری. با ما همراه باش تا ببینی چطور می‌تونی این ابزار قدرتمند رو توی پروژه‌ات پیاده‌سازی کنی و از قابلیت‌هاش لذت ببری.

استفاده و نصب و پکیج Deepseek Laravel

برای نصب این پکیج، ابتدا باید از composer استفاده کنید. دستور زیر را در ترمینال وارد کنید:

composer require deepseek-php/deepseek-laravel

این دستور پکیج Deepseek Laravel را به پروژه شما اضافه میکنه!

انتشار فایل های پیکربندی

بعد از نصب پکیج، باید فایل های تنظیماتش رو به پروژه اضافه کنی. برای این کار می تونی از دستور زیر استفاده کنی:

php artisan vendor:publish --tag=deepseek

این دستور فایل های تنظیمات رو توی پوشه config پروژه قرار می ده و از اونجا می تونی ویرایششون کنی.

افزودن کلید API به env

برای استفاده از API Deepseek، باید یه کلید API داشته باشی. می‌تونی کلیدت رو از سایت platform.deepseek.com/api_keys بگیری و بعد تو فایل .env پروژه این‌طوری قرارش بدی:

DEEPSEEK_API_KEY="your_api_key"

استفاده از پکیج در کنترلر

در این مرحله، نحوه استفاده از پکیج Deepseek را در دو حالت ساده و حرفه ای بهتون توضیح میدم:

در حالت ساده استفاده از پکیج خیلی ساده است. فقط کافیه یه درخواست بفرستی و پاسخ رو بگیری. این روش وقتی نیازی به تنظیمات خاص نداری، خیلی کاربردیه.

کد زیر رو توی کنترلرت قرار بده:

<?php

namespace App\Http\Controllers;

use Illuminate\Http\Request;
use DeepseekClient;

class DeepseekController extends Controller
{
    public function queryDeepseekBasic()
    {
        $deepseek = app(DeepseekClient::class);
        
        // ارسال پرسش به Deepseek API
        $response = $deepseek->query('Hello deepseek, I am Laravel Framework , how are you Today ^_^ ?')->run();

        // نمایش پاسخ
        return response()->json([
            'message' => 'deepseek API response:',
            'response' => $response,
        ]);
    }
}

اینجا با متد query() یه سوال به Deepseek API می‌فرستیم و بعدش با متد run() درخواست رو اجرا می‌کنیم. جواب API هم توی قالب JSON به کاربر نمایش داده می‌شه.

اگه بخوای حرفه‌ای‌تر کار کنی، می‌تونی درخواست‌های پیچیده‌تری بفرستی و بعضی از تنظیمات رو شخصی‌سازی کنی. اینجا چندتا سوال مختلف می‌فرستیم و تنظیمات مدل و مقدار دما (temperature) رو تغییر می‌دیم.

تو این مثال، می‌تونی چندتا سوال مختلف رو برای Deepseek بفرستی و جواب‌ها رو به صورت ترکیبی بگیری.

<?php

namespace App\Http\Controllers;

use Illuminate\Http\Request;
use DeepseekClient;

class DeepseekController extends Controller
{
    public function queryDeepseekAdvanced()
    {
        $deepseek = app(DeepseekClient::class);

        // ارسال چندین پرسش با سفارشی‌سازی
        $response = $deepseek
            ->query('Hello deepseek, how are you ?', 'system')   // پرسش اول
            ->query('Hello deepseek, my name is PHP ', 'user')   // پرسش دوم
            ->withModel("deepseek-chat")                          // مدل مورد نظر
            ->setTemperature(1.5)                                 // تنظیم Temperature برای پاسخ‌های خلاقانه‌تر
            ->run();

        // نمایش پاسخ
        return response()->json([
            'message' => 'deepseek API response:',
            'response' => $response,
        ]);
    }
}

این کد علاوه بر ارسال پرسش‌های مختلف، از متدهای اضافی مثل withModel() برای تنظیم مدل و setTemperature() برای تنظیم مقدار پارامتر temperature استفاده کرده. این پارامتر به شما این امکان رو میده که میزان خلاقیت و تنوع در پاسخ‌ها رو کنترل کنید. مقادیر بالاتر این پارامتر معمولاً باعث می‌شه پاسخ‌ها خلاقانه تر و متفاوت تر بشن.

لیست انواع Temperature در Deepseek

انواع خطا و پاسخ های سرور

محدودیت Rate Limit

نقل قول مستقیم از مستندات DeepSeek:

API DeepSeek هیچ محدودیت سرعتی برای کاربران خود اعمال نمی‌کند و ما تلاش می‌کنیم تا هر درخواست را پردازش کنیم.
با این حال، توجه داشته باشید که زمانی که سرورهای ما تحت فشار ترافیک بالا قرار دارند، ممکن است پاسخ‌ها کمی زمان‌بر شوند. در این دوره، درخواست HTTP شما همچنان متصل خواهد ماند و ممکن است به صورت پیوسته محتویاتی به فرمت‌های زیر دریافت کنید:

• درخواست‌های غیر استریم: خطوط خالی به طور پیوسته برمی‌گردند.
• درخواست‌های استریم: کامنت‌های SSE keep-alive به طور پیوسته برمی‌گردند.

این محتویات تاثیری در تجزیه بدنه JSON توسط OpenAI SDK ندارند. اگر خودتان پاسخ‌های HTTP را تجزیه می‌کنید، لطفاً اطمینان حاصل کنید که این خطوط خالی یا کامنت‌ها را به درستی مدیریت کنید.

اگر درخواست بعد از ۳۰ دقیقه تکمیل نشد، اتصال سرور قطع خواهد شد.

نظر ما چیه؟!

بازخورد شما برای ما ارزشمنده! اگر این مقاله برات مفید بود، خوشحال می‌شیم نظرت رو بدونیم. همچنین، اگه محتوای ما برات جذاب بود، با دادن یک ستاره به مخزن گیت‌هاب از ما حمایت کن!