Claude AI چیست؟ آموزش کامل استفاده از هوش مصنوعی کلود

Claude یا «کلود» یک دستیار هوش مصنوعی مولد است که توسط شرکت Anthropic توسعه داده شده است. این ابزار می‌تواند به زبان طبیعی با کاربر گفت‌وگو کند، متن بنویسد، فایل‌ها را تحلیل کند، کد تولید و اشکال‌زدایی کند، در وب جست‌وجو انجام دهد و برای انجام تحقیقات چندمرحله‌ای به کار گرفته شود.

اگرچه بسیاری از کاربران ایرانی اولین تجربه خود از هوش مصنوعی را با ChatGPT به دست آورده‌اند، Claude AI نیز به یکی از ابزارهای مهم برای نویسندگان، برنامه‌نویسان، پژوهشگران، تحلیلگران داده و تیم‌های کسب‌وکار تبدیل شده است.

یکی از نقاط قوت Claude، توانایی آن در پردازش دستورهای طولانی، تحلیل اسناد و تولید پاسخ‌هایی با ساختار منظم است. البته کیفیت نتیجه همچنان به مدل انتخاب‌شده، نوع مسئله، کیفیت Prompt یا پرامپت و اطلاعاتی که در اختیار ابزار قرار می‌دهید بستگی دارد.

در این مقاله یاد می‌گیریم:

• Claude AI چیست و چگونه کار می‌کند
• تفاوت Claude با Claude Code و Claude API چیست
• چگونه از Claude به زبان فارسی استفاده کنیم
• چگونه فایل PDF، Word، Excel و کد را با Claude تحلیل کنیم
• Projects و Artifacts چه کاربردی دارند
• چگونه پرامپت حرفه‌ای برای Claude بنویسیم
• برنامه‌نویسان چگونه Claude را وارد جریان توسعه نرم‌افزار کنند
• چگونه از API مدل‌های هوش مصنوعی در برنامه خود استفاده کنیم
• Claude چه محدودیت‌ها و ملاحظات امنیتی دارد

Claude AI چیست؟

Claude AI یک خانواده از مدل‌های زبانی بزرگ یا Large Language Models است که توسط Anthropic ساخته شده است. کاربران معمولاً از طریق وب‌سایت و اپلیکیشن Claude با این مدل‌ها تعامل می‌کنند.

Claude می‌تواند ورودی‌های مختلف را دریافت و پردازش کند؛ از جمله:

• پرسش‌های متنی
• دستورهای فارسی و انگلیسی
• فایل‌های متنی
• اسناد PDF
• فایل‌های صفحه‌گسترده
• تصاویر و نمودارها
• قطعه‌کدها
• مستندات فنی
• اطلاعات دریافت‌شده از وب یا ابزارهای متصل

Claude فقط یک موتور تولید متن نیست. در قابلیت‌های جدیدتر، می‌تواند کد اجرا کند، فایل بسازد، اطلاعات را از منابع مختلف ترکیب کند و در برخی محیط‌ها وظایف چندمرحله‌ای انجام دهد.

Anthropic چیست؟

Anthropic یک شرکت فعال در حوزه هوش مصنوعی است که خانواده مدل‌های Claude را توسعه می‌دهد. محصولات این شرکت را می‌توان در سه گروه کلی قرار داد:

Claude Chat

محیط گفت‌وگوی عمومی Claude برای کاربران عادی، حرفه‌ای و سازمانی است. در این محیط می‌توانید سؤال بپرسید، فایل بارگذاری کنید، متن تولید کنید و از قابلیت‌هایی مانند Projects و Artifacts استفاده کنید.

Claude Code

Claude Code یک ابزار Agentic Coding برای برنامه‌نویسان است. این ابزار می‌تواند کد پروژه را بررسی کند، فایل‌ها را تغییر دهد، تست اجرا کند، خطاها را پیدا کند و در محیط توسعه با برنامه‌نویس همکاری کند.

Claude Code با چت عمومی Claude یکسان نیست. چت برای استفاده‌های عمومی طراحی شده، اما Claude Code روی کار با مخزن کد و ابزارهای توسعه تمرکز دارد.

Claude API

Claude API رابط برنامه‌نویسی مدل‌های Claude است. توسعه‌دهندگان از API برای اضافه‌کردن قابلیت‌های هوش مصنوعی به وب‌سایت، اپلیکیشن، سامانه پشتیبانی، ابزار داخلی یا محصول SaaS استفاده می‌کنند.

اشتراک چت Claude و هزینه API دو محصول جداگانه هستند. Anthropic نیز تأکید می‌کند که خرید اشتراک Pro، Max یا سازمانی لزوماً اعتبار API در اختیار کاربر قرار نمی‌دهد. راهنمای رسمی تفاوت اشتراک Claude و API

Claude چگونه کار می‌کند؟

Claude بر پایه مدل زبانی بزرگ یا LLM کار می‌کند. مدل زبانی در مرحله آموزش، الگوهای موجود در حجم بزرگی از داده‌های متنی و کدنویسی را یاد می‌گیرد. هنگام دریافت یک Prompt، مدل پاسخ را براساس ورودی، سابقه گفت‌وگو، دستورهای سیستمی و ابزارهای در دسترس تولید می‌کند.

فرایند ساده‌شده به این شکل است:

1. کاربر یک Prompt ارسال می‌کند.
2. متن به واحدهایی به نام Token یا توکن تبدیل می‌شود.
3. مدل ارتباط میان توکن‌ها و Context یا زمینه گفت‌وگو را تحلیل می‌کند.
4. در صورت نیاز، مدل از ابزارهایی مانند جست‌وجوی وب یا اجرای کد کمک می‌گیرد.
5. پاسخ به‌صورت مرحله‌ای تولید می‌شود.

این فرایند به معنی فهم انسانی نیست. Claude ممکن است پاسخ روان و متقاعدکننده‌ای تولید کند که از نظر factual یا واقعی نادرست باشد. به این خطا معمولاً Hallucination یا توهم مدل گفته می‌شود.

آیا Claude از زبان فارسی پشتیبانی می‌کند؟

بله. Claude می‌تواند متن فارسی را درک و تولید کند. می‌توانید سؤال، سند و دستور خود را کاملاً به زبان فارسی ارسال کنید.

بااین‌حال، برای دریافت پاسخ بهتر باید زبان خروجی را صریحاً مشخص کنید:

پاسخ را به زبان فارسی روان و رسمی بنویس.
اصطلاحات تخصصی را در اولین استفاده به‌صورت فارسی و English ذکر کن.
از ترجمه تحت‌اللفظی خودداری کن.
مثال‌ها را متناسب با کاربران ایرانی ارائه بده.

در موضوعات بسیار تخصصی، ممکن است ترکیب فارسی و انگلیسی نتیجه بهتری ایجاد کند. برای مثال، به‌جای استفاده انحصاری از «توکن» می‌توان یک بار عبارت Token یا توکن را نوشت تا منظور دقیق‌تر مشخص شود.

چگونه وارد Claude شویم؟

برای استفاده از نسخه عمومی Claude باید به وب‌سایت رسمی آن مراجعه و حساب کاربری ایجاد کنید:

https://claude.ai

دسترسی، ثبت‌نام، روش پرداخت و قابلیت‌های هر طرح ممکن است براساس کشور، نوع حساب و سیاست‌های جاری سرویس متفاوت باشد. اگر منطقه شما در فهرست مناطق پشتیبانی‌شده نباشد، نباید اطلاعات هویتی یا پرداخت نادرست وارد کنید.

پس از ورود، محیط اصلی شامل بخش‌هایی مانند چت‌ها، Projects، Artifacts و تنظیمات حساب است. گزینه‌های قابل‌مشاهده ممکن است بر اساس نوع اشتراک یا عرضه تدریجی قابلیت‌ها متفاوت باشند.

آیا Claude رایگان است؟

Claude دارای طرح رایگان با محدودیت مصرف است. علاوه بر آن، طرح‌های پولی برای کاربران پرتکرار و سازمان‌ها ارائه می‌شود.

طبق راهنمای رسمی Anthropic در زمان نگارش این مقاله، طرح‌های فردی شامل موارد زیر هستند:

• Free برای استفاده محدود و گهگاهی
• Pro با ظرفیت بیشتر برای استفاده منظم
• Max 5x برای کاربران پرتکرار
• Max 20x برای استفاده سنگین روزانه

در زمان بررسی، قیمت اعلام‌شده برای Pro برابر ۲۰ دلار در ماه و قیمت طرح‌های Max برابر ۱۰۰ و ۲۰۰ دلار در ماه بوده است. قیمت، مالیات، دسترسی منطقه‌ای و محدودیت مصرف می‌تواند تغییر کند؛ بنابراین قبل از خرید باید صفحه رسمی طرح‌های Claude را بررسی کنید.

نکته مهم این است که «طرح پولی» به معنی استفاده نامحدود نیست. طول ورودی، فایل‌های پیوست‌شده، مدل انتخابی و قابلیت‌هایی مانند Research روی میزان مصرف اثر می‌گذارند.

مهم‌ترین قابلیت‌های Claude AI

تولید و بازنویسی متن

Claude می‌تواند برای تولید انواع محتوا استفاده شود:

• مقاله وبلاگ
• متن صفحه محصول
• ایمیل رسمی
• گزارش مدیریتی
• کپشن شبکه‌های اجتماعی
• مستندات فنی
• توضیحات API
• سناریوی ویدئو
• طرح درس
• خلاصه جلسه
• پیشنهاد تجاری

برای رسیدن به خروجی حرفه‌ای، بهتر است مخاطب، هدف، لحن و ساختار را در Prompt مشخص کنید.

نمونه پرامپت:

نقش تو یک نویسنده فنی مسلط به حوزه Backend است.

یک مقاله آموزشی درباره Rate Limiting بنویس که مخاطب آن برنامه‌نویسان
سطح متوسط هستند.

شرایط:
- زبان فارسی روان و فنی باشد.
- اصطلاحات مهم را به شکل English/فارسی ذکر کن.
- مثال‌ها با Node.js و Redis باشند.
- مزایا، محدودیت‌ها و اشتباهات رایج را توضیح بده.
- ادعاهای فنی بدون توضیح مطرح نکن.
- در پایان یک چک‌لیست پیاده‌سازی ارائه بده.

خلاصه‌سازی متن و سند

می‌توانید یک متن یا فایل را به Claude بدهید و از آن بخواهید:

• خلاصه اجرایی تولید کند
• نکات کلیدی را استخراج کند
• تفاوت چند سند را پیدا کند
• اصطلاحات تخصصی را توضیح دهد
• سؤال و جواب آموزشی بسازد
• تناقض‌های احتمالی را شناسایی کند
• اقدامات بعدی را استخراج کند

نمونه:

این سند را در سه سطح خلاصه کن:

1. خلاصه یک‌پاراگرافی برای مدیرعامل
2. نکات فنی برای تیم توسعه
3. فهرست تصمیم‌ها، ریسک‌ها و اقدام‌های بعدی

برای هر ادعا شماره صفحه یا بخش مربوط را ذکر کن.
اگر اطلاعاتی در سند وجود ندارد، آن را حدس نزن.

درخواست ارجاع به صفحه یا بخش سند باعث می‌شود کنترل پاسخ آسان‌تر شود؛ اما همچنان باید موارد مهم را با فایل اصلی تطبیق دهید.

تحلیل PDF

برای تحلیل PDF می‌توانید فایل را در گفت‌وگو بارگذاری و هدف تحلیل را مشخص کنید. یک دستور مبهم مانند «این فایل را بررسی کن» معمولاً خروجی عمومی ایجاد می‌کند.

دستور دقیق‌تر:

این فایل PDF را به‌عنوان یک تحلیلگر محصول بررسی کن.

خروجی را شامل بخش‌های زیر ارائه بده:
- مسئله اصلی
- راهکار پیشنهادی
- مخاطبان هدف
- فرض‌های مهم
- شاخص‌های موفقیت
- ریسک‌های اجرایی
- اطلاعاتی که در سند وجود ندارد

برای هر نتیجه، شواهد خود را از متن سند ذکر کن.

برای اسناد اسکن‌شده، کیفیت OCR یا تشخیص متن اهمیت دارد. همچنین نمودارهای پیچیده، فرمول‌ها و جدول‌های چندلایه باید جداگانه کنترل شوند.

تحلیل داده و ساخت فایل

Claude می‌تواند با اجرای کد روی داده‌ها کار کند و فایل‌هایی مانند صفحه‌گسترده، گزارش، ارائه یا PDF تولید کند. طبق مستندات رسمی، قابلیت اجرای کد و ساخت فایل در طرح‌های Claude روی وب، دسکتاپ و موبایل عرضه شده است. راهنمای رسمی ساخت و ویرایش فایل با Claude

برای تحلیل یک فایل CSV می‌توانید بنویسید:

فایل فروش پیوست‌شده را تحلیل کن.

مراحل:
1. ساختار ستون‌ها و کیفیت داده را بررسی کن.
2. مقادیر خالی و رکوردهای غیرعادی را گزارش بده.
3. فروش ماهانه و نرخ رشد را محاسبه کن.
4. پنج محصول برتر و ضعیف‌تر را مشخص کن.
5. یک نمودار مناسب بساز.
6. روش محاسبه هر شاخص را توضیح بده.
7. فایل Excel نهایی را همراه با فرمول‌های قابل‌بررسی تولید کن.

هیچ مقدار گمشده‌ای را بدون اعلام قبلی جایگزین نکن.

هنگام کار با داده‌های مالی باید فرمول‌ها، نوع واحد پول، منطقه زمانی، داده‌های گمشده و تعریف شاخص‌ها را کنترل کنید.

جست‌وجوی وب

مدل زبانی بدون ابزار جست‌وجو الزاماً از آخرین اخبار یا تغییرات مطلع نیست. قابلیت Web Search به Claude اجازه می‌دهد اطلاعات جدید را از اینترنت دریافت و همراه با منبع ارائه کند.

نمونه پرامپت:

آخرین تغییرات این فناوری را با استفاده از جست‌وجوی وب بررسی کن.

شرایط:
- فقط از منابع رسمی و مستندات سازنده استفاده کن.
- تاریخ انتشار هر منبع را ذکر کن.
- تغییرات قطعی را از شایعات جدا کن.
- اگر منابع با یکدیگر تعارض دارند، اختلاف را توضیح بده.
- در پایان لینک منابع اصلی را قرار بده.

برای اطلاعات سریع و محدود، Web Search مناسب است. برای مسئله‌ای که نیازمند بررسی چندین منبع و ترکیب داده‌هاست، قابلیت Research انتخاب بهتری است.

Extended Thinking

Extended Thinking یا تفکر توسعه‌یافته برای مسئله‌هایی مناسب است که به استدلال عمیق‌تر نیاز دارند؛ مانند:

• طراحی الگوریتم
• تحلیل معماری نرم‌افزار
• اشکال‌زدایی مسئله پیچیده
• بررسی چند راهکار
• حل مسائل منطقی یا ریاضی
• تحلیل تصمیم چندمعیاره

Anthropic پیشنهاد می‌کند Web Search را برای اطلاعات جدید، Extended Thinking را برای استدلال پیچیده و Research را برای تحقیقات چندمرحله‌ای به کار ببرید. راهنمای رسمی انتخاب Search، Thinking و Research

فعال‌کردن تفکر بیشتر، صحت پاسخ را تضمین نمی‌کند. برای مسائل حساس همچنان به تست، منبع و بررسی انسانی نیاز دارید.

Research

Research برای ساخت گزارش‌های جامع از چند منبع طراحی شده است. این قابلیت می‌تواند چندین جست‌وجو انجام دهد، نتایج را ترکیب کند و گزارشی مستند ارائه دهد.

یک Prompt مناسب برای تحقیق بازار:

درباره بازار نرم‌افزارهای حسابداری ابری برای کسب‌وکارهای کوچک تحقیق کن.

دامنه تحقیق:
- اندازه و روند بازار
- مهم‌ترین دسته‌های محصول
- الگوی قیمت‌گذاری
- نیازهای کاربران
- فرصت‌های محصول جدید
- ریسک‌های ورود به بازار

قواعد:
- بازه زمانی منابع را مشخص کن.
- منبع هر عدد را کنار همان عدد قرار بده.
- داده جهانی و ایران را با هم ترکیب نکن.
- واقعیت، تخمین و استنباط خودت را جداگانه علامت‌گذاری کن.
- در پایان محدودیت‌های تحقیق را توضیح بده.

هرگز صرفاً به ظاهر حرفه‌ای یک گزارش اعتماد نکنید. لینک‌ها، تاریخ‌ها، ارقام و نتیجه‌گیری‌ها را بررسی کنید.

Projects در Claude چیست؟

Projects یا پروژه‌ها محیط‌هایی برای نگهداری گفت‌وگوها، فایل‌ها و دستورهای مرتبط با یک موضوع هستند. به‌جای اینکه در هر گفت‌وگو اطلاعات کسب‌وکار یا پروژه را دوباره وارد کنید، می‌توانید یک Project اختصاصی بسازید.

نمونه پروژه‌ها:

• پروژه تولید محتوای یک برند
• تحلیل اسناد حقوقی یک شرکت
• مستندات یک محصول نرم‌افزاری
• پروژه پایان‌نامه
• راهنمای پشتیبانی مشتری
• تحلیل گزارش‌های فروش
• توسعه یک مخزن کد

ساختار پیشنهادی برای یک Project تولید محتوا:

نام پروژه: محتوای وبلاگ شرکت

Project Instructions:
- زبان خروجی فارسی رسمی و روان باشد.
- نام برند دقیقاً به شکل تعیین‌شده نوشته شود.
- از ادعاهای بدون منبع خودداری شود.
- عنوان‌ها توصیفی و مناسب SEO باشند.
- در اولین کاربرد، اصطلاح فارسی و English کنار هم نوشته شوند.
- برای اطلاعات جدید از منابع رسمی استفاده شود.
- هیچ آمار یا نقل‌قولی ساخته نشود.

سپس می‌توانید راهنمای لحن برند، معرفی خدمات، پرسونای مخاطب و نمونه مقالات تأییدشده را به Project اضافه کنید.

Claude می‌تواند در پروژه‌های بزرگ از Retrieval-Augmented Generation یا RAG استفاده کند تا بخش مرتبط فایل‌ها را هنگام پاسخ‌گویی بازیابی کند. براساس راهنمای Anthropic، RAG ظرفیت دانش Projects را در شرایط مشخص تا حدود ده برابر افزایش می‌دهد. راهنمای RAG در Claude Projects

وجود فایل در Project به این معنی نیست که مدل در هر پاسخ تمام آن را بررسی کرده است. در دستور خود مشخص کنید پاسخ باید بر کدام منابع داخلی متکی باشد.

Artifacts در Claude چیست؟

Artifact یا آرتیفکت محتوایی مستقل است که در فضایی جدا از چت ساخته می‌شود و می‌توان آن را مشاهده، ویرایش و تکمیل کرد.

Claude می‌تواند Artifactهایی مانند موارد زیر تولید کند:

• سند Markdown
• قطعه‌کد
• صفحه HTML
• نمودار
• SVG
• فلوچارت
• کامپوننت React
• ابزار تعاملی
• نمونه اولیه رابط کاربری

نمونه پرامپت:

یک Artifact تعاملی برای محاسبه هزینه API بساز.

ورودی‌ها:
- تعداد درخواست ماهانه
- میانگین Input Token
- میانگین Output Token
- قیمت هر یک میلیون توکن ورودی
- قیمت هر یک میلیون توکن خروجی

خروجی:
- هزینه هر درخواست
- هزینه ماهانه
- جدول سه سناریوی کم، متوسط و زیاد
- نمایش خطا برای ورودی منفی

رابط کاربری فارسی، راست‌چین و واکنش‌گرا باشد.

طبق راهنمای Anthropic، Artifacts می‌تواند شامل اپلیکیشن‌ها، ابزارها، نمودارها، صفحات HTML و کامپوننت‌های تعاملی باشد. در نسخه‌های جدید، دسترسی به بعضی قابلیت‌های Artifact به فعال‌بودن Code Execution and File Creation وابسته است. مستندات رسمی Claude Artifacts

کد تولیدشده در Artifact را پیش از استفاده واقعی از نظر امنیت، دسترس‌پذیری، کارایی و سازگاری مرورگر بررسی کنید.

آموزش پرامپت‌نویسی برای Claude

کیفیت Prompt یکی از مهم‌ترین عوامل تعیین‌کننده کیفیت خروجی است. یک پرامپت حرفه‌ای معمولاً شامل اجزای زیر است:

نقش

مشخص کنید Claude از چه دیدگاهی پاسخ دهد:

به‌عنوان یک مهندس ارشد امنیت نرم‌افزار پاسخ بده.

نقش باید واقعی و مرتبط باشد. استفاده از عباراتی مانند «تو بهترین متخصص جهان هستی» معمولاً اطلاعات مفیدی به مدل اضافه نمی‌کند.

هدف

نتیجه مطلوب را شفاف بنویسید:

هدف، شناسایی آسیب‌پذیری‌های این Endpoint و پیشنهاد اصلاحات قابل‌اجرا است.

زمینه

اطلاعات لازم را ارائه دهید:

این Endpoint در یک برنامه Node.js اجرا می‌شود، از PostgreSQL استفاده می‌کند
و فقط از طریق Backend فراخوانی می‌شود.

ورودی

مرز ورودی را مشخص کنید:

<code>
کد موردنظر
</code>

استفاده از جداکننده‌ها باعث می‌شود مدل دستور را با داده اشتباه نگیرد.

محدودیت‌ها

قوانین خروجی را تعریف کنید:

- API موجود را تغییر نده.
- کتابخانه جدید اضافه نکن.
- کد با Node.js 22 سازگار باشد.
- برای هر تغییر دلیل فنی بنویس.

قالب خروجی

مشخص کنید پاسخ چگونه تحویل داده شود:

خروجی را در چهار بخش ارائه بده:
1. مشکلات بحرانی
2. مشکلات متوسط
3. نسخه اصلاح‌شده کد
4. تست‌های پیشنهادی

معیار پذیرش

تعریف کنید چه زمانی نتیجه قابل‌قبول است:

راهکار زمانی قابل‌قبول است که:
- ورودی نامعتبر را رد کند.
- کلید API در کلاینت افشا نشود.
- Timeout داشته باشد.
- خطاها اطلاعات حساس برنگردانند.
- تست موفق و ناموفق ارائه شود.

قالب حرفه‌ای Prompt برای Claude

می‌توانید از الگوی زیر برای بیشتر کارهای جدی استفاده کنید:

نقش:
تو یک [نقش تخصصی] هستی.

هدف:
می‌خواهم [نتیجه دقیق] را به دست بیاورم.

زمینه:
[اطلاعات پروژه، مخاطب، فناوری و شرایط]

ورودی:
<input>
[داده یا متن]
</input>

وظایف:
1. [وظیفه اول]
2. [وظیفه دوم]
3. [وظیفه سوم]

محدودیت‌ها:
- [محدودیت اول]
- [محدودیت دوم]

قالب خروجی:
[جدول، JSON، مقاله، کد یا گزارش]

معیارهای پذیرش:
- [معیار قابل‌اندازه‌گیری]

در صورت کمبود اطلاعات:
حدس نزن؛ ابتدا فرض‌ها و اطلاعات گمشده را فهرست کن.

چند پرامپت کاربردی برای Claude AI

پرامپت یادگیری یک موضوع

موضوع «Vector Database» را مانند یک مدرس فنی آموزش بده.

مخاطب برنامه‌نویسی است که SQL می‌داند، اما با Embedding آشنا نیست.

ساختار:
- تعریف ساده
- مسئله‌ای که حل می‌کند
- روش فنی کار
- تفاوت با پایگاه داده رابطه‌ای
- مثال واقعی
- اشتباهات رایج
- تمرین عملی
- پنج سؤال برای ارزیابی یادگیری

اصطلاحات مهم را به‌صورت فارسی و English بنویس.

پرامپت بازنویسی متن فارسی

متن زیر را بازنویسی کن.

هدف:
- فارسی طبیعی و حرفه‌ای
- حفظ کامل معنی
- حذف تکرار
- کوتاه‌کردن جمله‌های پیچیده
- حفظ اصطلاحات فنی English
- پرهیز از لحن تبلیغاتی اغراق‌آمیز

متن:
<text>
...
</text>

در پایان، تغییرات مهم را در سه مورد خلاصه کن.

پرامپت بررسی قرارداد

این قرارداد را فقط برای شناسایی اولیه نکات مهم تحلیل کن.

موارد موردنظر:
- تعهدات هر طرف
- شرایط پرداخت
- شرایط فسخ
- مسئولیت‌ها
- محرمانگی
- مالکیت فکری
- بندهای مبهم
- ریسک‌های احتمالی

برای هر نکته شماره بند را ذکر کن.
هیچ توصیه‌ای را جایگزین مشاوره وکیل معرفی نکن.

خروجی هوش مصنوعی در موضوعات حقوقی، مالی و پزشکی نباید مبنای تصمیم نهایی قرار گیرد.

پرامپت تحلیل کد

این کد را مانند یک Senior Backend Engineer بررسی کن.

موارد بررسی:
- باگ منطقی
- امنیت
- Race Condition
- مدیریت خطا
- کارایی
- خوانایی
- تست‌پذیری

ابتدا فقط مشکلات را با شدت Critical، High، Medium یا Low فهرست کن.
سپس نسخه اصلاح‌شده را ارائه بده.
رفتار عمومی API را تغییر نده و وابستگی جدید اضافه نکن.

<code>
...
</code>

پرامپت ساخت تست

برای تابع زیر تست بنویس.

فناوری:
- TypeScript
- Vitest

سناریوها:
- مسیر موفق
- ورودی خالی
- ورودی نامعتبر
- خطای وابستگی خارجی
- Timeout
- حالت مرزی

هر تست باید مستقل و قطعی باشد.
از تماس واقعی شبکه استفاده نکن و وابستگی‌ها را Mock کن.

استفاده از Claude برای برنامه‌نویسی

Claude می‌تواند در بخش‌های مختلف چرخه توسعه نرم‌افزار کمک کند:

• توضیح کد قدیمی
• بررسی معماری
• تولید تست
• یافتن باگ
• Refactoring
• تولید Query
• نوشتن Migration
• ساخت مستندات
• تحلیل Log
• تولید Regex
• تبدیل کد میان زبان‌ها
• طراحی API
• بررسی امنیت
• ساخت نمونه اولیه

اما نباید دسترسی نامحدود و بدون نظارت به محیط Production داده شود.

روش صحیح ارائه مسئله کدنویسی

به‌جای این Prompt:

کدم کار نمی‌کند. درستش کن.

از ساختار زیر استفاده کنید:

در یک برنامه FastAPI، این Endpoint هنگام ثبت سفارش خطای 500 می‌دهد.

انتظار:
- سفارش معتبر با وضعیت 201 ثبت شود.
- موجودی ناکافی با وضعیت 409 برگردد.

رفتار فعلی:
- هر دو حالت گاهی خطای 500 ایجاد می‌کنند.

نسخه‌ها:
- Python 3.12
- FastAPI
- SQLAlchemy 2
- PostgreSQL

کد:
<code>
...
</code>

Stack Trace:
<error>
...
</error>

ابتدا علت احتمالی را توضیح بده، سپس کمترین تغییر لازم را پیشنهاد کن.
اگر اطلاعات کافی نیست، داده‌های موردنیاز برای تشخیص را بپرس.

روش امن استفاده از کد تولیدشده

قبل از Merge کردن کد تولیدشده توسط Claude:

1. Diff را خط‌به‌خط بررسی کنید.
2. تست‌های موجود را اجرا کنید.
3. تست جدید اضافه کنید.
4. ورودی‌های مرزی را بررسی کنید.
5. اسکن امنیتی و Dependency Audit انجام دهید.
6. تغییرات پایگاه داده را مرور کنید.
7. Secret و کلید API را جست‌وجو کنید.
8. عملکرد را در محیط آزمایشی بسنجید.
9. برای تغییرات پرریسک، بازبینی انسانی دوم بگیرید.

Claude یک همکار توسعه است، نه جایگزین فرایند Code Review.

تفاوت Claude و Claude Code

هنگام استفاده از Coding Agent باید مجوزها را حداقلی نگه دارید و تغییرات را با Git بررسی کنید.

تفاوت Claude و ChatGPT

انتخاب میان Claude و ChatGPT باید براساس مسئله واقعی انجام شود، نه محبوبیت برند.

برای انتخاب دقیق، چند وظیفه واقعی خود را به هر دو سرویس بدهید و نتیجه را براساس معیارهای زیر ارزیابی کنید:

• صحت
• رعایت دستور
• کیفیت فارسی
• سرعت
• هزینه
• محدودیت مصرف
• توانایی کار با فایل
• کیفیت کد
• قابلیت اتصال به ابزارهای دیگر
• سیاست نگهداری داده

نتیجه یک Benchmark عمومی الزاماً برای پروژه شما معتبر نیست.

آیا Claude پاسخ اشتباه می‌دهد؟

بله. Claude مانند سایر مدل‌های زبانی می‌تواند:

• عدد نادرست تولید کند
• منبع غیرواقعی بسازد
• بخشی از فایل را اشتباه تفسیر کند
• در محاسبه خطا داشته باشد
• API یا کتابخانه‌ای را پیشنهاد کند که وجود ندارد
• نسخه قدیمی یک فناوری را توضیح دهد
• دستور پیچیده را ناقص اجرا کند
• از داده ناکافی نتیجه قطعی بگیرد

برای کاهش خطا:

پاسخ خود را قبل از نهایی‌کردن بررسی کن.

- ادعاهای واقعی را از استنباط جدا کن.
- برای داده‌های جدید منبع رسمی بده.
- هیچ URL، آمار یا نام API را حدس نزن.
- موارد نامطمئن را صریحاً با برچسب «نیازمند بررسی» مشخص کن.
- اگر اطلاعات کافی نیست، نتیجه قطعی ارائه نده.

درخواست «بررسی دوباره» مفید است، اما جای اعتبارسنجی مستقل را نمی‌گیرد.

حریم خصوصی و امنیت در Claude

پیش از ارسال داده به هر سرویس هوش مصنوعی، مشخص کنید داده در چه طبقه‌ای قرار دارد.

اطلاعات زیر را بدون سیاست سازمانی روشن وارد نکنید:

• رمز عبور
• کلید API
• Token دسترسی
• اطلاعات بانکی
• اطلاعات هویتی مشتریان
• پرونده پزشکی
• قرارداد محرمانه
• کد اختصاصی حساس
• داده Production
• فایل‌های دارای مالکیت فکری محدود
• اطلاعات امنیتی زیرساخت

برای حذف اطلاعات حساس از متن می‌توانید پیش از ارسال، داده‌ها را Mask کنید:

{
  "customer_id": "CUSTOMER_001",
  "email": "[REDACTED]",
  "api_key": "[REDACTED]",
  "order_total": 1250000
}

سیاست داده در حساب‌های شخصی و محصولات تجاری ممکن است متفاوت باشد. طبق مرکز حریم خصوصی Anthropic، ورودی‌ها و خروجی‌های محصولات تجاری مانند API و Claude for Work به‌صورت پیش‌فرض برای آموزش مدل استفاده نمی‌شوند، مگر در شرایطی مانند ارائه بازخورد یا اجازه صریح کاربر. مرکز حریم خصوصی Anthropic

برای تصمیم سازمانی باید نسخه فعلی Privacy Policy، Commercial Terms، تنظیمات حساب و قرارداد پردازش داده را بررسی کنید.

Claude API چیست؟

Claude API به توسعه‌دهندگان امکان می‌دهد قابلیت‌های مدل‌های Claude را داخل نرم‌افزار خود استفاده کنند.

کاربردهای رایج API عبارت‌اند از:

• پاسخ‌گویی هوشمند در سامانه پشتیبانی
• خلاصه‌سازی اسناد
• استخراج داده ساختاریافته
• تولید پیش‌نویس محتوا
• طبقه‌بندی تیکت
• تحلیل بازخورد مشتری
• دستیار داخلی سازمان
• بررسی و توضیح کد
• ساخت سیستم RAG
• پردازش گروهی اسناد

استفاده از API با استفاده از وب‌سایت Claude متفاوت است. در API باید مواردی مانند Authentication، محدودیت نرخ، هزینه Token، Timeout، Retry، Logging و امنیت را خودتان مدیریت کنید.

استفاده از مدل‌های هوش مصنوعی از طریق API درواره

اگر می‌خواهید مدل‌های هوش مصنوعی را به محصول خود متصل کنید، درواره یک API سازگار با الگوی OpenAI-compatible ارائه می‌کند. به این ترتیب می‌توانید با یک ساختار استاندارد، مدل‌های موجود در پنل را از Backend برنامه فراخوانی کنید.

برای شروع:

1. وارد درواره شوید.
2. حساب کاربری ایجاد کنید.
3. API Key بسازید.
4. فهرست مدل‌های فعال را در پنل یا مستندات بررسی کنید.
5. شناسه دقیق مدل را انتخاب کنید.
6. درخواست را فقط از Backend ارسال کنید.

آدرس پایه API درواره:

https://api.darvareh.ir/v1

نمونه درخواست با cURL

مقدار مدل را با شناسه واقعی موجود در پنل درواره جایگزین کنید:

curl https://api.darvareh.ir/v1/chat/completions \
  -H "Authorization: Bearer YOUR_DARVAREH_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "YOUR_MODEL_ID",
    "messages": [
      {
        "role": "system",
        "content": "You are a precise assistant. Respond in fluent Persian."
      },
      {
        "role": "user",
        "content": "مفهوم API Gateway را با یک مثال فنی توضیح بده."
      }
    ],
    "temperature": 0.2
  }'

نمونه Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DARVAREH_API_KEY"],
    base_url="https://api.darvareh.ir/v1",
)

response = client.chat.completions.create(
    model="YOUR_MODEL_ID",
    messages=[
        {
            "role": "system",
            "content": (
                "You are a precise technical assistant. "
                "Answer in fluent Persian."
            ),
        },
        {
            "role": "user",
            "content": "سه الگوی مناسب برای مدیریت خطای API را توضیح بده.",
        },
    ],
    temperature=0.2,
)

print(response.choices[0].message.content)

نصب کتابخانه:

pip install openai

متغیر محیطی:

export DARVAREH_API_KEY="YOUR_API_KEY"

نمونه Node.js

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.DARVAREH_API_KEY,
  baseURL: "https://api.darvareh.ir/v1",
});

const response = await client.chat.completions.create({
  model: "YOUR_MODEL_ID",
  messages: [
    {
      role: "system",
      content: "پاسخ‌ها را به زبان فارسی روان، دقیق و فنی بنویس.",
    },
    {
      role: "user",
      content: "تفاوت Queue و Stream را برای یک برنامه‌نویس Backend توضیح بده.",
    },
  ],
  temperature: 0.2,
});

console.log(response.choices[0].message.content);

کلید API را هرگز در کد Frontend، اپلیکیشن موبایل، افزونه مرورگر یا مخزن عمومی قرار ندهید. درخواست کاربر باید ابتدا به Backend شما برسد و Backend پس از اعتبارسنجی، API درواره را فراخوانی کند.

معماری مناسب:

Client
  ↓
Your Backend
  ↓
Authentication + Validation + Rate Limit
  ↓
Darvareh API
  ↓
Selected AI Model

برای مشاهده مدل‌های موجود و شروع اتصال API به پروژه، به وب‌سایت درواره مراجعه کنید.

نمونه Backend امن با Express

import express from "express";
import OpenAI from "openai";

const app = express();
app.use(express.json({ limit: "32kb" }));

const client = new OpenAI({
  apiKey: process.env.DARVAREH_API_KEY,
  baseURL: "https://api.darvareh.ir/v1",
});

app.post("/api/assistant", async (req, res) => {
  const message = req.body?.message;

  if (typeof message !== "string" || message.trim().length === 0) {
    return res.status(400).json({
      error: "message is required",
    });
  }

  if (message.length > 4000) {
    return res.status(413).json({
      error: "message is too long",
    });
  }

  try {
    const completion = await client.chat.completions.create({
      model: process.env.DARVAREH_MODEL_ID,
      messages: [
        {
          role: "system",
          content: "پاسخ را کوتاه، دقیق و به زبان فارسی ارائه بده.",
        },
        {
          role: "user",
          content: message,
        },
      ],
      temperature: 0.2,
    });

    return res.json({
      answer: completion.choices[0]?.message?.content ?? "",
    });
  } catch (error) {
    console.error("AI request failed", {
      name: error?.name,
      status: error?.status,
    });

    return res.status(502).json({
      error: "AI service is temporarily unavailable",
    });
  }
});

app.listen(3000);

این نمونه برای Production کامل نیست. موارد زیر نیز باید اضافه شوند:

• احراز هویت کاربر
• Rate Limiting
• Timeout
• Retry کنترل‌شده
• محدودیت هزینه
• ثبت مصرف Token
• Moderation متناسب با محصول
• حذف اطلاعات حساس از Log
• مدیریت خطاهای 429 و 5xx
• Circuit Breaker
• کنترل طول Context
• تست خودکار
• سیستم ارزیابی کیفیت

بهینه‌سازی هزینه API

هزینه API معمولاً به تعداد Tokenهای ورودی و خروجی وابسته است. برای کاهش هزینه:

• Prompt سیستمی را بی‌دلیل طولانی نکنید.
• تمام تاریخچه چت را در هر درخواست ارسال نکنید.
• پیام‌های قدیمی را خلاصه کنید.
• سقف خروجی تعیین کنید.
• مدل را براساس پیچیدگی وظیفه انتخاب کنید.
• پاسخ‌های تکراری را Cache کنید.
• برای استخراج اطلاعات از Structured Output استفاده کنید.
• مصرف هر کاربر را اندازه‌گیری کنید.
• برای وظایف ساده از مدل گران استفاده نکنید.
• روی داده واقعی Evals یا ارزیابی خودکار اجرا کنید.

ارزان‌ترین مدل لزوماً کم‌هزینه‌ترین انتخاب نهایی نیست. اگر مدل ضعیف باعث تکرار درخواست یا اصلاح دستی زیاد شود، هزینه عملیاتی افزایش پیدا می‌کند.

اشتباهات رایج هنگام استفاده از Claude

ارسال Prompt بسیار مبهم

عبارت «یک مقاله خوب بنویس» اطلاعات کافی ندارد. هدف، مخاطب، سطح تخصص و ساختار را تعیین کنید.

اعتماد کامل به پاسخ

پاسخ روان می‌تواند اشتباه باشد. اطلاعات حساس، کد و ارقام را اعتبارسنجی کنید.

ارسال اطلاعات محرمانه

Secretها و اطلاعات مشتری را قبل از ارسال حذف یا ناشناس‌سازی کنید.

درخواست انجام چند کار نامرتبط

یک Prompt بسیار بزرگ ممکن است باعث ناقص‌شدن بخشی از خروجی شود. کار پیچیده را به مراحل قابل‌بررسی تقسیم کنید.

ندادن نمونه خروجی

اگر سبک یا قالب مشخصی می‌خواهید، یک نمونه کوتاه ارائه دهید.

استفاده از چت به‌جای API

چت برای استفاده انسانی مناسب است. اگر قرار است فرایند داخل محصول شما خودکار شود، از API و Backend امن استفاده کنید.

استفاده از Claude به‌عنوان پایگاه داده

مدل زبانی محل نگهداری قطعی اطلاعات نیست. داده اصلی باید در پایگاه داده یا سیستم مدیریت دانش شما باقی بماند.

قراردادن کلید API در Frontend

هر Secret موجود در مرورگر یا اپلیکیشن قابل استخراج است. API Key فقط باید روی سرور نگهداری شود.

بهترین Workflow برای کار حرفه‌ای با Claude

یک جریان کاری مطمئن می‌تواند به شکل زیر باشد:

1. مسئله و خروجی مطلوب را مشخص کنید.
2. اطلاعات موردنیاز را جمع‌آوری کنید.
3. داده حساس را حذف کنید.
4. Prompt ساختاریافته بنویسید.
5. ابتدا یک پیش‌نویس یا Plan بگیرید.
6. Plan را بررسی و اصلاح کنید.
7. خروجی را مرحله‌به‌مرحله تولید کنید.
8. ادعاها، ارقام و منابع را کنترل کنید.
9. کد یا محاسبات را با ابزار مستقل تست کنید.
10. بازبینی انسانی انجام دهید.
11. نسخه نهایی را ذخیره کنید.
12. Prompt و نتیجه را برای استفاده بعدی ارزیابی کنید.

برای کارهای تکراری، Promptهای موفق را Version Control کنید و تغییرات کیفیت را اندازه بگیرید.

چک‌لیست انتخاب Claude برای یک پروژه

پیش از انتخاب Claude یا هر مدل دیگری از خود بپرسید:

• آیا وظیفه واقعاً به مدل زبانی نیاز دارد؟
• داده ورودی حساس است؟
• دسترسی منطقه‌ای و شرایط استفاده مناسب است؟
• کیفیت فارسی برای این کاربرد کافی است؟
• طول Context موردنیاز چقدر است؟
• آیا خروجی باید JSON معتبر باشد؟
• زمان پاسخ قابل‌قبول چقدر است؟
• هزینه هر درخواست چقدر می‌شود؟
• اگر سرویس در دسترس نبود چه اتفاقی می‌افتد؟
• چگونه خروجی را ارزیابی می‌کنیم؟
• چه بخشی نیازمند تأیید انسان است؟
• آیا استفاده از چند مدل یا Fallback لازم است؟

سؤالات متداول درباره Claude AI

Claude AI چیست؟

Claude یک دستیار هوش مصنوعی و خانواده‌ای از مدل‌های زبانی است که توسط Anthropic توسعه داده شده است. این ابزار برای گفت‌وگو، تولید محتوا، تحلیل فایل، تحقیق و برنامه‌نویسی استفاده می‌شود.

Claude چگونه تلفظ می‌شود؟

نام Claude معمولاً نزدیک به «کلاد» تلفظ می‌شود، اما بسیاری از کاربران فارسی آن را «کلود» می‌نویسند و جست‌وجو می‌کنند.

آیا Claude رایگان است؟

بله، Claude طرح رایگان با محدودیت مصرف دارد. طرح‌های پولی برای استفاده بیشتر نیز ارائه می‌شوند.

آیا Claude فارسی را پشتیبانی می‌کند؟

بله. Claude می‌تواند دستورهای فارسی را بفهمد و پاسخ فارسی تولید کند. ذکر صریح زبان، لحن و مخاطب باعث بهبود نتیجه می‌شود.

آیا Claude می‌تواند PDF را بخواند؟

بله، می‌تواند فایل‌های PDF را تحلیل و خلاصه کند. در فایل‌های اسکن‌شده یا دارای نمودارهای پیچیده باید نتیجه با سند اصلی مقایسه شود.

آیا Claude برای برنامه‌نویسی مناسب است؟

بله. Claude برای توضیح کد، Refactoring، اشکال‌زدایی، تست‌نویسی و بررسی معماری کاربرد دارد. کد تولیدشده باید تست و بازبینی شود.

تفاوت Claude و Claude Code چیست؟

Claude یک دستیار عمومی مبتنی بر چت است، درحالی‌که Claude Code یک Agent کدنویسی برای کار روی مخزن و ابزارهای توسعه محسوب می‌شود.

Artifacts در Claude چیست؟

Artifacts فضایی برای ساخت و ویرایش محتوای مستقل مانند سند، کد، صفحه HTML، نمودار و اپلیکیشن تعاملی است.

Projects در Claude چه کاربردی دارد؟

Projects برای سازمان‌دهی چت‌ها، فایل‌ها، دانش و دستورهای مرتبط با یک موضوع استفاده می‌شود.

آیا اشتراک Claude شامل API می‌شود؟

خیر. اشتراک چت Claude و مصرف API محصولات جداگانه‌ای هستند و صورتحساب جداگانه دارند.

آیا Claude همیشه اطلاعات به‌روز دارد؟

خیر. برای اطلاعات جدید باید از Web Search یا Research استفاده و منابع را بررسی کنید.

آیا می‌توان به پاسخ Claude اعتماد کرد؟

پاسخ Claude می‌تواند مفید باشد، اما بدون خطا نیست. اطلاعات مهم، منابع، محاسبات و کد باید مستقل بررسی شوند.

آیا واردکردن اطلاعات محرمانه در Claude امن است؟

ارسال اطلاعات محرمانه بدون بررسی سیاست داده و تنظیمات حساب توصیه نمی‌شود. Secretها، اطلاعات مشتری و داده‌های حساس را حذف یا ناشناس‌سازی کنید.

چگونه Claude را به سایت یا اپلیکیشن متصل کنیم؟

برای اتصال هوش مصنوعی به نرم‌افزار باید از API در Backend استفاده کنید. درواره امکان دسترسی API به مدل‌های موجود در پنل را با آدرس پایه https://api.darvareh.ir/v1 فراهم می‌کند.

جمع‌بندی

Claude AI یکی از دستیارهای مهم هوش مصنوعی برای نوشتن، تحلیل سند، تحقیق، کار با داده و برنامه‌نویسی است. قابلیت‌هایی مانند Projects، Artifacts، Web Search، Research، Extended Thinking و اجرای کد باعث شده‌اند Claude از یک چت‌بات ساده فراتر برود.

بااین‌حال، دریافت نتیجه حرفه‌ای به انتخاب قابلیت مناسب، Prompt دقیق، داده ورودی معتبر و فرایند ارزیابی وابسته است. Claude نیز مانند هر مدل زبانی دیگری می‌تواند اشتباه کند؛ بنابراین نباید بدون کنترل انسانی برای تصمیم‌های حساس، تغییرات Production یا اطلاعات قطعی به کار گرفته شود.

اگر قصد دارید قابلیت‌های هوش مصنوعی را داخل وب‌سایت، اپلیکیشن یا سامانه سازمانی خود پیاده‌سازی کنید، استفاده از API انتخاب مناسب‌تری نسبت به چت دستی است. برای ساخت حساب، دریافت API Key و مشاهده مدل‌های قابل‌استفاده می‌توانید به درواره مراجعه کنید.

مقالات مرتبط

• ChatGPT چیست؟ آموزش کامل استفاده از چت جی‌پی‌تی
• بهترین جایگزین‌های ChatGPT برای کاربران فارسی‌زبان
• Google Gemini چیست؟ آموزش کامل هوش مصنوعی جمینای
• آموزش اتصال Claude Code به API درواره
• بهترین ابزارهای رایگان هوش مصنوعی
• راهنمای جامع پرامپت‌نویسی و Prompt Engineering
• API هوش مصنوعی چیست؟
• راهنمای انتخاب مدل‌های هوش مصنوعی