SenseChat-Turbo هو الخيار الخفيف للحوار العام ضمن مجموعة نماذج SenseNova من SenseTime. يوجهه المطوّر للإجابة السريعة عن الأسئلة وسيناريوهات ضبط النماذج. استخدمه لمهمة نصية واضحة النطاق: الإجابة عن سؤال بالاستناد إلى معلومات مقدمة، أو إعادة صياغة رسالة قصيرة، أو تحديد فكرة مقطع، أو متابعة محادثة محددة.
اذكر ما ينبغي أن تحققه الإجابة، وأدرج المعلومات اللازمة لإنتاجها. ولشرح موجه للعملاء، قدّم حقائق المنتج ذات الصلة واطلب إجابة موجزة عن السؤال الفعلي. ولإعادة الصياغة، قدّم النص الأصلي والجمهور والنبرة المرغوبة. افصل المادة المطلوب تحليلها عن التعليمات المتعلقة بعرض النتيجة.
من الموجزات المفيدة: «استخدم مقتطف السياسة المقدم لشرح الخطوة المنطبقة على هذه الحالة، ثم اسرد المعلومات التي ما زالت مطلوبة». ينبغي للنص الناتج التمييز بين إجابة مدعومة وسؤال لا يحسمه المقتطف. وتكون الاستجابة القصيرة أسهل استخدامًا عندما تجيب عن مسألة واضحة واحدة بدلًا من مزج عدة أهداف غير مترابطة.
يستخدم سير عمل المحادثة النصية لدى المطوّر رسائل موسومة بالأدوار، ويدعم تسلسلًا من طلبات المستخدم وإجابات المساعد. احتفظ بالدور السابق عندما تشير إليه متابعة، مع أي حقيقة أو قيد لا يزال مهمًا. وفي سير عمل لا يحتفظ فيه الخادم بسجل المحادثة، يوفر التطبيق السجل ذا الصلة مع الطلب التالي.
في تبادل دعم مستمر، حافظ على السؤال الذي سبق توضيحه والملاحظة التي قدمها المستخدم. اطلب من الاستجابة التالية المتابعة انطلاقًا من تلك الحالة. أزل المادة غير المرتبطة التي تشتت عن المهمة الحالية، واحجز مساحة للإجابة ضمن الإعداد المستخدم للمحادثة.
تسرد SenseTime سيناريوهات ضبط النماذج ضمن توجيه Turbo. وللتكييف مع مهمة محددة، جهّز أمثلة ممثلة من المدخلات والإجابات توضح السلوك المطلوب: المفردات وصيغة الاستجابة ومستوى التفصيل والتعامل مع المعلومات الناقصة. أبقِ الإجابة المتوقعة متسقة مع حقائق المصدر في كل مثال.
قد تميز أمثلة مفيدة بين استجابة واقعية وطلب توضيح، أو بين شرح قصير وقائمة حقول منظمة. أدرج الحالات الصعبة أو الملتبسة إلى جانب الحالات المباشرة. تحقق من الأمثلة مقابل المهمة المقصودة قبل التعامل مع صياغتها كنمط للتكرار. يصف هذا الإعداد السلوك الحواري المرغوب؛ ويحدد سير عمل التكييف المحيط كيفية استخدام الأمثلة.
تدعم واجهات المحادثة لدى المطوّر النص المكتمل والنص المتدفق. تقدم الاستجابة المكتملة الإجابة في نتيجة واحدة؛ ويوفر البث أجزاء متتابعة يجمعها التطبيق. احتفظ بالإجابة النهائية للمراجعة أو إعادة الاستخدام، بدلًا من الحكم على المهمة من أول كلمات ظاهرة فقط.
للاستخراج أو التصنيف، طابق الحقول أو التسميات الفعلية مع المصدر. ولإعادة الصياغة، قارن ما إذا كان المعنى قد بقي بعد تغيير النبرة المطلوب. ولتبادل الأسئلة والأجوبة، تحقق من أن الاستجابة تتناول المسألة الحالية وأن أي طلب متابعة ذو صلة.
Turbo وSenseChat-5 نموذجان للحوار العام مسمّيان بشكل مستقل. كما أن لـSenseChat-5-Cantonese ونماذج حوار الشخصيات ونماذج الرؤية أو الوسائط المدمجة ملفاتها الخاصة. احتفظ بالإصدار المختار والنص المقدم مع الإجابة النهائية عند مقارنة مهمة أو متابعة محادثة تطبيق.
اختر دور Turbo في الحوار المحدد النطاق عندما ينبغي للنتيجة أن تكون نصًا موجزًا قابلًا للاستخدام. أعطِ الإجابة وجهة صريحة، كأن تكون ردًا أو فقرة منقحة أو قائمة حقول أو سؤال توضيح، وافحص ملاءمتها للحقائق وصياغتها واكتمالها قبل استخدامها في الخطوة التالية.
", "aboutText": "### أسئلة سريعة وحوار مخصص\n\nSenseChat-Turbo هو الخيار الخفيف للحوار العام ضمن مجموعة نماذج SenseNova من SenseTime. يوجهه المطوّر للإجابة السريعة عن الأسئلة وسيناريوهات ضبط النماذج. استخدمه لمهمة نصية واضحة النطاق: الإجابة عن سؤال بالاستناد إلى معلومات مقدمة، أو إعادة صياغة رسالة قصيرة، أو تحديد فكرة مقطع، أو متابعة محادثة محددة.\n\n### قدّم للنموذج طلبًا دقيقًا\n\nاذكر ما ينبغي أن تحققه الإجابة، وأدرج المعلومات اللازمة لإنتاجها. ولشرح موجه للعملاء، قدّم حقائق المنتج ذات الصلة واطلب إجابة موجزة عن السؤال الفعلي. ولإعادة الصياغة، قدّم النص الأصلي والجمهور والنبرة المرغوبة. افصل المادة المطلوب تحليلها عن التعليمات المتعلقة بعرض النتيجة.\n\nمن الموجزات المفيدة: «استخدم مقتطف السياسة المقدم لشرح الخطوة المنطبقة على هذه الحالة، ثم اسرد المعلومات التي ما زالت مطلوبة». ينبغي للنص الناتج التمييز بين إجابة مدعومة وسؤال لا يحسمه المقتطف. وتكون الاستجابة القصيرة أسهل استخدامًا عندما تجيب عن مسألة واضحة واحدة بدلًا من مزج عدة أهداف غير مترابطة.\n\n### أبقِ سياق المحادثة ذا صلة\n\nيستخدم سير عمل المحادثة النصية لدى المطوّر رسائل موسومة بالأدوار، ويدعم تسلسلًا من طلبات المستخدم وإجابات المساعد. احتفظ بالدور السابق عندما تشير إليه متابعة، مع أي حقيقة أو قيد لا يزال مهمًا. وفي سير عمل لا يحتفظ فيه الخادم بسجل المحادثة، يوفر التطبيق السجل ذا الصلة مع الطلب التالي.\n\nفي تبادل دعم مستمر، حافظ على السؤال الذي سبق توضيحه والملاحظة التي قدمها المستخدم. اطلب من الاستجابة التالية المتابعة انطلاقًا من تلك الحالة. أزل المادة غير المرتبطة التي تشتت عن المهمة الحالية، واحجز مساحة للإجابة ضمن الإعداد المستخدم للمحادثة.\n\n### جهّز أمثلة خاصة بالمهمة\n\nتسرد SenseTime سيناريوهات ضبط النماذج ضمن توجيه Turbo. وللتكييف مع مهمة محددة، جهّز أمثلة ممثلة من المدخلات والإجابات توضح السلوك المطلوب: المفردات وصيغة الاستجابة ومستوى التفصيل والتعامل مع المعلومات الناقصة. أبقِ الإجابة المتوقعة متسقة مع حقائق المصدر في كل مثال.\n\nقد تميز أمثلة مفيدة بين استجابة واقعية وطلب توضيح، أو بين شرح قصير وقائمة حقول منظمة. أدرج الحالات الصعبة أو الملتبسة إلى جانب الحالات المباشرة. تحقق من الأمثلة مقابل المهمة المقصودة قبل التعامل مع صياغتها كنمط للتكرار. يصف هذا الإعداد السلوك الحواري المرغوب؛ ويحدد سير عمل التكييف المحيط كيفية استخدام الأمثلة.\n\n### الاستجابات المكتملة والمتدفقة\n\nتدعم واجهات المحادثة لدى المطوّر النص المكتمل والنص المتدفق. تقدم الاستجابة المكتملة الإجابة في نتيجة واحدة؛ ويوفر البث أجزاء متتابعة يجمعها التطبيق. احتفظ بالإجابة النهائية للمراجعة أو إعادة الاستخدام، بدلًا من الحكم على المهمة من أول كلمات ظاهرة فقط.\n\nللاستخراج أو التصنيف، طابق الحقول أو التسميات الفعلية مع المصدر. ولإعادة الصياغة، قارن ما إذا كان المعنى قد بقي بعد تغيير النبرة المطلوب. ولتبادل الأسئلة والأجوبة، تحقق من أن الاستجابة تتناول المسألة الحالية وأن أي طلب متابعة ذو صلة.\n\n### أبقِ إصدار Turbo مميزًا\n\nTurbo وSenseChat-5 نموذجان للحوار العام مسمّيان بشكل مستقل. كما أن لـSenseChat-5-Cantonese ونماذج حوار الشخصيات ونماذج الرؤية أو الوسائط المدمجة ملفاتها الخاصة. احتفظ بالإصدار المختار والنص المقدم مع الإجابة النهائية عند مقارنة مهمة أو متابعة محادثة تطبيق.\n\nاختر دور Turbo في الحوار المحدد النطاق عندما ينبغي للنتيجة أن تكون نصًا موجزًا قابلًا للاستخدام. أعطِ الإجابة وجهة صريحة، كأن تكون ردًا أو فقرة منقحة أو قائمة حقول أو سؤال توضيح، وافحص ملاءمتها للحقائق وصياغتها واكتمالها قبل استخدامها في الخطوة التالية.", "editorialOverlay": { "copy_fields": { "practical_html": "مثال تقني باللغة الإنجليزية
Answer a cancellation-window question\n\nAnswer this customer using only the policy. Customer: 'My order is packed but has not left the warehouse. Can I cancel?' Policy: 'Cancellation is available until carrier handover, including packed orders. After handover, use the return procedure.' Give a concise answer and the next information needed if handover status is not confirmed.A short conditional answer and one relevant status-clarification question.The answer recognizes packed orders as eligible before handover and does not assume the handover status was checked.SenseChat-TurboSenseChat-Turbo من SenseTime هو نموذج خفيف للمحادثة النصية، موجه للأسئلة السريعة والتكييف مع مهام محددة. جهّز طلبات موجزة، وأبقِ الحوار ذا الصلة معًا، وراجع الإجابة المكتملة مقابل الحقائق المقدمة للمهمة.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
SenseChat-Turbo هو الخيار الخفيف للحوار العام ضمن مجموعة نماذج SenseNova من SenseTime. يوجهه المطوّر للإجابة السريعة عن الأسئلة وسيناريوهات ضبط النماذج. استخدمه لمهمة نصية واضحة النطاق: الإجابة عن سؤال بالاستناد إلى معلومات مقدمة، أو إعادة صياغة رسالة قصيرة، أو تحديد فكرة مقطع، أو متابعة محادثة محددة.
اذكر ما ينبغي أن تحققه الإجابة، وأدرج المعلومات اللازمة لإنتاجها. ولشرح موجه للعملاء، قدّم حقائق المنتج ذات الصلة واطلب إجابة موجزة عن السؤال الفعلي. ولإعادة الصياغة، قدّم النص الأصلي والجمهور والنبرة المرغوبة. افصل المادة المطلوب تحليلها عن التعليمات المتعلقة بعرض النتيجة.
من الموجزات المفيدة: «استخدم مقتطف السياسة المقدم لشرح الخطوة المنطبقة على هذه الحالة، ثم اسرد المعلومات التي ما زالت مطلوبة». ينبغي للنص الناتج التمييز بين إجابة مدعومة وسؤال لا يحسمه المقتطف. وتكون الاستجابة القصيرة أسهل استخدامًا عندما تجيب عن مسألة واضحة واحدة بدلًا من مزج عدة أهداف غير مترابطة.
يستخدم سير عمل المحادثة النصية لدى المطوّر رسائل موسومة بالأدوار، ويدعم تسلسلًا من طلبات المستخدم وإجابات المساعد. احتفظ بالدور السابق عندما تشير إليه متابعة، مع أي حقيقة أو قيد لا يزال مهمًا. وفي سير عمل لا يحتفظ فيه الخادم بسجل المحادثة، يوفر التطبيق السجل ذا الصلة مع الطلب التالي.
في تبادل دعم مستمر، حافظ على السؤال الذي سبق توضيحه والملاحظة التي قدمها المستخدم. اطلب من الاستجابة التالية المتابعة انطلاقًا من تلك الحالة. أزل المادة غير المرتبطة التي تشتت عن المهمة الحالية، واحجز مساحة للإجابة ضمن الإعداد المستخدم للمحادثة.
تسرد SenseTime سيناريوهات ضبط النماذج ضمن توجيه Turbo. وللتكييف مع مهمة محددة، جهّز أمثلة ممثلة من المدخلات والإجابات توضح السلوك المطلوب: المفردات وصيغة الاستجابة ومستوى التفصيل والتعامل مع المعلومات الناقصة. أبقِ الإجابة المتوقعة متسقة مع حقائق المصدر في كل مثال.
قد تميز أمثلة مفيدة بين استجابة واقعية وطلب توضيح، أو بين شرح قصير وقائمة حقول منظمة. أدرج الحالات الصعبة أو الملتبسة إلى جانب الحالات المباشرة. تحقق من الأمثلة مقابل المهمة المقصودة قبل التعامل مع صياغتها كنمط للتكرار. يصف هذا الإعداد السلوك الحواري المرغوب؛ ويحدد سير عمل التكييف المحيط كيفية استخدام الأمثلة.
تدعم واجهات المحادثة لدى المطوّر النص المكتمل والنص المتدفق. تقدم الاستجابة المكتملة الإجابة في نتيجة واحدة؛ ويوفر البث أجزاء متتابعة يجمعها التطبيق. احتفظ بالإجابة النهائية للمراجعة أو إعادة الاستخدام، بدلًا من الحكم على المهمة من أول كلمات ظاهرة فقط.
للاستخراج أو التصنيف، طابق الحقول أو التسميات الفعلية مع المصدر. ولإعادة الصياغة، قارن ما إذا كان المعنى قد بقي بعد تغيير النبرة المطلوب. ولتبادل الأسئلة والأجوبة، تحقق من أن الاستجابة تتناول المسألة الحالية وأن أي طلب متابعة ذو صلة.
Turbo وSenseChat-5 نموذجان للحوار العام مسمّيان بشكل مستقل. كما أن لـSenseChat-5-Cantonese ونماذج حوار الشخصيات ونماذج الرؤية أو الوسائط المدمجة ملفاتها الخاصة. احتفظ بالإصدار المختار والنص المقدم مع الإجابة النهائية عند مقارنة مهمة أو متابعة محادثة تطبيق.
اختر دور Turbo في الحوار المحدد النطاق عندما ينبغي للنتيجة أن تكون نصًا موجزًا قابلًا للاستخدام. أعطِ الإجابة وجهة صريحة، كأن تكون ردًا أو فقرة منقحة أو قائمة حقول أو سؤال توضيح، وافحص ملاءمتها للحقائق وصياغتها واكتمالها قبل استخدامها في الخطوة التالية.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود SenseChat-Turbo | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: system, user, assistant, tool, function الشروط: تُمثَّل هذه الأدوار صراحةً بأنواع التوافق في الشيفرة المصدرية؛ وتظل مجموعة الأدوار الدقيقة خاصة بكل نموذج. يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_part[]|null | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_calls | النوعtool_call[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: role=tool؛ استخدم المعرّف الفعلي المُرجع | القيمة الافتراضية— |
الحقلmessages[].name | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].reasoning_content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أعِد تمرير الاستدلال الفعلي المُرجع حيث يستخدمه هذا النموذج | القيمة الافتراضية— |
الحقلmessages[].reasoning_details | النوعobject|array | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_completion_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلstream_options.include_usage | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop | النوعstring|string[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعfunction_tool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].type | النوعstring | المتطلباختياري | القيم والحدود function يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].function.name | النوعstring | المتطلبمطلوب | القيم والحدود ينطبق عندما: أداة دالة مقدّمة | القيمة الافتراضية— |
الحقلtools[].function.description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].function.parameters | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلresponse_format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning_effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود حقل للتوافق | القيمة الافتراضية— |
الحقلfunctions | النوعfunction[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلfunction_call | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmodalities | النوعstring[] | المتطلباختياري | القيم والحدود text | القيمة الافتراضية— |
الحقلprovider | النوعobject | المتطلباختياري | القيم والحدود الشروط: يُرفَض provider.options في مسار Ultra النصي هذا | القيمة الافتراضية— |
الحقلcache_control.ttl | النوعstring | المتطلباختياري | القيم والحدود الشروط: تُرفَض 1h في المواضع الفعلية للتخزين المؤقت للموجّه | القيمة الافتراضية— |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةmaterial_types | المواصفاتtext |
المعلمةmessages | المواصفاتمصفوفة رسائل ببنية role/content |
المعلمةfile_material | المواصفاتمستند UTF-8 الفعلي مُدرج كنص حرفي؛ لا يُستنتَج معرّف ملف |
المعلمةoptional_controls | المواصفاتstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
المعلمةcontrol_scope | المواصفاتخاص بالنموذج؛ أدوات الدوال التي يقدّمها المستخدم تختلف عن الأدوات المستضافة |
المعلمةoutput_modalities | المواصفاتtext |
المعلمةhosted_operations | المواصفاتfalse |
المعلمةmultimodal_input_binding | المواصفاتnull |
دورة الحياة: synchronous_or_streamed
أرسل معرّف النموذج الدقيق مع messages.
طول السياق ليس حدًا أقصى للإخراج.
يمكن لملف نصي تقديم نص حرفي؛ وتحتاج مدخلات الصور/الصوت/كائنات الملفات إلى ربط دقيق.
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
| الإعدادات | جدول التعرفة | الرسوم |
|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | الرسوم الإدخال · رموز الإدخال $0.00066 / 1K من الرموز الإخراج · رموز الإخراج $0.00154 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "SenseChat-Turbo", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='SenseChat-Turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='SenseChat-Turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot Ultra SenseChat-Turbo
استخدم مسارات الطرائق المعروضة أعلاه.
SenseChat-TurboSenseChat-Turbo من SenseTime هو نموذج خفيف للمحادثة النصية، موجه للأسئلة السريعة والتكييف مع مهام محددة. جهّز طلبات موجزة، وأبقِ الحوار ذا الصلة معًا، وراجع الإجابة المكتملة مقابل الحقائق المقدمة للمهمة.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
SenseChat-Turbo هو الخيار الخفيف للحوار العام ضمن مجموعة نماذج SenseNova من SenseTime. يوجهه المطوّر للإجابة السريعة عن الأسئلة وسيناريوهات ضبط النماذج. استخدمه لمهمة نصية واضحة النطاق: الإجابة عن سؤال بالاستناد إلى معلومات مقدمة، أو إعادة صياغة رسالة قصيرة، أو تحديد فكرة مقطع، أو متابعة محادثة محددة.
اذكر ما ينبغي أن تحققه الإجابة، وأدرج المعلومات اللازمة لإنتاجها. ولشرح موجه للعملاء، قدّم حقائق المنتج ذات الصلة واطلب إجابة موجزة عن السؤال الفعلي. ولإعادة الصياغة، قدّم النص الأصلي والجمهور والنبرة المرغوبة. افصل المادة المطلوب تحليلها عن التعليمات المتعلقة بعرض النتيجة.
من الموجزات المفيدة: «استخدم مقتطف السياسة المقدم لشرح الخطوة المنطبقة على هذه الحالة، ثم اسرد المعلومات التي ما زالت مطلوبة». ينبغي للنص الناتج التمييز بين إجابة مدعومة وسؤال لا يحسمه المقتطف. وتكون الاستجابة القصيرة أسهل استخدامًا عندما تجيب عن مسألة واضحة واحدة بدلًا من مزج عدة أهداف غير مترابطة.
يستخدم سير عمل المحادثة النصية لدى المطوّر رسائل موسومة بالأدوار، ويدعم تسلسلًا من طلبات المستخدم وإجابات المساعد. احتفظ بالدور السابق عندما تشير إليه متابعة، مع أي حقيقة أو قيد لا يزال مهمًا. وفي سير عمل لا يحتفظ فيه الخادم بسجل المحادثة، يوفر التطبيق السجل ذا الصلة مع الطلب التالي.
في تبادل دعم مستمر، حافظ على السؤال الذي سبق توضيحه والملاحظة التي قدمها المستخدم. اطلب من الاستجابة التالية المتابعة انطلاقًا من تلك الحالة. أزل المادة غير المرتبطة التي تشتت عن المهمة الحالية، واحجز مساحة للإجابة ضمن الإعداد المستخدم للمحادثة.
تسرد SenseTime سيناريوهات ضبط النماذج ضمن توجيه Turbo. وللتكييف مع مهمة محددة، جهّز أمثلة ممثلة من المدخلات والإجابات توضح السلوك المطلوب: المفردات وصيغة الاستجابة ومستوى التفصيل والتعامل مع المعلومات الناقصة. أبقِ الإجابة المتوقعة متسقة مع حقائق المصدر في كل مثال.
قد تميز أمثلة مفيدة بين استجابة واقعية وطلب توضيح، أو بين شرح قصير وقائمة حقول منظمة. أدرج الحالات الصعبة أو الملتبسة إلى جانب الحالات المباشرة. تحقق من الأمثلة مقابل المهمة المقصودة قبل التعامل مع صياغتها كنمط للتكرار. يصف هذا الإعداد السلوك الحواري المرغوب؛ ويحدد سير عمل التكييف المحيط كيفية استخدام الأمثلة.
تدعم واجهات المحادثة لدى المطوّر النص المكتمل والنص المتدفق. تقدم الاستجابة المكتملة الإجابة في نتيجة واحدة؛ ويوفر البث أجزاء متتابعة يجمعها التطبيق. احتفظ بالإجابة النهائية للمراجعة أو إعادة الاستخدام، بدلًا من الحكم على المهمة من أول كلمات ظاهرة فقط.
للاستخراج أو التصنيف، طابق الحقول أو التسميات الفعلية مع المصدر. ولإعادة الصياغة، قارن ما إذا كان المعنى قد بقي بعد تغيير النبرة المطلوب. ولتبادل الأسئلة والأجوبة، تحقق من أن الاستجابة تتناول المسألة الحالية وأن أي طلب متابعة ذو صلة.
Turbo وSenseChat-5 نموذجان للحوار العام مسمّيان بشكل مستقل. كما أن لـSenseChat-5-Cantonese ونماذج حوار الشخصيات ونماذج الرؤية أو الوسائط المدمجة ملفاتها الخاصة. احتفظ بالإصدار المختار والنص المقدم مع الإجابة النهائية عند مقارنة مهمة أو متابعة محادثة تطبيق.
اختر دور Turbo في الحوار المحدد النطاق عندما ينبغي للنتيجة أن تكون نصًا موجزًا قابلًا للاستخدام. أعطِ الإجابة وجهة صريحة، كأن تكون ردًا أو فقرة منقحة أو قائمة حقول أو سؤال توضيح، وافحص ملاءمتها للحقائق وصياغتها واكتمالها قبل استخدامها في الخطوة التالية.
POST /v1/messagestextjson, sse| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود SenseChat-Turbo | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
النص · نص UTF-8
سلسلة نصية messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتstream |
المعلمةmaterial_types | المواصفاتtext |
المعلمةtext_file_material | المواصفاتاقرأ مستند UTF-8 الفعلي وضع نصه في الإدخال المحدد أو السلسلة النصية لمحتوى الرسالة. |
دورة الحياة: synchronous_or_streamed
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
| الإعدادات | جدول التعرفة | الرسوم |
|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | الرسوم الإدخال · رموز الإدخال $0.00066 / 1K من الرموز الإخراج · رموز الإخراج $0.00154 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
{\n "model": "SenseChat-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'SenseChat-Turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'SenseChat-Turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot Ultra SenseChat-Turbo
استخدم مسارات الطرائق المعروضة أعلاه.
مثال تقني باللغة الإنجليزية
Answer a cancellation-window question\n\nAnswer this customer using only the policy. Customer: 'My order is packed but has not left the warehouse. Can I cancel?' Policy: 'Cancellation is available until carrier handover, including packed orders. After handover, use the return procedure.' Give a concise answer and the next information needed if handover status is not confirmed.A short conditional answer and one relevant status-clarification question.The answer recognizes packed orders as eligible before handover and does not assume the handover status was checked.