شکستن از اشتراک های AI: راه حل تمام در یک با یکبار با OpenRouter

هوش مصنوعی برای ماندن اینجا است. از روزهای ابتدایی من با محاکمه Copilot تا در حال حاضر من از آن در طعم ها و ظرفیت های مختلف استفاده می کنم. من متقاعد شده ام که از AI به درستی استفاده می شود ، به ویژه در مهندسی نرم افزار می تواند به طور قابل توجهی بهره وری توسعه را تقویت کرده و یادگیری را تسریع کند. در پایان این مقاله ، من رویکرد خود را برای استفاده از هوش مصنوعی به اشتراک می گذارم. اگر هنوز از ترس از استفاده از هوش مصنوعی دریغ نمی کنید ، این کار شما را در نظر می گیرد ، این موضوع را در نظر بگیرید: احتمال بسیار بالاتری وجود دارد که همکاران که با ابزارهای AI مهارت پیدا می کنند ، در نهایت شما را جایگزین می کنند. از نظر من ، این مقاومت شبیه به اجتناب از جستجوهای گوگل به نفع خواندن دستی اسناد است – از نظر تئوری قابل تحسین است اما در نهایت کمتر عملی است و خلاف نحوه اتفاق کار مدرن است.

بنابراین با گفتن این موضوع ، یک مسئله در مورد هر سرویس امروزه این است که همه آنها مبتنی بر اشتراک هستند و علاوه بر این ، اغلب فقط یک اشتراک کافی نیست. برخی از مطالب فقط در Netflix موجود است ، و موارد دیگر منحصراً در Hulu است. من به طور مشابه در مورد مدل های اصلی AI نیز احساس کردم – Copilot Pro ، Claude Pro و Grok Pro همه به اشتراک ماهانه نیاز دارند. ما در فضای برنامه نویسی Copilot ، Tabnine ، Cody و بسیاری دیگر داریم.

نسخه اخیر مدل ها بسیار زیاد می شود ، با Grok ، R1 ، Gemini و سایرین به سرعت در حال ظهور هستند تا انحصار Openai و Anthropic را به چالش بکشند. برای کسی مثل من که از این مدل ها به ندرت یا در پشت سر هم استفاده می کند و دوست دارد با مدل های مختلف بازی کند تا درک بهتری از پیشرفت در هوش مصنوعی بدست آورد ، پرداخت هزینه های اشتراک مانند هدر دادن پول است. البته ، شما می توانید کلیدهای API را خریداری کرده و اعتبار خود را برای پرداخت اعتبار بپردازید ، اما پس از آن شما در حال مدیریت حساب ها و کلیدهای مختلف صورتحساب برای هر مدل هستید که در سطح دیگری دردسر است. اگر فقط یک بستر واحد وجود داشته باشد که بتواند این مشکل را حل کند که به شما امکان می دهد از هر مدلی که می خواهید استفاده کنید در حالی که صرفاً هزینه استفاده واقعی را پرداخت می کنید. من شروع به جستجوی راه حل برای این هدف کردم و راه حلی پیدا کردم و در این مقاله همه چیز را در مورد آن به اشتراک خواهم گذاشت.

هدف برای دستیابی

قبل از توضیح راه حل ، بگذارید یک مرور کلی درباره نحوه استفاده از هوش مصنوعی در گردش کار خود ارائه دهم. این زمینه به شما کمک می کند تا درک کنید که چرا این رویکرد خاص را انتخاب کردم.
من در درجه اول از AI برای عملکرد چت تعاملی استفاده می کنم. من تولید کد خودکار یا ویژگی های خودکار AI را ترجیح نمی دهم ، اگرچه در صورت تمایل می توانید با این رویکرد به تولید کد مکان نما دست یابید. این هدف اصلی من نبود زیرا من معتقدم تولید بخش های زیادی از کد یا چندین پرونده به طور همزمان از طریق هوش مصنوعی ایده آل نیست. چنین شیوه هایی می توانند کد مشکل ساز را معرفی کنند که کیفیت و قابلیت حفظ آن را کاهش می دهد.
درعوض ، من ترجیح می دهم از AI به عنوان یک همراه مشترک استفاده کنم – ابزاری برای بحث در مورد مسائل ، حل مشکلات خاص و پیشنهاد پیشرفت. برای این گردش کار ، دو ویژگی اساسی بسیار مهم بود:

1. قیمت گذاری بهتری برای الگوهای استفاده متغیر ارائه دهید (پرداخت به استفاده)
2. امکان اضافه کردن زمینه کدگذاری به راحتی در مکالمات گپ
3. یک روش ساده برای آزمایش و تغییر بین مدلهای مختلف هوش مصنوعی

OpenRouter یک رابط یکپارچه (همه LLM در یک API)

در جستجوی یک راه حل جامع هوش مصنوعی ، من رویکردهای مختلفی را مورد بررسی قرار دادم و OpenRouter را کشف کردم – یک دروازه API یکپارچه که دسترسی به حدود 300 مدل از ارائه دهندگان اصلی از جمله هر مدل از Openai ، Anthropic ، Google ، Deepseek و سایر موارد را فراهم می کند. اگر یک مدل در دسترس عموم باشد ، در OpenRouter در دسترس خواهد بود. این یک بستر عالی برای نظارت بر روندهای اخیر هوش مصنوعی و مقایسه عملکرد مدل در کنار هم است.

OpenRouter حتی یک رابط چت چند مدل ارائه می دهد که در آن می توانید به طور همزمان با مدل های مختلف آزمایش و آزمایش کنید. هر مدل از طریق یک رابط API ساده با استفاده از یک کلید API واحد قابل دسترسی است – دقیقاً همان چیزی است که ما در مراحل بعدی خود از آن استفاده خواهیم کرد.

شاید جذاب ترین جنبه ساختار قیمت گذاری شفاف OpenRouter باشد. هزینه ها برای هر مدل به وضوح نمایش داده می شود و سریع ، بدون هزینه اضافی فراتر از آنچه می خواهید از طریق API های رسمی بپردازید. ادغام به طرز چشمگیری ساده است ، زیرا بیشتر برنامه های سفارشی چت AI در IDE ها از پروتکل API OpenRouter پشتیبانی می کنند.

تعویض کوپیلچات در IDE

اگر فقط می خواهید با مدل های مختلف گپ بزنید ، رابط چت OpenRouter کاملاً کافی است اما برای ما مهندسان نرم افزار باید آن را در IDE ادغام کنیم تا قدرت را با زمینه برنامه نویسی و یک رابط کاربری آسان شارژ کنیم. همانطور که من به طور عمده از VScode ، JetBrains IDE & Neovim استفاده می کنم. من ابزار و پیکربندی خود را با برخی از گزینه های اضافی موجود برای گردش کار مختلف به اشتراک می گذارم.

برای کد استودیو ویژوال و jetbrain ide's

برای این IDE های مبتنی بر GUI ، انتخاب مورد نظر من ادامه است. این فوق العاده ساده ، به راحتی قابل تنظیم است و با مستندات روشن همراه است. گزینه های دیگری مانند Cline تجربه تولید کد عامل شبیه به مکان نما را ارائه می دهند که ترجیح من برای گردش کار من نیست ، اما ممکن است برای دیگران که به دنبال آن عملکرد هستند جذاب باشد. اگر کسی وارد آن شود ، می تواند از Cline استفاده کند که پلاگین VScode محبوب تر است.

تنظیم بسیار ساده است:

1. پسوند را نصب کنید.
2. تنظیم پیکربندی محلی ادامه با داده های مدل

{
  "models": [
    {
      "title": "Flash 2.0",
      "provider": "openrouter",
      "model": "google/gemini-2.0-flash-001",
      "apiBase": "https://openrouter.ai/api/v1",
      "apiKey": "OPENROUTER-API-KEY"
    },
    {
      "title": "Claude 3.7 Sonnet",
      "provider": "openrouter",
      "model": "anthropic/claude-3.7-sonnet",
      "apiBase": "https://openrouter.ai/api/v1",
      "apiKey": "OPENROUTER-API-KEY"
    },
    {
      "title": "DeepSeek: R1",
      "provider": "openrouter",
      "model": "deepseek/deepseek-r1:free",
      "apiBase": "https://openrouter.ai/api/v1",
      "apiKey": "OPENROUTER-API-KEY"
    },
    {
      "title": "OpenAI: o3 Mini",
      "provider": "openrouter",
      "model": "openai/o3-mini",
      "apiBase": "https://openrouter.ai/api/v1",
      "apiKey": "OPENROUTER-API-KEY"
    },
  ],
  "contextProviders": [
  ],
  "slashCommands": [
    {
      "name": "share",
      "description": "Export the current chat session to markdown"
    },
    {
      "name": "cmd",
      "description": "Generate a shell command"
    },
    {
      "name": "commit",
      "description": "Generate a git commit message"
    }
  ],
  "data": []
}

در این پیکربندی ، من چهار مدل از چهار ارائه دهنده LLM مختلف اضافه کرده ام: فلش Gemini 2.0 Google ، Antropics Claude-3.7-Sonnet ، R1 Deepseek و Openai's O3 Mini. می توانید هر مدل را از API OpenRouter مورد نظر خود اضافه کنید. اکنون می توانید هر یک از این مدل ها را از رابط چت انتخاب کرده و زمینه را با نماد @ اضافه کنید.

” loading=”lazy” width=”800″ height=”770″/>

برای نئو

من گزینه های زیادی را برای Neovim امتحان کردم ، و همه در مورد آوانگت کاملاً سرحال هستند. اما از نظر من ، احساس می کنم ابزار زیادی که من به آن احتیاج ندارم ، بیشتر برای گردش کار عامل تولید کد مانند مکان نما متمرکز است. بنابراین اگر کسی وارد آن شود ، من فکر می کنم واقعاً مانند آوانگت است.
بعد از آزمایش گزینه های بسیاری ، در نهایت CodeCompanion را انتخاب کردم. این من را با سادگی در حالی که هنوز غنی از ویژگی است ، تحت تأثیر قرار داد. این پشتیبانی عالی برای ارائه دهندگان متن های مختلف فراهم می کند ، باعث می شود که بین مدل ها بی دردسر تغییر یابد و تجربه سبک وزن را که در راه اندازی Neovim خود ارزش دارد ، حفظ می کند.
CodeCompanion همچنین مستندات واضح و کاملی را ارائه می دهد ، و این باعث می شود که اگر کسی بخواهد ، ویژگی های پیشرفته را اجرا کند.

برای تکرار تجربیات مشابه در Neovim می توانید پیکربندی من را از repo dotfile من بررسی کنید:
.dotfile: code-companion.lua

نکته جایزه: اگر از لولین استفاده می کنید ، می توانید یک انیمیشن بارگیری و انتخاب مدل فعلی را برای CodeCompanion ادغام کنید که به طور قابل توجهی تجربه کاربر شما را هنگام پردازش درخواست ها افزایش می دهد.
.dotfile: twoline.uble

.dotfile: spinner.lua

می توانید راهنمای شروع کار را دنبال کنید و OpenRouter_API_KEY را در محیط تنظیم کنید. خوب است که بروید. این تجربه به نظر من بسیار بهتر و صیقلی از چت Github Copilot در Neovim است.

نتیجه گیری:

پس از استفاده از این تنظیم ، من به هیچ وجه چت Copilot & Tabnine را از دست نمی دهم. در واقع ، من از ویژگی های دیگری که این رویکرد ارائه می دهد لذت می برم. با توجه به هزینه ، اگر کسی از مدل های گران قیمت مانند Claude 3.7 به شدت استفاده کند – به خصوص با گردش کار عامل یا شما در “برنامه نویسی VIBE” قرار دارید که در آن میلیون ها خط متن به اشتراک گذاشته می شوند – پس از آن ممکن است یک سرویس اشتراک مانند Copilot مقرون به صرفه تر باشد.

با این حال ، برای کاربران گاه به گاه مانند من ، این رویکرد بسیار مقرون به صرفه است. به علاوه ، شما برای دسترسی به آخرین مدل ها به حسن نیت ارائه دهنده وابسته نیستید. هنگامی که یک API در دسترس عموم قرار می گیرد ، می توانید بلافاصله آن را در گردش کار خود ادغام کنید. به نظر من ، این انعطاف پذیری در چشم انداز AI که به سرعت در حال تحول است ، بسیار ارزشمند است.