ساخت چت بات با هوش مصنوعی برای کسبوکار ۱۴۰۵
ساخت چت بات با هوش مصنوعی برای کسبوکار از یک وظیفه مشخص شروع میشود، نه از انتخاب قویترین مدل: چت بات کاربردی حاصل چهار چیز است، تعریف دقیق وظیفه، مدل متناسب با آن، بودجه توکنی و مجموعهای از پرسشهای آزمون.
- تیم 1xAi
- منتشر: ۲۳ آبان ۱۴۰۵
- بروزرسانی: ۱ آذر ۱۴۰۵
- ۱۲ دقیقه مطالعه
- ساخت
- چت
- بات
- با
- هوش
- مصنوعی
تیمِ فنیِ 1xAi گیتوی را میسازد و میگرداند — همانهایی که هر روز با APIهای OpenAI، Anthropic، Google و DeepSeek از داخلِ ایران کار میکنند. آنچه اینجا میخوانی از همان کارِ روزمره درآمده، نه از بازنویسیِ مستنداتِ انگلیسی. پروفایلِ نویسنده

در این مقاله (۲۶)
- ساخت چت بات با هوش مصنوعی برای کسبوکار از کجا شروع میشود؟
- کدام مدل را برای چت بات انتخاب کنیم: GPT، Claude، Gemini یا DeepSeek؟
- مدلهای OpenAI و قیمت هر یک
- مدلهای کلود، جمینای و دیپسیک
- هزینه ماهانه چت بات را به تومان چطور برآورد کنیم؟
- متغیرهای برآورد
- سه ریسک بودجه که اغلب نادیده گرفته میشوند
- قواعد قیمتگذاری 1xAi
- «API رایگان» واقعاً چقدر رایگان است؟
- پرامپت سیستمی فارسی و اتصال به پشتیبانی، فروش و پرسشهای متداول
- ساختار پرامپت سیستمی نمونه
- تفاوت کلیدی سه سناریو
- کد اجرایی با Python SDK
- نکات تکمیلی
- کیفیت چت بات را با چه معیارهایی بسنجیم و چطور مستقر کنیم؟
- پنج معیار برای مجموعه آزمون
- مسیر استقرار مرحلهای
- حریم خصوصی
- سوالات متداول
- ساخت چت بات با هوش مصنوعی برای کسبوکار از کجا شروع میشود؟
- کدام مدل را برای چت بات انتخاب کنیم: جیپیتی، کلود، جمینای یا دیپسیک؟
- آیا برای استفاده از API هوش مصنوعی در ایران به VPN یا کارت بانکی خارجی نیاز است؟
- هزینه API چت بات به تومان چقدر است؟
- آیا میتوان مدل را قبل از نوشتن کد آزمایش کرد؟
- چرا پارامتر temperature در مدلهای Claude نسل ۵ خطا میدهد؟
- آیا اطلاعات کاربران چت بات به ارائهدهنده مدل میرسد؟
ساخت چت بات با هوش مصنوعی برای کسبوکار از یک وظیفه مشخص شروع میشود، نه از انتخاب قویترین مدل: چت بات کاربردی حاصل چهار چیز است، تعریف دقیق وظیفه، مدل متناسب با آن، بودجه توکنی و مجموعهای از پرسشهای آزمون. در این راهنما مراحل را از تعریف مسئله تا پرامپت سیستمی فارسی و سنجش کیفیت مرور میکنیم. ما در 1xAi گیتوی API مورد بحث را اداره میکنیم و قیمتها را از داده زنده خودمان در https://1xai.ir/models میآوریم. کد LangChain و ربات تلگرام را اینجا تکرار نمیکنیم و برای آنها به مقالات قبلیمان ارجاع میدهیم.
ساخت چت بات با هوش مصنوعی برای کسبوکار از کجا شروع میشود؟
با یک مسئله مشخص شروع کنید، مثلاً پشتیبانی، پرسشهای متداول یا فروش، نه با چت باتی که قرار است به همهچیز جواب بدهد. دامنهٔ باریک تست را ساده میکند و خطاها زودتر دیده میشوند.
پیش از انتخاب ابزار، یک مشخصات یکصفحهای بنویسید. این یک توصیهٔ عمومی است، نه استاندارد رسمی:
- مخاطب: چه کسی میپرسد و از کدام کانال (سایت، تلگرام یا بله).
- پرسشهای پرتکرار: ۱۰ تا ۲۰ پرسش از پیامها و تیکتهای واقعی، هرکدام با پاسخ درست.
- منبع دانش: سند یا صفحهای که پاسخها فقط از آن میآیند.
- نقطهٔ تحویل به انسان: شرایطی مثل نارضایتی مشتری یا پرسش خارج از منبع که گفتگو را به یک آدم میسپارد.
- معیار موفقیت: مثلاً سهم گفتگوهایی که بدون ارجاع به انسان تمام میشوند.
چت بات قاعدهمحور فقط به عبارتهای از پیش تعریفشده جواب میدهد، ولی چت بات مبتنی بر مدل زبانی پیام را میفهمد و پاسخ را خودش میسازد؛ این تفاوت در راهنمای ساخت چت بات بدون کدنویسی با n8n توضیح داده شده است. برای انتخاب مدل، مرور ابزارهای هوش مصنوعی ۲۰۲۶ در ایران کمک میکند.
مسیر بدون کد کوتاه است. برای ساخت چت بات هوش مصنوعی شخصی بدون کدنویسی، n8n را ببینید: گرهها را در یک صفحهٔ بصری به هم وصل میکنید. برای نیاز سفارشی، مثل پشتیبانی مشتری یا اتصال به سایت و تلگرام، تیم 1xAi درخواست میپذیرد و کار از صفحهٔ تماس 1xAi شروع میشود.
کدام مدل را برای چت بات انتخاب کنیم: GPT، Claude، Gemini یا DeepSeek؟
مدل را با نوع وظیفه و حجم مکالمه انتخاب کنید و از مدل ارزانتر شروع کنید؛ فقط وقتی در آزمون خودتان شکست خورد، سراغ مدل قویتر بروید.
آزمون یعنی همان ۲۰ تا ۵۰ پرسش واقعی که کاربران چت بات شما میپرسند. اگر مدل ارزانتر به آنها درست جواب بدهد، ارتقا فقط هزینه را بالا میبرد. این توصیه بر مقایسه بنچمارک تکیه ندارد و ادعای برتری هیچ مدلی نیست. ما در 1xAi دروازهای اداره میکنیم که همین مدلها را با یک API سازگار با OpenAI در اختیار توسعهدهندههای ایرانی میگذارد، پس مبنای ما قیمت و مصرف واقعی همین دروازه است.
مدلهای OpenAI و قیمت هر یک
ستونهای قیمت، نرخ زنده هر مدل به تومان برای یک میلیون توکن هستند و با نرخ بازار هر روز ساعت ۹ صبح تهران هماهنگ میشوند.
| مدل | ورودی (تومان / ۱M توکن) | خروجی (تومان / ۱M توکن) | کارمزد |
|---|---|---|---|
| gpt-4.1 | ۶۵۳٬۵۲۰ | ۲٬۶۱۴٬۰۸۰ | ۲۰٪ |
| gpt-5 | ۴۰۸٬۴۵۰ | ۳٬۲۶۷٬۶۰۰ | ۲۰٪ |
| gpt-5.2 | ۵۷۱٬۸۳۰ | ۴٬۵۷۴٬۶۴۰ | ۲۰٪ |
| o3 | ۶۵۳٬۵۲۰ | ۲٬۶۱۴٬۰۸۰ | ۲۰٪ |
| gpt-5.5 | ۱٬۵۶۵٬۷۲۵ | ۹٬۳۹۴٬۳۵۰ | ۱۵٪ |
برای نمونه، gpt-4.1 اکنون ۶۵۳٬۵۲۰ تومان برای هر یک میلیون توکن ورودی و ۲٬۶۱۴٬۰۸۰ تومان برای خروجی هزینه دارد. gpt-5.5 با ۱٬۵۶۵٬۷۲۵ تومان ورودی و ۹٬۳۹۴٬۳۵۰ تومان خروجی در رده پرچمدار قرار میگیرد و کارمزد آن ۱۵٪ است.
در ۳۰ روز گذشته روی دروازه ما gpt-4.1 با ۱٬۱۶۱ درخواست و gpt-5.5 با ۲۱۳ درخواست، هر دو با نرخ موفقیت ۱۰۰٪ اجرا شدهاند. این آمار مصرف واقعی ماست و تعهد آپتایم نیست.
مدلهای کلود، جمینای و دیپسیک
برای این خانوادهها قیمت لحظهای و فهرست کامل نام مدلها در صفحه مدلهای 1xAi آمده است؛ کارمزد در کل کاتالوگ ۱۵ تا ۳۰٪ بسته به مدل است.
یک هشدار فنی قبل از کدنویسی: مدلهای نسل ۵ Claude یعنی claude-sonnet-5، claude-fable-5 و claude-opus-5 پارامترهای temperature و top_p و همچنین prefill پیام دستیار را رد میکنند. اگر کد چت بات شما اینها را میفرستد، هنگام جابهجایی از GPT به Claude خطا میگیرید. برای آشنایی با خلاصه درس ۵ علوم هفتم، همچنین به این بخش مراجعه کنید. برای مرور خلاصه درس ۱۰ مطالعات هشتم نیز میتوانید اقدام کنید.
اگر هنوز مطمئن نیستید چت بات شما قاعدهمحور است یا مبتنی بر مدل زبانی، راهنمای چت بات چیست؟ انواع و کاربردها تفاوت این دو را توضیح میدهد.
هزینه ماهانه چت بات را به تومان چطور برآورد کنیم؟
هزینه ماهانه چتبات از جمع هزینه توکن ورودی و هزینه توکن خروجی به دست میآید. چون قیمتها بهازای یک میلیون توکن اعلام میشوند، تعداد توکنها را باید بر یک میلیون تقسیم کرد.
هزینه ماهانه = (توکن ورودی ماهانه ÷ ۱٬۰۰۰٬۰۰۰ × قیمت هر یک میلیون توکن ورودی) + (توکن خروجی ماهانه ÷ ۱٬۰۰۰٬۰۰۰ × قیمت هر یک میلیون توکن خروجی)
توکن ماهانه برابر است با «میانگین توکن هر مکالمه × تعداد مکالمه در ماه». منظور از میانگین هر مکالمه، جمع توکن همه درخواستهای همان مکالمه است. تعداد مکالمه فقط یک بار، در همین مرحله، ضرب میشود. قیمتها را از صفحه مدلها بردارید، چون عدد نهایی با تغییر نرخ دلار عوض میشود.
متغیرهای برآورد
| متغیر | چطور اندازه بگیریم |
|---|---|
| پرامپت سیستمی | تعداد کاراکتر ÷ ۴ ≈ توکن |
| تاریخچه ارسالی | چند پیام آخر را در هر درخواست میفرستید؟ |
| میانگین طول پاسخ | چند پیام نمونه را با usage.completion_tokens لاگ کنید |
| مکالمه در روز | از لاگ سرور یا داشبورد مدل بخوانید |
ابزار اصلی اندازهگیری فیلد usage در پاسخ API است که prompt_tokens و completion_tokens را جداگانه میدهد. با جمع این دو در ۱۰ مکالمه واقعی، پایهای برای برآورد دارید.
سه ریسک بودجه که اغلب نادیده گرفته میشوند
تاریخچه بلند: اگر ۲۰ پیام گذشته را در هر درخواست بفرستید، توکن ورودی چندین برابر میشود، در حالی که اغلب ۵ تا ۸ پیام آخر کافی است.
پرامپت سیستمی بدون کش پرامپت: یک پرامپت سیستمی ۲۰۰۰ کلمهای که در هر درخواست تکرار میشود، هزینه ورودی را به شدت بالا میبرد. مدلهایی که کش پرامپت را پشتیبانی میکنند (مثل gpt-5 با نرخ cached input جداگانه در صفحه مدلهای 1xAi) این مشکل را کاهش میدهند.
مدل گران برای وظیفه ساده: انتخاب gpt-5.5 برای پاسخ به سوالات ساده، قیمت خروجی را به مراتب بالاتر از نیاز واقعی میبرد. راهنمای چت با هوش مصنوعی ۲۰۲۶: راهنمای API از ایران این انتخاب را با مثال عددی بررسی میکند.
قواعد قیمتگذاری 1xAi
قیمت نهایی هر توکن برابر است با قیمت رسمی ارائهدهنده به علاوه مارکآپ 1xAi که بین ۱۵ تا ۳۰٪ بسته به مدل متغیر است. مثلاً gpt-4o-mini و gemini-2.5-flash در رده ۳۰٪ قرار دارند، در حالی که مدلهای flagship مثل Claude Opus در رده ۱۵٪. اگر مصرف کیف پول شما در ۳۰ روز گذشته از آستانهای که در صفحه قیمتها آمده بیشتر باشد، سقف مارکآپ به ۱۵٪ کاهش مییابد. به مبلغ شارژ هم ۱۰٪ مالیات بر ارزش افزوده اضافه میشود. پرداخت پیشپرداخت است، از طریق زرینپال، بدون نیاز به کارت خارجی یا VPN.
نرخ دلار هر روز ساعت ۹ صبح بهروز میشود، پس هیچ قیمت توکنی که امروز محاسبه کنید فردا دقیق نیست. همیشه از صفحه قیمتهای لایو عدد بخوانید.
«API رایگان» واقعاً چقدر رایگان است؟
یک API نامحدود رایگان وجود ندارد. مسیر شروع بدون هزینه برای API، چرخوفلک اعتبار هدیه در 1xai.ir/free است. هر حساب یک بار میچرخاند و مبلغی را که سرور تعیین میکند بهصورت اعتبار بیانقضا به کیف پول اضافه میکند.
طرح رایگان چت فارسی محصولی جداست. این طرح سهمیهای برای گفتگو در همان محیط چت روی gpt-4o-mini، claude-haiku-4-5 و gemini-2.5-flash میدهد و نه اعتبار کیف پول و نه دسترسی API. بنابراین مصرف آن را مبنای برآورد توکن یا هزینه چتبات مبتنی بر API نگیرید؛ برای آن، usage پاسخهای واقعی API را اندازه بگیرید.
پرامپت سیستمی فارسی و اتصال به پشتیبانی، فروش و پرسشهای متداول
پرامپت سیستمی را مثل یک سند محصول بنویسید: نقش دقیق بات، دامنه مجاز، لحن، منبع پاسخ، قاعده «نمیدانم» و شرط تحویل به اپراتور انسانی — همین شش بخش کافی است.
ساختار پرامپت سیستمی نمونه
تو دستیار پشتیبانی فروشگاه «نمونهشاپ» هستی.
نقش: پاسخ به سوالات خرید، وضعیت سفارش و بازگشت کالا.
دامنه مجاز: فقط محصولات و سیاستهای همین فروشگاه.
لحن: رسمی اما صمیمی، کوتاه و شفاف.
منبع پاسخ: فقط اطلاعات داخلی فروشگاه؛ هرگز از خودت چیزی اضافه نکن.
قاعده «نمیدانم»: اگر پاسخ را نمیدانی، صادقانه بگو و کاربر را به
تیم پشتیبانی ارجاع بده.
تحویل به انسان: اگر کاربر درخواست صحبت با «اپراتور» کرد، یا سه بار
متوالی از پاسخها ناراضی بود، پیام «در حال اتصال به کارشناس...» را
نمایش بده و گفتگو را به سیستم تیکتینگ منتقل کن.
زبان: همیشه فارسی پاسخ بده.
تفاوت کلیدی سه سناریو
| سناریو | تمرکز پرامپت | قاعده تحویل |
|---|---|---|
| پشتیبانی | وضعیت سفارش، شکایت، بازگشت | ناراضی مکرر → اپراتور |
| فروش | معرفی محصول، مقایسه، تخفیف | درخواست خرید پیچیده → فروشنده |
| FAQ | سوالات متداول از پایگاه دانش | سوال خارج از FAQ → تیکت |
در سناریوی فروش، پرامپت باید صراحتاً منع کند که بات قیمت یا موجودی را حدس بزند؛ در سناریوی FAQ، محدوده منابع قابل استناد را فهرست کنید تا مدل از پایگاه دانش تأییدشده خارج نشود.
کد اجرایی با Python SDK
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["ONEXAI_API_KEY"],
base_url="https://1xai.ir/v1",
)
SYSTEM_PROMPT = """تو دستیار پشتیبانی فارسیزبان هستی.
فقط درباره محصولات این فروشگاه پاسخ بده.
اگر پاسخ را نمیدانی، بگو نمیدانم و کاربر را به پشتیبانی ارجاع بده.
همیشه به فارسی پاسخ بده."""
history = [{"role": "system", "content": SYSTEM_PROMPT}]
def chat(user_message: str) -> str:
history.append({"role": "user", "content": user_message})
response = client.chat.completions.create(
model="gpt-5",
messages=history,
)
reply = response.choices[0].message.content
history.append({"role": "assistant", "content": reply})
return reply
print(chat("آیا محصول X موجود است؟"))
# خروجی قطعی نیست و به پاسخ مدل بستگی دارد. در این نمونه هیچ اطلاعاتی
# درباره محصول X یا موجودی فروشگاه به مدل داده نشده است؛ پس پاسخ
# نمیتواند وضعیت واقعی موجودی را نشان دهد.
نام مدل را از صفحه مدلهای 1xAi بردارید. کلید API از متغیر محیطی ONEXAI_API_KEY خوانده میشود و IP، کوکیها و user-agent مشتری به سرورهای بالادستی نمیرسد، چون هر درخواست از زیرساخت 1xAi بازصادر میشود. برای اینکه بات بر اساس موجودی واقعی پاسخ بدهد، باید دادههای فروشگاه را خودتان در پرامپت یا از سیستم خودتان به مدل بدهید.
نکات تکمیلی
SDK های Anthropic و Google GenAI هم روی اندپوینتهای اختصاصی 1xAi بدون تغییر کار میکنند — فقط base_url و کلید را جایگزین کنید. اگر میخواهید همین بات را روی تلگرام مستقر کنید، مقاله ربات پشتیبانی تلگرام در بلاگ 1xAi کد کانال تلگرام را پوشش میدهد و نیازی به تکرار آن اینجا نیست.
برای کاربردهای جانبی مثل ترجمه فایل PDF یا پردازش اسناد چندزبانه، همین معماری را میتوان مستقیم به کار برد؛ راهنمای هوش مصنوعی ترجمه فارسی به انگلیسی و مقایسه GPT، Claude، Gemini و DeepSeek انتخاب مدل مناسب برای هر نوع سند را با جزئیات توضیح میدهد.
کیفیت چت بات را با چه معیارهایی بسنجیم و چطور مستقر کنیم؟
پیش از انتشار، چت بات را با ۵۰ تا ۱۰۰ پرسش واقعی مشتریان بسنجید و فقط پس از عبور از حد قبولی، استقرار را گسترش دهید. این یک توصیه عمومی مهندسی است و نتیجه آزمایش اختصاصی ما نیست.
پنج معیار برای مجموعه آزمون
حد قبولی هر معیار را خودتان و بر اساس حساسیت کسبوکارتان تعیین کنید. عدد هدفِ یکسان برای همه وجود ندارد.
| معیار | چه چیزی را نشان میدهد | روش اندازهگیری |
|---|---|---|
| دقت پاسخ نسبت به منبع | تطابق پاسخ با سند یا متن مرجع شما | مقایسه دستی پاسخ هر پرسش آزمون با منبع |
| نرخ ارجاع به انسان | سهم مکالمههایی که به اپراتور میرسند | مکالمههای ارجاعی تقسیم بر کل مکالمهها |
| نرخ پاسخ ساختگی | پاسخ مطمئنی که در منبع وجود ندارد | چند پرسش را عمداً بدون جواب در منبع بگذارید و بشمارید |
| هزینه هر مکالمه (تومان) | خرج واقعی هر گفتگو | توکن ورودی و خروجی ضرب در نرخ زنده مدل، با فرمول بخش قبل |
| تأخیر | زمان انتظار کاربر | ثبت زمان تا اولین کلمه و تا پایان پاسخ |
مسیر استقرار مرحلهای
- نسخه داخلی: تیم خودتان چند روز از آن استفاده کند و خطاهای آشکار را بگیرد.
- پایلوت محدود: گروه کوچکی از مشتریان یا یک دسته پرسش مشخص.
- انتشار روی وبسایت یا تلگرام: فقط پس از رسیدن معیارها به حد قبولی.
- پایش مداوم: هزینه را زیر نظر بگیرید، چون قیمت تومانی مدلها با نرخ روزانه بازار هماهنگ میشود. هر هفته پرسشهای ناموفق را مرور کنید و به مجموعه آزمون اضافه کنید.
حریم خصوصی
اطلاعات حساس مشتری، مثل رمز، شماره کارت و کد ملی، را در پرامپت نفرستید. اگر مدل به آنها نیاز ندارد، پیش از ارسال حذف یا پنهانشان کنید.
اگر چت بات پشتیبانی سفارشی یا اتصال به وبسایت و تلگرام میخواهید، میتوانید از صفحه تماس با 1xAi درخواست بدهید.
پژوهش و نگارش: the CodeNest content engine
سوالات متداول
ساخت چت بات با هوش مصنوعی برای کسبوکار از کجا شروع میشود؟
ساخت چت بات کاربردی با تعریف یک مسئله مشخص شروع میشود، مثلاً پشتیبانی، پرسشهای متداول یا فروش، نه با «یک چت بات برای همهچیز». این توصیه عمومی است: یک مشخصات یکصفحهای شامل مخاطب، ۱۰ تا ۲۰ پرسش پرتکرار، منبع دانش، نقطه تحویل به انسان و معیار موفقیت بنویسید.
کدام مدل را برای چت بات انتخاب کنیم: جیپیتی، کلود، جمینای یا دیپسیک؟
مدل را باید با نوع وظیفه و حجم مکالمه انتخاب کرد، نه با نام برند. برای وظایف ساده از مدل ارزانتر شروع کنید و فقط وقتی در مجموعه آزمون خودتان شکست خورد، مدل قویتر را جایگزین کنید.
آیا برای استفاده از API هوش مصنوعی در ایران به VPN یا کارت بانکی خارجی نیاز است؟
خیر، توسعهدهندگان داخل ایران میتوانند بدون VPN و بدون کارت بانکی خارجی با هر SDK استاندارد OpenAI به 1xAi متصل شوند (بر پایه داده زنده 1xAi، تاریخ ۱۴ نوامبر ۲۰۲۶). SDKهای Anthropic و Google GenAI هم بدون تغییر روی اندپوینتهای اختصاصی کار میکنند و کلید از داشبورد 1xai.ir صادر میشود.
هزینه API چت بات به تومان چقدر است؟
قیمت gpt-5.2 از طریق 1xAi برابر قیمت لیست OpenAI (۱٫۷۵ دلار برای هر یک میلیون توکن ورودی و ۱۴ دلار برای هر یک میلیون توکن خروجی) بهعلاوه ۲۰٪ مارکآپ است. امروز این مدل ۵۷۱٬۸۳۰ تومان برای هر یک میلیون توکن ورودی و ۴٬۵۷۴٬۶۴۰ تومان برای هر یک میلیون توکن خروجی قیمت دارد. قیمتهای تومانی هر روز صبح ساعت ۰۹:۰۰ به وقت تهران با نرخ بازار دلار هماهنگ میشوند، پس قیمت لحظهای هر مدل را در صفحه مدلها ببینید. توکن ورودی کششده (کش پرامپت) برای این مدل طبق قیمت لیست ۰٫۱۷۵ دلار به ازای هر یک میلیون توکن است و معادل تومانی آن هم در همان صفحه آمده است.
آیا میتوان مدل را قبل از نوشتن کد آزمایش کرد؟
بله، 1xAi یک playground وب دارد که اجازه میدهد مدلها را پیش از نوشتن کد امتحان کنید. این کار برای مقایسه پاسخ مدلها روی پرسشهای واقعی کسبوکار و نوشتن پرامپت سیستمی فارسی مفید است.
چرا پارامتر temperature در مدلهای Claude نسل ۵ خطا میدهد؟
مدلهای نسل ۵ Claude، یعنی claude-sonnet-5، claude-fable-5 و claude-opus-5، پارامترهای temperature و top_p و همچنین prefill پیام دستیار را رد میکنند. اگر چت بات شما این پارامترها را ارسال میکند، هنگام تعویض به این مدلها باید آنها را از درخواست حذف کنید.
آیا اطلاعات کاربران چت بات به ارائهدهنده مدل میرسد؟
خیر، طبق داده 1xAi، IP مشتری، کوکیها و user-agent هرگز به ارائهدهنده بالادستی نمیرسد و هر درخواست از زیرساخت 1xAi دوباره صادر میشود. این مورد به محتوای پیامهایی که خودتان ارسال میکنید مربوط نیست.


