Travel Flask
Small
Capacity: 350 ml
Large
Capacity: 600 ml
Schematron V2 Small – tai Inference.net į išgavimo kokybę orientuotas modelis HTML paversti schemą atitinkančiu JSON. Gamintojas jį kuria sudėtingoms schemoms ir ilgiems puslapiams, su kitokia paskirtimi nei į pralaidumą orientuotas V2 Turbo. Jis perskaito HTML ir kvietėjo schemą bei grąžina atitinkamą struktūrizuotą įrašą. Tikslas – išgauti paskesnei programai reikalingus faktus, o ne generuoti platų pokalbio atsakymą.
Gamintojo vadove teigiama, kad išgavimo instrukcijos turi būti schemoje, o ne sistemos ar naudotojo užklausoje natūralia kalba. Apibrėžkite kiekvienos savybės tipą ir paaiškinkite jos reikšmę lauko apraše. Palaikomi įdėtiniai objektai ir sąrašai. Pavyzdžiui, produkto įrašas gali atskirti produkto identifikatorių nuo rodomo pavadinimo ir specifikacijų reikšmes sugrupuoti atskirame objekte.
Sudėtingame puslapyje prieš prašydami išgavimo išspręskite dviprasmes laukų reikšmes. Paaiškinkite, ar data susijusi su paskelbimu, įvykiu ar redagavimu, ir kaip pateikti kelias šaltinio reikšmes. Schemoje taikykite trūkstamos informacijos pateikimo taisyklę, kad modeliui nereikėtų išgalvoti reikšmės vien tam, kad objektas atrodytų pilnas. Gamintojas demonstruoja tipizuotus modelius ir JSON Schema kartu su grąžinto JSON patikra.
Rekomenduojamas išankstinis HTML apdorojimas pašalina scenarijus, stilius ir pasikartojančius šabloninius elementus, išlaikydamas svarbų turinį. Gamintojas pataria būti atsargiems: pašalinus per daug galima prarasti išgavimui reikalingą informaciją. Išsaugokite lentelių antraštes, įdėtines žymas ir gretimą tekstą, nustatantį reikšmės prasmę. Apsiribokite susijusia sritimi, kai puslapyje yra nesusijusi navigacija ar pasikartojanti medžiaga.
Pavyzdinė užduotis – išgauti techninį įrašą iš produkto puslapio su keliomis konfigūracijų lentelėmis. Įvestis turėtų išsaugoti, kuri lentelė priklauso kuriam variantui, o schema – aprašyti konkretų variantą ar reikalingų variantų sąrašą. Gautą JSON tada galima tikrinti pagal tas šaltinio eilutes, užuot laikius visos svetainės santrauka.
V2 Small pabrėžia išgavimo kokybę sudėtingoms schemoms ir ilgam HTML. Turbo yra atskira versija, optimizuota didesniam puslapių apdorojimo pralaidumui. Abi naudoja dokumentuotą V2 šeimos 128K kontekstą ir griežtą schema valdomą JSON darbo eigą. Konteksto biudžete kartu telpa įvestis ir prašoma išvestis, todėl didelį puslapį sutelkite aplink įrašą, kurio užduočiai iš tikrųjų reikia.
Struktūrizuotas objektas gali palaikyti katalogo duomenų įkėlimą, dokumentų analizę ar įrodymų sluoksnį paieška papildytam atsakymui. Programa gauna šaltinio puslapį, pateikia schemą ir prieš naudojimą patikrina išvestį. Šioje išorinėje darbo eigoje išsaugokite puslapio identifikatorių ar ryšį su šaltiniu. Jei įraše yra skaičių, su šaltiniu palyginkite vienetus ir numatytą interpretaciją.
Atitiktis schemai patvirtina rezultato formą; ji savarankiškai nepatikrina kiekvieno išgauto fakto. Būdingus įrašus peržiūrėkite pagal pradinį HTML ir apibrėžkite prieštaringos ar trūkstamos informacijos tvarkymą. V2 Small lieka atskiru įvardytu leidimu, besiskiriančiu nuo V1 atvirų svorių kontrolinių taškų. Jo dokumentuota sąsaja yra HTML informacijos išgavimas į JSON ir nereiškia vaizdų įvesties, bendro pokalbio, automatinės žiniatinklio prieigos ar natyvios įrankių vykdymo darbo eigos.
", "aboutText": "Schematron V2 Small – tai Inference.net į išgavimo kokybę orientuotas modelis HTML paversti schemą atitinkančiu JSON. Gamintojas jį kuria sudėtingoms schemoms ir ilgiems puslapiams, su kitokia paskirtimi nei į pralaidumą orientuotas V2 Turbo. Jis perskaito HTML ir kvietėjo schemą bei grąžina atitinkamą struktūrizuotą įrašą. Tikslas – išgauti paskesnei programai reikalingus faktus, o ne generuoti platų pokalbio atsakymą.\n\n### Schema kaip užduoties specifikacija\n\nGamintojo vadove teigiama, kad išgavimo instrukcijos turi būti schemoje, o ne sistemos ar naudotojo užklausoje natūralia kalba. Apibrėžkite kiekvienos savybės tipą ir paaiškinkite jos reikšmę lauko apraše. Palaikomi įdėtiniai objektai ir sąrašai. Pavyzdžiui, produkto įrašas gali atskirti produkto identifikatorių nuo rodomo pavadinimo ir specifikacijų reikšmes sugrupuoti atskirame objekte.\n\nSudėtingame puslapyje prieš prašydami išgavimo išspręskite dviprasmes laukų reikšmes. Paaiškinkite, ar data susijusi su paskelbimu, įvykiu ar redagavimu, ir kaip pateikti kelias šaltinio reikšmes. Schemoje taikykite trūkstamos informacijos pateikimo taisyklę, kad modeliui nereikėtų išgalvoti reikšmės vien tam, kad objektas atrodytų pilnas. Gamintojas demonstruoja tipizuotus modelius ir JSON Schema kartu su grąžinto JSON patikra.\n\n### Ilgo dokumento parengimas\n\nRekomenduojamas išankstinis HTML apdorojimas pašalina scenarijus, stilius ir pasikartojančius šabloninius elementus, išlaikydamas svarbų turinį. Gamintojas pataria būti atsargiems: pašalinus per daug galima prarasti išgavimui reikalingą informaciją. Išsaugokite lentelių antraštes, įdėtines žymas ir gretimą tekstą, nustatantį reikšmės prasmę. Apsiribokite susijusia sritimi, kai puslapyje yra nesusijusi navigacija ar pasikartojanti medžiaga.\n\nPavyzdinė užduotis – išgauti techninį įrašą iš produkto puslapio su keliomis konfigūracijų lentelėmis. Įvestis turėtų išsaugoti, kuri lentelė priklauso kuriam variantui, o schema – aprašyti konkretų variantą ar reikalingų variantų sąrašą. Gautą JSON tada galima tikrinti pagal tas šaltinio eilutes, užuot laikius visos svetainės santrauka.\n\n### Small ir Turbo – atskiri pasirinkimai\n\nV2 Small pabrėžia išgavimo kokybę sudėtingoms schemoms ir ilgam HTML. Turbo yra atskira versija, optimizuota didesniam puslapių apdorojimo pralaidumui. Abi naudoja dokumentuotą V2 šeimos 128K kontekstą ir griežtą schema valdomą JSON darbo eigą. Konteksto biudžete kartu telpa įvestis ir prašoma išvestis, todėl didelį puslapį sutelkite aplink įrašą, kurio užduočiai iš tikrųjų reikia.\n\n### Nuo išgavimo iki programos duomenų\n\nStruktūrizuotas objektas gali palaikyti katalogo duomenų įkėlimą, dokumentų analizę ar įrodymų sluoksnį paieška papildytam atsakymui. Programa gauna šaltinio puslapį, pateikia schemą ir prieš naudojimą patikrina išvestį. Šioje išorinėje darbo eigoje išsaugokite puslapio identifikatorių ar ryšį su šaltiniu. Jei įraše yra skaičių, su šaltiniu palyginkite vienetus ir numatytą interpretaciją.\n\nAtitiktis schemai patvirtina rezultato formą; ji savarankiškai nepatikrina kiekvieno išgauto fakto. Būdingus įrašus peržiūrėkite pagal pradinį HTML ir apibrėžkite prieštaringos ar trūkstamos informacijos tvarkymą. V2 Small lieka atskiru įvardytu leidimu, besiskiriančiu nuo V1 atvirų svorių kontrolinių taškų. Jo dokumentuota sąsaja yra HTML informacijos išgavimas į JSON ir nereiškia vaizdų įvesties, bendro pokalbio, automatinės žiniatinklio prieigos ar natyvios įrankių vykdymo darbo eigos.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Extract product variants from HTML\n\nHTML source: <article><h1>Travel Flask</h1><section><h2>Small</h2><p>Capacity: 350 ml</p></section><section><h2>Large</h2><p>Capacity: 600 ml</p></section></article>. Extraction specification for the existing schema-guided workflow: product_name is the article title; variants is a list of objects containing name, capacity_value as an integer and capacity_unit as text. Return only the extracted record; preserve section-to-value associations.A target JSON record with product_name and two variants, each containing name, integer capacity_value and capacity_unit.Validate the returned record against the configured extraction schema and both source sections; do not swap capacities.inference-net/schematron-v2-smallSchematron V2 Small iš pateikto HTML išgauna schemos apibrėžtus faktus į tipizuotą JSON. Tai V2 į kokybę orientuota parinktis sudėtingoms schemoms ir ilgiems puslapiams, su 128K gamintojo kontekstu, įdėtiniais įrašais ir laukų aprašais, nurodančiais grąžintinus duomenis.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Schematron V2 Small – tai Inference.net į išgavimo kokybę orientuotas modelis HTML paversti schemą atitinkančiu JSON. Gamintojas jį kuria sudėtingoms schemoms ir ilgiems puslapiams, su kitokia paskirtimi nei į pralaidumą orientuotas V2 Turbo. Jis perskaito HTML ir kvietėjo schemą bei grąžina atitinkamą struktūrizuotą įrašą. Tikslas – išgauti paskesnei programai reikalingus faktus, o ne generuoti platų pokalbio atsakymą.
Gamintojo vadove teigiama, kad išgavimo instrukcijos turi būti schemoje, o ne sistemos ar naudotojo užklausoje natūralia kalba. Apibrėžkite kiekvienos savybės tipą ir paaiškinkite jos reikšmę lauko apraše. Palaikomi įdėtiniai objektai ir sąrašai. Pavyzdžiui, produkto įrašas gali atskirti produkto identifikatorių nuo rodomo pavadinimo ir specifikacijų reikšmes sugrupuoti atskirame objekte.
Sudėtingame puslapyje prieš prašydami išgavimo išspręskite dviprasmes laukų reikšmes. Paaiškinkite, ar data susijusi su paskelbimu, įvykiu ar redagavimu, ir kaip pateikti kelias šaltinio reikšmes. Schemoje taikykite trūkstamos informacijos pateikimo taisyklę, kad modeliui nereikėtų išgalvoti reikšmės vien tam, kad objektas atrodytų pilnas. Gamintojas demonstruoja tipizuotus modelius ir JSON Schema kartu su grąžinto JSON patikra.
Rekomenduojamas išankstinis HTML apdorojimas pašalina scenarijus, stilius ir pasikartojančius šabloninius elementus, išlaikydamas svarbų turinį. Gamintojas pataria būti atsargiems: pašalinus per daug galima prarasti išgavimui reikalingą informaciją. Išsaugokite lentelių antraštes, įdėtines žymas ir gretimą tekstą, nustatantį reikšmės prasmę. Apsiribokite susijusia sritimi, kai puslapyje yra nesusijusi navigacija ar pasikartojanti medžiaga.
Pavyzdinė užduotis – išgauti techninį įrašą iš produkto puslapio su keliomis konfigūracijų lentelėmis. Įvestis turėtų išsaugoti, kuri lentelė priklauso kuriam variantui, o schema – aprašyti konkretų variantą ar reikalingų variantų sąrašą. Gautą JSON tada galima tikrinti pagal tas šaltinio eilutes, užuot laikius visos svetainės santrauka.
V2 Small pabrėžia išgavimo kokybę sudėtingoms schemoms ir ilgam HTML. Turbo yra atskira versija, optimizuota didesniam puslapių apdorojimo pralaidumui. Abi naudoja dokumentuotą V2 šeimos 128K kontekstą ir griežtą schema valdomą JSON darbo eigą. Konteksto biudžete kartu telpa įvestis ir prašoma išvestis, todėl didelį puslapį sutelkite aplink įrašą, kurio užduočiai iš tikrųjų reikia.
Struktūrizuotas objektas gali palaikyti katalogo duomenų įkėlimą, dokumentų analizę ar įrodymų sluoksnį paieška papildytam atsakymui. Programa gauna šaltinio puslapį, pateikia schemą ir prieš naudojimą patikrina išvestį. Šioje išorinėje darbo eigoje išsaugokite puslapio identifikatorių ar ryšį su šaltiniu. Jei įraše yra skaičių, su šaltiniu palyginkite vienetus ir numatytą interpretaciją.
Atitiktis schemai patvirtina rezultato formą; ji savarankiškai nepatikrina kiekvieno išgauto fakto. Būdingus įrašus peržiūrėkite pagal pradinį HTML ir apibrėžkite prieštaringos ar trūkstamos informacijos tvarkymą. V2 Small lieka atskiru įvardytu leidimu, besiskiriančiu nuo V1 atvirų svorių kontrolinių taškų. Jo dokumentuota sąsaja yra HTML informacijos išgavimas į JSON ir nereiškia vaizdų įvesties, bendro pokalbio, automatinės žiniatinklio prieigos ar natyvios įrankių vykdymo darbo eigos.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos inference-net/schematron-v2-small | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos function Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmodalities | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos text | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options šiame Ultra teksto maršrute atmetamas | Numatyta— |
Laukascache_control.ttl | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: 1h atmetamas tikrosiose užklausų podėlio vietose | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasmaterial_types | Specifikacijatext |
Parametrasmessages | Specifikacijapranešimų masyvas su role/content struktūra |
Parametrasfile_material | Specifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas |
Parametrasoptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrascontrol_scope | Specifikacijapriklauso nuo modelio; naudotojo funkcijų įrankiai skiriasi nuo priglobtų įrankių |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
Gyvavimo ciklas: synchronous_or_streamed
Siųskite tikslų modelio ID kartu su messages.
Konteksto ilgis nėra išvesties limitas.
Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0001 / 1K tokenų Išvestis · Išvesties tokenai $0.00046 / 1K tokenų Įvestis · Talpyklos skaitymas $0.0001 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0001 / 1K tokenų Išvestis · Išvesties tokenai $0.00046 / 1K tokenų Įvestis · Talpyklos skaitymas $0.0001 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inference-net/schematron-v2-small", "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='inference-net/schematron-v2-small',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='inference-net/schematron-v2-small',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra inference-net/schematron-v2-small
Naudokite aukščiau nurodytus metodų kelius.
inference-net/schematron-v2-smallSchematron V2 Small iš pateikto HTML išgauna schemos apibrėžtus faktus į tipizuotą JSON. Tai V2 į kokybę orientuota parinktis sudėtingoms schemoms ir ilgiems puslapiams, su 128K gamintojo kontekstu, įdėtiniais įrašais ir laukų aprašais, nurodančiais grąžintinus duomenis.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Schematron V2 Small – tai Inference.net į išgavimo kokybę orientuotas modelis HTML paversti schemą atitinkančiu JSON. Gamintojas jį kuria sudėtingoms schemoms ir ilgiems puslapiams, su kitokia paskirtimi nei į pralaidumą orientuotas V2 Turbo. Jis perskaito HTML ir kvietėjo schemą bei grąžina atitinkamą struktūrizuotą įrašą. Tikslas – išgauti paskesnei programai reikalingus faktus, o ne generuoti platų pokalbio atsakymą.
Gamintojo vadove teigiama, kad išgavimo instrukcijos turi būti schemoje, o ne sistemos ar naudotojo užklausoje natūralia kalba. Apibrėžkite kiekvienos savybės tipą ir paaiškinkite jos reikšmę lauko apraše. Palaikomi įdėtiniai objektai ir sąrašai. Pavyzdžiui, produkto įrašas gali atskirti produkto identifikatorių nuo rodomo pavadinimo ir specifikacijų reikšmes sugrupuoti atskirame objekte.
Sudėtingame puslapyje prieš prašydami išgavimo išspręskite dviprasmes laukų reikšmes. Paaiškinkite, ar data susijusi su paskelbimu, įvykiu ar redagavimu, ir kaip pateikti kelias šaltinio reikšmes. Schemoje taikykite trūkstamos informacijos pateikimo taisyklę, kad modeliui nereikėtų išgalvoti reikšmės vien tam, kad objektas atrodytų pilnas. Gamintojas demonstruoja tipizuotus modelius ir JSON Schema kartu su grąžinto JSON patikra.
Rekomenduojamas išankstinis HTML apdorojimas pašalina scenarijus, stilius ir pasikartojančius šabloninius elementus, išlaikydamas svarbų turinį. Gamintojas pataria būti atsargiems: pašalinus per daug galima prarasti išgavimui reikalingą informaciją. Išsaugokite lentelių antraštes, įdėtines žymas ir gretimą tekstą, nustatantį reikšmės prasmę. Apsiribokite susijusia sritimi, kai puslapyje yra nesusijusi navigacija ar pasikartojanti medžiaga.
Pavyzdinė užduotis – išgauti techninį įrašą iš produkto puslapio su keliomis konfigūracijų lentelėmis. Įvestis turėtų išsaugoti, kuri lentelė priklauso kuriam variantui, o schema – aprašyti konkretų variantą ar reikalingų variantų sąrašą. Gautą JSON tada galima tikrinti pagal tas šaltinio eilutes, užuot laikius visos svetainės santrauka.
V2 Small pabrėžia išgavimo kokybę sudėtingoms schemoms ir ilgam HTML. Turbo yra atskira versija, optimizuota didesniam puslapių apdorojimo pralaidumui. Abi naudoja dokumentuotą V2 šeimos 128K kontekstą ir griežtą schema valdomą JSON darbo eigą. Konteksto biudžete kartu telpa įvestis ir prašoma išvestis, todėl didelį puslapį sutelkite aplink įrašą, kurio užduočiai iš tikrųjų reikia.
Struktūrizuotas objektas gali palaikyti katalogo duomenų įkėlimą, dokumentų analizę ar įrodymų sluoksnį paieška papildytam atsakymui. Programa gauna šaltinio puslapį, pateikia schemą ir prieš naudojimą patikrina išvestį. Šioje išorinėje darbo eigoje išsaugokite puslapio identifikatorių ar ryšį su šaltiniu. Jei įraše yra skaičių, su šaltiniu palyginkite vienetus ir numatytą interpretaciją.
Atitiktis schemai patvirtina rezultato formą; ji savarankiškai nepatikrina kiekvieno išgauto fakto. Būdingus įrašus peržiūrėkite pagal pradinį HTML ir apibrėžkite prieštaringos ar trūkstamos informacijos tvarkymą. V2 Small lieka atskiru įvardytu leidimu, besiskiriančiu nuo V1 atvirų svorių kontrolinių taškų. Jo dokumentuota sąsaja yra HTML informacijos išgavimas į JSON ir nereiškia vaizdų įvesties, bendro pokalbio, automatinės žiniatinklio prieigos ar natyvios įrankių vykdymo darbo eigos.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos inference-net/schematron-v2-small | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF-8 tekstas
messages[].content eilutė
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijastream |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_or_streamed
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0001 / 1K tokenų Išvestis · Išvesties tokenai $0.00046 / 1K tokenų Įvestis · Talpyklos skaitymas $0.0001 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0001 / 1K tokenų Išvestis · Išvesties tokenai $0.00046 / 1K tokenų Įvestis · Talpyklos skaitymas $0.0001 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "inference-net/schematron-v2-small",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'inference-net/schematron-v2-small', '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': 'inference-net/schematron-v2-small', '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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra inference-net/schematron-v2-small
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
Extract product variants from HTML\n\nHTML source: <article><h1>Travel Flask</h1><section><h2>Small</h2><p>Capacity: 350 ml</p></section><section><h2>Large</h2><p>Capacity: 600 ml</p></section></article>. Extraction specification for the existing schema-guided workflow: product_name is the article title; variants is a list of objects containing name, capacity_value as an integer and capacity_unit as text. Return only the extracted record; preserve section-to-value associations.A target JSON record with product_name and two variants, each containing name, integer capacity_value and capacity_unit.Validate the returned record against the configured extraction schema and both source sections; do not swap capacities.Capacity: 350 ml
Capacity: 600 ml