> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tokenlab.sh/llms.txt
> Use this file to discover all available pages before exploring further.

# ベストプラクティス

> コスト、パフォーマンス、信頼性の観点から TokenLab API の使用を最適化します

## モデル選択

適切なモデルを選択することで、コストと品質に大きな影響を与えることができます。

### タスク別の推奨

| タスク               | 推奨モデル                                             | 理由                 |
| ----------------- | ------------------------------------------------- | ------------------ |
| **シンプルな Q\&A**    | `gpt-5-mini`, `gemini-3.5-flash`                  | 高速、低コスト、十分な性能      |
| **複雑な推論**         | `gpt-5.4`, `claude-opus-4-6`, `deepseek-r1`       | より優れたロジックと計画能力     |
| **コーディング**        | `claude-sonnet-4-6`, `gpt-4o`, `deepseek-v3-2`    | コード向けに最適化          |
| **クリエイティブライティング** | `claude-sonnet-4-6`, `gpt-4o`                     | より高品質な文章生成         |
| **Vision/画像**     | `gpt-4o`, `claude-sonnet-4-6`, `gemini-3.5-flash` | ネイティブな vision サポート |
| **長いコンテキスト**      | `gemini-2.5-pro`, `claude-sonnet-4-6`             | 1M+ token ウィンドウ    |
| **コスト重視**         | `gpt-5-mini`, `gemini-3.5-flash`, `deepseek-v3-2` | 最も高いコストパフォーマンス     |

### コスト階層

```
$$$$ Premium: gpt-5.4, claude-opus-4-6
$$$  Standard: claude-sonnet-4-6, gpt-4o
$$   Budget:   gpt-5-mini, gemini-3.5-flash
$    Economy:  deepseek-v3-2, deepseek-r1
```

## コスト最適化

### 1. まず小さいモデルを使う

```python theme={null}
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 を設定する

常に妥当な `max_tokens` 制限を設定してください。

```python theme={null}
# ❌ 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. プロンプトを最適化する

```python theme={null}
# ❌ 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. 類似リクエストをバッチ化する

```python theme={null}
# ❌ 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}"}]
)
```

## パフォーマンス最適化

### 5. UX のためにストリーミングを使う

ストリーミングにより、体感上のパフォーマンスが向上します。

```python theme={null}
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)
```

### 6. インタラクティブ用途には高速なモデルを選ぶ

| ユースケース         | 推奨                               | レイテンシ              |
| -------------- | -------------------------------- | ------------------ |
| Chat UI        | `gpt-5-mini`, `gemini-3.5-flash` | 初回 token まで約 200ms |
| Tab completion | `claude-haiku-4-5`               | 初回 token まで約 150ms |
| バックグラウンド処理     | `gpt-4o`, `claude-sonnet-4-6`    | 初回 token まで約 500ms |

### 7. タイムアウトを設定する

```python theme={null}
client = OpenAI(
    api_key="sk-your-key",
    base_url="https://api.tokenlab.sh/v1",
    timeout=60.0  # 60 second timeout
)
```

## 信頼性

### 8. リトライを実装する

```python theme={null}
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")
```

### 9. エラーを適切に処理する

```python theme={null}
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)
```

### 10. フォールバックモデルを使う

```python theme={null}
FALLBACK_CHAIN = ["gpt-4o", "claude-sonnet-4-6", "gemini-3.5-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")
```

## セキュリティ

### 11. API キーを保護する

```python theme={null}
# ❌ Never hardcode keys
client = OpenAI(api_key="sk-abc123...")

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

### 12. ユーザー入力を検証する

```python theme={null}
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
```

### 13. API キーの制限を設定する

支出上限付きの個別の API キーを以下の用途ごとに作成してください。

* 開発/テスト
* 本番環境
* 異なるアプリケーション

## モニタリング

### 14. 使用状況を追跡する

以下について、ダッシュボードを定期的に確認してください。

* モデル別の token 使用量
* コストの内訳
* キャッシュヒット率
* エラー率

### 15. 重要なメトリクスをログに記録する

```python theme={null}
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,
})
```

### 16. アラートを設定する

サービス中断を避けるために、ダッシュボードで残高不足アラートを設定してください。

## チェックリスト

<AccordionGroup>
  <Accordion title="コスト最適化">
    * [ ] 各タスクに適したモデルを使用している
    * [ ] max\_tokens 制限を設定している
    * [ ] プロンプトが簡潔である
    * [ ] 適切な箇所でキャッシュを有効にしている
    * [ ] 類似リクエストをバッチ化している
  </Accordion>

  <Accordion title="パフォーマンス">
    * [ ] インタラクティブな UX のためにストリーミングを使用している
    * [ ] リアルタイム用途に高速なモデルを使用している
    * [ ] タイムアウトを設定している
  </Accordion>

  <Accordion title="信頼性">
    * [ ] リトライロジックを実装している
    * [ ] エラーハンドリングを実装している
    * [ ] フォールバックモデルを設定している
  </Accordion>

  <Accordion title="セキュリティ">
    * [ ] API キーを環境変数で管理している
    * [ ] 入力検証を行っている
    * [ ] 開発/本番でキーを分けている
    * [ ] 支出上限を設定している
  </Accordion>
</AccordionGroup>