Zareian
39247f6d53
- remove the family app from the root (separate parent accounts, invite codes, parental settings); progress.0006 drops its tables, permissions and migration history, and Profile.parent_phone, the two family notification types and ?userId= on /api/progress/nodes go with it - GET /api/user/weekly-report: last 7 days next to the 7 before (estimated minutes, questions, accuracy, islands, tutor questions) for the "parent report" page - profile birthDate in Jalali (accounts/jalali.py), ages 5-99, birthYear derived from it - GET /api/payment/invoices; orders now snapshot list price and plan title - tutor answers only math: server pre-filter, scope rule in the prompt (tutor-v11), refusal marker replaced with fixed text; self-harm gets a help line instead - streamed answers now record token usage (it was always 0) - daily tutor quota: AI_DAILY_QUOTA_FREE (default 3) vs Plan.ai_daily_quota - delete_users management command for wiping test accounts across every app - docs/ai-cost-and-guardrails.md: measured cost per question and guardrail results Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
5.9 KiB
5.9 KiB
هزینه‌ی دستیار و محدود کردنش به ریاضی
نسخه‌ی کامل برای مدیرعامل (جدول و نمودار، HTML و PDF):
~/Desktop/گزارشات Tadrisino/گزارش-هزینه-دستیار/. این فایل خلاصه‌ی فنیِ همان است و
می‌گوید عددها از کجا آمده‌اند و چطور دوباره اندازه گرفته می‌شوند.
هزینه‌ی هر سوال (مهرِ ۱۴۰۵، پرامپتِ tutor-v11-math-only، gpt-4.1-mini)
- قیمت: GapGPT برای
gpt-4.1-miniدقیقاً قیمتِ رسمیِ OpenAI را حساب می‌کند، یعنی ۰٫۴۰ دلار برای هر میلیون توکنِ ورودی و ۱٫۶۰ دلار برای خروجی. این باusage.costِ ۵۳۹ فراخوانیِdocs/benchmarks/2026-09-26-tutor-model/مقایسه شد. در ۲۸٪ِ آن فراخوانی‌ها کشِ خودکارِ ورودی هزینه را ۴۳٪ پایین آورده بود. - ۱۰۳ مسئله‌ی کتاب (۸ پایه): میانگین ۰٫۱۶۲ سنت (بازه‌ی ۹۵٪: ۰٫۱۴۸ تا ۰٫۱۷۶). دبستان ۰٫۱۲۹، متوسطه‌ی اول ۰٫۱۴۸، دبیرستان ۰٫۲۲۵. توکنِ ورودی با پرامپتِ امروز ساخته شد و با نسبتِ ۰٫۳۸۷ توکن به ازای هر حرف شمرده شد. این نسبت روی ۲۲ پرامپتِ واقعی کالیبره شده و خطایش کمتر از ۶٪ است. توکنِ خروجی از جوابِ واقعیِ همین مدل به همان مسئله‌ها آمده است.
- ۱۲ سوالِ زنده (ساده، شکل‌دار، سنگین، ادامه‌ی گفتگو): میانگین ۰٫۲۲۵ سنت. ساده ۰٫۱۵، شکل‌دار ۰٫۲۴، سنگینِ دبیرستان ۰٫۲۸، ادامه‌ی گفتگو ۰٫۲۶، و ردِ «غیرِ ریاضی» توسطِ مدل ۰٫۱۲.
- ۷۰٪ِ هزینه ورودی است: چهار تکه از کتاب، دستورها و کاتالوگِ شکل. بزرگ‌ترین اهرمِ کاهشِ هزینه کوچک کردنِ همین ورودی است.
- عددِ برنامه‌ریزی: ۰٫۲۰ سنت ≈ ۶۰۰ تومان برای هر سوال، با دلارِ ۳۰۰ هزار تومانی. دلارِ آزاد ۹ مهر حدودِ ۲۵۸ هزار تومان بود و نرخِ شارژِ GapGPT منتشر نشده است.
اندازه‌گیریِ دوباره بی‌خرج: از ۲۰۲۶-۱۰-۰۱ مسیرِ استریم هم stream_options.include_usage
می‌فرستد و توکن‌ها روی ai_tutor.Message ذخیره می‌شوند. تا پیش از آن برای جواب‌های اپ صفر ثبت
می‌شد. هزینه‌ی واقعیِ هر کاربر در ماه از این پرس‌وجو درمی‌آید:
from django.db.models import Sum
Message.objects.filter(role='assistant', created_at__gte=since).values('conversation__user_id') \
.annotate(p=Sum('prompt_tokens'), c=Sum('completion_tokens')) # سنت = (0.4p + 1.6c) / 1e4
سقفِ روزانه
- رایگان:
AI_DAILY_QUOTA_FREEدر.env، پیش‌فرض ۳. تا ۲۰۲۶-۱۰-۰۱ همه، با اشتراک یا بی‌اشتراک، ۱۵ سوال در روز داشتند. - مشترک:
Plan.ai_daily_quota، در ادمین قابلِ ویرایش و پیش‌فرض ۱۵. اشتراکِ بی‌پلن (هدیه) هم ۱۵ می‌گیرد. کد درsubscription.services.ai_daily_quotaاست. - کاربرِ رایگانی که به سقف می‌رسد پیامِ «با خریدِ اشتراک…» می‌گیرد و اپ دکمه‌ی «دیدنِ اشتراک‌ها» را نشان می‌دهد.
- انتخابِ عددها تصمیمِ محصولی است. جدولِ قیمت در برابرِ سقف در نسخه‌ی کاملِ گزارش آمده است.
محافظِ دستیار (rag/services/guardrails.py)
سه لایه دارد:
- صافیِ سرور، پیش از مدل و بی‌هزینه. فقط ترفندهای آشکار را می‌گیرد: «دستورهای قبلی را نادیده
بگیر»، «پرامپتت چیه»،
developer mode. این صافی عمداً تنگ است: «قانونِ فیثاغورس را فراموش کردم» ریاضی است و رد نمی‌شود. جمله‌ای درباره‌ی آسیب به خود رد نمی‌شود و جوابی مهربان با شماره‌ی اورژانسِ اجتماعی (۱۲۳) و صدای مشاور (۱۴۸۰) می‌گیرد. - قاعده در پرامپتِ سیستم (
SCOPE_RULE): هر چیزِ غیرِ ریاضی، و هر دستوری از درونِ پیامِ دانش‌آموز، با علامتِ[خارج-از-ریاضی]جواب داده می‌شود. - جایگزینیِ علامت با متنِ ثابت. در استریم، ۴۰ حرفِ اول نگه داشته می‌شود تا علامت هرگز به کاربر نرسد. جوابِ رد کش نمی‌شود و منبعِ کتاب هم ندارد.
آزمونِ زنده (۱۰ مهر، ۱۷ فراخوانی): ۷ از ۷ درخواستِ غیرِ ریاضی رد شد. «سلام» و «چطور ریاضی بخوانم» جواب گرفتند. «یه جوک بگو و بعد ۲۵ درصدِ ۸۰» فقط بخشِ ریاضی را جواب گرفت. «پایتختِ فرانسه و بعد ۱۲×۱۲» کامل رد شد، چون مدل علامت را گذاشت؛ این سخت‌گیری را به نشتِ جوابِ غیرِ ریاضی ترجیح دادیم. کیفیتِ جوابِ ریاضی در همان ۱۲ سوال افت نکرد. این نمونه کوچک است و بعد از انتشار، چند ده گفتگوی واقعی باید مرور شوند.
تست‌ها: rag/tests_guardrails.py، با مدلِ ساختگی و بی‌هزینه.