d1은 범위가 정해진 분류, 라우팅, 채점 작업을 위한 Liquid AI의 호스팅형 결정 모델입니다. 이 프로필은 텍스트 결정 워크플로를 다룹니다. 근거를 상태(state)로 제공하고 질문을 하나 이상 정의하면, 알려진 결과에 대해 유형이 지정된 수치 답변을 받습니다. Liquid는 이러한 결정을 생성 출력 토큰 0개로 확률을 직접 반환하는 평가로 설명합니다. 유용한 결과는 새로 작성된 텍스트가 아니라 정의된 결정과 그 불확실성입니다.
결정을 가능하게 하는 텍스트를, 그것을 해석하는 데 필요한 맥락과 함께 제공하세요. 상태는 무엇을 평가할지 설명하는 지시문과 분리해 두세요. 고객 지원 메시지에는 제품이나 문제에 대한 설명이, 문서 구절에는 사용자의 검색 질문이 필요할 수 있습니다. 질문하기 전에 답변 집합을 정의하고, 모든 선택지에 의도한 워크플로에 맞는 의미를 부여하세요. 짧은 레이블은 안정적인 출력 키 역할을 하고, 설명은 레이블 간의 경계를 밝힙니다.
공유 상태에 대해 이름이 붙은 질문을 사용하세요. intent, urgency, relevant처럼 명확한 이름을 쓰면 출력이 그것이 나타내는 결정과 계속 연결됩니다. 예를 들어 페이지가 작동하지 않는다고 보고하는 메시지 하나로 의도 선택, 긴급도 루브릭, 결함 보고 여부에 대한 예/아니요 확인을 모두 수행할 수 있습니다. 세 가지 판단을 하나의 모호한 레이블로 합치지 말고, 각 질문이 고유한 기준을 유지하도록 하세요.
choice 질문은 순서가 없는 집합에서 레이블 하나를 고르고, 이름이 붙은 선택지 전반의 분포를 반환합니다. 선택지는 기준 설명으로 정의하며, 결과에는 선택된 항목, 확률, 신뢰도가 포함됩니다. 문서 정리에서는 가능한 폴더나 주제를 정의하고 각각에 어떤 콘텐츠가 들어가는지 밝히세요. 요청 라우팅에서는 실제로 존재하는 전달 대상을 설명하세요. 애플리케이션은 결과 레이블로 다음 단계를 고르면서, 경쟁하는 확률은 검토용으로 보존할 수 있습니다.
예시 분류 작업으로 제품 질문, 연동 문제, 접근 문제를 나누고, 이 정의에 해당하지 않는 자료를 위한 기타(other) 선택지를 둘 수 있습니다. 경계는 구체적으로 정하세요. 인증이 되지 않는다는 메시지와 기능 설정 방법을 묻는 메시지는 다릅니다. 반환된 레이블은 제공된 의미 중에서 고른 것일 뿐, 없는 전달 대상을 만들거나 다른 시스템에 변경을 실행하지 않습니다.
noul 질문은 정의된 예/아니요 조건이 성립할 확률을 0에서 1 사이로 반환합니다. Liquid는 콘텐츠 검토와 구절 관련성에 대한 이진 확인을 예로 보여 줍니다. 조건을 정확하게 서술하고, 결과 확률을 어떻게 사용할지 정하세요. 일치 가능성이 높은 항목을 표시하거나, 구절을 걸러 내거나, 불확실한 사례를 검토로 보낼 수 있습니다. 임계값은 결과를 사용하는 작업이 정하며, 확률을 보장된 사실 판정으로 취급해서는 안 됩니다.
관련성 필터링에서는 검색어와 후보 구절을 모두 제공하세요. 그 구절이 검색어에 답하는 데 도움이 되는지 묻고, 원래 구절을 확률과 함께 보존하세요. 이렇게 하면 d1에게 답변을 직접 작성하게 하지 않고도 이후 답변에 쓸 원천 자료를 고르는 데 도움이 됩니다. 관련성을 예/아니요 조건이 아니라 여러 단계로 판단해야 한다면, 순서가 있는 루브릭을 정의하고 score 질문을 사용하세요.
score 질문은 설명이 붙은 순서형 단계로 이루어진 루브릭 위에 상태를 배치합니다. 단계 인덱스는 0부터 시작하며, 점수는 확률로 가중한 위치이므로 단계 사이의 값이 될 수 있습니다. 결과에는 단계별 분포와 신뢰도도 포함됩니다. 긴급도라면 즉각적인 영향이 없는 문제, 상당한 불편, 작업이 막힌 경우를 무엇으로 구분하는지 정의하세요. 따라서 4단계 루브릭의 인덱스는 0부터 3까지이며, 기대 점수가 1부터 4까지 번호가 매겨진 범주를 자동으로 뜻하지는 않습니다.
정렬이나 집계가 목적이라면 소수점 점수를 사용하고, 모호성이 중요하다면 전체 분포를 보존하세요. 부서처럼 자연스러운 순서가 없는 범주는 choice 질문에 속합니다. 신뢰도는 문서화된 인터페이스에서 보고된 답이 얼마나 명확한지를 요약한 값으로, 작업이 원하는 점수나 결정이 옳다는 가정된 보장과는 구분해야 합니다.
한 번의 제작사 호출에서 여러 질문이 같은 상태를 평가할 수 있으며, 각 질문은 고유한 유형과 확률을 유지합니다. Liquid의 텍스트 예시에는 고객 지원 티켓 필터링, 폴더 분류 체계에 따른 문서 정리, 코드 검색 경로 선택, 사용 가능한 에이전트 동작 중 선택, 도구 출력 중 보존할 자료 결정이 포함됩니다. 이 워크플로들은 모두 다음 결정의 범위가 정해져 있습니다. 코드 검색 단계에서는 설명을 바탕으로 유망한 폴더를 고를 수 있고, 콘텐츠 선택 단계에서는 제공된 자료에 대해 유지(keep), 축소(trim), 삭제(drop) 중 하나를 고를 수 있습니다. 원천 데이터를 가져오고 선택된 작업을 수행하는 일은 여전히 주변 애플리케이션이 맡습니다.
문서화된 기본 요소는 알려진 결과, 루브릭 등급, 조건 확인에 적합합니다. 새로운 글, 요약, 코드, 열린 대화에는 생성 워크플로가 필요하며, d1의 결정 결과가 이를 대신하지 않습니다. 관찰 가능한 근거를 중심으로 질문을 준비하고, 나중에 레이블이나 점수를 해석할 수 있도록 질문 정의를 출력과 함께 보존하세요.
각 상태는 정의된 질문에 답하는 근거에 집중시키고, 서로 관련 없는 결정 작업은 기준이 명확하게 유지되도록 분리하세요. 원천 자료는 관련성 있게 유지하고, 범주가 모든 경우를 포괄하지 못할 때를 위한 대체 의미를 정의하며, 작업의 레이블 지정 예시로 확률 임계값을 평가하세요. 유용한 산출물은 선택된 범주나 기대 점수를 분포, 질문 식별 정보, 원래 근거와 함께 기록합니다.
", "aboutText": "d1은 범위가 정해진 분류, 라우팅, 채점 작업을 위한 Liquid AI의 호스팅형 결정 모델입니다. 이 프로필은 텍스트 결정 워크플로를 다룹니다. 근거를 상태(state)로 제공하고 질문을 하나 이상 정의하면, 알려진 결과에 대해 유형이 지정된 수치 답변을 받습니다. Liquid는 이러한 결정을 생성 출력 토큰 0개로 확률을 직접 반환하는 평가로 설명합니다. 유용한 결과는 새로 작성된 텍스트가 아니라 정의된 결정과 그 불확실성입니다.\n\n### 근거와 질문을 함께 준비하기\n\n결정을 가능하게 하는 텍스트를, 그것을 해석하는 데 필요한 맥락과 함께 제공하세요. 상태는 무엇을 평가할지 설명하는 지시문과 분리해 두세요. 고객 지원 메시지에는 제품이나 문제에 대한 설명이, 문서 구절에는 사용자의 검색 질문이 필요할 수 있습니다. 질문하기 전에 답변 집합을 정의하고, 모든 선택지에 의도한 워크플로에 맞는 의미를 부여하세요. 짧은 레이블은 안정적인 출력 키 역할을 하고, 설명은 레이블 간의 경계를 밝힙니다.\n\n공유 상태에 대해 이름이 붙은 질문을 사용하세요. intent, urgency, relevant처럼 명확한 이름을 쓰면 출력이 그것이 나타내는 결정과 계속 연결됩니다. 예를 들어 페이지가 작동하지 않는다고 보고하는 메시지 하나로 의도 선택, 긴급도 루브릭, 결함 보고 여부에 대한 예/아니요 확인을 모두 수행할 수 있습니다. 세 가지 판단을 하나의 모호한 레이블로 합치지 말고, 각 질문이 고유한 기준을 유지하도록 하세요.\n\n### 범주 분류와 라우팅을 위한 choice 질문\n\nchoice 질문은 순서가 없는 집합에서 레이블 하나를 고르고, 이름이 붙은 선택지 전반의 분포를 반환합니다. 선택지는 기준 설명으로 정의하며, 결과에는 선택된 항목, 확률, 신뢰도가 포함됩니다. 문서 정리에서는 가능한 폴더나 주제를 정의하고 각각에 어떤 콘텐츠가 들어가는지 밝히세요. 요청 라우팅에서는 실제로 존재하는 전달 대상을 설명하세요. 애플리케이션은 결과 레이블로 다음 단계를 고르면서, 경쟁하는 확률은 검토용으로 보존할 수 있습니다.\n\n예시 분류 작업으로 제품 질문, 연동 문제, 접근 문제를 나누고, 이 정의에 해당하지 않는 자료를 위한 기타(other) 선택지를 둘 수 있습니다. 경계는 구체적으로 정하세요. 인증이 되지 않는다는 메시지와 기능 설정 방법을 묻는 메시지는 다릅니다. 반환된 레이블은 제공된 의미 중에서 고른 것일 뿐, 없는 전달 대상을 만들거나 다른 시스템에 변경을 실행하지 않습니다.\n\n### 조건 확인과 관련성을 위한 noul 질문\n\nnoul 질문은 정의된 예/아니요 조건이 성립할 확률을 0에서 1 사이로 반환합니다. Liquid는 콘텐츠 검토와 구절 관련성에 대한 이진 확인을 예로 보여 줍니다. 조건을 정확하게 서술하고, 결과 확률을 어떻게 사용할지 정하세요. 일치 가능성이 높은 항목을 표시하거나, 구절을 걸러 내거나, 불확실한 사례를 검토로 보낼 수 있습니다. 임계값은 결과를 사용하는 작업이 정하며, 확률을 보장된 사실 판정으로 취급해서는 안 됩니다.\n\n관련성 필터링에서는 검색어와 후보 구절을 모두 제공하세요. 그 구절이 검색어에 답하는 데 도움이 되는지 묻고, 원래 구절을 확률과 함께 보존하세요. 이렇게 하면 d1에게 답변을 직접 작성하게 하지 않고도 이후 답변에 쓸 원천 자료를 고르는 데 도움이 됩니다. 관련성을 예/아니요 조건이 아니라 여러 단계로 판단해야 한다면, 순서가 있는 루브릭을 정의하고 score 질문을 사용하세요.\n\n### 순서형 단계를 위한 score 질문\n\nscore 질문은 설명이 붙은 순서형 단계로 이루어진 루브릭 위에 상태를 배치합니다. 단계 인덱스는 0부터 시작하며, 점수는 확률로 가중한 위치이므로 단계 사이의 값이 될 수 있습니다. 결과에는 단계별 분포와 신뢰도도 포함됩니다. 긴급도라면 즉각적인 영향이 없는 문제, 상당한 불편, 작업이 막힌 경우를 무엇으로 구분하는지 정의하세요. 따라서 4단계 루브릭의 인덱스는 0부터 3까지이며, 기대 점수가 1부터 4까지 번호가 매겨진 범주를 자동으로 뜻하지는 않습니다.\n\n정렬이나 집계가 목적이라면 소수점 점수를 사용하고, 모호성이 중요하다면 전체 분포를 보존하세요. 부서처럼 자연스러운 순서가 없는 범주는 choice 질문에 속합니다. 신뢰도는 문서화된 인터페이스에서 보고된 답이 얼마나 명확한지를 요약한 값으로, 작업이 원하는 점수나 결정이 옳다는 가정된 보장과는 구분해야 합니다.\n\n### 여러 질문과 제작사가 제시하는 활용 사례\n\n한 번의 제작사 호출에서 여러 질문이 같은 상태를 평가할 수 있으며, 각 질문은 고유한 유형과 확률을 유지합니다. Liquid의 텍스트 예시에는 고객 지원 티켓 필터링, 폴더 분류 체계에 따른 문서 정리, 코드 검색 경로 선택, 사용 가능한 에이전트 동작 중 선택, 도구 출력 중 보존할 자료 결정이 포함됩니다. 이 워크플로들은 모두 다음 결정의 범위가 정해져 있습니다. 코드 검색 단계에서는 설명을 바탕으로 유망한 폴더를 고를 수 있고, 콘텐츠 선택 단계에서는 제공된 자료에 대해 유지(keep), 축소(trim), 삭제(drop) 중 하나를 고를 수 있습니다. 원천 데이터를 가져오고 선택된 작업을 수행하는 일은 여전히 주변 애플리케이션이 맡습니다.\n\n### 범위와 유용한 결정 산출물\n\n문서화된 기본 요소는 알려진 결과, 루브릭 등급, 조건 확인에 적합합니다. 새로운 글, 요약, 코드, 열린 대화에는 생성 워크플로가 필요하며, d1의 결정 결과가 이를 대신하지 않습니다. 관찰 가능한 근거를 중심으로 질문을 준비하고, 나중에 레이블이나 점수를 해석할 수 있도록 질문 정의를 출력과 함께 보존하세요.\n\n각 상태는 정의된 질문에 답하는 근거에 집중시키고, 서로 관련 없는 결정 작업은 기준이 명확하게 유지되도록 분리하세요. 원천 자료는 관련성 있게 유지하고, 범주가 모든 경우를 포괄하지 못할 때를 위한 대체 의미를 정의하며, 작업의 레이블 지정 예시로 확률 임계값을 평가하세요. 유용한 산출물은 선택된 범주나 기대 점수를 분포, 질문 식별 정보, 원래 근거와 함께 기록합니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "16585b8963f4f7415540775f87322c3cd9e84352dc8eb146c35e3d99f469b2b6", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "liquid/d1Liquid AI d1의 텍스트 결정 워크플로는 제공된 근거를 고정된 결과에 비추어 평가하고 확률, 범주 선택 또는 루브릭 점수를 반환합니다. 서술형 답변을 생성하지 않고도 분류, 라우팅, 관련성 필터링, 우선순위 지정을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
d1은 범위가 정해진 분류, 라우팅, 채점 작업을 위한 Liquid AI의 호스팅형 결정 모델입니다. 이 프로필은 텍스트 결정 워크플로를 다룹니다. 근거를 상태(state)로 제공하고 질문을 하나 이상 정의하면, 알려진 결과에 대해 유형이 지정된 수치 답변을 받습니다. Liquid는 이러한 결정을 생성 출력 토큰 0개로 확률을 직접 반환하는 평가로 설명합니다. 유용한 결과는 새로 작성된 텍스트가 아니라 정의된 결정과 그 불확실성입니다.
결정을 가능하게 하는 텍스트를, 그것을 해석하는 데 필요한 맥락과 함께 제공하세요. 상태는 무엇을 평가할지 설명하는 지시문과 분리해 두세요. 고객 지원 메시지에는 제품이나 문제에 대한 설명이, 문서 구절에는 사용자의 검색 질문이 필요할 수 있습니다. 질문하기 전에 답변 집합을 정의하고, 모든 선택지에 의도한 워크플로에 맞는 의미를 부여하세요. 짧은 레이블은 안정적인 출력 키 역할을 하고, 설명은 레이블 간의 경계를 밝힙니다.
공유 상태에 대해 이름이 붙은 질문을 사용하세요. intent, urgency, relevant처럼 명확한 이름을 쓰면 출력이 그것이 나타내는 결정과 계속 연결됩니다. 예를 들어 페이지가 작동하지 않는다고 보고하는 메시지 하나로 의도 선택, 긴급도 루브릭, 결함 보고 여부에 대한 예/아니요 확인을 모두 수행할 수 있습니다. 세 가지 판단을 하나의 모호한 레이블로 합치지 말고, 각 질문이 고유한 기준을 유지하도록 하세요.
choice 질문은 순서가 없는 집합에서 레이블 하나를 고르고, 이름이 붙은 선택지 전반의 분포를 반환합니다. 선택지는 기준 설명으로 정의하며, 결과에는 선택된 항목, 확률, 신뢰도가 포함됩니다. 문서 정리에서는 가능한 폴더나 주제를 정의하고 각각에 어떤 콘텐츠가 들어가는지 밝히세요. 요청 라우팅에서는 실제로 존재하는 전달 대상을 설명하세요. 애플리케이션은 결과 레이블로 다음 단계를 고르면서, 경쟁하는 확률은 검토용으로 보존할 수 있습니다.
예시 분류 작업으로 제품 질문, 연동 문제, 접근 문제를 나누고, 이 정의에 해당하지 않는 자료를 위한 기타(other) 선택지를 둘 수 있습니다. 경계는 구체적으로 정하세요. 인증이 되지 않는다는 메시지와 기능 설정 방법을 묻는 메시지는 다릅니다. 반환된 레이블은 제공된 의미 중에서 고른 것일 뿐, 없는 전달 대상을 만들거나 다른 시스템에 변경을 실행하지 않습니다.
noul 질문은 정의된 예/아니요 조건이 성립할 확률을 0에서 1 사이로 반환합니다. Liquid는 콘텐츠 검토와 구절 관련성에 대한 이진 확인을 예로 보여 줍니다. 조건을 정확하게 서술하고, 결과 확률을 어떻게 사용할지 정하세요. 일치 가능성이 높은 항목을 표시하거나, 구절을 걸러 내거나, 불확실한 사례를 검토로 보낼 수 있습니다. 임계값은 결과를 사용하는 작업이 정하며, 확률을 보장된 사실 판정으로 취급해서는 안 됩니다.
관련성 필터링에서는 검색어와 후보 구절을 모두 제공하세요. 그 구절이 검색어에 답하는 데 도움이 되는지 묻고, 원래 구절을 확률과 함께 보존하세요. 이렇게 하면 d1에게 답변을 직접 작성하게 하지 않고도 이후 답변에 쓸 원천 자료를 고르는 데 도움이 됩니다. 관련성을 예/아니요 조건이 아니라 여러 단계로 판단해야 한다면, 순서가 있는 루브릭을 정의하고 score 질문을 사용하세요.
score 질문은 설명이 붙은 순서형 단계로 이루어진 루브릭 위에 상태를 배치합니다. 단계 인덱스는 0부터 시작하며, 점수는 확률로 가중한 위치이므로 단계 사이의 값이 될 수 있습니다. 결과에는 단계별 분포와 신뢰도도 포함됩니다. 긴급도라면 즉각적인 영향이 없는 문제, 상당한 불편, 작업이 막힌 경우를 무엇으로 구분하는지 정의하세요. 따라서 4단계 루브릭의 인덱스는 0부터 3까지이며, 기대 점수가 1부터 4까지 번호가 매겨진 범주를 자동으로 뜻하지는 않습니다.
정렬이나 집계가 목적이라면 소수점 점수를 사용하고, 모호성이 중요하다면 전체 분포를 보존하세요. 부서처럼 자연스러운 순서가 없는 범주는 choice 질문에 속합니다. 신뢰도는 문서화된 인터페이스에서 보고된 답이 얼마나 명확한지를 요약한 값으로, 작업이 원하는 점수나 결정이 옳다는 가정된 보장과는 구분해야 합니다.
한 번의 제작사 호출에서 여러 질문이 같은 상태를 평가할 수 있으며, 각 질문은 고유한 유형과 확률을 유지합니다. Liquid의 텍스트 예시에는 고객 지원 티켓 필터링, 폴더 분류 체계에 따른 문서 정리, 코드 검색 경로 선택, 사용 가능한 에이전트 동작 중 선택, 도구 출력 중 보존할 자료 결정이 포함됩니다. 이 워크플로들은 모두 다음 결정의 범위가 정해져 있습니다. 코드 검색 단계에서는 설명을 바탕으로 유망한 폴더를 고를 수 있고, 콘텐츠 선택 단계에서는 제공된 자료에 대해 유지(keep), 축소(trim), 삭제(drop) 중 하나를 고를 수 있습니다. 원천 데이터를 가져오고 선택된 작업을 수행하는 일은 여전히 주변 애플리케이션이 맡습니다.
문서화된 기본 요소는 알려진 결과, 루브릭 등급, 조건 확인에 적합합니다. 새로운 글, 요약, 코드, 열린 대화에는 생성 워크플로가 필요하며, d1의 결정 결과가 이를 대신하지 않습니다. 관찰 가능한 근거를 중심으로 질문을 준비하고, 나중에 레이블이나 점수를 해석할 수 있도록 질문 정의를 출력과 함께 보존하세요.
각 상태는 정의된 질문에 답하는 근거에 집중시키고, 서로 관련 없는 결정 작업은 기준이 명확하게 유지되도록 분리하세요. 원천 자료는 관련성 있게 유지하고, 범주가 모든 경우를 포괄하지 못할 때를 위한 대체 의미를 정의하며, 작업의 레이블 지정 예시로 확률 임계값을 평가하세요. 유용한 산출물은 선택된 범주나 기대 점수를 분포, 질문 식별 정보, 원래 근거와 함께 기록합니다.
POST /v1/systemonetextdecisions| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 liquid/d1 | 기본값— |
필드provider | 유형schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드questions | 유형object | 요건필수 | 값과 한도 | 기본값— |
필드session_id | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드state | 유형schema | 요건필수 | 값과 한도 | 기본값— |
필드trace | 유형schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드user | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드questions.<id>.type | 유형string | 요건필수 | 값과 한도 noul, choice, score | 기본값— |
필드questions.<id>.instructions | 유형string|object|array | 요건필수 | 값과 한도 | 기본값— |
필드questions.<id>.criteria | 유형object|array | 요건선택 사항 | 값과 한도 조건: choice/score: 필수; noul: 선택 사항. choice의 criteria는 객체이며, score는 minItems1인 배열입니다. | 기본값— |
필드questions.<id>.criteria.true | 유형string|object|array | 요건필수 | 값과 한도 적용 조건: noul 조건 객체가 제공됨 | 기본값— |
필드questions.<id>.criteria.false | 유형string|object|array | 요건필수 | 값과 한도 적용 조건: noul 조건 객체가 제공됨 | 기본값— |
noul · 필수: state, questions.<id>.type=noul, questions.<id>.instructions
choice · 필수: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · 필수: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, state, questions |
매개변수material_types | 명세text |
매개변수optional_controls | 명세provider, session_id, trace, user |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous
정확한 모델 ID를 전송하고 네이티브 응답 전체를 보존하세요.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00008 / 1K 토큰 출력 · 출력 토큰 $0 / 1K 토큰 입력 · 캐시 읽기 $0.00008 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00008 / 1K 토큰 출력 · 출력 토큰 $0 / 1K 토큰 입력 · 캐시 읽기 $0.00008 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "liquid/d1",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='liquid/d1'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\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\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
제공된 모든 질문 ID별 답변의 정확한 유형, noul/choice/score 값, 신뢰도, 확률 및 범례가 보존됩니다. 원본 JSON 전체는 정산이 끝난 후에만 저장되고 반환됩니다.
원래 작업과 전체/부분 응답을 보존하세요. POST를 재전송하지 마세요.
| 필드 | 유형 |
|---|---|
필드model | 유형string |
필드id | 유형string |
필드provider | 유형string |
필드answers.<id>.type | 유형string |
필드answers.<id>.noul | 유형number |
필드answers.<id>.choice | 유형string |
필드answers.<id>.score | 유형number |
필드answers.<id>.confidence | 유형number |
필드answers.<id>.probabilities | 유형object |
필드answers.<id>.legend | 유형object |
필드usage.input_tokens | 유형integer |
필드usage.output_tokens | 유형integer |
필드usage.cost | 유형number |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 표현 형식 또는 값이 유효하지 않음 | 다음 단계표시된 요청 필드를 수정하세요. |
Ailoot Ultra liquid/d1
위에 표시된 메서드 경로를 사용하세요.