ساخت چت‌بات پشتیبانی فارسی با دیپ‌سیک (DeepSeek)؛ استریم، RAG و هزینه

اوایل که DeepSeek سر و صدا کرد، خیلی‌ها فکر کردند با یک مدل چینی ارزان و متوسط طرف‌اند. چند ماه بعد، همان تیم‌ها چت‌بات پشتیبانی‌شان را روی آن مهاجرت داده بودند؛ نه چون بهترین مدل دنیاست، بلکه چون کیفیت یک مدل کامل و هم‌ردهٔ مدل‌های مطرح را با قیمتی می‌دهد که تا پیش از آن فقط از مدل‌های سبک انتظار می‌رفت. برای چت‌بات فارسی که باید هزاران گفتگو در ماه را با بودجهٔ محدود جواب بدهد، این ترکیب دقیقاً همان چیزی است که لازم است. در این راهنما بدون اغراق می‌گوییم دیپ‌سیک کجا می‌درخشد، کجا لنگ می‌زند، چطور از ایران با پرداخت تومانی به آن وصل شوید و یک چت‌بات پشتیبانی واقعی را با آن چطور بسازید.

این مقاله ساختن چت‌بات را قدم‌به‌قدم نشان می‌دهد؛ قیمت تومانی deepseek-flash و deepseek-v4-pro و خرید اعتبار در صفحهٔ API دیپ‌سیک (DeepSeek) با پرداخت تومانی است.

دیپ‌سیک چیست و چرا این‌قدر ارزان است؟

DeepSeek یک آزمایشگاه هوش مصنوعی چینی است که وزن مدل‌هایش را باز منتشر می‌کند و در API خودش قیمتی به‌مراتب پایین‌تر از رقبا می‌گذارد. راز ارزانی، معماری Mixture-of-Experts است: مدل صدها میلیارد پارامتر دارد، اما برای هر توکن فقط بخش کوچکی از آن فعال می‌شود و همین هزینهٔ اجرا را پایین می‌آورد. نرخ رسمی ارائه‌دهنده در زمان نگارش برای مدل سبک (deepseek-flash) حدود ۰٫۳۰ دلار ورودی و ۱٫۲۰ دلار خروجی برای هر میلیون توکن است و برای مدل قوی (deepseek-v4-pro) حدود ۱٫۳۲ و ۳٫۹۶ دلار. این نرخ‌ها برای ساعات پرترافیک است؛ بیرون از آن ساعت‌ها هزینهٔ واقعی حدود نصف می‌شود. دیپ‌سیک قیمت را چند بار کاهش داده، پس عدد لحظه‌ای را در صفحهٔ مدل‌ها ببینید. یک نکتهٔ مهم را از همین ابتدا بگوییم: درخواست‌ها به سرورهای DeepSeek می‌رسد و سیاست دادهٔ آن شرکت بر آن حاکم است؛ نِت اَرز متن پرامپت‌ها را ذخیره نمی‌کند، اما اگر دادهٔ به‌شدت حساس دارید، این را در انتخاب مدل لحاظ کنید.

دو مدل زنده: Flash و Pro

برای چت‌بات، تقریباً همیشه deepseek-flash انتخاب درست است. هر دو مدل پنجرهٔ زمینهٔ یک میلیون توکنی دارند، پس تاریخچهٔ بلند یا چند سند کامل هم در یک درخواست جا می‌شود. Pro را برای جایی نگه دارید که کاربر مسئله‌ای واقعی مطرح می‌کند، مثلاً محاسبهٔ اقساط یا مقایسهٔ چند گزینهٔ پیچیده، و حتی آن‌جا هم اول امتحان کنید که آیا Flash با یک پرامپت بهتر جواب نمی‌دهد.

اگر در کد قدیمی‌تان deepseek-chat یا deepseek-reasoner نوشته‌اید، آن دو شناسه دیگر روی درگاه جواب نمی‌دهند و باید همین دو نام تازه را بگذارید. دو شناسهٔ deepseek-v4-flash و deepseek-v4-flash-vision-exp نام‌های قدیمی همین مدل سبک‌اند؛ هنوز کار می‌کنند و روی همان مدل و همان نرخ می‌نشینند، اما در کد تازه deepseek-flash را بنویسید.

دسترسی از ایران با پرداخت تومانی

پلتفرم خود DeepSeek برای شارژ به کارت بین‌المللی نیاز دارد. API هوش مصنوعی نِت اَرز هر دو مدل را با همان قالب OpenAI ارائه می‌دهد: اعتبار را به تومان می‌خرید (از ۱۰۰ هزار تومان به‌علاوهٔ ۹ درصد مالیات)، کلیدی با پیشوند sk-ntz-v1- می‌سازید و از داخل ایران بدون تغییر IP درخواست می‌فرستید. مزیت جانبی: همان کلید به مدل‌های OpenAI و Gemini و به مسیر OpenRouter هم وصل است؛ کلود از همین مسیر و با شناسه‌ای مثل openrouter/anthropic/claude-haiku-4.5 صدا زده می‌شود. پس می‌توانید Embedding را از OpenAI بگیرید، چت را با دیپ‌سیک انجام دهید و اگر روزی دیپ‌سیک کند شد، با تغییر یک رشته به مدل دیگری بروید.

کیفیت فارسی دیپ‌سیک؛ صادقانه

در گفتگوی روزمره، پاسخ به سؤال‌های پشتیبانی و تولید متن معمولی، فارسی دیپ‌سیک روان و قابل قبول است و در آزمایش‌های ما اغلب کاربران فرقی با مدل‌های گران‌تر حس نمی‌کنند. دو ضعف مشخص دارد: گاهی وسط پاسخ طولانی یک کلمه یا عبارت انگلیسی یا چینی می‌پراند، و در متن رسمی و ادبی، لحن گاهی از دست می‌رود. هر دو با پیام سیستم قابل مهار است؛ صریح بنویسید «فقط به فارسی پاسخ بده، هیچ کلمهٔ غیرفارسی به کار نبر» و لحن مطلوب را با یک نمونه نشان دهید. و مثل همیشه: بیست سؤال واقعی مشتریان خودتان را به مدل بدهید و خروجی را بخوانید؛ این نیم ساعت از هر مقایسه‌ای بیشتر می‌ارزد.

معماری یک چت‌بات پشتیبانی فارسی

1. پیام سیستم: نقش، لحن، محدودهٔ موضوع و قواعد سخت (مثلاً «قیمت قطعی اعلام نکن، به صفحهٔ محصول ارجاع بده»). این متن در هر درخواست فرستاده می‌شود؛ پس فشرده بنویسید.
2. حافظهٔ کوتاه: فقط چند پیام آخر گفتگو را نگه دارید (مثلاً ده پیام). تاریخچهٔ کامل، هم هزینه را بالا می‌برد و هم مدل را گیج می‌کند.
3. دانش اختصاصی (RAG): سؤال کاربر را به بردار تبدیل کنید، سه قطعهٔ مرتبط از پایگاه دانش خودتان را پیدا کنید و همان‌ها را داخل پرامپت بگذارید. مدل به‌جای حدس زدن، از متن شما جواب می‌دهد.
4. مرزبندی: اگر سؤال خارج از موضوع بود یا مدل مطمئن نبود، پاسخ مؤدبانهٔ کوتاه و پیشنهاد انتقال به پشتیبان انسانی.
5. ثبت و پایش: شناسهٔ گفتگو و بازخورد کاربر را ذخیره کنید تا پرامپت را بر اساس شکست‌های واقعی بهبود دهید.

نمونه کد: چت‌بات با استریم و حافظهٔ کوتاه

from openai import OpenAI

client = OpenAI(base_url="https://netarz.ir/api/ai/v1", api_key="sk-ntz-v1-...")

SYSTEM = (
    "تو دستیار پشتیبانی فروشگاه «مثال» هستی. فقط فارسی پاسخ بده و هیچ کلمهٔ غیرفارسی به کار نبر. "
    "کوتاه، دقیق و مؤدب باش. اگر پاسخ را نمی‌دانی، بگو که به همکار انسانی منتقل می‌کنی."
)

class Chat:
    def __init__(self, max_history=10):
        self.history = []
        self.max_history = max_history

    def ask(self, user_text):
        self.history.append({"role": "user", "content": user_text})
        messages = [{"role": "system", "content": SYSTEM}] + self.history[-self.max_history:]

        stream = client.chat.completions.create(
            model="deepseek-flash",
            messages=messages,
            temperature=0.3,
            max_tokens=400,
            stream=True,
        )

        answer = ""
        for chunk in stream:
            piece = chunk.choices[0].delta.content or ""
            answer += piece
            print(piece, end="", flush=True)

        self.history.append({"role": "assistant", "content": answer})
        return answer

bot = Chat()
bot.ask("سفارشم رو دیروز ثبت کردم، کی می‌رسه؟")

دمای پایین (حدود ۰٫۳) پاسخ‌ها را ثابت‌تر و کمتر خلاقانه می‌کند که برای پشتیبانی همان چیزی است که می‌خواهید. max_tokens هم جلوی پاسخ‌های بی‌دلیل طولانی را می‌گیرد؛ خروجی سه برابر ورودی قیمت دارد.

RAG ساده: پاسخ از روی دانش خودتان

import numpy as np

DOCS = [
    "ارسال سفارش‌های تهران ۱ تا ۲ روز کاری و شهرستان ۳ تا ۵ روز کاری است.",
    "بازگشت کالا تا ۷ روز پس از تحویل، در صورت سالم بودن بسته‌بندی، پذیرفته می‌شود.",
    "پرداخت با درگاه بانکی و کیف پول ممکن است.",
]

def embed(texts):
    r = client.embeddings.create(model="text-embedding-3-small", input=texts)
    return np.array([d.embedding for d in r.data])

DOC_VECTORS = embed(DOCS)

def retrieve(question, k=2):
    q = embed([question])[0]
    scores = DOC_VECTORS @ q / (np.linalg.norm(DOC_VECTORS, axis=1) * np.linalg.norm(q))
    return [DOCS[i] for i in scores.argsort()[::-1][:k]]

question = "چند روزه به شیراز می‌رسه؟"
context = "\n".join(retrieve(question))
answer = client.chat.completions.create(
    model="deepseek-flash",
    messages=[
        {"role": "system", "content": SYSTEM + "\nفقط بر اساس اطلاعات زیر پاسخ بده:\n" + context},
        {"role": "user", "content": question},
    ],
    max_tokens=200,
).choices[0].message.content
print(answer)

در این نمونه، Embedding از OpenAI و چت از DeepSeek است و هر دو با یک کلید و یک اعتبار کار می‌کنند. برای پایگاه دانش بزرگ، بردارها را در یک پایگاه دادهٔ برداری ذخیره کنید و مدل Embedding را وسط کار عوض نکنید.

برآورد هزینهٔ ماهانه

یک فروشگاه متوسط را در نظر بگیرید: روزانه ۱۵۰ گفتگو، هر گفتگو ۴ نوبت، هر نوبت حدود ۱٬۰۰۰ توکن ورودی (پیام سیستم، تاریخچهٔ کوتاه، قطعات دانش و سؤال) و ۲۰۰ توکن خروجی. مصرف روزانه ۶۰۰ هزار توکن ورودی و ۱۲۰ هزار توکن خروجی است؛ ماهانه حدود ۱۸ میلیون ورودی و ۳٫۶ میلیون خروجی. با نرخ رسمی دیپ‌سیک روی deepseek-flash، هزینه حدود ۵٫۴ دلار ورودی و ۴٫۳ دلار خروجی، یعنی حدود ۱۰ دلار در ماه برای ۴٬۵۰۰ گفتگو می‌شود؛ بیرون از ساعات پرترافیک کمتر هم می‌شود. همین بار روی deepseek-v4-pro حدود ۳۸ دلار و روی یک پرچم‌دار مثل gpt-5 حدود ۵۹ دلار درمی‌آید. مدل‌های سبک‌تری مثل gpt-5-nano ارزان‌تر تمام می‌شوند، اما پاسخ فارسی‌شان به این یکدستی نیست. مزیت دیپ‌سیک دقیقاً همین نقطه است: کیفیت مدل کامل، با هزینهٔ نزدیک به مدل‌های سبک. این اعداد نرخ رسمی است؛ قیمت تومانی نِت اَرز که هزینهٔ تأمین را شامل می‌شود در صفحهٔ مدل‌ها است و روش محاسبه را در راهنمای توکن و هزینه با مثال ریالی آورده‌ایم.

دیپ‌سیک یا مدل‌های دیگر؟

برای چت‌بات فارسی با بودجهٔ محدود و حجم بالا، دیپ‌سیک را اول امتحان کنید. اگر پاسخ‌ها باید بی‌نقص و رسمی باشند (بانک، بیمه، خدمات حقوقی)، openrouter/anthropic/claude-haiku-4.5 یا gpt-5-mini را هم بسنجید؛ کمی گران‌تر، اما یکدست‌تر. اگر سؤال‌ها ساده و تکراری است و کیفیت متوسط کافی است، مدل‌های سبک رقبا ارزان‌تر تمام می‌شوند. مقایسهٔ کامل قیمت‌ها را در مقایسهٔ قیمت API مدل‌ها و چرایی کنار گذاشتن مدل‌های رایگان را در راهنمای مدل رایگان OpenRouter نوشته‌ایم. اگر تیم شما در کنار API به اشتراک چت هم نیاز دارد، دستهٔ اکانت هوش مصنوعی را ببینید و برای جزئیات پارامترها و کدهای خطا، مستندات فنی را.

نکات عملیاتی

• برای کلید چت‌بات سقف هزینهٔ ماهانه بگذارید و IP سرور را در فهرست مجاز قرار دهید.
• در ساعات اوج، دیپ‌سیک گاهی کندتر پاسخ می‌دهد؛ زمان انتظار مشخص تعیین کنید و یک مدل جایگزین (مثلاً gpt-5-mini) در تنظیمات داشته باشید. درخواست ناموفق در نِت اَرز هزینه ندارد، پس تلاش مجدد بی‌ضرر است.
• پیام سیستم را نسخه‌بندی کنید و هر تغییر را روی همان بیست سؤال آزمایشی بسنجید.
• گزارش مصرف را به تفکیک کلید و مدل هفتگی ببینید؛ اگر ورودی به‌طور غیرمنتظره بالا رفت، معمولاً تاریخچه یا قطعات دانش بیش از حد بزرگ شده‌اند.

چت‌بات خوب بیشتر از آنکه به مدل گران وابسته باشد، به پرامپت دقیق، دانش درست و مرزبندی روشن وابسته است. دیپ‌سیک این امکان را می‌دهد که همهٔ این‌ها را با بودجه‌ای اندک بسازید؛ از صفحهٔ API هوش مصنوعی نِت اَرز شروع کنید.