Το SenseNova 6.7 Flash-Lite είναι το ελαφρύ πολυτροπικό μοντέλο πράκτορα της SenseTime για εργασίες γραφείου. Ο πάροχος δίνει έμφαση σε συνεχείς εργασίες που περιλαμβάνουν σχεδιασμό, ανάλυση δεδομένων, έρευνα και παράδοση περιεχομένου. Δέχεται κείμενο και εικόνες και επιστρέφει γραπτό περιεχόμενο, οπότε είναι χρήσιμο για την κατανόηση υλικού γραφείου και την απόφαση για το πώς αυτό το υλικό πρέπει να γίνει ανάλυση, αναφορά ή παρουσίαση. Ο ρόλος του είναι να συνδέει την εργασία, τα τεκμήρια και το επόμενο χρήσιμο βήμα σε μια μεγαλύτερη διαδικασία.
Μια πρακτική διαδικασία γραφείου μπορεί να προχωρά από τα ευρήματα δεδομένων στην έρευνα και στην παράδοση περιεχομένου. Πρώτα αναλύστε ένα παρεχόμενο σύνολο δεδομένων· έπειτα διερευνήστε τους λόγους πίσω από τα μοτίβα και αναπτύξτε μια παρουσίαση γύρω από τα ευρήματα. Προετοιμάστε παρόμοια εργασία διαχωρίζοντας τα ερωτήματα: τι δείχνουν τα παρεχόμενα δεδομένα, τι εξακολουθεί να χρειάζεται εξήγηση και τι πρέπει να αποκομίσει το κοινό; Δηλώστε από την αρχή το τελικό παραδοτέο και τα κριτήρια ποιότητάς του, ώστε η ενδιάμεση ανάλυση να συμβάλλει στο ίδιο αποτέλεσμα.
Για ανάλυση δεδομένων, δώστε ευανάγνωστο πίνακα ή αναπαράσταση κειμένου και εξηγήστε τις στήλες, τις μονάδες, τις κατηγορίες και τη χρονική περίοδο. Προσδιορίστε τιμές που λείπουν ή ασυνεπείς εγγραφές και ορίστε πώς πρέπει να αντιμετωπιστούν. Μια ενδεικτική περιγραφή εργασίας είναι ο έλεγχος ενός συνόλου δεδομένων για αποκλίσεις, η περιγραφή των κύριων αλλαγών του και η προετοιμασία συμπεράσματος συνδεδεμένου με τις σχετικές γραμμές ή κατηγορίες. Αν συνδεδεμένα εργαλεία εκτελούν υπολογισμούς ή επεξεργασία αρχείων, επιστρέψτε τα πραγματικά αποτελέσματά τους στο μοντέλο. Κρατήστε τα αριθμητικά τεκμήρια χωριστά από την αφηγηματική εξήγηση και ζητήστε να επισημαίνει μια προτεινόμενη αιτία που δεν θεμελιώνεται μόνο από τα δεδομένα.
Για έρευνα και σύνταξη αναφορών, δώστε το υλικό που έχει ήδη συγκεντρωθεί, τα ερωτήματα που απομένουν και το επιδιωκόμενο κοινό. Ζητήστε δομή που συνδέει κάθε ισχυρισμό με τεκμήρια, διακρίνει παρατηρήσεις από παραδοχές και κρατά ορατά τα ανεπίλυτα ζητήματα. Για παρουσίαση, ορίστε την αφήγηση, το επιθυμητό μήκος και τον σκοπό κάθε ενότητας. Μια χρήσιμη γραπτή έξοδος μπορεί να είναι τίτλοι διαφανειών, βασικά επιχειρήματα, υποστηρικτικά δεδομένα και σημειώσεις για το ποιο οπτικό στοιχείο θα βοηθούσε να εξηγηθεί ένα σημείο. Το μοντέλο μπορεί να οργανώνει αυτό το περιεχόμενο, ενώ τα περιβάλλοντα εργαλεία χειρίζονται την κατασκευή αρχείου, τη διάταξη και την εξαγωγή.
Ο κατασκευαστής διαχωρίζει ρητά την απευθείας απάντηση μοντέλου από την πλήρη διαδικασία γραφείου. Η πλήρης διαδικασία γραφείου του χρησιμοποιεί περιβάλλον εκτέλεσης πράκτορα και την επίσημη βιβλιοθήκη δεξιοτήτων μαζί με το μοντέλο. Αυτά τα στοιχεία διαβάζουν και επεξεργάζονται αρχεία, εκτελούν ενέργειες και δημιουργούν την πραγματική παρουσίαση ή αναφορά. Δώστε στο μοντέλο σαφή στόχο και επιστρέψτε τα αποτελέσματα αυτών των ενεργειών, ώστε να μπορεί να συνεχίσει από την τρέχουσα κατάσταση. Ένα παραγόμενο περίγραμμα ή μια οδηγία είναι συνεισφορά στο παραδοτέο, όχι τεκμήριο ότι το ολοκληρωμένο αρχείο υπάρχει ήδη.
Η τεκμηριωμένη διαδικασία εικόνας συνδυάζει ερώτηση κειμένου με μία ή περισσότερες εικόνες, συμπεριλαμβανομένου παραδείγματος σύγκρισης δύο εικόνων. Χρησιμοποιήστε καθαρό γράφημα, εικόνα εγγράφου ή στιγμιότυπο οθόνης και δηλώστε τι έχει σημασία: την αλλαγή προς εξήγηση, τις ορατές τιμές προς σύγκριση ή το μέρος της σελίδας προς ερμηνεία. Η SenseTime συνιστά προετοιμασία εικόνων με μεγάλη πλευρά έως 2.048 pixel· πρόκειται για οδηγία προετοιμασίας εισόδου και όχι για ισχυρισμό ότι οι μεγαλύτερες διαστάσεις ορίζουν το θεωρητικό οπτικό όριο του μοντέλου. Κρατήστε τις ετικέτες ευανάγνωστες και συμπεριλάβετε μονάδες ή κανόνες πλαισίου σε κείμενο όταν δεν μπορούν να διαβαστούν αξιόπιστα από την εικόνα.
Η αναφορά της SenseTime διακρίνει το περιεχόμενο συλλογιστικής από την τελική γραπτή απάντηση και τεκμηριώνει όριο εξόδου που περιλαμβάνει και τα δύο. Για ουσιαστική εργασία γραφείου, κάντε συγκεκριμένο το ζητούμενο παραδοτέο και προβλέψτε χώρο τόσο για τη συλλογιστική όσο και για το τελικό περιεχόμενο. Σε συνεχιζόμενη συνομιλία, διατηρήστε τα σχετικά μηνύματα χρήστη και το τελικό περιεχόμενο βοηθού σε χρονολογική σειρά· ο πάροχος δίνει οδηγία στις εφαρμογές να μην ξαναστέλνουν το προηγούμενο πεδίο συλλογιστικής ως ιστορικό συνομιλίας. Για μεγάλα ιστορικά, διατηρήστε τα δεδομένα και τις αποφάσεις που χρειάζεται πραγματικά το επόμενο βήμα.
Το Flash-Lite είναι το συγκεκριμένο μοντέλο για αυτή τη διαδικασία, ενώ η παραγωγή ολοκληρωμένων αρχείων και οι εξειδικευμένες οπτικές έξοδοι εξαρτώνται από το συνδεδεμένο περιβάλλον και τα σχετικά εργαλεία. Ελέγξτε υπολογισμούς, εξαγόμενες λεπτομέρειες εικόνων και ισχυρισμούς αναφορών στα αρχικά υλικά. Ορίστε την ολοκλήρωση με βάση το ζητούμενο περιεχόμενο και το πραγματικό παραδοτέο, ώστε μια καλογραμμένη εξήγηση να παραμένει συνδεδεμένη με τεκμήρια και χρήσιμο αποτέλεσμα.
", "aboutText": "Το SenseNova 6.7 Flash-Lite είναι το ελαφρύ πολυτροπικό μοντέλο πράκτορα της SenseTime για εργασίες γραφείου. Ο πάροχος δίνει έμφαση σε συνεχείς εργασίες που περιλαμβάνουν σχεδιασμό, ανάλυση δεδομένων, έρευνα και παράδοση περιεχομένου. Δέχεται κείμενο και εικόνες και επιστρέφει γραπτό περιεχόμενο, οπότε είναι χρήσιμο για την κατανόηση υλικού γραφείου και την απόφαση για το πώς αυτό το υλικό πρέπει να γίνει ανάλυση, αναφορά ή παρουσίαση. Ο ρόλος του είναι να συνδέει την εργασία, τα τεκμήρια και το επόμενο χρήσιμο βήμα σε μια μεγαλύτερη διαδικασία.\n\nΜια πρακτική διαδικασία γραφείου μπορεί να προχωρά από τα ευρήματα δεδομένων στην έρευνα και στην παράδοση περιεχομένου. Πρώτα αναλύστε ένα παρεχόμενο σύνολο δεδομένων· έπειτα διερευνήστε τους λόγους πίσω από τα μοτίβα και αναπτύξτε μια παρουσίαση γύρω από τα ευρήματα. Προετοιμάστε παρόμοια εργασία διαχωρίζοντας τα ερωτήματα: τι δείχνουν τα παρεχόμενα δεδομένα, τι εξακολουθεί να χρειάζεται εξήγηση και τι πρέπει να αποκομίσει το κοινό; Δηλώστε από την αρχή το τελικό παραδοτέο και τα κριτήρια ποιότητάς του, ώστε η ενδιάμεση ανάλυση να συμβάλλει στο ίδιο αποτέλεσμα.\n\nΓια ανάλυση δεδομένων, δώστε ευανάγνωστο πίνακα ή αναπαράσταση κειμένου και εξηγήστε τις στήλες, τις μονάδες, τις κατηγορίες και τη χρονική περίοδο. Προσδιορίστε τιμές που λείπουν ή ασυνεπείς εγγραφές και ορίστε πώς πρέπει να αντιμετωπιστούν. Μια ενδεικτική περιγραφή εργασίας είναι ο έλεγχος ενός συνόλου δεδομένων για αποκλίσεις, η περιγραφή των κύριων αλλαγών του και η προετοιμασία συμπεράσματος συνδεδεμένου με τις σχετικές γραμμές ή κατηγορίες. Αν συνδεδεμένα εργαλεία εκτελούν υπολογισμούς ή επεξεργασία αρχείων, επιστρέψτε τα πραγματικά αποτελέσματά τους στο μοντέλο. Κρατήστε τα αριθμητικά τεκμήρια χωριστά από την αφηγηματική εξήγηση και ζητήστε να επισημαίνει μια προτεινόμενη αιτία που δεν θεμελιώνεται μόνο από τα δεδομένα.\n\nΓια έρευνα και σύνταξη αναφορών, δώστε το υλικό που έχει ήδη συγκεντρωθεί, τα ερωτήματα που απομένουν και το επιδιωκόμενο κοινό. Ζητήστε δομή που συνδέει κάθε ισχυρισμό με τεκμήρια, διακρίνει παρατηρήσεις από παραδοχές και κρατά ορατά τα ανεπίλυτα ζητήματα. Για παρουσίαση, ορίστε την αφήγηση, το επιθυμητό μήκος και τον σκοπό κάθε ενότητας. Μια χρήσιμη γραπτή έξοδος μπορεί να είναι τίτλοι διαφανειών, βασικά επιχειρήματα, υποστηρικτικά δεδομένα και σημειώσεις για το ποιο οπτικό στοιχείο θα βοηθούσε να εξηγηθεί ένα σημείο. Το μοντέλο μπορεί να οργανώνει αυτό το περιεχόμενο, ενώ τα περιβάλλοντα εργαλεία χειρίζονται την κατασκευή αρχείου, τη διάταξη και την εξαγωγή.\n\nΟ κατασκευαστής διαχωρίζει ρητά την απευθείας απάντηση μοντέλου από την πλήρη διαδικασία γραφείου. Η πλήρης διαδικασία γραφείου του χρησιμοποιεί περιβάλλον εκτέλεσης πράκτορα και την επίσημη βιβλιοθήκη δεξιοτήτων μαζί με το μοντέλο. Αυτά τα στοιχεία διαβάζουν και επεξεργάζονται αρχεία, εκτελούν ενέργειες και δημιουργούν την πραγματική παρουσίαση ή αναφορά. Δώστε στο μοντέλο σαφή στόχο και επιστρέψτε τα αποτελέσματα αυτών των ενεργειών, ώστε να μπορεί να συνεχίσει από την τρέχουσα κατάσταση. Ένα παραγόμενο περίγραμμα ή μια οδηγία είναι συνεισφορά στο παραδοτέο, όχι τεκμήριο ότι το ολοκληρωμένο αρχείο υπάρχει ήδη.\n\nΗ τεκμηριωμένη διαδικασία εικόνας συνδυάζει ερώτηση κειμένου με μία ή περισσότερες εικόνες, συμπεριλαμβανομένου παραδείγματος σύγκρισης δύο εικόνων. Χρησιμοποιήστε καθαρό γράφημα, εικόνα εγγράφου ή στιγμιότυπο οθόνης και δηλώστε τι έχει σημασία: την αλλαγή προς εξήγηση, τις ορατές τιμές προς σύγκριση ή το μέρος της σελίδας προς ερμηνεία. Η SenseTime συνιστά προετοιμασία εικόνων με μεγάλη πλευρά έως 2.048 pixel· πρόκειται για οδηγία προετοιμασίας εισόδου και όχι για ισχυρισμό ότι οι μεγαλύτερες διαστάσεις ορίζουν το θεωρητικό οπτικό όριο του μοντέλου. Κρατήστε τις ετικέτες ευανάγνωστες και συμπεριλάβετε μονάδες ή κανόνες πλαισίου σε κείμενο όταν δεν μπορούν να διαβαστούν αξιόπιστα από την εικόνα.\n\nΗ αναφορά της SenseTime διακρίνει το περιεχόμενο συλλογιστικής από την τελική γραπτή απάντηση και τεκμηριώνει όριο εξόδου που περιλαμβάνει και τα δύο. Για ουσιαστική εργασία γραφείου, κάντε συγκεκριμένο το ζητούμενο παραδοτέο και προβλέψτε χώρο τόσο για τη συλλογιστική όσο και για το τελικό περιεχόμενο. Σε συνεχιζόμενη συνομιλία, διατηρήστε τα σχετικά μηνύματα χρήστη και το τελικό περιεχόμενο βοηθού σε χρονολογική σειρά· ο πάροχος δίνει οδηγία στις εφαρμογές να μην ξαναστέλνουν το προηγούμενο πεδίο συλλογιστικής ως ιστορικό συνομιλίας. Για μεγάλα ιστορικά, διατηρήστε τα δεδομένα και τις αποφάσεις που χρειάζεται πραγματικά το επόμενο βήμα.\n\nΤο Flash-Lite είναι το συγκεκριμένο μοντέλο για αυτή τη διαδικασία, ενώ η παραγωγή ολοκληρωμένων αρχείων και οι εξειδικευμένες οπτικές έξοδοι εξαρτώνται από το συνδεδεμένο περιβάλλον και τα σχετικά εργαλεία. Ελέγξτε υπολογισμούς, εξαγόμενες λεπτομέρειες εικόνων και ισχυρισμούς αναφορών στα αρχικά υλικά. Ορίστε την ολοκλήρωση με βάση το ζητούμενο περιεχόμενο και το πραγματικό παραδοτέο, ώστε μια καλογραμμένη εξήγηση να παραμένει συνδεδεμένη με τεκμήρια και χρήσιμο αποτέλεσμα.", "editorialOverlay": { "copy_fields": { "practical_html": "Τεχνικό παράδειγμα στα αγγλικά
Turn a checked dataset into slide arguments\n\nPrepare a three-slide outline for operations using this dataset: May, 500 orders and 20 returns; June, 600 orders and 36 returns. Calculate return rates, describe the change and identify a research question before suggesting a cause. Give each slide a title, supporting figures and a note about a useful chart.A three-slide written outline with rate calculations, a change statement and a clearly unresolved research question.Check that rates use each month’s own order count and that a proposed cause remains a question rather than a data-backed finding.sensenova-6.7-flash-liteΤο SenseNova 6.7 Flash-Lite είναι το πολυτροπικό μοντέλο της SenseTime για συνεχείς εργασίες γραφείου και ανάλυσης. Ερμηνεύει κείμενο και εικόνες, βοηθά στην οργάνωση έρευνας και περιεχομένου αναφορών και συμμετέχει σε διαδικασίες με υποβοήθηση εργαλείων που μετατρέπουν την ανάλυση σε παραδοτέο.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το SenseNova 6.7 Flash-Lite είναι το ελαφρύ πολυτροπικό μοντέλο πράκτορα της SenseTime για εργασίες γραφείου. Ο πάροχος δίνει έμφαση σε συνεχείς εργασίες που περιλαμβάνουν σχεδιασμό, ανάλυση δεδομένων, έρευνα και παράδοση περιεχομένου. Δέχεται κείμενο και εικόνες και επιστρέφει γραπτό περιεχόμενο, οπότε είναι χρήσιμο για την κατανόηση υλικού γραφείου και την απόφαση για το πώς αυτό το υλικό πρέπει να γίνει ανάλυση, αναφορά ή παρουσίαση. Ο ρόλος του είναι να συνδέει την εργασία, τα τεκμήρια και το επόμενο χρήσιμο βήμα σε μια μεγαλύτερη διαδικασία.
Μια πρακτική διαδικασία γραφείου μπορεί να προχωρά από τα ευρήματα δεδομένων στην έρευνα και στην παράδοση περιεχομένου. Πρώτα αναλύστε ένα παρεχόμενο σύνολο δεδομένων· έπειτα διερευνήστε τους λόγους πίσω από τα μοτίβα και αναπτύξτε μια παρουσίαση γύρω από τα ευρήματα. Προετοιμάστε παρόμοια εργασία διαχωρίζοντας τα ερωτήματα: τι δείχνουν τα παρεχόμενα δεδομένα, τι εξακολουθεί να χρειάζεται εξήγηση και τι πρέπει να αποκομίσει το κοινό; Δηλώστε από την αρχή το τελικό παραδοτέο και τα κριτήρια ποιότητάς του, ώστε η ενδιάμεση ανάλυση να συμβάλλει στο ίδιο αποτέλεσμα.
Για ανάλυση δεδομένων, δώστε ευανάγνωστο πίνακα ή αναπαράσταση κειμένου και εξηγήστε τις στήλες, τις μονάδες, τις κατηγορίες και τη χρονική περίοδο. Προσδιορίστε τιμές που λείπουν ή ασυνεπείς εγγραφές και ορίστε πώς πρέπει να αντιμετωπιστούν. Μια ενδεικτική περιγραφή εργασίας είναι ο έλεγχος ενός συνόλου δεδομένων για αποκλίσεις, η περιγραφή των κύριων αλλαγών του και η προετοιμασία συμπεράσματος συνδεδεμένου με τις σχετικές γραμμές ή κατηγορίες. Αν συνδεδεμένα εργαλεία εκτελούν υπολογισμούς ή επεξεργασία αρχείων, επιστρέψτε τα πραγματικά αποτελέσματά τους στο μοντέλο. Κρατήστε τα αριθμητικά τεκμήρια χωριστά από την αφηγηματική εξήγηση και ζητήστε να επισημαίνει μια προτεινόμενη αιτία που δεν θεμελιώνεται μόνο από τα δεδομένα.
Για έρευνα και σύνταξη αναφορών, δώστε το υλικό που έχει ήδη συγκεντρωθεί, τα ερωτήματα που απομένουν και το επιδιωκόμενο κοινό. Ζητήστε δομή που συνδέει κάθε ισχυρισμό με τεκμήρια, διακρίνει παρατηρήσεις από παραδοχές και κρατά ορατά τα ανεπίλυτα ζητήματα. Για παρουσίαση, ορίστε την αφήγηση, το επιθυμητό μήκος και τον σκοπό κάθε ενότητας. Μια χρήσιμη γραπτή έξοδος μπορεί να είναι τίτλοι διαφανειών, βασικά επιχειρήματα, υποστηρικτικά δεδομένα και σημειώσεις για το ποιο οπτικό στοιχείο θα βοηθούσε να εξηγηθεί ένα σημείο. Το μοντέλο μπορεί να οργανώνει αυτό το περιεχόμενο, ενώ τα περιβάλλοντα εργαλεία χειρίζονται την κατασκευή αρχείου, τη διάταξη και την εξαγωγή.
Ο κατασκευαστής διαχωρίζει ρητά την απευθείας απάντηση μοντέλου από την πλήρη διαδικασία γραφείου. Η πλήρης διαδικασία γραφείου του χρησιμοποιεί περιβάλλον εκτέλεσης πράκτορα και την επίσημη βιβλιοθήκη δεξιοτήτων μαζί με το μοντέλο. Αυτά τα στοιχεία διαβάζουν και επεξεργάζονται αρχεία, εκτελούν ενέργειες και δημιουργούν την πραγματική παρουσίαση ή αναφορά. Δώστε στο μοντέλο σαφή στόχο και επιστρέψτε τα αποτελέσματα αυτών των ενεργειών, ώστε να μπορεί να συνεχίσει από την τρέχουσα κατάσταση. Ένα παραγόμενο περίγραμμα ή μια οδηγία είναι συνεισφορά στο παραδοτέο, όχι τεκμήριο ότι το ολοκληρωμένο αρχείο υπάρχει ήδη.
Η τεκμηριωμένη διαδικασία εικόνας συνδυάζει ερώτηση κειμένου με μία ή περισσότερες εικόνες, συμπεριλαμβανομένου παραδείγματος σύγκρισης δύο εικόνων. Χρησιμοποιήστε καθαρό γράφημα, εικόνα εγγράφου ή στιγμιότυπο οθόνης και δηλώστε τι έχει σημασία: την αλλαγή προς εξήγηση, τις ορατές τιμές προς σύγκριση ή το μέρος της σελίδας προς ερμηνεία. Η SenseTime συνιστά προετοιμασία εικόνων με μεγάλη πλευρά έως 2.048 pixel· πρόκειται για οδηγία προετοιμασίας εισόδου και όχι για ισχυρισμό ότι οι μεγαλύτερες διαστάσεις ορίζουν το θεωρητικό οπτικό όριο του μοντέλου. Κρατήστε τις ετικέτες ευανάγνωστες και συμπεριλάβετε μονάδες ή κανόνες πλαισίου σε κείμενο όταν δεν μπορούν να διαβαστούν αξιόπιστα από την εικόνα.
Η αναφορά της SenseTime διακρίνει το περιεχόμενο συλλογιστικής από την τελική γραπτή απάντηση και τεκμηριώνει όριο εξόδου που περιλαμβάνει και τα δύο. Για ουσιαστική εργασία γραφείου, κάντε συγκεκριμένο το ζητούμενο παραδοτέο και προβλέψτε χώρο τόσο για τη συλλογιστική όσο και για το τελικό περιεχόμενο. Σε συνεχιζόμενη συνομιλία, διατηρήστε τα σχετικά μηνύματα χρήστη και το τελικό περιεχόμενο βοηθού σε χρονολογική σειρά· ο πάροχος δίνει οδηγία στις εφαρμογές να μην ξαναστέλνουν το προηγούμενο πεδίο συλλογιστικής ως ιστορικό συνομιλίας. Για μεγάλα ιστορικά, διατηρήστε τα δεδομένα και τις αποφάσεις που χρειάζεται πραγματικά το επόμενο βήμα.
Το Flash-Lite είναι το συγκεκριμένο μοντέλο για αυτή τη διαδικασία, ενώ η παραγωγή ολοκληρωμένων αρχείων και οι εξειδικευμένες οπτικές έξοδοι εξαρτώνται από το συνδεδεμένο περιβάλλον και τα σχετικά εργαλεία. Ελέγξτε υπολογισμούς, εξαγόμενες λεπτομέρειες εικόνων και ισχυρισμούς αναφορών στα αρχικά υλικά. Ορίστε την ολοκλήρωση με βάση το ζητούμενο περιεχόμενο και το πραγματικό παραδοτέο, ώστε μια καλογραμμένη εξήγηση να παραμένει συνδεδεμένη με τεκμήρια και χρήσιμο αποτέλεσμα.
POST /v1/chat/completionstexttext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια sensenova-6.7-flash-lite | 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 $0.001892 / 1K token Έξοδος · Token εξόδου $0.005676 / 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": "sensenova-6.7-flash-lite", "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='sensenova-6.7-flash-lite',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='sensenova-6.7-flash-lite',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 sensenova-6.7-flash-lite
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
sensenova-6.7-flash-liteΤο SenseNova 6.7 Flash-Lite είναι το πολυτροπικό μοντέλο της SenseTime για συνεχείς εργασίες γραφείου και ανάλυσης. Ερμηνεύει κείμενο και εικόνες, βοηθά στην οργάνωση έρευνας και περιεχομένου αναφορών και συμμετέχει σε διαδικασίες με υποβοήθηση εργαλείων που μετατρέπουν την ανάλυση σε παραδοτέο.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το SenseNova 6.7 Flash-Lite είναι το ελαφρύ πολυτροπικό μοντέλο πράκτορα της SenseTime για εργασίες γραφείου. Ο πάροχος δίνει έμφαση σε συνεχείς εργασίες που περιλαμβάνουν σχεδιασμό, ανάλυση δεδομένων, έρευνα και παράδοση περιεχομένου. Δέχεται κείμενο και εικόνες και επιστρέφει γραπτό περιεχόμενο, οπότε είναι χρήσιμο για την κατανόηση υλικού γραφείου και την απόφαση για το πώς αυτό το υλικό πρέπει να γίνει ανάλυση, αναφορά ή παρουσίαση. Ο ρόλος του είναι να συνδέει την εργασία, τα τεκμήρια και το επόμενο χρήσιμο βήμα σε μια μεγαλύτερη διαδικασία.
Μια πρακτική διαδικασία γραφείου μπορεί να προχωρά από τα ευρήματα δεδομένων στην έρευνα και στην παράδοση περιεχομένου. Πρώτα αναλύστε ένα παρεχόμενο σύνολο δεδομένων· έπειτα διερευνήστε τους λόγους πίσω από τα μοτίβα και αναπτύξτε μια παρουσίαση γύρω από τα ευρήματα. Προετοιμάστε παρόμοια εργασία διαχωρίζοντας τα ερωτήματα: τι δείχνουν τα παρεχόμενα δεδομένα, τι εξακολουθεί να χρειάζεται εξήγηση και τι πρέπει να αποκομίσει το κοινό; Δηλώστε από την αρχή το τελικό παραδοτέο και τα κριτήρια ποιότητάς του, ώστε η ενδιάμεση ανάλυση να συμβάλλει στο ίδιο αποτέλεσμα.
Για ανάλυση δεδομένων, δώστε ευανάγνωστο πίνακα ή αναπαράσταση κειμένου και εξηγήστε τις στήλες, τις μονάδες, τις κατηγορίες και τη χρονική περίοδο. Προσδιορίστε τιμές που λείπουν ή ασυνεπείς εγγραφές και ορίστε πώς πρέπει να αντιμετωπιστούν. Μια ενδεικτική περιγραφή εργασίας είναι ο έλεγχος ενός συνόλου δεδομένων για αποκλίσεις, η περιγραφή των κύριων αλλαγών του και η προετοιμασία συμπεράσματος συνδεδεμένου με τις σχετικές γραμμές ή κατηγορίες. Αν συνδεδεμένα εργαλεία εκτελούν υπολογισμούς ή επεξεργασία αρχείων, επιστρέψτε τα πραγματικά αποτελέσματά τους στο μοντέλο. Κρατήστε τα αριθμητικά τεκμήρια χωριστά από την αφηγηματική εξήγηση και ζητήστε να επισημαίνει μια προτεινόμενη αιτία που δεν θεμελιώνεται μόνο από τα δεδομένα.
Για έρευνα και σύνταξη αναφορών, δώστε το υλικό που έχει ήδη συγκεντρωθεί, τα ερωτήματα που απομένουν και το επιδιωκόμενο κοινό. Ζητήστε δομή που συνδέει κάθε ισχυρισμό με τεκμήρια, διακρίνει παρατηρήσεις από παραδοχές και κρατά ορατά τα ανεπίλυτα ζητήματα. Για παρουσίαση, ορίστε την αφήγηση, το επιθυμητό μήκος και τον σκοπό κάθε ενότητας. Μια χρήσιμη γραπτή έξοδος μπορεί να είναι τίτλοι διαφανειών, βασικά επιχειρήματα, υποστηρικτικά δεδομένα και σημειώσεις για το ποιο οπτικό στοιχείο θα βοηθούσε να εξηγηθεί ένα σημείο. Το μοντέλο μπορεί να οργανώνει αυτό το περιεχόμενο, ενώ τα περιβάλλοντα εργαλεία χειρίζονται την κατασκευή αρχείου, τη διάταξη και την εξαγωγή.
Ο κατασκευαστής διαχωρίζει ρητά την απευθείας απάντηση μοντέλου από την πλήρη διαδικασία γραφείου. Η πλήρης διαδικασία γραφείου του χρησιμοποιεί περιβάλλον εκτέλεσης πράκτορα και την επίσημη βιβλιοθήκη δεξιοτήτων μαζί με το μοντέλο. Αυτά τα στοιχεία διαβάζουν και επεξεργάζονται αρχεία, εκτελούν ενέργειες και δημιουργούν την πραγματική παρουσίαση ή αναφορά. Δώστε στο μοντέλο σαφή στόχο και επιστρέψτε τα αποτελέσματα αυτών των ενεργειών, ώστε να μπορεί να συνεχίσει από την τρέχουσα κατάσταση. Ένα παραγόμενο περίγραμμα ή μια οδηγία είναι συνεισφορά στο παραδοτέο, όχι τεκμήριο ότι το ολοκληρωμένο αρχείο υπάρχει ήδη.
Η τεκμηριωμένη διαδικασία εικόνας συνδυάζει ερώτηση κειμένου με μία ή περισσότερες εικόνες, συμπεριλαμβανομένου παραδείγματος σύγκρισης δύο εικόνων. Χρησιμοποιήστε καθαρό γράφημα, εικόνα εγγράφου ή στιγμιότυπο οθόνης και δηλώστε τι έχει σημασία: την αλλαγή προς εξήγηση, τις ορατές τιμές προς σύγκριση ή το μέρος της σελίδας προς ερμηνεία. Η SenseTime συνιστά προετοιμασία εικόνων με μεγάλη πλευρά έως 2.048 pixel· πρόκειται για οδηγία προετοιμασίας εισόδου και όχι για ισχυρισμό ότι οι μεγαλύτερες διαστάσεις ορίζουν το θεωρητικό οπτικό όριο του μοντέλου. Κρατήστε τις ετικέτες ευανάγνωστες και συμπεριλάβετε μονάδες ή κανόνες πλαισίου σε κείμενο όταν δεν μπορούν να διαβαστούν αξιόπιστα από την εικόνα.
Η αναφορά της SenseTime διακρίνει το περιεχόμενο συλλογιστικής από την τελική γραπτή απάντηση και τεκμηριώνει όριο εξόδου που περιλαμβάνει και τα δύο. Για ουσιαστική εργασία γραφείου, κάντε συγκεκριμένο το ζητούμενο παραδοτέο και προβλέψτε χώρο τόσο για τη συλλογιστική όσο και για το τελικό περιεχόμενο. Σε συνεχιζόμενη συνομιλία, διατηρήστε τα σχετικά μηνύματα χρήστη και το τελικό περιεχόμενο βοηθού σε χρονολογική σειρά· ο πάροχος δίνει οδηγία στις εφαρμογές να μην ξαναστέλνουν το προηγούμενο πεδίο συλλογιστικής ως ιστορικό συνομιλίας. Για μεγάλα ιστορικά, διατηρήστε τα δεδομένα και τις αποφάσεις που χρειάζεται πραγματικά το επόμενο βήμα.
Το Flash-Lite είναι το συγκεκριμένο μοντέλο για αυτή τη διαδικασία, ενώ η παραγωγή ολοκληρωμένων αρχείων και οι εξειδικευμένες οπτικές έξοδοι εξαρτώνται από το συνδεδεμένο περιβάλλον και τα σχετικά εργαλεία. Ελέγξτε υπολογισμούς, εξαγόμενες λεπτομέρειες εικόνων και ισχυρισμούς αναφορών στα αρχικά υλικά. Ορίστε την ολοκλήρωση με βάση το ζητούμενο περιεχόμενο και το πραγματικό παραδοτέο, ώστε μια καλογραμμένη εξήγηση να παραμένει συνδεδεμένη με τεκμήρια και χρήσιμο αποτέλεσμα.
POST /v1/messagestextjson, sse| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια sensenova-6.7-flash-lite | 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 $0.001892 / 1K token Έξοδος · Token εξόδου $0.005676 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "model": "sensenova-6.7-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'sensenova-6.7-flash-lite', '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': 'sensenova-6.7-flash-lite', '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 sensenova-6.7-flash-lite
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Τεχνικό παράδειγμα στα αγγλικά
Turn a checked dataset into slide arguments\n\nPrepare a three-slide outline for operations using this dataset: May, 500 orders and 20 returns; June, 600 orders and 36 returns. Calculate return rates, describe the change and identify a research question before suggesting a cause. Give each slide a title, supporting figures and a note about a useful chart.A three-slide written outline with rate calculations, a change statement and a clearly unresolved research question.Check that rates use each month’s own order count and that a proposed cause remains a question rather than a data-backed finding.