AI / LLM integratsiyasi (Python) β 0 dan ekspertgacha¶
Python bilan ilovalaringizga sun'iy intellekt (AI) va katta til modellarini (LLM) ulashni noldan o'rgatadigan to'liq qo'llanma. Birinchi API so'rovidan tortib RAG (o'z hujjatlaringiz ustida savol-javob), agentlar, tool calling, lokal modellar va productiongacha (xarajat, xavfsizlik, deploy). Kitob ko'p provayderli yondashuvga asoslangan: bitta kod β OpenAI, Claude (Anthropic), Gemini (Google), Groq, OpenRouter, DeepSeek va hatto lokal Ollama.
π― Nega bu kitob? LLM'lar dasturlashni tubdan o'zgartirdi. Endi "aqlli" ilova qurish uchun mashina o'rganishni noldan o'rganish shart emas β siz tayyor modelni API orqali chaqirasiz. Bu kitob sizga aynan shuni: LLM'ni Python ilovaga professional, ishonchli va arzon ulashni o'rgatadi. Chatbot, hujjat-tahlilchi, agent, RAG-tizim β hammasini o'zingiz qurasiz.
π Ko'p provayderli β O'zbek o'quvchi uchun amaliy. Asosiy o'q sifatida OpenAI-mos API (Chat Completions) ishlatiladi β bu de-fakto standart bo'lib, faqat
base_urlva kalitni o'zgartirib, o'nlab provayderga (jumladan bepul Groq, arzon DeepSeek, lokal/bepul Ollama) ulanasiz. Alohida boblarda Claude va Gemini'ning native SDK'lari ham chuqur ko'riladi.π¨ Har bob SVG diagrammalar bilan boyitilgan (jami ~84): so'rov anatomiyasi, token oqimi, tool-calling sikli, RAG quvuri, embedding fazosi, agent ReAct sikli, xarajat tahlili va arxitektura sxemalari ko'z bilan ko'rib o'rganiladi.
π» Kod ishlatiladigan. Misollar Python 3.11+ uchun yozilgan va sintaktik tekshiruvdan (
py_compile) o'tkazilgan; API chaqiruvlari joriy (2026) rasmiy SDK hujjatlariga asoslangan. Eslatma: model nomlari va narxlar tez o'zgaradi β kitob har doim provayderning model ro'yxatini tekshirishni o'rgatadi.
Bu kitob kim uchun?¶
Python'ni biladigan (o'zgaruvchi, funksiya, dict/list, try/except, virtual muhit, pip) har bir dasturchi uchun. AI yoki matematika bo'yicha oldingi bilim shart emas β har tushuncha sodda tildan, hayotiy o'xshatish bilan boshlanadi. Oxiriga borib siz ekspert darajadagi mavzularni (RAG, agentlar, MCP, production xavfsizligi, evaluatsiya) ham egallaysiz.
Talab¶
| Kerak | Daraja |
|---|---|
Python asoslari (funksiya, dict/list, try/except, async haqida tushuncha) |
Shart β kerak bo'lsa Python kitobini o'qing |
Virtual muhit va pip |
Shart β 2-bobda qaytariladi |
| JSON va HTTP haqida umumiy tushuncha | Foydali β kitobda qaytariladi |
| Bitta provayder kaliti (yoki bepul Ollama) | 2-bobda olishni ko'rsatamiz; ko'p misol bepul tier'da ishlaydi |
Qanday o'qish kerak¶
- Boblarni tartib bilan o'qing β har qism oldingisiga tayanadi.
- Har misolni o'zingiz terib, ishga tushiring β AI integratsiyasini faqat qilib o'rganasiz.
- Bob oxiridagi amaliy masalalarni yeching.
- So'nggi ikki bobda hamma bilimni birlashtirib to'liq AI ilova quramiz (RAG chatbot + agent).
I qism β Asoslar¶
| # | Bob | Nima o'rganasiz |
|---|---|---|
| 01 | AI/LLM integratsiyasi nima va nega kerak | LLM nima, token va kontekst, "integratsiya = API chaqirish", modellar landshafti, bu kitob yo'l xaritasi. |
| 02 | Muhitni sozlash va birinchi so'rov | Python muhit, API kalit olish, .env, openai SDK, birinchi chat.completions chaqiruvi. |
| 03 | Chat formati: messages, rollar, suhbat | system/user/assistant rollari, xabar tarixi, javobni o'qish, usage. |
| 04 | Modellar va provayderlar: bitta SDK, ko'p provayder | base_url almashtirish (OpenAI/Groq/OpenRouter/DeepSeek/Ollama/Gemini), model tanlash, narx/tezlik/sifat. |
II qism β Promptlar va matn generatsiyasi¶
| # | Bob | Nima o'rganasiz |
|---|---|---|
| 05 | Prompt muhandisligi | System prompt, aniq ko'rsatma, few-shot, rol berish, format so'rash, keng tarqalgan xatolar. |
| 06 | Generatsiya parametrlari | temperature, top_p, max_tokens, stop, seed; determinism va ijodiylik. |
| 07 | Streaming: token-token javob | stream=True, real-vaqt UI, generatorlar, streamingda xatolar. |
| 08 | Suhbat xotirasi va kontekst boshqaruvi | Multi-turn suhbat, tarixni saqlash, kontekst oynasi, qisqartirish va xulosalash. |
III qism β Strukturali natija va tashqi dunyo¶
| # | Bob | Nima o'rganasiz |
|---|---|---|
| 09 | Strukturali natija (JSON + Pydantic) | JSON mode, structured outputs, response_format, Pydantic bilan validatsiya. |
| 10 | Function/tool calling asoslari | tools ta'rifi, model funksiyani chaqiradi, natijani qaytarish sikli. |
| 11 | Tool calling chuqur va ko'p qadamli | Parallel tool'lar, ko'p qadamli loop, real funksiyalar (API, DB, hisob-kitob). |
| 12 | Multimodal: rasm va ovoz | Vision (rasmni tushunish), audio transkripsiya, rasm generatsiya, base64/URL. |
IV qism β RAG (o'z bilimingiz ustida)¶
| # | Bob | Nima o'rganasiz |
|---|---|---|
| 13 | Embeddings va semantik qidiruv | Embedding nima, vektor fazosi, cosine o'xshashlik, semantik qidiruv. |
| 14 | Vektor bazalari | Chroma, pgvector, FAISS; vektorlarni saqlash, indeks va qidiruv. |
| 15 | RAG: chunking va indekslash | Hujjatlarni bo'lish (chunk), metadata, indeks qurish, yuklash quvuri. |
| 16 | RAG: retrieval va generatsiya | Qidiruv + kontekst + javob, manba ko'rsatish (citations), promptni yig'ish. |
| 17 | RAG'ni yaxshilash va baholash | Re-ranking, hybrid search, query expansion, RAG sifatini o'lchash. |
V qism β Agentlar¶
| # | Bob | Nima o'rganasiz |
|---|---|---|
| 18 | Agentlar va ReAct sikli | Agent nima, reasoning + acting, tool loop, qachon agent kerak (va kerakmas). |
| 19 | 0 dan agent qurish | Tool registry, agent sikli, xotira, to'xtash sharti, xavfsizlik chegaralari. |
| 20 | Agent freymvorklari va MCP | LangChain/LlamaIndex umumiy ko'rinish, MCP (Model Context Protocol), qachon freymvork. |
VI qism β Lokal modellar¶
| # | Bob | Nima o'rganasiz |
|---|---|---|
| 21 | Lokal LLM: Ollama | Ollama o'rnatish, model yuklash, OpenAI-mos endpoint, kvantizatsiya, lokal vs bulut. |
VII qism β Production¶
| # | Bob | Nima o'rganasiz |
|---|---|---|
| 22 | Xarajat, token va keshlash | Token sanash, narx hisobi, prompt caching, batch, model bilan tejash. |
| 23 | Ishonchlilik: xato, retry, rate limit | Xato turlari, exponential backoff, timeout, fallback provayder, idempotentlik. |
| 24 | Xavfsizlik va prompt injection | API kalitlarni saqlash, prompt injection, PII, output validatsiya, moderation. |
| 25 | Kuzatuv, logging va baholash (eval) | Logging, tracing, LLM-as-judge, evaluatsiya, regress sinov, A/B. |
| 26 | Deploy: FastAPI bilan LLM xizmati | REST API, streaming endpoint, async, konfiguratsiya, konteyner va masshtab. |
VIII qism β Kapston¶
| # | Bob | Nima o'rganasiz |
|---|---|---|
| 27 | Kapston I: RAG chatbot | To'liq tizim: hujjat yuklash + RAG + suhbat + manba + FastAPI/CLI. |
| 28 | Kapston II: agent-asoslangan avtomatlashtirish | Tool + agent + xotira + ko'p qadamli real vazifa, 0 dan oxirigacha. |
Versiya va provayderlar haqida¶
Kitob Python 3.11+ va quyidagi rasmiy SDK'larga asoslangan: openai (OpenAI-mos API uchun universal), anthropic (Claude), google-genai (Gemini), ollama (lokal). RAG uchun chromadb, pydantic, fastapi ishlatiladi.
Model nomlari o'zgaradi
Bu kitobdagi model nomlari (gpt-5.4-mini, claude-haiku-4-5, gemini-2.5-flash va h.k.) β yozilgan paytdagi misollar. LLM provayderlari modellarni tez-tez yangilaydi. Har doim provayderning rasmiy model ro'yxatini tekshiring (client.models.list() yoki hujjat). Kitob aynan shu β "o'zgarishga chidamli" kod yozishni β o'rgatadi.
Muallif¶
Oqil Imomnazarov β ioqil.uz Β· Telegram Β· YouTube
Kitob bepul tarqatiladi (CC BY-NC-SA 4.0). Savdo qilish taqiqlanadi.