લોકો જે ટાઈપ કરે છે તેને ખરેખર સમજી શકે તેવો AI ચેટબોટ બનાવવા માટે તમારે મોટી ટીમ અથવા વિશાળ બજેટની જરૂર નથી. 2025 માં, લેંગ્વેજ મોડેલ પ્રદાતાઓ દ્વારા આપવામાં આવતા ફ્રી ટિયર્સ (free tiers) સોલો બિલ્ડર્સ, વિદ્યાર્થીઓ અને સાઈડ-પ્રોજેક્ટ હેકર્સને એ જ નેચરલ લેંગ્વેજ પ્રોસેસિંગ સ્ટેક્સનો સીધો ઉપયોગ કરવાની તક આપે છે જે લાખો ડોલરના ઉત્પાદનોમાં ચાલે છે. અવરોધ બદલાઈ ગયો છે. હવે તે શૂન્યથી મોડેલ ટ્રેન કરવા વિશે નથી, જેમાં GPU ના રેક્સ અને મહિનાઓના સંશોધનની જરૂર પડે છે. તે હવે અસ્તિત્વમાં રહેલા મગજને (existing brain) બોલાવતા શીખવા અને તેને કંઈક ઉપયોગી વસ્તુમાં જોડવા વિશે છે.
જો તમે Python સ્ક્રિપ્ટ લખી શકતા હોવ અને API ડોક્યુમેન્ટેશન વાંચી શકતા હોવ, તો તમારી પાસે પહેલેથી જ કાચો માલ છે.
શા માટે ફ્રી APIs બધું જ બદલી નાખે છે
બહુ લાંબા સમય પહેલા, કન્વર્સેશનલ એજન્ટ બનાવવાનો અર્થ હતો ટ્રેનિંગ ડેટા એકત્રિત કરવો, ટેક્સ્ટ ક્લીન કરવું, આર્કિટેક્ચર પસંદ કરવું અને મોડેલ વ્યાકરણ અને સંદર્ભ શીખે ત્યાં સુધી અઠવાડિયા સુધી વીજળીનો વપરાશ કરવો. તેમાંથી મોટાભાગનું કામ હવે કોમોડિટીઝડ (commoditized) થઈ ગયું છે. પ્રદાતાઓ વિશાળ પ્રી-ટ્રેન્ડ મોડેલ્સ હોસ્ટ કરે છે અને તેને સરળ વેબ એન્ડપોઈન્ટ્સ દ્વારા ઉપલબ્ધ કરાવે છે. તમે HTTPS પર ટેક્સ્ટ મોકલો છો; તેઓ અનુમાન (prediction) પરત કરે છે. તે અનુમાન એ તમારા ચેટબોટનો જવાબ છે.
આ વ્યવસ્થા તમને ગણિત છોડીને મોડેલની આસપાસની મશીનરી પર ધ્યાન કેન્દ્રિત કરવાની મંજૂરી આપે છે. તમારું કામ પ્રોમ્પ્ટ્સ મેનેજ કરવાનું, કન્વર્સેશન મેમરી હેન્ડલ કરવાનું અને યુઝર એક્સપિરિયન્સને આકાર આપવાનું બની જાય છે. ફ્રી ટિયર્સ એટલા માટે અસ્તિત્વમાં છે કારણ કે પ્રદાતાઓ ઈચ્છે છે કે ડેવલપર્સ તેમના પ્લેટફોર્મ પર ટેવ પાડે. તેની મર્યાદાઓ સામાન્ય રીતે પ્રોટોટાઇપ્સ, લર્નિંગ પ્રોજેક્ટ્સ અને નાના આંતરિક સાધનો માટે પૂરતી હોય છે. એકવાર તમે તેનાથી આગળ વધો, પછી સ્કેલિંગ માત્ર બિલિંગમાં ફેરફાર કરવા જેટલું જ છે.
તમારું કોર સ્ટેક સેટઅપ કરવું
આ પ્રકારના કામ માટે Python એ સૌથી સમજદારીભર્યું શરૂઆતી લેંગ્વેજ છે. તેનું સિન્ટેક્સ (syntax) તમારા કામમાં અવરોધ બનતું નથી, અને લગભગ દરેક AI પ્રદાતા અન્ય કોઈપણ ભાષા પહેલા Python માં કોપી-પેસ્ટ ઉદાહરણો પ્રકાશિત કરે છે.
તમારા પ્રથમ નક્કર પગલાં ન્યૂનતમ છે:
- Python 3.8 અથવા તેનાથી નવું ઇન્સ્ટોલ કરો.
- તમારા ટર્મિનલમાં
pip install requestsરન કરીનેrequestsલાઇબ્રેરી ઇન્સ્ટોલ કરો. - OpenAI સાથે સાઇન અપ કરો અને તમારા એકાઉન્ટ ડેશબોર્ડ પરથી API કી જનરેટ કરો.
તે કીને એન્વાયરમેન્ટ વેરિએબલ (environment variable) અથવા .env ફાઇલમાં સ્ટોર કરો. તેને ક્યારેય સીધું તમારા સોર્સ કોડમાં પેસ્ટ કરશો નહીં. જો તમે હાર્ડકોડેડ કી સાથે GitHub પર રિપોઝિટરી પુશ કરો છો, તો ઓટોમેટેડ સ્ક્રૅપર્સ તેને મિનિટોમાં શોધી લેશે અને તમારા ફ્રી ક્રેડિટ્સ ખતમ કરી દેશે. એક સાદી .env ફાઇલ આ મુજબ દેખાય છે:
OPENAI_API_KEY=sk-your-key-here
પછી os.environ અથવા python-dotenv જેવી લાઇબ્રેરીનો ઉપયોગ કરીને તેને તમારી સ્ક્રિપ્ટમાં લોડ કરો. આ એક આદત હોબી પ્રોજેક્ટ્સ અને વાસ્તવિક દુનિયામાં ટકી રહેતા પ્રોજેક્ટ્સ વચ્ચે તફાવત કરે છે.
તમારા પ્રોજેક્ટને અનુરૂપ API પસંદ કરવી
કોડની બીજી લાઇન લખતા પહેલા, ત્રણ પરિબળોના આધારે પ્રદાતાઓની તુલના કરવામાં દસ મિનિટ ફાળવો:
ફ્રી ટિયર્સ માટે વપરાશની મર્યાદા (Usage limits). કેટલીક સેવાઓ ફિક્સ્ડ ક્રેડિટ ગ્રાન્ટ આપે છે જે ત્રણ મહિના પછી સમાપ્ત થઈ જાય છે. અન્ય દર મહિને ટોકન મર્યાદા રિસેટ કરે છે. ટોકન એ અંદાજે સામાન્ય અંગ્રેજી શબ્દના ત્રણ-ચતુર્થાંશ જેટલું હોય છે. જો ફ્રી ટિયર તમને 200,000 ટોકન આપે છે, તો તે હજારો સરળ વ્યવહારો માટે પૂરતું છે, પરંતુ જો તમે પ્રોમ્પ્ટમાં આખી ચોપડીઓ નાખશો તો તે ઝડપથી ખતમ થઈ જશે. રેટ લિમિટ્સ (rate limits) પણ તપાસો. એક સેવા દર મહિને દસ લાખ ટોકનની મંજૂરી આપી શકે છે પરંતુ તમને પ્રતિ મિનિટ ત્રણ વિનંતીઓ સુધી મર્યાદિત કરી શકે છે.
ડોક્યુમેન્ટેશનની ગુણવત્તા. એવા સત્તાવાર માર્ગદર્શિકાઓ શોધો જે માત્ર curl કમાન્ડ્સ જ નહીં, પણ સાદા requests નો ઉપયોગ કરીને Python ઉદાહરણો બતાવે છે. સારું ડોક્યુમેન્ટેશન એરર કોડ્સને સ્પષ્ટ રીતે સમજાવે છે, ખાસ કરીને HTTP 429 (rate limit) અને 401 (invalid key). તેમાં એ પણ સૂચિ હોવી જોઈએ કે ફ્રી ટિયર પર કયા મોડેલ્સ ઉપલબ્ધ છે, કારણ કે સૌથી સસ્તો પ્લાન ઘણીવાર નવા ફ્લેગશિપ મોડેલ્સને બાકાત રાખે છે.
ઇન્ટિગ્રેશનની સરળતા. એક ક્લીન REST API જે JSON સ્વીકારે છે અને JSON પરત કરે છે તે આદર્શ છે. તમારે એવા પ્રદાતાઓને ટાળવા જોઈએ જે ફક્ત ટેક્સ્ટ સ્ટ્રિંગ મોકલવા માટે જ તમને ભારે પ્રોપ્રાઇટરી SDKs ઇન્સ્ટોલ કરવા માટે મજબૂર કરે છે. જો તમે requests.post() માં વિનંતી (request) બનાવી શકો છો, તો ઇન્ટિગ્રેશન તમારા હાથમાં છે અને તમે તેને સરળતાથી ડિબગ કરી શકો છો.
તમારા ચેટબોટનું હૃદય
તેના મૂળમાં, તમારું એપ્લિકેશન એક ફંક્શન છે જે પ્રોમ્પ્ટ મોકલે છે અને જવાબની રાહ જુએ છે. તમે તમારા મેસેજને સમાવતો એક ડિક્શનરી (dictionary) બનાવો છો, તેને JSON માં રેપ કરો છો, Authorization હેડરમાં તમારી API કી જોડો છો, અને તેને પ્રદાતાના completions અથવા chat એન્ડપોઈન્ટ પર POST કરો છો. રિમોટ સર્વર ટેક્સ્ટ પ્રોસેસ કરે છે અને રિસ્પોન્સ ઓબ્જેક્ટ પરત કરે છે. તમારી સ્ક્રિપ્ટ તે JSON ને પાર્સ કરે છે અને જનરેટ કરેલ સ્ટ્રિંગને એક્સટ્રેક્ટ કરે છે.
વ્યવહારિક પ્રથમ વર્ઝન ખ્યાલાત્મક રીતે આ મુજબ દેખાય છે:
- કીબોર્ડ પરથી યુઝર ઇનપુટ મેળવો.
- તેને API અપેક્ષા રાખતા પેલોડ ફોર્મેટમાં પેકેજ કરો.
- HTTP રિક્વેસ્ટ મોકલો.
- નેટવર્ક અથવા ઓથેન્ટિકેશન ભૂલો તપાસો.
- મળેલા JSON માંથી જવાબનો ટેક્સ્ટ બહાર કાઢો.
- તેને સ્ક્રીન પર પ્રિન્ટ કરો.
તે લૂપ—ઇનપુટ, પેકેજ, મોકલવું, મેળવવું, ડિસ્પ્લે—તે આખું એન્જિન છે. બાકી બધું માત્ર સુશોભન છે.
જ્યારે તમે પ્રોટોટાઇપથી આગળ વધશો, ત્યારે તમે વાતચીતનો ઇતિહાસ (conversation history) જાળવી રાખવા માંગશો. લેંગ્વેજ મોડલ્સ સ્ટેટલેસ (stateless) હોય છે; જ્યાં સુધી તમે દર વખતે તે ઇતિહાસને પ્રોમ્પ્ટમાં પાછો ન નાખો ત્યાં સુધી તેઓ ત્રણ સ્ટેપ પહેલા તમે શું કહ્યું હતું તે યાદ રાખતા નથી. તમે આ સમસ્યાનો ઉકેલ મેસેજ ડિક્શનરીઓની એક Python લિસ્ટ રાખીને અને દરેક નવી રિક્વેસ્ટ પહેલા યુઝર પ્રોમ્પ્ટ્સ અને આસિસ્ટન્ટના જવાબો બંનેને તેમાં ઉમેરીને (append) લાવી શકો છો. લિસ્ટ વધતું જાય છે, તેથી જ્યારે તમે મોડલની કોન્ટેક્સ્ટ લિમિટની નજીક હોવ ત્યારે તમે જૂના ટર્ન્સને ટ્રીંકેટ (truncate) કરી શકો છો.
મહત્વપૂર્ણ ફીચર્સ ઉમેરવા
એકવાર બેઝિક કોલ વિશ્વસનીય રીતે કામ કરવા લાગે, પછી તમે પ્રોજેક્ટને એવી રીતે ઘડી શકો છો કે જે લોકો ખરેખર વાપરવા માંગતા હોય.
tkinter સાથે એક સાદું યુઝર ઇન્ટરફેસ બનાવો. સ્ટાન્ડર્ડ લાઇબ્રેરીનું tkinter મોડ્યુલ ઘણીવાર દેખાવમાં જૂના હોવા બદલ મજાકનું પાત્ર બને છે, પરંતુ તે દરેક Python ઇન્સ્ટોલેશન સાથે આવે છે અને તેમાં કોઈ બાહ્ય ડિપેન્ડન્સીની જરૂર પડતી નથી. તમે સોથી ઓછા સો લાઇન માં એક ઉપયોગી ચેટ વિન્ડો બનાવી શકો છો: વાતચીતના લોગ માટે Text વિજેટ, ટાઇપ કરવા માટે Entry વિજેટ, અને તમારી API ફંક્શનને ટ્રિગર કરતું Button. તે ડિઝાઇન એવોર્ડ્સ won નહીં કરે, પરંતુ તે તમારા સ્ક્રિપ્ટને ટર્મિનલની એક વસ્તુમાંથી ડેસ્કટોપ એપ્લિકેશન માં બદલી નાખશે જેને બિન-તકનીકી મિત્રો પણ અજમાવી શકે છે.
સ્પેશિયલાઇઝ્ડ APIs નો ઉપયોગ કરો. એક સામાન્ય લેંગ્વેજ મોડલ વાતચીત સારી રીતે સંભાળે છે, પરંતુ તે દરેક કાર્ય માટે ઓપ્ટિમાઇઝ્ડ નથી હોતું. તમે મુખ્ય LLM કોલ પહેલા અથવા પછી યુઝરના ઇનપુટને અલગ અલગ ફ્રી APIs દ્વારા પાઇપ કરી શકો છો. સેન્ટિમેન્ટ એનાલિસિસ સર્વિસ ટેગ કરી શકે છે કે મેસેજ ગુસ્સાવાળો, ખુશ અથવા તટસ્થ છે. ટ્રાન્સલેશન APIs જવાબને બીજી ભાષામાં રૂપાંતરિત કરી શકે છે. આ પ્રકારનું પાઇપલાઇન બનાવવાથી તમે શીખશો કે વાસ્તવિક AI પ્રોડક્ટ્સ કેવી રીતે આર્કિટેક્ટ કરવામાં આવે છે: ઇન્ટેન્ટ ડિટેક્શન માટે એક મોડલ, જનરેશન માટે બીજું, અને પોસ્ટ-પ્રોસેસિંગ માટે ત્રીજું.
પ્રોમ્પ્ટ એન્જિનિયરિંગ સાથે પ્રયોગ કરો. અહીં એડવાન્સ્ડ NLP ટેકનિકનો અર્થ ટ્રાન્સફોર્મર આર્કિટેક્ચર ફરીથી લખવાનો નથી. તેનો અર્થ તમારા પ્રોમ્પ્ટ્સને વધુ કાળજીપૂર્વક સ્ટ્રક્ચર કરવાનો છે. સિસ્ટમ મેસેજમાં મોડલને એક પર્સના (persona) આપો. વાસ્તવિક યુઝરના પ્રશ્ન પહેલા પ્રોમ્પ્ટમાં બે અથવા ત્રણ સેમ્પલ પ્રશ્ન-જવાબની જોડીઓ સામેલ કરીને few-shot ઉદાહરણોનો ઉપયોગ કરો. જો API તેને એક્સપોઝ કરતું હોય તો temperature જેવા પેરામીટર્સ એડજસ્ટ કરો; નીચી કિંમતો આઉટપુટને વધુ ફોકસ કરેલ અને ડિટરમિનિસ્ટિક બનાવે છે, જ્યારે ઊંચી કિંમતો સર્જનાત્મકતાને પ્રોત્સાહન આપે છે. આ લીવર્સ અજમાવવામાં કંઈ ખર્ચ થતો નથી પરંતુ પ્રતિસાદની ગુણવત્તામાં મોટો ફેરફાર લાવે છે.
આ બનાવવાથી તમે ખરેખર શું શીખો છો
આ પ્રોજેક્ટ માત્ર દેખાડો કરવા માટે હોમમેઇડ ChatGPT ક્લોન હોવા વિશે નથી. આ પ્રક્રિયા તમને વ્યવહારુ સોફ્ટવેર એન્જિનિયરિંગ સમસ્યાઓનો સામનો કરવા માટે મજબૂર કરે છે. તમે સિક્રેટ્સને સુરક્ષિત રીતે હેન્ડલ કરતા, ફિલ્ડ્સ ખૂટે ત્યારે બ્રેક થયા વગર JSON પાર્સ કરતા, અને મલ્ટી-ટર્ન વાતચીત દરમિયાન સ્ટેટ મેનેજ કરતા શીખો છો. તમે શબ્દોને બદલે ટોકન્સમાં વિચારવાનું શરૂ કરો છો. તમે શોધી કાઢશો કે ચેટબોટ એ કોઈ વિચારતી એન્ટિટી નથી પરંતુ સ્ટેટિસ્ટિક્સ એન્જિન પર તરતું એક પ્રિડિક્શન લેયર છે.
તે મેન્ટલ મોડલ મૂલ્યવાન છે. જ્યારે તમે પછીથી LangChain જેવા મોટા ફ્રેમવર્ક સાથે કામ કરશો અથવા પ્રોડક્શન-ગ્રેડ એપ્લિકેશન્સ બનાવશો, ત્યારે તમે સમજી શકશો કે તે એબ્સ્ટ્રેક્શન શું છુપાવી રહ્યા છે કારણ કે તમે પોતે જ રો (raw) HTTP વર્ઝન લખ્યું છે.
નાની શરૂઆત કરો, પછી ફીચર્સ ઉમેરતા જાઓ
પહેલા જ દિવસે tkinter GUI, સેન્ટિમેન્ટ એનાલિસિસ પાઇપલાઇન અને મેમરી મેનેજમેન્ટ બધું જ બનાવવાનો પ્રયાસ કરશો નહીં. એક બેઝિક સ્ક્રિપ્ટથી શરૂઆત કરો જે ટર્મિનલમાંથી એક પ્રોમ્પ્ટ લે છે અને API રિસ્પોન્સ પ્રિન્ટ કરે છે. એકવાર તે મજબૂત થઈ જાય પછી, એરર હેન્ડલિંગ ઉમેરો. પછી લૂપ ઉમેરો જેથી વાતચીત ચાલુ રહે. પછી અગાઉના ટર્ન્સ યાદ રાખો. પછી તેને વિન્ડોમાં સજાવો.
દરેક લેયર તમને કંઈક ચોક્કસ શીખવે છે. તમે પૂર્ણ કરો ત્યાં સુધીમાં, તમે સોફ્ટવેર ડેવલપમેન્ટ શિસ્ત અને આધુનિક AI ઇન્ટરફેસ પાછળના મુખ્ય લોજિક બંનેને ગ્રહણ કરી લેશો.
સ્ત્રોત અને વધુ વાંચન માટે: Build Your Own ChatGPT With Free APIs in 2025
વૈકલ્પિક લર્નિંગ કોમ્યુનિટી: GyaanSetu AI on Telegram