d1 ialah model keputusan yang dihoskan oleh Liquid AI untuk tugas pengelasan, penghalaan dan penskoran dengan skop terhad. Profil ini meliputi aliran kerja keputusan teksnya: bekalkan bukti sebagai keadaan, takrifkan satu atau lebih soalan dan terima jawapan berangka dengan jenis yang ditetapkan bagi hasil yang diketahui. Liquid menerangkan keputusan ini sebagai penilaian yang terus mengembalikan kebarangkalian, dengan sifar token output terjana. Hasil berguna ialah keputusan yang ditakrifkan bersama ketidakpastiannya, bukannya petikan teks yang baru dikarang.
Berikan teks yang memungkinkan keputusan dibuat, termasuk konteks yang diperlukan untuk mentafsirkannya. Asingkan keadaan daripada arahan yang menerangkan perkara untuk dinilai. Mesej sokongan mungkin memerlukan penerangan produk atau masalah; petikan dokumen mungkin memerlukan soalan carian pengguna. Takrifkan set jawapan sebelum mengajukan soalan dan berikan makna kepada setiap pilihan yang sesuai dengan aliran kerja sasaran. Label pendek boleh menjadi kunci output stabil, manakala penerangan menjelaskan sempadan antaranya.
Gunakan soalan bernama pada keadaan yang dikongsi. Nama jelas seperti intent, urgency atau relevant memastikan output dikaitkan dengan keputusan yang diwakilinya. Contohnya, mesej yang melaporkan halaman gagal boleh menyokong pilihan niat, rubrik kesegeraan dan semakan ya/tidak bagi kecacatan yang dilaporkan. Setiap soalan perlu mengekalkan kriterianya sendiri, bukannya menggabungkan ketiga-tiga pertimbangan menjadi satu label kabur.
Soalan choice memilih satu label daripada set tanpa tertib dan mengembalikan taburan merentas pilihan bernama. Takrifkan pilihan melalui penerangan kriteria; hasil merangkumi pilihan terpilih, kebarangkalian dan confidence. Untuk penyusunan dokumen, takrifkan folder atau subjek yang mungkin serta nyatakan kandungan yang tergolong dalam setiap satunya. Untuk penghalaan permintaan, terangkan destinasi yang benar-benar wujud. Aplikasi boleh menggunakan label hasil untuk memilih langkah seterusnya sambil mengekalkan kebarangkalian yang bersaing untuk semakan.
Contoh tugas pemfailan boleh memisahkan soalan produk, masalah integrasi dan masalah akses, dengan pilihan other untuk bahan di luar takrif tersebut. Jadikan sempadannya konkrit: mesej tentang kegagalan pengesahan berbeza daripada mesej yang bertanya cara mengkonfigurasi ciri. Label yang dikembalikan memilih antara makna yang diberikan; ia tidak mencipta destinasi yang tiada atau melaksanakan perubahan dalam sistem lain.
Soalan noul mengembalikan kebarangkalian dari 0 hingga 1 bahawa syarat ya/tidak yang ditakrifkan berlaku. Liquid menunjukkan semakan binari untuk semakan kandungan dan kerelevanan petikan. Nyatakan syarat dengan tepat dan pilih cara kebarangkalian hasil akan digunakan: tandakan padanan yang berkemungkinan, tapis petikan atau hantar kes tidak pasti untuk semakan. Ambang ditentukan oleh tugas yang menggunakan hasil, dan kebarangkalian tidak patut dianggap sebagai keputusan fakta yang terjamin.
Untuk penapisan kerelevanan, berikan pertanyaan dan petikan calon. Tanya sama ada petikan itu membantu menjawab pertanyaan, kemudian simpan petikan asal bersama kebarangkaliannya. Ini boleh menyokong pemilihan bahan sumber untuk jawapan kemudian tanpa meminta d1 mengarang jawapan itu sendiri. Jika kerelevanan memerlukan beberapa darjah dan bukan syarat ya/tidak, takrifkan rubrik bertertib dan gunakan soalan score.
Soalan score meletakkan keadaan pada rubrik dengan tahap bertertib yang diterangkan. Indeks tahap bermula pada 0 dan skornya ialah kedudukan berwajaran kebarangkalian yang boleh berada di antara tahap. Hasil juga merangkumi taburan tahap dan confidence. Untuk kesegeraan, takrifkan perbezaan antara masalah tanpa kesan segera, kesulitan bermakna dan tugas tersekat. Oleh itu, rubrik empat tahap mempunyai indeks 0 hingga 3; skor jangkaannya tidak secara automatik menjadi kategori bernombor 1 hingga 4.
Gunakan skor pecahan untuk penyusunan atau pengagregatan apabila itulah hasil yang dimaksudkan, dan simpan taburan penuh apabila kekaburan penting. Kategori seperti jabatan tidak mempunyai tertib semula jadi dan sesuai digunakan dalam soalan choice. Confidence merumuskan sejauh mana jawapan yang dilaporkan itu jelas dalam antara muka yang didokumenkan; ia perlu kekal berbeza daripada skor yang dikehendaki tugas dan daripada andaian jaminan bahawa keputusan itu betul.
Beberapa soalan boleh menilai keadaan yang sama dalam satu panggilan pengeluar, masing-masing mengekalkan jenis dan kebarangkaliannya. Contoh teks Liquid merangkumi penapisan tiket sokongan, pemfailan dokumen mengikut taksonomi folder, pemilihan laluan carian kod, pemilihan antara tindakan ejen yang tersedia dan keputusan tentang bahan output alat yang perlu dikekalkan. Semua aliran kerja ini mempunyai keputusan seterusnya yang terhad. Langkah carian kod boleh memilih folder yang menjanjikan daripada penerangannya; langkah pemilihan kandungan boleh memilih keep, trim atau drop untuk bahan yang diberikan. Aplikasi di sekelilingnya tetap mendapatkan data sumber dan melaksanakan operasi terpilih.
Primitif yang didokumenkan sesuai untuk hasil yang diketahui, penarafan rubrik dan semakan syarat. Prosa baharu, ringkasan, kod dan perbualan terbuka memerlukan aliran kerja penjanaan dan tidak tersirat daripada hasil keputusan d1. Sediakan soalan berdasarkan bukti yang boleh diperhatikan dan simpan takrif soalan itu bersama output supaya label atau skor dapat ditafsirkan kemudian.
Fokuskan setiap keadaan pada bukti yang menjawab soalan yang ditakrifkan, dan asingkan tugas keputusan yang tidak berkaitan supaya kriterianya kekal jelas. Pastikan bahan sumber relevan, takrifkan makna pilihan sandaran untuk liputan kategori yang tidak lengkap dan nilai ambang kebarangkalian menggunakan contoh berlabel daripada tugas. Artifak berguna merekodkan kategori terpilih atau skor jangkaan bersama taburannya, identiti soalan dan bukti asal.
", "aboutText": "d1 ialah model keputusan yang dihoskan oleh Liquid AI untuk tugas pengelasan, penghalaan dan penskoran dengan skop terhad. Profil ini meliputi aliran kerja keputusan teksnya: bekalkan bukti sebagai keadaan, takrifkan satu atau lebih soalan dan terima jawapan berangka dengan jenis yang ditetapkan bagi hasil yang diketahui. Liquid menerangkan keputusan ini sebagai penilaian yang terus mengembalikan kebarangkalian, dengan sifar token output terjana. Hasil berguna ialah keputusan yang ditakrifkan bersama ketidakpastiannya, bukannya petikan teks yang baru dikarang.\n\n### Sediakan bukti bersama soalan\n\nBerikan teks yang memungkinkan keputusan dibuat, termasuk konteks yang diperlukan untuk mentafsirkannya. Asingkan keadaan daripada arahan yang menerangkan perkara untuk dinilai. Mesej sokongan mungkin memerlukan penerangan produk atau masalah; petikan dokumen mungkin memerlukan soalan carian pengguna. Takrifkan set jawapan sebelum mengajukan soalan dan berikan makna kepada setiap pilihan yang sesuai dengan aliran kerja sasaran. Label pendek boleh menjadi kunci output stabil, manakala penerangan menjelaskan sempadan antaranya.\n\nGunakan soalan bernama pada keadaan yang dikongsi. Nama jelas seperti intent, urgency atau relevant memastikan output dikaitkan dengan keputusan yang diwakilinya. Contohnya, mesej yang melaporkan halaman gagal boleh menyokong pilihan niat, rubrik kesegeraan dan semakan ya/tidak bagi kecacatan yang dilaporkan. Setiap soalan perlu mengekalkan kriterianya sendiri, bukannya menggabungkan ketiga-tiga pertimbangan menjadi satu label kabur.\n\n### Choice untuk kategori dan penghalaan\n\nSoalan choice memilih satu label daripada set tanpa tertib dan mengembalikan taburan merentas pilihan bernama. Takrifkan pilihan melalui penerangan kriteria; hasil merangkumi pilihan terpilih, kebarangkalian dan confidence. Untuk penyusunan dokumen, takrifkan folder atau subjek yang mungkin serta nyatakan kandungan yang tergolong dalam setiap satunya. Untuk penghalaan permintaan, terangkan destinasi yang benar-benar wujud. Aplikasi boleh menggunakan label hasil untuk memilih langkah seterusnya sambil mengekalkan kebarangkalian yang bersaing untuk semakan.\n\nContoh tugas pemfailan boleh memisahkan soalan produk, masalah integrasi dan masalah akses, dengan pilihan other untuk bahan di luar takrif tersebut. Jadikan sempadannya konkrit: mesej tentang kegagalan pengesahan berbeza daripada mesej yang bertanya cara mengkonfigurasi ciri. Label yang dikembalikan memilih antara makna yang diberikan; ia tidak mencipta destinasi yang tiada atau melaksanakan perubahan dalam sistem lain.\n\n### Noul untuk semakan syarat dan kerelevanan\n\nSoalan noul mengembalikan kebarangkalian dari 0 hingga 1 bahawa syarat ya/tidak yang ditakrifkan berlaku. Liquid menunjukkan semakan binari untuk semakan kandungan dan kerelevanan petikan. Nyatakan syarat dengan tepat dan pilih cara kebarangkalian hasil akan digunakan: tandakan padanan yang berkemungkinan, tapis petikan atau hantar kes tidak pasti untuk semakan. Ambang ditentukan oleh tugas yang menggunakan hasil, dan kebarangkalian tidak patut dianggap sebagai keputusan fakta yang terjamin.\n\nUntuk penapisan kerelevanan, berikan pertanyaan dan petikan calon. Tanya sama ada petikan itu membantu menjawab pertanyaan, kemudian simpan petikan asal bersama kebarangkaliannya. Ini boleh menyokong pemilihan bahan sumber untuk jawapan kemudian tanpa meminta d1 mengarang jawapan itu sendiri. Jika kerelevanan memerlukan beberapa darjah dan bukan syarat ya/tidak, takrifkan rubrik bertertib dan gunakan soalan score.\n\n### Score untuk tahap bertertib\n\nSoalan score meletakkan keadaan pada rubrik dengan tahap bertertib yang diterangkan. Indeks tahap bermula pada 0 dan skornya ialah kedudukan berwajaran kebarangkalian yang boleh berada di antara tahap. Hasil juga merangkumi taburan tahap dan confidence. Untuk kesegeraan, takrifkan perbezaan antara masalah tanpa kesan segera, kesulitan bermakna dan tugas tersekat. Oleh itu, rubrik empat tahap mempunyai indeks 0 hingga 3; skor jangkaannya tidak secara automatik menjadi kategori bernombor 1 hingga 4.\n\nGunakan skor pecahan untuk penyusunan atau pengagregatan apabila itulah hasil yang dimaksudkan, dan simpan taburan penuh apabila kekaburan penting. Kategori seperti jabatan tidak mempunyai tertib semula jadi dan sesuai digunakan dalam soalan choice. Confidence merumuskan sejauh mana jawapan yang dilaporkan itu jelas dalam antara muka yang didokumenkan; ia perlu kekal berbeza daripada skor yang dikehendaki tugas dan daripada andaian jaminan bahawa keputusan itu betul.\n\n### Beberapa soalan dan aplikasi pengeluar\n\nBeberapa soalan boleh menilai keadaan yang sama dalam satu panggilan pengeluar, masing-masing mengekalkan jenis dan kebarangkaliannya. Contoh teks Liquid merangkumi penapisan tiket sokongan, pemfailan dokumen mengikut taksonomi folder, pemilihan laluan carian kod, pemilihan antara tindakan ejen yang tersedia dan keputusan tentang bahan output alat yang perlu dikekalkan. Semua aliran kerja ini mempunyai keputusan seterusnya yang terhad. Langkah carian kod boleh memilih folder yang menjanjikan daripada penerangannya; langkah pemilihan kandungan boleh memilih keep, trim atau drop untuk bahan yang diberikan. Aplikasi di sekelilingnya tetap mendapatkan data sumber dan melaksanakan operasi terpilih.\n\n### Skop dan artifak keputusan yang berguna\n\nPrimitif yang didokumenkan sesuai untuk hasil yang diketahui, penarafan rubrik dan semakan syarat. Prosa baharu, ringkasan, kod dan perbualan terbuka memerlukan aliran kerja penjanaan dan tidak tersirat daripada hasil keputusan d1. Sediakan soalan berdasarkan bukti yang boleh diperhatikan dan simpan takrif soalan itu bersama output supaya label atau skor dapat ditafsirkan kemudian.\n\nFokuskan setiap keadaan pada bukti yang menjawab soalan yang ditakrifkan, dan asingkan tugas keputusan yang tidak berkaitan supaya kriterianya kekal jelas. Pastikan bahan sumber relevan, takrifkan makna pilihan sandaran untuk liputan kategori yang tidak lengkap dan nilai ambang kebarangkalian menggunakan contoh berlabel daripada tugas. Artifak berguna merekodkan kategori terpilih atau skor jangkaan bersama taburannya, identiti soalan dan bukti asal.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "5323a0425c4c51853ce74cd37d5fa8f8acc296d8fa3fbf282fac5ba2c9852915", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "liquid/d1Aliran kerja keputusan teks d1 Liquid AI menilai bukti yang diberikan berdasarkan hasil tetap dan mengembalikan kebarangkalian, pilihan kategori atau skor rubrik. Ia menyokong pengelasan, penghalaan, penapisan kerelevanan dan penentuan keutamaan tanpa menjana jawapan bertulis.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
d1 ialah model keputusan yang dihoskan oleh Liquid AI untuk tugas pengelasan, penghalaan dan penskoran dengan skop terhad. Profil ini meliputi aliran kerja keputusan teksnya: bekalkan bukti sebagai keadaan, takrifkan satu atau lebih soalan dan terima jawapan berangka dengan jenis yang ditetapkan bagi hasil yang diketahui. Liquid menerangkan keputusan ini sebagai penilaian yang terus mengembalikan kebarangkalian, dengan sifar token output terjana. Hasil berguna ialah keputusan yang ditakrifkan bersama ketidakpastiannya, bukannya petikan teks yang baru dikarang.
Berikan teks yang memungkinkan keputusan dibuat, termasuk konteks yang diperlukan untuk mentafsirkannya. Asingkan keadaan daripada arahan yang menerangkan perkara untuk dinilai. Mesej sokongan mungkin memerlukan penerangan produk atau masalah; petikan dokumen mungkin memerlukan soalan carian pengguna. Takrifkan set jawapan sebelum mengajukan soalan dan berikan makna kepada setiap pilihan yang sesuai dengan aliran kerja sasaran. Label pendek boleh menjadi kunci output stabil, manakala penerangan menjelaskan sempadan antaranya.
Gunakan soalan bernama pada keadaan yang dikongsi. Nama jelas seperti intent, urgency atau relevant memastikan output dikaitkan dengan keputusan yang diwakilinya. Contohnya, mesej yang melaporkan halaman gagal boleh menyokong pilihan niat, rubrik kesegeraan dan semakan ya/tidak bagi kecacatan yang dilaporkan. Setiap soalan perlu mengekalkan kriterianya sendiri, bukannya menggabungkan ketiga-tiga pertimbangan menjadi satu label kabur.
Soalan choice memilih satu label daripada set tanpa tertib dan mengembalikan taburan merentas pilihan bernama. Takrifkan pilihan melalui penerangan kriteria; hasil merangkumi pilihan terpilih, kebarangkalian dan confidence. Untuk penyusunan dokumen, takrifkan folder atau subjek yang mungkin serta nyatakan kandungan yang tergolong dalam setiap satunya. Untuk penghalaan permintaan, terangkan destinasi yang benar-benar wujud. Aplikasi boleh menggunakan label hasil untuk memilih langkah seterusnya sambil mengekalkan kebarangkalian yang bersaing untuk semakan.
Contoh tugas pemfailan boleh memisahkan soalan produk, masalah integrasi dan masalah akses, dengan pilihan other untuk bahan di luar takrif tersebut. Jadikan sempadannya konkrit: mesej tentang kegagalan pengesahan berbeza daripada mesej yang bertanya cara mengkonfigurasi ciri. Label yang dikembalikan memilih antara makna yang diberikan; ia tidak mencipta destinasi yang tiada atau melaksanakan perubahan dalam sistem lain.
Soalan noul mengembalikan kebarangkalian dari 0 hingga 1 bahawa syarat ya/tidak yang ditakrifkan berlaku. Liquid menunjukkan semakan binari untuk semakan kandungan dan kerelevanan petikan. Nyatakan syarat dengan tepat dan pilih cara kebarangkalian hasil akan digunakan: tandakan padanan yang berkemungkinan, tapis petikan atau hantar kes tidak pasti untuk semakan. Ambang ditentukan oleh tugas yang menggunakan hasil, dan kebarangkalian tidak patut dianggap sebagai keputusan fakta yang terjamin.
Untuk penapisan kerelevanan, berikan pertanyaan dan petikan calon. Tanya sama ada petikan itu membantu menjawab pertanyaan, kemudian simpan petikan asal bersama kebarangkaliannya. Ini boleh menyokong pemilihan bahan sumber untuk jawapan kemudian tanpa meminta d1 mengarang jawapan itu sendiri. Jika kerelevanan memerlukan beberapa darjah dan bukan syarat ya/tidak, takrifkan rubrik bertertib dan gunakan soalan score.
Soalan score meletakkan keadaan pada rubrik dengan tahap bertertib yang diterangkan. Indeks tahap bermula pada 0 dan skornya ialah kedudukan berwajaran kebarangkalian yang boleh berada di antara tahap. Hasil juga merangkumi taburan tahap dan confidence. Untuk kesegeraan, takrifkan perbezaan antara masalah tanpa kesan segera, kesulitan bermakna dan tugas tersekat. Oleh itu, rubrik empat tahap mempunyai indeks 0 hingga 3; skor jangkaannya tidak secara automatik menjadi kategori bernombor 1 hingga 4.
Gunakan skor pecahan untuk penyusunan atau pengagregatan apabila itulah hasil yang dimaksudkan, dan simpan taburan penuh apabila kekaburan penting. Kategori seperti jabatan tidak mempunyai tertib semula jadi dan sesuai digunakan dalam soalan choice. Confidence merumuskan sejauh mana jawapan yang dilaporkan itu jelas dalam antara muka yang didokumenkan; ia perlu kekal berbeza daripada skor yang dikehendaki tugas dan daripada andaian jaminan bahawa keputusan itu betul.
Beberapa soalan boleh menilai keadaan yang sama dalam satu panggilan pengeluar, masing-masing mengekalkan jenis dan kebarangkaliannya. Contoh teks Liquid merangkumi penapisan tiket sokongan, pemfailan dokumen mengikut taksonomi folder, pemilihan laluan carian kod, pemilihan antara tindakan ejen yang tersedia dan keputusan tentang bahan output alat yang perlu dikekalkan. Semua aliran kerja ini mempunyai keputusan seterusnya yang terhad. Langkah carian kod boleh memilih folder yang menjanjikan daripada penerangannya; langkah pemilihan kandungan boleh memilih keep, trim atau drop untuk bahan yang diberikan. Aplikasi di sekelilingnya tetap mendapatkan data sumber dan melaksanakan operasi terpilih.
Primitif yang didokumenkan sesuai untuk hasil yang diketahui, penarafan rubrik dan semakan syarat. Prosa baharu, ringkasan, kod dan perbualan terbuka memerlukan aliran kerja penjanaan dan tidak tersirat daripada hasil keputusan d1. Sediakan soalan berdasarkan bukti yang boleh diperhatikan dan simpan takrif soalan itu bersama output supaya label atau skor dapat ditafsirkan kemudian.
Fokuskan setiap keadaan pada bukti yang menjawab soalan yang ditakrifkan, dan asingkan tugas keputusan yang tidak berkaitan supaya kriterianya kekal jelas. Pastikan bahan sumber relevan, takrifkan makna pilihan sandaran untuk liputan kategori yang tidak lengkap dan nilai ambang kebarangkalian menggunakan contoh berlabel daripada tugas. Artifak berguna merekodkan kategori terpilih atau skor jangkaan bersama taburannya, identiti soalan dan bukti asal.
POST /v1/systemonetextdecisions| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had liquid/d1 | Lalai— |
Medanprovider | Jenisschema | KeperluanPilihan | Nilai & had | Lalai— |
Medanquestions | Jenisobject | KeperluanDiperlukan | Nilai & had | Lalai— |
Medansession_id | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanstate | Jenisschema | KeperluanDiperlukan | Nilai & had | Lalai— |
Medantrace | Jenisschema | KeperluanPilihan | Nilai & had | Lalai— |
Medanuser | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanquestions.<id>.type | Jenisstring | KeperluanDiperlukan | Nilai & had noul, choice, score | Lalai— |
Medanquestions.<id>.instructions | Jenisstring|object|array | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanquestions.<id>.criteria | Jenisobject|array | KeperluanPilihan | Nilai & had Syarat: choice/score: wajib; noul: pilihan. Kriteria choice ialah objek; score ialah tatasusunan dengan minItems1. | Lalai— |
Medanquestions.<id>.criteria.true | Jenisstring|object|array | KeperluanDiperlukan | Nilai & had Terpakai apabila: Objek kriteria noul dibekalkan | Lalai— |
Medanquestions.<id>.criteria.false | Jenisstring|object|array | KeperluanDiperlukan | Nilai & had Terpakai apabila: Objek kriteria noul dibekalkan | Lalai— |
noul · Diperlukan: state, questions.<id>.type=noul, questions.<id>.instructions
choice · Diperlukan: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Diperlukan: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, state, questions |
Parametermaterial_types | Kontraktext |
Parameteroptional_controls | Kontrakprovider, session_id, trace, user |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous
Hantar ID model yang tepat dan simpan respons natif yang lengkap.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00008 / 1K token Output · Token output $0 / 1K token Input · Bacaan cache $0.00008 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00008 / 1K token Output · Token output $0 / 1K token Input · Bacaan cache $0.00008 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "liquid/d1",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${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
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Setiap jawapan bagi ID soalan yang diberikan dikekalkan berserta jenis tepatnya, nilai noul/choice/score, keyakinan, kebarangkalian dan petunjuk. Keseluruhan JSON asal disimpan dan hanya dikembalikan selepas penyelesaian caj.
Simpan operasi asal dan balasan penuh/separa; jangan ulang POST.
| Medan | Jenis |
|---|---|
Medanmodel | Jenisstring |
Medanid | Jenisstring |
Medanprovider | Jenisstring |
Medananswers.<id>.type | Jenisstring |
Medananswers.<id>.noul | Jenisnumber |
Medananswers.<id>.choice | Jenisstring |
Medananswers.<id>.score | Jenisnumber |
Medananswers.<id>.confidence | Jenisnumber |
Medananswers.<id>.probabilities | Jenisobject |
Medananswers.<id>.legend | Jenisobject |
Medanusage.input_tokens | Jenisinteger |
Medanusage.output_tokens | Jenisinteger |
Medanusage.cost | Jenisnumber |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, bentuk perwakilan atau nilai tidak sah | Langkah seterusnyaBetulkan medan permintaan yang dinyatakan. |
Ailoot Ultra liquid/d1
Gunakan laluan kaedah yang dipaparkan di atas.