En İyi Uygulamalar

Maliyet, performans ve güvenilirlik için LemonData API kullanımınızı optimize edin

​

Model Seçimi

Doğru modeli seçmek, maliyet ve kaliteyi önemli ölçüde etkileyebilir.

​

Görev Bazlı Öneriler

Görev	Önerilen Modeller	Gerekçe
Basit Soru-Cevap	gpt-5-mini, gemini-2.5-flash	Hızlı, ucuz, yeterince iyi
Karmaşık akıl yürütme	gpt-5.4, claude-opus-4-6, deepseek-r1	Daha iyi mantık ve planlama
Kodlama	claude-sonnet-4-6, gpt-4o, deepseek-v3.2	Kod için optimize edilmiş
Yaratıcı yazım	claude-sonnet-4-6, gpt-4o	Daha iyi düzyazı kalitesi
Görsel/Resimler	gpt-4o, claude-sonnet-4-6, gemini-2.5-flash	Yerel vision desteği
Uzun bağlam	gemini-2.5-pro, claude-sonnet-4-6	1M+ token pencereleri
Maliyete duyarlı	gpt-5-mini, gemini-2.5-flash, deepseek-v3.2	En iyi fiyat/performans

​

Maliyet Katmanları

$$$$ Premium: gpt-5.4, claude-opus-4-6
$$$  Standard: claude-sonnet-4-6, gpt-4o
$$   Budget:   gpt-5-mini, gemini-2.5-flash
$    Economy:  deepseek-v3.2, deepseek-r1

​

Maliyet Optimizasyonu

​

1. Önce Daha Küçük Modeller Kullanın

def smart_query(question: str, complexity: str = "auto"):
    """Use cheaper models for simple tasks."""

    if complexity == "simple":
        model = "gpt-5-mini"
    elif complexity == "complex":
        model = "gpt-4o"
    else:
        # Start cheap, escalate if needed
        model = "gpt-5-mini"

    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": question}]
    )
    return response

​

2. max_tokens Ayarlayın

Her zaman makul bir max_tokens sınırı belirleyin:

# ❌ Bad: No limit, could generate thousands of tokens
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Summarize this article"}]
)

# ✅ Good: Limit response length
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Summarize this article"}],
    max_tokens=500  # Reasonable limit for a summary
)

​

3. Prompt’ları Optimize Edin

# ❌ Verbose prompt (more input tokens)
prompt = """
I would like you to please help me by analyzing the following text
and providing a comprehensive summary of the main points. Please be
thorough but also concise in your response. The text is as follows:
{text}
"""

# ✅ Concise prompt (fewer tokens)
prompt = "Summarize the key points:\n{text}"

​

4. Caching’i Etkinleştirin

semantic caching özelliğinden yararlanın:

# For repeated similar queries, caching provides major savings
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "What is machine learning?"}],
    temperature=0  # Deterministic = better cache hits
)

​

5. Benzer İstekleri Batch Edin

# ❌ Many small requests
for question in questions:
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": question}]
    )

# ✅ Fewer larger requests
combined_prompt = "\n".join([f"{i+1}. {q}" for i, q in enumerate(questions)])
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": f"Answer each question:\n{combined_prompt}"}]
)

​

Performans Optimizasyonu

​

1. UX için Streaming Kullanın

Streaming, algılanan performansı artırır:

stream = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Write a long essay"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

​

2. Etkileşimli Kullanım için Hızlı Modeller Seçin

Kullanım Durumu	Önerilen	Gecikme
Chat UI	gpt-5-mini, gemini-2.5-flash	~200ms ilk token
Tab tamamlama	claude-haiku-4-5	~150ms ilk token
Arka plan işleme	gpt-4o, claude-sonnet-4-6	~500ms ilk token

​

3. Timeout Değerleri Ayarlayın

client = OpenAI(
    api_key="sk-your-key",
    base_url="https://api.lemondata.cc/v1",
    timeout=60.0  # 60 second timeout
)

​

Güvenilirlik

​

1. Retry Mekanizması Uygulayın

import time
from openai import RateLimitError, APIError

def chat_with_retry(messages, max_retries=3):
    for attempt in range(max_retries):
        try:
            return client.chat.completions.create(
                model="gpt-4o",
                messages=messages
            )
        except RateLimitError:
            wait = 2 ** attempt
            print(f"Rate limited, waiting {wait}s...")
            time.sleep(wait)
        except APIError as e:
            if attempt == max_retries - 1:
                raise
            time.sleep(1)
    raise Exception("Max retries exceeded")

​

2. Hataları Zarif Şekilde Yönetin

from openai import APIError, AuthenticationError, RateLimitError

try:
    response = client.chat.completions.create(...)
except AuthenticationError:
    # Check API key
    notify_admin("Invalid API key")
except RateLimitError:
    # Queue for later or use backup
    add_to_queue(request)
except APIError as e:
    if e.status_code == 402:
        notify_admin("Balance low")
    elif e.status_code >= 500:
        # Server error, retry later
        schedule_retry(request)

​

3. Fallback Modeller Kullanın

FALLBACK_CHAIN = ["gpt-4o", "claude-sonnet-4-6", "gemini-2.5-flash"]

def chat_with_fallback(messages):
    for model in FALLBACK_CHAIN:
        try:
            return client.chat.completions.create(
                model=model,
                messages=messages
            )
        except APIError:
            continue
    raise Exception("All models failed")

​

Güvenlik

​

1. API Key’leri Koruyun

# ❌ Never hardcode keys
client = OpenAI(api_key="sk-abc123...")

# ✅ Use environment variables
import os
client = OpenAI(api_key=os.environ["LEMONDATA_API_KEY"])

​

2. Kullanıcı Girdisini Doğrulayın

def validate_message(content: str) -> bool:
    """Validate user input before sending to API."""
    if len(content) > 100000:
        raise ValueError("Message too long")
    # Add other validation as needed
    return True

​

3. API Key Limitleri Belirleyin

Şunlar için harcama limitlerine sahip ayrı API key’leri oluşturun:

• Geliştirme/test
• Üretim
• Farklı uygulamalar

​

İzleme

​

1. Kullanımı Takip Edin

Aşağıdakiler için dashboard’unuzu düzenli olarak kontrol edin:

• Modele göre token kullanımı
• Maliyet dağılımı
• Cache hit oranları
• Hata oranları

​

2. Önemli Metrikleri Loglayın

import logging

response = client.chat.completions.create(...)

logging.info({
    "model": response.model,
    "prompt_tokens": response.usage.prompt_tokens,
    "completion_tokens": response.usage.completion_tokens,
    "total_tokens": response.usage.total_tokens,
})

​

3. Uyarıları Ayarlayın

Hizmet kesintisini önlemek için dashboard’unuzda düşük bakiye uyarılarını yapılandırın.

​

Kontrol Listesi

Maliyet optimizasyonu

• Her görev için uygun model kullanımı
• max_tokens limitleri belirlenmiş
• Prompt’lar kısa ve öz
• Uygun yerlerde caching etkin
• Benzer istekler batch ediliyor

Performans

• Etkileşimli UX için streaming
• Gerçek zamanlı kullanım için hızlı modeller
• Timeout’lar yapılandırılmış

Güvenilirlik

• Retry mantığı uygulanmış
• Hata yönetimi mevcut
• Fallback modeller yapılandırılmış

Güvenlik

• API key’leri environment variable içinde
• Girdi doğrulama
• Geliştirme/production için ayrı key’ler
• Harcama limitleri belirlenmiş