Yeni

Twitter, LinkedIn, Substack ve diğer platformlarda hangi içeriklerin insan, hangilerinin yapay zeka tarafından oluşturulduğunu anında öğrenin. Yeni Chrome uzantımızı indirin.

Daha Fazla Bilgi Edinin
Ürün Güncellemeleri

Python'da AI'yı nasıl tespit edebilirim?

11 Ağustos 2025

Bu eğitimde, Pangram'ın AI içeriği için metni nasıl kontrol edeceğimizi öğreneceğiz. pangram-sdk Python paketi.

The pangram-sdk paket, geliştiricilerin kullanmasına izin verir Pangram'ın AI İçerik Algılayıcı API'si kısa metinleri veya daha uzun belgeleri, içeriğin yapay zeka tarafından üretilmiş olduğuna dair işaretler olup olmadığını kontrol etmek için.

Bu eğitimde, API anahtarını edinme, Pangram'ın Python SDK'sını kullanma ve Pangram'ın API uç noktalarına doğrudan HTTP istekleri gönderme konularını ele alacağız. Daha fazla bilgi ve kullanım örnekleri için lütfen Pangram'ın tam API belgelerine bakın.

Kurulum

Başlamak için bir Pangram hesabına ihtiyacınız olacak. API anahtarınızın eklenmesini istediğiniz e-posta adresini kullanarak bir hesap oluşturun. Hesap oluşturduktan sonra, iki seçenekten birini kullanarak hesabınızı kurabilirsiniz: geliştirici planına kaydolun veya araştırmacı API anahtarı alın.

Pangram'ın Geliştirici Planı aylık 100 $'dan başlar. Plana aylık 2000 API kredisi dahildir. Hesabınızın kilidini açmak ve kullanıma dayalı fiyatlandırmayı etkinleştirmek için bizimle iletişime geçebilirsiniz. Başlamak için Geliştirici Planına kaydolun. Geliştirici planına kaydolduktan sonra, API konsolunda API anahtarınızı bulabilirsiniz.

Pangram, araştırmacılara ücretsiz API anahtarları da sağlar. Ticari olmayan bir araştırma çalışması üzerinde çalışıyorsanız, ücretsiz API kredisi almak için lütfen bu formu doldurun. Size doğrudan bir API anahtarı ve araştırma kredisi tahsisatınızla ilgili olarak yanıt vereceğiz.

Ortam kurulumu

API anahtarınızı aldıktan sonra, bunu ortamınıza ekleyebilirsiniz. Aşağıdaki komutu çalıştırın ve örnek API anahtarını kişisel API anahtarınızla değiştirin. Bu komutu .bashrc, .zshrc, .env, vb. otomatik olarak ayarlamak için PANGRAM_API_ANAHTARI değişken.

dışa aktar PANGRAM_API_KEY="12345678-1234-abcd-0123-123456789abc"

Python SDK'yı indirin

Doğru Python ortamının etkinleştirildiğinden emin olun. Pangram'ın Python SDK'sını yüklemek için aşağıdaki komutu çalıştırın:

pip yükle pangram-sdk

UV kullanıyorsanız, bunun yerine şunu kullanabilirsiniz:

uv ekle pangram-sdk

Poetry kullanıyorsanız, komut şu şekilde olacaktır:

şiir ekle pangram-sdk

Python SDK'yı kullanın

Pangram İstemcisi Oluşturun

İlk olarak, isteklerde bulunmak için bir Pangram İstemcisi oluşturun. Pangram İstemcisi, API anahtarınızı ortam değişkenlerinizden otomatik olarak okuyacaktır.

başından pangram import Pangram
pangram_client = Pangram()

API anahtarını doğrudan da geçebilirsiniz:

başından pangram import Pangram

my_api_key = ''  # Buraya API anahtarınızı girin.
pangram_client = Pangram(api_key=my_api_key)

Standart bir talep oluşturun

pangram_müşteri'nin tahmin etmek işlevi, Pangram'ın API'sine tek bir istek gönderir ve sonucu döndürür. Varsayılan olarak, bu işlem yalnızca ilk 400 kelimeyi inceler. Bir istek, bir kredi kullanır.

metin = "Hızlı kahverengi tilki tembel köpeğin üzerinden atlar."
sonuç = pangram_client.tahmin(metin)
puan = sonuç["ai_likelihood"]
puanın metin temsili = sonuç["tahmin"]
yazdır(f"Metnin {text} şöyle {puanın_metin_temsili}, AI olasılığı {puan}olarak tahmin edilmektedir.") 

Toplu istek yapın

Kullanın tahmin_parti Büyük veri kümelerinin daha hızlı işlenmesi için bir grup sorguyu aynı anda göndermek için kullanılan işlev. Bir istek, gruptaki her bir öğe için bir kredi kullanır. Döndürülen sonuçlar, tekli sorguyla aynı formatta bir dizi olacaktır. tahmin etmek fonksiyon.

text_batch = ["text1", "text2"]

results = pangram_client.batch_predict(text_batch)
for result in results:
    text = result["text"]
    score = result["ai_likelihood"]
    text_representation_of_score = result["prediction"]
    print(f"We predict that the text {text} is {text_representation_of_score}, with an AI likelihood of {score}.") 

Kayan pencere isteği yapın

Kullanın kayma_penceresi_tahmin Daha uzun bir belgede AI kullanımının doğru bir tahminini elde etmek için kullanılan işlev. Bu işlev, girdi metnini pencerelere böler ve toplu işteki her pencere için AI tahmininde bulunur. Bu işlev, girdi metnindeki her 1.000 kelime için bir kredi kullanır.

metin = "Hızlı kahverengi tilki tembel köpeğin üzerinden atlar."
sonuç = pangram_client.predict_sliding_window(metin)
puan = sonuç["ai_likelihood"]
puanın metin temsili = sonuç["tahmin"]
yazdır(f"Metnin {text} şöyle {puanın_metin_temsili}, AI olasılığı {puan}olarak tahmin edilmektedir.") 

Sonuç, aşağıdaki alanları içeren bir dict'tir:

  • metin: [string] giriş metni
  • ai_olasılık: [float] 0 ile 1 arasında bir sayıdır; 1'e yakın değerler, metnin AI tarafından yazıldığına dair güvenilir bir tahmin olduğunu gösterir.
  • tahmin: [string] metnin ne kadar AI içeriği içerdiğine dair metin açıklaması
  • kısa_tahmin: [dize] "İnsan", "Karışık" veya "AI"
  • fraksiyon_ai_içeriği: [float] 0 ile 1 arasında bir float değeri, burada 1, metin boyunca AI'nın mevcut olduğunu gösterir.
  • pencereler: [liste] metin için tekil tahmin sonuçlarının listesi.

Pangram'ın kontrol paneli, kayan pencere isteğinin sonuçlarını yerel olarak görüntüleyebilir. İşlevi kullanın tahmin_dashboard_bağlantısı_ile kayan pencere sorgusu çalıştırmak ve ayrıca bir gösterge tablosu bağlantısı almak için. Tıpkı kayma_penceresi_tahminBu işlev, girilen metnin her 1.000 kelimesi için 1 kredi olarak faturalandırılır.

metin = "Hızlı kahverengi tilki tembel köpeğin üzerinden atlar."
sonuç = pangram_client.predict_sliding_window(metin)
puan = sonuç["ai_likelihood"]
puanın metin temsili = sonuç["tahmin"]
kontrol_paneli_bağlantısı = sonuç["dashboard_link"]
yazdır(f"Metnin {text} şöyle {puanın_metin_temsili}, AI olasılığı {puan}olarak hesaplanmıştır. Tam sonuçları {dashboard_link}") 

Sonuç, ile aynı alanlara sahip bir dict'tir. kayma_penceresi_tahmin sonuç, ancak bir ek alan daha içerir:

  • gösterge paneli bağlantısı: [string] kayan pencere sonuçlarının tamamını içeren bir sayfaya bağlantı.

Alternatif yöntemler: HTTP istekleri

Tüm bu işlevlere HTTP üzerinden de erişilebilir. Pangram API'ye HTTP istekleri gönderme konusunda tam dokümantasyon için lütfen Pangram'ın Inference API dokümantasyonuna bakın.

Yeniden deneme ekleme

Bazen Pangram'a yapılan istekler zaman aşımına uğrayabilir veya başarısız olabilir. Programınızın çökmemesi için yeniden deneme eklemenizi şiddetle tavsiye ederiz. Bu tür bir kütüphane olan Tenacity'yi tavsiye ederiz.

Tenacity'yi kullanarak Pangram çağrılarını yeniden denemenin bir örneği:

tenacity azim ithalat yeniden deneme, denemeden_sonra_durdur, rastgele_üstel_bekle, retry_if_exception_type

@retry(
    retry=yeniden_dene_eğer_istisna_tipi((Zaman Aşımı Hatası, Bağlantı Hatası)),
    durdur=denemeden_sonra_durdur(5),
    bekle=bekle_rastgele_üstel(çarpan=0,5, maks=10),
    reraise=Doğru,
)
def predict(metin):
    dön pangram_client.tahmin(metin)

Hepsini bir araya getirmek

İşte Pangram SDK'yı kullanarak herhangi bir metni AI açısından kontrol etmek ve yeniden denemelerle birlikte bir gösterge tablosu bağlantısı almak için tam bir örnek.

başından pangram import Pangram
from azim import yeniden deneme, denemeden_sonra_durdur, rastgele_üstel_bekle, retry_if_exception_type

api_key = ""
pangram_client = Pangram(api_key=api_key)

@retry(
    yeniden deneme=yeniden_deneme_eğer_istisna_tipi((Zaman Aşımı Hatası, Bağlantı Hatası)),
    durdur=denemeden_sonra_durdur(5),
    bekle=bekle_rastgele_üstel(çarpan=0,5, maks=10),
    reraise=Doğru,
)
def predict_ai_with_link(metin)
    sonuç = pangram_client.kaydırmalı_pencere_tahmin(metin)
    dönüş sonuç

metin = "Hızlı kahverengi tilki tembel köpeğin üzerinden atlar."
sonuç = predict_ai_with_link(metin)
puan = sonuç["ai_likelihood"]
puanın metin temsili = sonuç["tahmin"]
kontrol_paneli_bağlantısı = sonuç["dashboard_link"]
yazdır(f"Metnin {text} şöyle {puanın_metin_temsili}, AI olasılığı {puan}olarak hesaplanmıştır. Tam sonuçları {dashboard_link}")

Kapanış

Umarız bu kılavuz sayesinde, Pangram'ın AI Detection Python paketini kullanarak AI içeriğini programlı olarak tespit edebilmişsinizdir. Bununla harika şeyler yaptınız mı? Lütfen LinkedIn veya X'te bizi etiketleyin ve yaptıklarınızı paylaşın!


Max Spero
Max SperoCEO, Kurucu Ortak

Max, deneyimli bir makine öğrenimi mühendisidir. Son olarak Nuro'da otonom araçlar üzerinde çalışmış ve aktif öğrenme çalışmalarını yönetmiştir. Google, Two Sigma ve Yelp'te başarılı makine öğrenimi ürünlerini hayata geçirme konusunda uzun bir geçmişe sahiptir.

Max, Stanford Üniversitesi'nden teorik bilgisayar bilimi alanında lisans ve yapay zeka alanında yüksek lisans derecesine sahiptir. Yapımcılığa olan tutkusu yanı sıra, Magic: the Gathering küp topluluğunun da aktif bir üyesidir.

Max Spero'dan daha fazlası

İlgili makaleler

Pangram 3.3 ile tanışın!
Ürün Güncellemeleri

Pangram 3.3 ile tanışın!

13 Mayıs 2026
Pangram Metin AI Dedektörü artık çok dillidir!
Ürün Güncellemeleri

Pangram Metin AI Dedektörü artık çok dillidir!

1 Temmuz 2024
Pangram 3.0: Metinlerdeki Yapay Zeka Düzenlemesinin Kapsamını Ölçme
Ürün Güncellemeleri

Pangram 3.0: Metinlerdeki Yapay Zeka Düzenlemesinin Kapsamını Ölçme

11 Aralık 2025
Etiketler ve Gruplar Tanıtımı
Ürün Güncellemeleri

Etiketler ve Gruplar Tanıtımı

8 Ağustos 2025
Yeni Sonuç Sayfasını Tanıtıyoruz
Ürün Güncellemeleri

Yeni Sonuç Sayfasını Tanıtıyoruz

9 Ekim 2025
Pangram, AI içeriğini tanımlama konusunda insan uzmanlarından daha iyi performans gösteren tek AI dedektörüdür.
Ürün Güncellemeleri

Pangram, AI içeriğini tanımlama konusunda insan uzmanlarından daha iyi performans gösteren tek AI dedektörüdür.

29 Ocak 2025