اتصال n8n و Make به مدل‌های هوش مصنوعی با یک base_url؛ بدون کارت ارزی

بخش بزرگی از کارهایی که «هوش مصنوعی در کسب‌وکار» نامیده می‌شود، اصلاً به برنامه‌نویس نیاز ندارد: دسته‌بندی پیام‌های ورودی، پیش‌نویس پاسخ به مشتری، خلاصهٔ فرم‌ها، تولید کپشن از روی مشخصات محصول. ابزارهایی مثل n8n و Make دقیقاً برای همین ساخته شده‌اند و گره‌های آمادهٔ هوش مصنوعی دارند. مشکل فقط یک فیلد است: «API Key» که باید از OpenAI بگیرید و برای کاربر ایرانی به کارت ارزی و حساب خارجی ختم می‌شود. خبر خوب این‌که هر دو ابزار (و تقریباً همهٔ ابزارهای مشابه) به شما اجازه می‌دهند به‌جای OpenAI، به هر آدرسی که با همان استاندارد صحبت کند وصل شوید. در این راهنما همین کار را با API هوش مصنوعی نِت اَرز انجام می‌دهیم.

ایدهٔ اصلی: هر ابزاری که OpenAI را می‌شناسد، نِت اَرز را هم می‌شناسد

درگاه نِت اَرز با استاندارد OpenAI سازگار است. یعنی هر جا فیلدی به نام Base URL، API Base یا Endpoint می‌بینید، کافی است https://netarz.ir/api/ai/v1 را بنویسید و در فیلد کلید، کلیدی را که با پیشوند sk-ntz-v1- از پنل گرفته‌اید قرار دهید. از آن به بعد، نام مدل تعیین می‌کند به کدام شرکت وصل می‌شوید: gpt-5-mini، openrouter/anthropic/claude-haiku-4.5، openrouter/google/gemini-2.5-flash، deepseek-flash یا هر مدل دیگری از فهرست مدل‌ها. شناسه را عیناً از همان فهرست کپی کنید؛ مدل‌هایی که مسیر مستقیم ندارند با openrouter/ شروع می‌شوند. اعتبار را به تومان می‌خرید (از ۱۰۰ هزار تومان به‌علاوهٔ ۹ درصد مالیات) و هزینه به‌ازای مصرف واقعی از آن کم می‌شود.

n8n: تنظیم کردنشیال OpenAI با Base URL

1. در n8n به بخش Credentials بروید و یک کردنشیال جدید از نوع OpenAI بسازید.
2. در فیلد API Key کلید نِت اَرز را بگذارید.
3. فیلد Base URL را از حالت پیش‌فرض به https://netarz.ir/api/ai/v1 تغییر دهید و ذخیره کنید.
4. در گردش کار، گرهٔ OpenAI (عملیات Message a Model) یا در گردش‌های عامل‌محور، گرهٔ OpenAI Chat Model را به AI Agent وصل کنید و همین کردنشیال را انتخاب کنید.
5. در فیلد مدل، نام مدل را انتخاب یا دستی بنویسید. فهرست مدل‌ها از مسیر /models درگاه خوانده می‌شود؛ اگر به هر دلیل فهرست خالی نمایش داده شد، گزینهٔ وارد کردن دستی را انتخاب کنید و نام مدل را از صفحهٔ مدل‌ها کپی کنید.

همین یک کردنشیال برای همهٔ گره‌های هوش مصنوعی n8n کافی است و با تغییر نام مدل در هر گره، بین شرکت‌ها جابه‌جا می‌شوید. گره‌های Embedding و تولید تصویر هم با همان کردنشیال کار می‌کنند.

n8n: راه دوم با HTTP Request

اگر کنترل کامل روی درخواست می‌خواهید یا نسخهٔ n8n شما فیلد Base URL ندارد، گرهٔ HTTP Request را با این تنظیمات بسازید: متد POST، آدرس https://netarz.ir/api/ai/v1/chat/completions، هدر Authorization با مقدار Bearer sk-ntz-v1-... و بدنهٔ JSON:

{
  "model": "gpt-5-mini",
  "temperature": 0.2,
  "max_tokens": 300,
  "messages": [
    {"role": "system", "content": "پیام‌های مشتری را در یکی از این دسته‌ها قرار بده: سفارش، مرجوعی، شکایت، سایر. فقط نام دسته را برگردان."},
    {"role": "user", "content": "{{ $json.message }}"}
  ]
}

پاسخ در مسیر choices[0].message.content برمی‌گردد و در گره‌های بعدی با عبارت {{ $json.choices[0].message.content }} در دسترس است. برای کلید، به‌جای نوشتن مستقیم در بدنه، از کردنشیال Header Auth استفاده کنید تا در خروجی اجرای گردش کار نمایش داده نشود.

Make: ماژول HTTP

ماژول رسمی OpenAI در Make، در زمان نگارش، امکان تغییر آدرس پایه را ندارد؛ بنابراین از ماژول عمومی HTTP → Make a request استفاده می‌کنیم که به همان اندازه ساده است:

• URL: https://netarz.ir/api/ai/v1/chat/completions
• Method: POST
• Headers: Authorization با مقدار Bearer sk-ntz-v1-... و Content-Type با مقدار application/json
• Body type: Raw، Content type: JSON، و در Request content همان JSON بالا با متغیرهای Make به‌جای مقادیر ثابت
• گزینهٔ Parse response را روشن کنید تا خروجی به‌صورت ساخت‌یافته در ماژول‌های بعدی نمایش داده شود

بعد از یک اجرای آزمایشی، در ماژول بعدی متن پاسخ را از Data → choices[] → message → content انتخاب کنید. زمان انتظار پیش‌فرض ماژول HTTP در Make محدود است؛ برای مدل‌های سنگین یا پاسخ‌های طولانی آن را افزایش دهید یا max_tokens را کوچک‌تر بگیرید.

Zapier، Dify، Flowise و بقیه

الگو همه‌جا یکی است. در Zapier با Webhooks by Zapier همان درخواست POST را بفرستید. در Dify، Flowise، LibreChat و Open WebUI، ارائه‌دهنده‌ای از نوع «OpenAI-compatible» تعریف کنید و آدرس پایه و کلید را بدهید. در ادیتورهای کد مثل Cursor و Continue هم فیلد Override Base URL همین کار را می‌کند؛ راهنمای کاملش را در Cursor از ایران نوشته‌ایم. جزئیات مسیرها در مستندات فنی است.

پیش از اتصال: یک تست ده‌ثانیه‌ای با curl

اگر گره‌ای خطا داد، اول مطمئن شوید کلید و آدرس درست است. این دستور را در ترمینال اجرا کنید؛ اگر فهرست مدل‌ها برگشت، مشکل از تنظیمات ابزار است نه از کلید:

curl https://netarz.ir/api/ai/v1/models -H "Authorization: Bearer sk-ntz-v1-..."

عیب‌یابی: خطاهای رایج و معنی‌شان

همهٔ خطاها با قالب استاندارد OpenAI و پیام فارسی برمی‌گردند و هیچ‌کدام هزینه ندارند. فهرست کامل کدها در مستندات فنی آمده است.

Embedding و تولید تصویر در گردش کار

فقط چت نیست. با همان کردنشیال می‌توانید گرهٔ Embedding را برای جستجوی معنایی در پایگاه دانش خودتان استفاده کنید (مثلاً پیدا کردن نزدیک‌ترین پاسخ آماده به سؤال مشتری) و با مسیر تولید تصویر، برای هر محصول جدید تصویر بسازید. الگوی درخواست همان است و فقط مسیر و مدل عوض می‌شود؛ embeddings با مدلی مثل text-embedding-3-small و images/generations با مدلی مثل gpt-image-1 یا gpt-image-1-mini.

کدام مدل برای کدام گره؟

قیمت لحظه‌ای هر مدل در صفحهٔ مدل‌ها و مقایسهٔ کامل در مقایسهٔ قیمت API مدل‌ها آمده است.

یک سناریوی کامل: از پیام مشتری تا Google Sheets

1. ورودی: گرهٔ Webhook (n8n) یا ماژول Webhook (Make) پیام‌های سایت، فرم یا پیام‌رسان را دریافت می‌کند.
2. دسته‌بندی: یک درخواست به gpt-5-nano با دستور «فقط نام دسته را برگردان»؛ خروجی یکی از چهار کلمه است.
3. مسیریابی: گرهٔ Switch بر اساس دسته: شکایت به تلگرام مدیر، سفارش به CRM، مرجوعی به صف پشتیبانی.
4. پیش‌نویس پاسخ: برای دسته‌های سفارش و مرجوعی، درخواست دوم به gpt-5-mini با پیام سیستمی که سیاست‌های فروشگاه را دارد؛ خروجی یک پاسخ آمادهٔ بازبینی.
5. ثبت: پیام اصلی، دسته و پیش‌نویس در Google Sheets یا پایگاه دادهٔ خودتان ذخیره می‌شود و پشتیبان انسانی تأیید یا ویرایش می‌کند.

این گردش کار با چند صد پیام در روز، معمولاً با چند دلار اعتبار در ماه اداره می‌شود؛ محاسبه‌اش را در راهنمای توکن و هزینه ببینید.

کنترل هزینه و خطا

• برای هر گردش کار یک کلید جدا در پنل بسازید و برای هر کلید سقف هزینه بگذارید؛ گزارش مصرف به تفکیک کلید نشان می‌دهد کدام گردش کار بیشتر خرج می‌کند.
• در گره‌های HTTP گزینهٔ تلاش مجدد را برای خطاهای ۴۲۹ و ۵xx فعال کنید؛ درخواست ناموفق در نِت اَرز هزینه ندارد.
• در پرامپت، طول خروجی را مشخص کنید و max_tokens بگذارید؛ در اتوماسیون، خروجی طولانی معمولاً هدر می‌رود.
• دمای پایین (حدود ۰٫۲) برای دسته‌بندی و استخراج، پاسخ‌ها را ثابت‌تر می‌کند.
• در اتوماسیون به استریم نیازی نیست؛ پاسخ کامل را بگیرید و پردازش کنید.

workflow آماده برای وارد کردن در n8n

به‌جای ساختن نود از صفر، فایل netarz-ai-chat.workflow.json را با «Import from File» وارد کنید. کلید داخل فایل نیست: یک credential از نوع Header Auth با نام Authorization و مقدار Bearer sk-ntz-v1-… بسازید و در نود «NetArz AI» انتخابش کنید. مدل را در بدنهٔ JSON همان نود عوض کنید. راهنمای کوتاه هر دو روش اتصال در integrations/n8n است و بقیهٔ مخزن‌های ما در کدهای متن‌باز نِت اَرز.

جمع‌بندی

تنها چیزی که بین شما و گره‌های هوش مصنوعی n8n و Make فاصله انداخته بود، یک فیلد کلید بود. با base_url نِت اَرز و یک کلید تومانی، همان گره‌ها با GPT، Claude، Gemini و DeepSeek کار می‌کنند و برای هر کار می‌توانید ارزان‌ترین مدل مناسب را انتخاب کنید. اگر می‌خواهید ببینید این سرویس دقیقاً چیست و چه امکاناتی در پنل دارد، راهنمای API هوش مصنوعی با پرداخت ریالی را بخوانید و برای ایده‌های بیشتر، کاربردهای ChatGPT برای کسب‌وکارهای ایرانی را ببینید. اگر برای کار دستی تیم به اشتراک چت هم نیاز دارید، دستهٔ اکانت هوش مصنوعی جدا از API در دسترس است.