Το SenseChat-Turbo είναι η ελαφριά επιλογή γενικού διαλόγου στη σειρά μοντέλων SenseNova της SenseTime. Ο κατασκευαστής το τοποθετεί σε σενάρια γρήγορων απαντήσεων και προσαρμογής μοντέλου. Χρησιμοποιήστε το για μια σαφώς οριοθετημένη εργασία κειμένου: απάντηση σε ερώτηση από παρεχόμενες πληροφορίες, αναδιατύπωση σύντομου μηνύματος, προσδιορισμό του νοήματος ενός αποσπάσματος ή συνέχιση μιας εστιασμένης συνομιλίας.
Δηλώστε τι πρέπει να πετύχει η απάντηση και συμπεριλάβετε τις πληροφορίες που χρειάζονται για την παραγωγή της. Για εξήγηση προς πελάτη, δώστε τα σχετικά δεδομένα του προϊόντος και ζητήστε σύντομη απάντηση στην πραγματική ερώτηση. Για αναδιατύπωση, δώστε την αρχική διατύπωση, το κοινό και τον επιθυμητό τόνο. Διαχωρίστε το υλικό προς ανάλυση από τις οδηγίες παρουσίασης του αποτελέσματος.
Μια χρήσιμη περιγραφή εργασίας είναι: «Χρησιμοποίησε το παρεχόμενο απόσπασμα πολιτικής για να εξηγήσεις ποιο βήμα εφαρμόζεται σε αυτή την κατάσταση και έπειτα απαρίθμησε τις πληροφορίες που εξακολουθούν να χρειάζονται». Το κείμενο που προκύπτει πρέπει να διακρίνει μια υποστηριζόμενη απάντηση από ένα ερώτημα που δεν επιλύει το απόσπασμα. Μια σύντομη απάντηση χρησιμοποιείται ευκολότερα όταν απαντά σε ένα σαφές ζήτημα αντί να αναμειγνύει πολλούς άσχετους στόχους.
Η διαδικασία συνομιλίας κειμένου του παρόχου χρησιμοποιεί μηνύματα με ετικέτες ρόλων και υποστηρίζει ακολουθία αιτημάτων χρήστη και απαντήσεων βοηθού. Διατηρήστε τον προηγούμενο γύρο συνομιλίας όταν μια συμπληρωματική ερώτηση αναφέρεται σε αυτόν, μαζί με κάθε γεγονός ή περιορισμό που εξακολουθεί να έχει σημασία. Σε διαδικασία χωρίς ιστορικό συνομιλίας αποθηκευμένο στον διακομιστή, η εφαρμογή παρέχει το σχετικό ιστορικό με το επόμενο αίτημα.
Για μια συνεχιζόμενη ανταλλαγή υποστήριξης, διατηρήστε την ερώτηση που έχει ήδη αποσαφηνιστεί και την παρατήρηση που έδωσε ο χρήστης. Ζητήστε από την επόμενη απάντηση να συνεχίσει από αυτή την κατάσταση. Αφαιρέστε άσχετο υλικό που αποσπά την προσοχή από την τρέχουσα εργασία και κρατήστε χώρο για την απάντηση μέσα στη διαμόρφωση που χρησιμοποιείται για τη συνομιλία.
Η SenseTime περιλαμβάνει σενάρια προσαρμογής μοντέλου στην τοποθέτηση του Turbo. Για προσαρμογή σε συγκεκριμένη εργασία, προετοιμάστε αντιπροσωπευτικά παραδείγματα εισόδου και απάντησης που δείχνουν την επιθυμητή συμπεριφορά: λεξιλόγιο, μορφή απάντησης, επίπεδο λεπτομέρειας και χειρισμό πληροφοριών που λείπουν. Κρατήστε την αναμενόμενη απάντηση συνεπή με τα δεδομένα πηγής σε κάθε παράδειγμα.
Χρήσιμα παραδείγματα θα μπορούσαν να διακρίνουν μια πραγματολογική απάντηση από ένα αίτημα διευκρίνισης ή μια σύντομη εξήγηση από μια δομημένη λίστα πεδίων. Συμπεριλάβετε δύσκολες ή αμφίσημες περιπτώσεις μαζί με τις απλές. Ελέγξτε τα παραδείγματα ως προς την επιδιωκόμενη εργασία πριν αντιμετωπίσετε τη διατύπωσή τους ως μοτίβο προς επανάληψη. Αυτή η προετοιμασία περιγράφει την επιθυμητή συμπεριφορά διαλόγου· η περιβάλλουσα διαδικασία προσαρμογής καθορίζει πώς χρησιμοποιούνται τα παραδείγματα.
Οι διεπαφές συνομιλίας του κατασκευαστή υποστηρίζουν ολοκληρωμένο κείμενο και κείμενο σε ροή. Μια ολοκληρωμένη απάντηση δίνει την απάντηση ως ένα αποτέλεσμα· μια ροή παρέχει διαδοχικά τμήματα που συνθέτει η εφαρμογή. Διατηρήστε την τελική απάντηση για έλεγχο ή επαναχρησιμοποίηση, αντί να κρίνετε την εργασία μόνο από τις πρώτες ορατές λέξεις.
Για εξαγωγή ή ταξινόμηση, ελέγξτε τα πραγματικά πεδία ή τις ετικέτες ως προς την πηγή. Για αναδιατύπωση, συγκρίνετε αν διατηρήθηκε το νόημα μετά τη ζητούμενη αλλαγή τόνου. Για ανταλλαγή ερωτήσεων και απαντήσεων, ελέγξτε ότι η απάντηση καλύπτει το τρέχον ζήτημα και ότι κάθε συμπληρωματικό αίτημα είναι σχετικό.
Τα Turbo και SenseChat-5 είναι χωριστά ονομασμένα μοντέλα γενικού διαλόγου. Το SenseChat-5-Cantonese, τα μοντέλα διαλόγου χαρακτήρων και τα μοντέλα όρασης ή συνδυασμού τροπικοτήτων έχουν επίσης δικές τους παραλλαγές καταλόγου. Κρατήστε την επιλεγμένη έκδοση και το παρεχόμενο κείμενο μαζί με την τελική απάντηση όταν συγκρίνετε μια εργασία ή συνεχίζετε μια συνομιλία εφαρμογής.
Επιλέξτε τον ρόλο οριοθετημένου διαλόγου του Turbo όταν το αποτέλεσμα πρέπει να είναι ένα σύντομο, χρήσιμο κείμενο. Δώστε στην απάντηση ρητό προορισμό —μια απόκριση, μια αναθεωρημένη παράγραφο, μια λίστα πεδίων ή μια ερώτηση διευκρίνισης— και εξετάστε αυτό το παραδοτέο ως προς την πραγματολογική καταλληλότητα, τη διατύπωση και την πληρότητα πριν το χρησιμοποιήσετε στο επόμενο βήμα.
", "aboutText": "### Γρήγορες ερωτήσεις και προσαρμοσμένος διάλογος\n\nΤο SenseChat-Turbo είναι η ελαφριά επιλογή γενικού διαλόγου στη σειρά μοντέλων SenseNova της SenseTime. Ο κατασκευαστής το τοποθετεί σε σενάρια γρήγορων απαντήσεων και προσαρμογής μοντέλου. Χρησιμοποιήστε το για μια σαφώς οριοθετημένη εργασία κειμένου: απάντηση σε ερώτηση από παρεχόμενες πληροφορίες, αναδιατύπωση σύντομου μηνύματος, προσδιορισμό του νοήματος ενός αποσπάσματος ή συνέχιση μιας εστιασμένης συνομιλίας.\n\n### Δώστε στο μοντέλο ένα ακριβές αίτημα\n\nΔηλώστε τι πρέπει να πετύχει η απάντηση και συμπεριλάβετε τις πληροφορίες που χρειάζονται για την παραγωγή της. Για εξήγηση προς πελάτη, δώστε τα σχετικά δεδομένα του προϊόντος και ζητήστε σύντομη απάντηση στην πραγματική ερώτηση. Για αναδιατύπωση, δώστε την αρχική διατύπωση, το κοινό και τον επιθυμητό τόνο. Διαχωρίστε το υλικό προς ανάλυση από τις οδηγίες παρουσίασης του αποτελέσματος.\n\nΜια χρήσιμη περιγραφή εργασίας είναι: «Χρησιμοποίησε το παρεχόμενο απόσπασμα πολιτικής για να εξηγήσεις ποιο βήμα εφαρμόζεται σε αυτή την κατάσταση και έπειτα απαρίθμησε τις πληροφορίες που εξακολουθούν να χρειάζονται». Το κείμενο που προκύπτει πρέπει να διακρίνει μια υποστηριζόμενη απάντηση από ένα ερώτημα που δεν επιλύει το απόσπασμα. Μια σύντομη απάντηση χρησιμοποιείται ευκολότερα όταν απαντά σε ένα σαφές ζήτημα αντί να αναμειγνύει πολλούς άσχετους στόχους.\n\n### Κρατήστε σχετικό το πλαίσιο της συνομιλίας\n\nΗ διαδικασία συνομιλίας κειμένου του παρόχου χρησιμοποιεί μηνύματα με ετικέτες ρόλων και υποστηρίζει ακολουθία αιτημάτων χρήστη και απαντήσεων βοηθού. Διατηρήστε τον προηγούμενο γύρο συνομιλίας όταν μια συμπληρωματική ερώτηση αναφέρεται σε αυτόν, μαζί με κάθε γεγονός ή περιορισμό που εξακολουθεί να έχει σημασία. Σε διαδικασία χωρίς ιστορικό συνομιλίας αποθηκευμένο στον διακομιστή, η εφαρμογή παρέχει το σχετικό ιστορικό με το επόμενο αίτημα.\n\nΓια μια συνεχιζόμενη ανταλλαγή υποστήριξης, διατηρήστε την ερώτηση που έχει ήδη αποσαφηνιστεί και την παρατήρηση που έδωσε ο χρήστης. Ζητήστε από την επόμενη απάντηση να συνεχίσει από αυτή την κατάσταση. Αφαιρέστε άσχετο υλικό που αποσπά την προσοχή από την τρέχουσα εργασία και κρατήστε χώρο για την απάντηση μέσα στη διαμόρφωση που χρησιμοποιείται για τη συνομιλία.\n\n### Προετοιμάστε παραδείγματα για τη συγκεκριμένη εργασία\n\nΗ SenseTime περιλαμβάνει σενάρια προσαρμογής μοντέλου στην τοποθέτηση του Turbo. Για προσαρμογή σε συγκεκριμένη εργασία, προετοιμάστε αντιπροσωπευτικά παραδείγματα εισόδου και απάντησης που δείχνουν την επιθυμητή συμπεριφορά: λεξιλόγιο, μορφή απάντησης, επίπεδο λεπτομέρειας και χειρισμό πληροφοριών που λείπουν. Κρατήστε την αναμενόμενη απάντηση συνεπή με τα δεδομένα πηγής σε κάθε παράδειγμα.\n\nΧρήσιμα παραδείγματα θα μπορούσαν να διακρίνουν μια πραγματολογική απάντηση από ένα αίτημα διευκρίνισης ή μια σύντομη εξήγηση από μια δομημένη λίστα πεδίων. Συμπεριλάβετε δύσκολες ή αμφίσημες περιπτώσεις μαζί με τις απλές. Ελέγξτε τα παραδείγματα ως προς την επιδιωκόμενη εργασία πριν αντιμετωπίσετε τη διατύπωσή τους ως μοτίβο προς επανάληψη. Αυτή η προετοιμασία περιγράφει την επιθυμητή συμπεριφορά διαλόγου· η περιβάλλουσα διαδικασία προσαρμογής καθορίζει πώς χρησιμοποιούνται τα παραδείγματα.\n\n### Ολοκληρωμένες απαντήσεις και απαντήσεις ροής\n\nΟι διεπαφές συνομιλίας του κατασκευαστή υποστηρίζουν ολοκληρωμένο κείμενο και κείμενο σε ροή. Μια ολοκληρωμένη απάντηση δίνει την απάντηση ως ένα αποτέλεσμα· μια ροή παρέχει διαδοχικά τμήματα που συνθέτει η εφαρμογή. Διατηρήστε την τελική απάντηση για έλεγχο ή επαναχρησιμοποίηση, αντί να κρίνετε την εργασία μόνο από τις πρώτες ορατές λέξεις.\n\nΓια εξαγωγή ή ταξινόμηση, ελέγξτε τα πραγματικά πεδία ή τις ετικέτες ως προς την πηγή. Για αναδιατύπωση, συγκρίνετε αν διατηρήθηκε το νόημα μετά τη ζητούμενη αλλαγή τόνου. Για ανταλλαγή ερωτήσεων και απαντήσεων, ελέγξτε ότι η απάντηση καλύπτει το τρέχον ζήτημα και ότι κάθε συμπληρωματικό αίτημα είναι σχετικό.\n\n### Κρατήστε την έκδοση Turbo διακριτή\n\nΤα Turbo και SenseChat-5 είναι χωριστά ονομασμένα μοντέλα γενικού διαλόγου. Το SenseChat-5-Cantonese, τα μοντέλα διαλόγου χαρακτήρων και τα μοντέλα όρασης ή συνδυασμού τροπικοτήτων έχουν επίσης δικές τους παραλλαγές καταλόγου. Κρατήστε την επιλεγμένη έκδοση και το παρεχόμενο κείμενο μαζί με την τελική απάντηση όταν συγκρίνετε μια εργασία ή συνεχίζετε μια συνομιλία εφαρμογής.\n\nΕπιλέξτε τον ρόλο οριοθετημένου διαλόγου του Turbo όταν το αποτέλεσμα πρέπει να είναι ένα σύντομο, χρήσιμο κείμενο. Δώστε στην απάντηση ρητό προορισμό —μια απόκριση, μια αναθεωρημένη παράγραφο, μια λίστα πεδίων ή μια ερώτηση διευκρίνισης— και εξετάστε αυτό το παραδοτέο ως προς την πραγματολογική καταλληλότητα, τη διατύπωση και την πληρότητα πριν το χρησιμοποιήσετε στο επόμενο βήμα.", "editorialOverlay": { "copy_fields": { "practical_html": "Τεχνικό παράδειγμα στα αγγλικά
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-TurboΤο SenseChat-Turbo της SenseTime είναι ένα ελαφρύ μοντέλο συνομιλίας κειμένου για γρήγορες ερωτήσεις και προσαρμογή σε συγκεκριμένες εργασίες. Προετοιμάστε σύντομα αιτήματα, κρατήστε μαζί τον σχετικό διάλογο και ελέγξτε την ολοκληρωμένη απάντηση ως προς τα δεδομένα που δόθηκαν για την εργασία.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το SenseChat-Turbo είναι η ελαφριά επιλογή γενικού διαλόγου στη σειρά μοντέλων SenseNova της SenseTime. Ο κατασκευαστής το τοποθετεί σε σενάρια γρήγορων απαντήσεων και προσαρμογής μοντέλου. Χρησιμοποιήστε το για μια σαφώς οριοθετημένη εργασία κειμένου: απάντηση σε ερώτηση από παρεχόμενες πληροφορίες, αναδιατύπωση σύντομου μηνύματος, προσδιορισμό του νοήματος ενός αποσπάσματος ή συνέχιση μιας εστιασμένης συνομιλίας.
Δηλώστε τι πρέπει να πετύχει η απάντηση και συμπεριλάβετε τις πληροφορίες που χρειάζονται για την παραγωγή της. Για εξήγηση προς πελάτη, δώστε τα σχετικά δεδομένα του προϊόντος και ζητήστε σύντομη απάντηση στην πραγματική ερώτηση. Για αναδιατύπωση, δώστε την αρχική διατύπωση, το κοινό και τον επιθυμητό τόνο. Διαχωρίστε το υλικό προς ανάλυση από τις οδηγίες παρουσίασης του αποτελέσματος.
Μια χρήσιμη περιγραφή εργασίας είναι: «Χρησιμοποίησε το παρεχόμενο απόσπασμα πολιτικής για να εξηγήσεις ποιο βήμα εφαρμόζεται σε αυτή την κατάσταση και έπειτα απαρίθμησε τις πληροφορίες που εξακολουθούν να χρειάζονται». Το κείμενο που προκύπτει πρέπει να διακρίνει μια υποστηριζόμενη απάντηση από ένα ερώτημα που δεν επιλύει το απόσπασμα. Μια σύντομη απάντηση χρησιμοποιείται ευκολότερα όταν απαντά σε ένα σαφές ζήτημα αντί να αναμειγνύει πολλούς άσχετους στόχους.
Η διαδικασία συνομιλίας κειμένου του παρόχου χρησιμοποιεί μηνύματα με ετικέτες ρόλων και υποστηρίζει ακολουθία αιτημάτων χρήστη και απαντήσεων βοηθού. Διατηρήστε τον προηγούμενο γύρο συνομιλίας όταν μια συμπληρωματική ερώτηση αναφέρεται σε αυτόν, μαζί με κάθε γεγονός ή περιορισμό που εξακολουθεί να έχει σημασία. Σε διαδικασία χωρίς ιστορικό συνομιλίας αποθηκευμένο στον διακομιστή, η εφαρμογή παρέχει το σχετικό ιστορικό με το επόμενο αίτημα.
Για μια συνεχιζόμενη ανταλλαγή υποστήριξης, διατηρήστε την ερώτηση που έχει ήδη αποσαφηνιστεί και την παρατήρηση που έδωσε ο χρήστης. Ζητήστε από την επόμενη απάντηση να συνεχίσει από αυτή την κατάσταση. Αφαιρέστε άσχετο υλικό που αποσπά την προσοχή από την τρέχουσα εργασία και κρατήστε χώρο για την απάντηση μέσα στη διαμόρφωση που χρησιμοποιείται για τη συνομιλία.
Η SenseTime περιλαμβάνει σενάρια προσαρμογής μοντέλου στην τοποθέτηση του Turbo. Για προσαρμογή σε συγκεκριμένη εργασία, προετοιμάστε αντιπροσωπευτικά παραδείγματα εισόδου και απάντησης που δείχνουν την επιθυμητή συμπεριφορά: λεξιλόγιο, μορφή απάντησης, επίπεδο λεπτομέρειας και χειρισμό πληροφοριών που λείπουν. Κρατήστε την αναμενόμενη απάντηση συνεπή με τα δεδομένα πηγής σε κάθε παράδειγμα.
Χρήσιμα παραδείγματα θα μπορούσαν να διακρίνουν μια πραγματολογική απάντηση από ένα αίτημα διευκρίνισης ή μια σύντομη εξήγηση από μια δομημένη λίστα πεδίων. Συμπεριλάβετε δύσκολες ή αμφίσημες περιπτώσεις μαζί με τις απλές. Ελέγξτε τα παραδείγματα ως προς την επιδιωκόμενη εργασία πριν αντιμετωπίσετε τη διατύπωσή τους ως μοτίβο προς επανάληψη. Αυτή η προετοιμασία περιγράφει την επιθυμητή συμπεριφορά διαλόγου· η περιβάλλουσα διαδικασία προσαρμογής καθορίζει πώς χρησιμοποιούνται τα παραδείγματα.
Οι διεπαφές συνομιλίας του κατασκευαστή υποστηρίζουν ολοκληρωμένο κείμενο και κείμενο σε ροή. Μια ολοκληρωμένη απάντηση δίνει την απάντηση ως ένα αποτέλεσμα· μια ροή παρέχει διαδοχικά τμήματα που συνθέτει η εφαρμογή. Διατηρήστε την τελική απάντηση για έλεγχο ή επαναχρησιμοποίηση, αντί να κρίνετε την εργασία μόνο από τις πρώτες ορατές λέξεις.
Για εξαγωγή ή ταξινόμηση, ελέγξτε τα πραγματικά πεδία ή τις ετικέτες ως προς την πηγή. Για αναδιατύπωση, συγκρίνετε αν διατηρήθηκε το νόημα μετά τη ζητούμενη αλλαγή τόνου. Για ανταλλαγή ερωτήσεων και απαντήσεων, ελέγξτε ότι η απάντηση καλύπτει το τρέχον ζήτημα και ότι κάθε συμπληρωματικό αίτημα είναι σχετικό.
Τα Turbo και SenseChat-5 είναι χωριστά ονομασμένα μοντέλα γενικού διαλόγου. Το SenseChat-5-Cantonese, τα μοντέλα διαλόγου χαρακτήρων και τα μοντέλα όρασης ή συνδυασμού τροπικοτήτων έχουν επίσης δικές τους παραλλαγές καταλόγου. Κρατήστε την επιλεγμένη έκδοση και το παρεχόμενο κείμενο μαζί με την τελική απάντηση όταν συγκρίνετε μια εργασία ή συνεχίζετε μια συνομιλία εφαρμογής.
Επιλέξτε τον ρόλο οριοθετημένου διαλόγου του Turbo όταν το αποτέλεσμα πρέπει να είναι ένα σύντομο, χρήσιμο κείμενο. Δώστε στην απάντηση ρητό προορισμό —μια απόκριση, μια αναθεωρημένη παράγραφο, μια λίστα πεδίων ή μια ερώτηση διευκρίνισης— και εξετάστε αυτό το παραδοτέο ως προς την πραγματολογική καταλληλότητα, τη διατύπωση και την πληρότητα πριν το χρησιμοποιήσετε στο επόμενο βήμα.
POST /v1/chat/completionstexttext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια SenseChat-Turbo | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Παραδείγματα: system, user, assistant, tool, function Συνθήκες: Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο. Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_part[]|null | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_calls | Τύποςtool_call[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε | Προεπιλογή— |
Πεδίοmessages[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].reasoning_content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί | Προεπιλογή— |
Πεδίοmessages[].reasoning_details | Τύποςobject|array | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_completion_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοstream_options.include_usage | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop | Τύποςstring|string[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςfunction_tool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια function Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].function.name | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης | Προεπιλογή— |
Πεδίοtools[].function.description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].function.parameters | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοresponse_format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning_effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Πεδίο συμβατότητας | Προεπιλογή— |
Πεδίοfunctions | Τύποςfunction[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοfunction_call | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmodalities | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια text | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra | Προεπιλογή— |
Πεδίοcache_control.ttl | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςmessages | ΣύμβασηΠίνακας μηνυμάτων με δομή role/content |
Παράμετροςfile_material | Σύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου |
Παράμετροςoptional_controls | Σύμβασηstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Παράμετροςcontrol_scope | Σύμβασηεξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία |
Παράμετροςoutput_modalities | Σύμβασηtext |
Παράμετροςhosted_operations | Σύμβασηfalse |
Παράμετροςmultimodal_input_binding | Σύμβασηnull |
Κύκλος ζωής: synchronous_or_streamed
Στείλτε το ακριβές ID μοντέλου μαζί με το messages.
Το μήκος συμφραζομένων δεν είναι ανώτατο όριο εξόδου.
Ένα αρχείο κειμένου μπορεί να παρέχει αυτούσιο κείμενο· οι είσοδοι εικόνας/ήχου/αντικειμένων αρχείων χρειάζονται ακριβή αντιστοίχιση.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.00066 / 1K token Έξοδος · Token εξόδου $0.00154 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[].index | Τύποςinteger |
Πεδίοchoices[].message.content | Τύποςstring|null |
Πεδίοchoices[].message.tool_calls | Τύποςtool_call[] |
Πεδίοchoices[].message.reasoning_content | Τύποςstring |
Πεδίοchoices[].message.reasoning_details | Τύποςobject|array |
Πεδίοchoices[].finish_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra SenseChat-Turbo
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
SenseChat-TurboΤο SenseChat-Turbo της SenseTime είναι ένα ελαφρύ μοντέλο συνομιλίας κειμένου για γρήγορες ερωτήσεις και προσαρμογή σε συγκεκριμένες εργασίες. Προετοιμάστε σύντομα αιτήματα, κρατήστε μαζί τον σχετικό διάλογο και ελέγξτε την ολοκληρωμένη απάντηση ως προς τα δεδομένα που δόθηκαν για την εργασία.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το SenseChat-Turbo είναι η ελαφριά επιλογή γενικού διαλόγου στη σειρά μοντέλων SenseNova της SenseTime. Ο κατασκευαστής το τοποθετεί σε σενάρια γρήγορων απαντήσεων και προσαρμογής μοντέλου. Χρησιμοποιήστε το για μια σαφώς οριοθετημένη εργασία κειμένου: απάντηση σε ερώτηση από παρεχόμενες πληροφορίες, αναδιατύπωση σύντομου μηνύματος, προσδιορισμό του νοήματος ενός αποσπάσματος ή συνέχιση μιας εστιασμένης συνομιλίας.
Δηλώστε τι πρέπει να πετύχει η απάντηση και συμπεριλάβετε τις πληροφορίες που χρειάζονται για την παραγωγή της. Για εξήγηση προς πελάτη, δώστε τα σχετικά δεδομένα του προϊόντος και ζητήστε σύντομη απάντηση στην πραγματική ερώτηση. Για αναδιατύπωση, δώστε την αρχική διατύπωση, το κοινό και τον επιθυμητό τόνο. Διαχωρίστε το υλικό προς ανάλυση από τις οδηγίες παρουσίασης του αποτελέσματος.
Μια χρήσιμη περιγραφή εργασίας είναι: «Χρησιμοποίησε το παρεχόμενο απόσπασμα πολιτικής για να εξηγήσεις ποιο βήμα εφαρμόζεται σε αυτή την κατάσταση και έπειτα απαρίθμησε τις πληροφορίες που εξακολουθούν να χρειάζονται». Το κείμενο που προκύπτει πρέπει να διακρίνει μια υποστηριζόμενη απάντηση από ένα ερώτημα που δεν επιλύει το απόσπασμα. Μια σύντομη απάντηση χρησιμοποιείται ευκολότερα όταν απαντά σε ένα σαφές ζήτημα αντί να αναμειγνύει πολλούς άσχετους στόχους.
Η διαδικασία συνομιλίας κειμένου του παρόχου χρησιμοποιεί μηνύματα με ετικέτες ρόλων και υποστηρίζει ακολουθία αιτημάτων χρήστη και απαντήσεων βοηθού. Διατηρήστε τον προηγούμενο γύρο συνομιλίας όταν μια συμπληρωματική ερώτηση αναφέρεται σε αυτόν, μαζί με κάθε γεγονός ή περιορισμό που εξακολουθεί να έχει σημασία. Σε διαδικασία χωρίς ιστορικό συνομιλίας αποθηκευμένο στον διακομιστή, η εφαρμογή παρέχει το σχετικό ιστορικό με το επόμενο αίτημα.
Για μια συνεχιζόμενη ανταλλαγή υποστήριξης, διατηρήστε την ερώτηση που έχει ήδη αποσαφηνιστεί και την παρατήρηση που έδωσε ο χρήστης. Ζητήστε από την επόμενη απάντηση να συνεχίσει από αυτή την κατάσταση. Αφαιρέστε άσχετο υλικό που αποσπά την προσοχή από την τρέχουσα εργασία και κρατήστε χώρο για την απάντηση μέσα στη διαμόρφωση που χρησιμοποιείται για τη συνομιλία.
Η SenseTime περιλαμβάνει σενάρια προσαρμογής μοντέλου στην τοποθέτηση του Turbo. Για προσαρμογή σε συγκεκριμένη εργασία, προετοιμάστε αντιπροσωπευτικά παραδείγματα εισόδου και απάντησης που δείχνουν την επιθυμητή συμπεριφορά: λεξιλόγιο, μορφή απάντησης, επίπεδο λεπτομέρειας και χειρισμό πληροφοριών που λείπουν. Κρατήστε την αναμενόμενη απάντηση συνεπή με τα δεδομένα πηγής σε κάθε παράδειγμα.
Χρήσιμα παραδείγματα θα μπορούσαν να διακρίνουν μια πραγματολογική απάντηση από ένα αίτημα διευκρίνισης ή μια σύντομη εξήγηση από μια δομημένη λίστα πεδίων. Συμπεριλάβετε δύσκολες ή αμφίσημες περιπτώσεις μαζί με τις απλές. Ελέγξτε τα παραδείγματα ως προς την επιδιωκόμενη εργασία πριν αντιμετωπίσετε τη διατύπωσή τους ως μοτίβο προς επανάληψη. Αυτή η προετοιμασία περιγράφει την επιθυμητή συμπεριφορά διαλόγου· η περιβάλλουσα διαδικασία προσαρμογής καθορίζει πώς χρησιμοποιούνται τα παραδείγματα.
Οι διεπαφές συνομιλίας του κατασκευαστή υποστηρίζουν ολοκληρωμένο κείμενο και κείμενο σε ροή. Μια ολοκληρωμένη απάντηση δίνει την απάντηση ως ένα αποτέλεσμα· μια ροή παρέχει διαδοχικά τμήματα που συνθέτει η εφαρμογή. Διατηρήστε την τελική απάντηση για έλεγχο ή επαναχρησιμοποίηση, αντί να κρίνετε την εργασία μόνο από τις πρώτες ορατές λέξεις.
Για εξαγωγή ή ταξινόμηση, ελέγξτε τα πραγματικά πεδία ή τις ετικέτες ως προς την πηγή. Για αναδιατύπωση, συγκρίνετε αν διατηρήθηκε το νόημα μετά τη ζητούμενη αλλαγή τόνου. Για ανταλλαγή ερωτήσεων και απαντήσεων, ελέγξτε ότι η απάντηση καλύπτει το τρέχον ζήτημα και ότι κάθε συμπληρωματικό αίτημα είναι σχετικό.
Τα Turbo και SenseChat-5 είναι χωριστά ονομασμένα μοντέλα γενικού διαλόγου. Το SenseChat-5-Cantonese, τα μοντέλα διαλόγου χαρακτήρων και τα μοντέλα όρασης ή συνδυασμού τροπικοτήτων έχουν επίσης δικές τους παραλλαγές καταλόγου. Κρατήστε την επιλεγμένη έκδοση και το παρεχόμενο κείμενο μαζί με την τελική απάντηση όταν συγκρίνετε μια εργασία ή συνεχίζετε μια συνομιλία εφαρμογής.
Επιλέξτε τον ρόλο οριοθετημένου διαλόγου του Turbo όταν το αποτέλεσμα πρέπει να είναι ένα σύντομο, χρήσιμο κείμενο. Δώστε στην απάντηση ρητό προορισμό —μια απόκριση, μια αναθεωρημένη παράγραφο, μια λίστα πεδίων ή μια ερώτηση διευκρίνισης— και εξετάστε αυτό το παραδοτέο ως προς την πραγματολογική καταλληλότητα, τη διατύπωση και την πληρότητα πριν το χρησιμοποιήσετε στο επόμενο βήμα.
POST /v1/messagestextjson, sse| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια SenseChat-Turbo | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Κείμενο · Κείμενο UTF-8
Συμβολοσειρά messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηstream |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςtext_file_material | ΣύμβασηΔιαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος. |
Κύκλος ζωής: synchronous_or_streamed
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.00066 / 1K token Έξοδος · Token εξόδου $0.00154 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "model": "SenseChat-Turbo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra SenseChat-Turbo
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Τεχνικό παράδειγμα στα αγγλικά
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.