Drex 1.5 ialah model keputusan teks Nace.AI. Ia menilai fakta yang diberikan berdasarkan soalan tertutup dan mengembalikan jawapan berangka dengan jenis yang ditetapkan, bukannya respons bertulis terbuka. Permintaan menggabungkan satu keadaan dengan soalan bernama, dan hasil mengenal pasti setiap jawapan menggunakan nama soalan yang sama. Ini memberikan kategori, kebarangkalian atau kedudukan rubrik yang konkrit untuk digunakan aliran kerja, sambil menyerahkan tindakan susulan terhadap hasil itu kepada aplikasi.
Keadaan ialah maklumat yang menjadi perkara pokok setiap soalan. Drex menerima rentetan JSON, objek, tatasusunan, nombor, boolean atau null, dengan medan state diwajibkan. Berikan bukti bermakna walaupun null melepasi pengesahan pengeluar. Rentetan sesuai untuk mesej, dokumen atau transkrip; objek sesuai untuk fakta yang sudah disusun dalam medan. Kekalkan maklumat yang mempengaruhi keputusan dan tinggalkan medan tidak berkaitan apabila bahan panjang. Pastikan format input stabil ketika mentafsir ambang kebarangkalian kerana perubahan perwakilan boleh mengubah jawapan.
Drex 1.5 membaca teks sahaja. Antara muka yang didokumenkan menolak imej, audio, video dan kandungan PDF dalam keadaan atau soalan, termasuk media terenkod dan objek kandungan media. Sediakan kapsyen, teks dokumen hasil pengecaman atau transkrip sebelum menggunakan bahan itu sebagai bukti. Alamat dalam bentuk teks bukan dokumen atau imej yang telah diambil: model tidak dapat membukanya. Untuk permintaan sokongan, keadaan berguna ialah mesej sebenar dan konteks berkaitan, bukan rujukan kepada bahan yang belum diterima model.
Soalan noul menanyakan sama ada suatu keadaan berlaku dan mengembalikan nombor dari 0 hingga 1 yang mewakili anggaran kebarangkalian ya. Takrifkan soalan melalui arahan tidak kosong atau sekurang-kurangnya satu kriteria true/false yang tidak kosong. Contohnya, tanya sama ada mesej melaporkan ciri rosak dan takrifkan sama ada tingkah laku perlahan dikira sebagai rosak. Drex tidak mengenakan ambang ya/tidak terbina dalam; aliran kerja yang menggunakan hasil memilih cara mentafsir kebarangkalian itu.
Soalan choice memilih satu label yang diberikan daripada set tanpa tertib dan mengembalikan kebarangkalian bagi setiap label. Kriteria ialah objek dengan kunci yang menjadi label hasil, dan setiap penerangan berupa rentetan atau null. Gunakan kunci pendek dan stabil serta terangkan sempadan kategori dengan jelas. Contoh tugas penghalaan boleh membezakan masalah akses, kecacatan produk dan soalan umum, dengan kategori other untuk mesej yang tidak sesuai. Label terpilih berguna untuk penghalaan; taburan membantu mengenal pasti kes yang dua pilihannya masih sukar dipisahkan.
Soalan score menggunakan tatasusunan bertertib bagi label tahap. Indeks bermula pada 0 dan skor yang dikembalikan ialah jumlah hasil darab indeks setiap tahap dengan kebarangkaliannya. Oleh itu, skor boleh berada di antara tahap bernama. Untuk skala keparahan, takrifkan perbezaan antara masalah kosmetik, masalah dengan penyelesaian sementara dan tugas yang tersekat sepenuhnya. Hasil merangkumi petunjuk tahap dan kebarangkalian serta skor jangkaan. Kekalkan skor pecahan untuk purata atau trend; memilih tahap paling berkemungkinan dan membulatkan skor jangkaan menjawab soalan yang berbeza.
Pengeluar membenarkan satu hingga 512 soalan tentang keadaan yang sama. Berikan setiap satunya pengecam bermakna yang tidak kosong, seperti category atau severity, supaya jawapan berkaitan boleh difahami tanpa perlu mencari soalan bernombor. Pisahkan perkara bebas kepada soalan sendiri, bukannya menggabungkan beberapa keperluan menjadi satu kriteria kabur. Satu mesej boleh menyokong pilihan kategori, skor keparahan dan semakan syarat, masing-masing mengekalkan maknanya sendiri.
Jawapan choice dan score menyertakan confidence secara berasingan daripada taburan kebarangkalian. Pengeluar secara jelas membezakan confidence daripada kebarangkalian pilihan tertinggi; jangan mengira salah satunya daripada yang lain. Untuk keputusan ya/tidak, kekalkan kebarangkalian mentah bersama hasil yang dipilih. Bagi pilihan tidak pasti, periksa kebarangkalian yang bersaing dan jangan menganggap label pemenang sahaja sebagai bukti kepastian. Takrifkan ambang semakan berdasarkan akibat hasil positif atau negatif yang salah dan gunakan kes berlabel yang mewakili tugas untuk menilainya.
Drex 1.5 mendokumenkan peruntukan keadaan 131,072 token dan peruntukan baris 139,264 token. Peruntukan baris meliputi keadaan bersama satu soalan terpanjang, termasuk arahan dan pilihannya; ia bukan jumlah setiap soalan dalam permintaan. Keadaan dan soalan yang disirikan bersama-sama juga mesti muat dalam 1,048,576 bait UTF-8. Permintaan boleh mematuhi had bait tetapi masih melebihi had token. Edisi 1.0 terdahulu secara berasingan menyenaraikan 32,768 token untuk keadaan dan baris, maka had itu tidak patut dibawa ke 1.5.
Nace mendokumenkan drex-v1.5 sebagai pengecam pengeluar berversi, manakala drex-latest ialah alias yang boleh berubah. Nyatakan edisi sasaran dengan jelas apabila aliran kerja bergantung pada hadnya. Soalan cacat bentuk, keadaan yang tiada atau input terlalu besar ialah masalah pengesahan yang memerlukan pembetulan input, bukannya perubahan kategori atau jawapan tekaan. Sediakan kriteria berdasarkan bukti yang boleh diperhatikan dan simpan hasil berjenis, fakta asal serta takrif soalan bersama-sama. Ini menjadikan keputusan berguna untuk penghalaan, penentuan keutamaan atau semakan tanpa tersilap menganggap kebarangkalian sebagai keputusan yang terjamin.
", "aboutText": "Drex 1.5 ialah model keputusan teks Nace.AI. Ia menilai fakta yang diberikan berdasarkan soalan tertutup dan mengembalikan jawapan berangka dengan jenis yang ditetapkan, bukannya respons bertulis terbuka. Permintaan menggabungkan satu keadaan dengan soalan bernama, dan hasil mengenal pasti setiap jawapan menggunakan nama soalan yang sama. Ini memberikan kategori, kebarangkalian atau kedudukan rubrik yang konkrit untuk digunakan aliran kerja, sambil menyerahkan tindakan susulan terhadap hasil itu kepada aplikasi.\n\n### Menyediakan keadaan\n\nKeadaan ialah maklumat yang menjadi perkara pokok setiap soalan. Drex menerima rentetan JSON, objek, tatasusunan, nombor, boolean atau null, dengan medan state diwajibkan. Berikan bukti bermakna walaupun null melepasi pengesahan pengeluar. Rentetan sesuai untuk mesej, dokumen atau transkrip; objek sesuai untuk fakta yang sudah disusun dalam medan. Kekalkan maklumat yang mempengaruhi keputusan dan tinggalkan medan tidak berkaitan apabila bahan panjang. Pastikan format input stabil ketika mentafsir ambang kebarangkalian kerana perubahan perwakilan boleh mengubah jawapan.\n\nDrex 1.5 membaca teks sahaja. Antara muka yang didokumenkan menolak imej, audio, video dan kandungan PDF dalam keadaan atau soalan, termasuk media terenkod dan objek kandungan media. Sediakan kapsyen, teks dokumen hasil pengecaman atau transkrip sebelum menggunakan bahan itu sebagai bukti. Alamat dalam bentuk teks bukan dokumen atau imej yang telah diambil: model tidak dapat membukanya. Untuk permintaan sokongan, keadaan berguna ialah mesej sebenar dan konteks berkaitan, bukan rujukan kepada bahan yang belum diterima model.\n\n### Kebarangkalian ya/tidak, pilihan atau skor\n\nSoalan noul menanyakan sama ada suatu keadaan berlaku dan mengembalikan nombor dari 0 hingga 1 yang mewakili anggaran kebarangkalian ya. Takrifkan soalan melalui arahan tidak kosong atau sekurang-kurangnya satu kriteria true/false yang tidak kosong. Contohnya, tanya sama ada mesej melaporkan ciri rosak dan takrifkan sama ada tingkah laku perlahan dikira sebagai rosak. Drex tidak mengenakan ambang ya/tidak terbina dalam; aliran kerja yang menggunakan hasil memilih cara mentafsir kebarangkalian itu.\n\nSoalan choice memilih satu label yang diberikan daripada set tanpa tertib dan mengembalikan kebarangkalian bagi setiap label. Kriteria ialah objek dengan kunci yang menjadi label hasil, dan setiap penerangan berupa rentetan atau null. Gunakan kunci pendek dan stabil serta terangkan sempadan kategori dengan jelas. Contoh tugas penghalaan boleh membezakan masalah akses, kecacatan produk dan soalan umum, dengan kategori other untuk mesej yang tidak sesuai. Label terpilih berguna untuk penghalaan; taburan membantu mengenal pasti kes yang dua pilihannya masih sukar dipisahkan.\n\nSoalan score menggunakan tatasusunan bertertib bagi label tahap. Indeks bermula pada 0 dan skor yang dikembalikan ialah jumlah hasil darab indeks setiap tahap dengan kebarangkaliannya. Oleh itu, skor boleh berada di antara tahap bernama. Untuk skala keparahan, takrifkan perbezaan antara masalah kosmetik, masalah dengan penyelesaian sementara dan tugas yang tersekat sepenuhnya. Hasil merangkumi petunjuk tahap dan kebarangkalian serta skor jangkaan. Kekalkan skor pecahan untuk purata atau trend; memilih tahap paling berkemungkinan dan membulatkan skor jangkaan menjawab soalan yang berbeza.\n\n### Bukti bersama dan pembacaan hasil\n\nPengeluar membenarkan satu hingga 512 soalan tentang keadaan yang sama. Berikan setiap satunya pengecam bermakna yang tidak kosong, seperti category atau severity, supaya jawapan berkaitan boleh difahami tanpa perlu mencari soalan bernombor. Pisahkan perkara bebas kepada soalan sendiri, bukannya menggabungkan beberapa keperluan menjadi satu kriteria kabur. Satu mesej boleh menyokong pilihan kategori, skor keparahan dan semakan syarat, masing-masing mengekalkan maknanya sendiri.\n\nJawapan choice dan score menyertakan confidence secara berasingan daripada taburan kebarangkalian. Pengeluar secara jelas membezakan confidence daripada kebarangkalian pilihan tertinggi; jangan mengira salah satunya daripada yang lain. Untuk keputusan ya/tidak, kekalkan kebarangkalian mentah bersama hasil yang dipilih. Bagi pilihan tidak pasti, periksa kebarangkalian yang bersaing dan jangan menganggap label pemenang sahaja sebagai bukti kepastian. Takrifkan ambang semakan berdasarkan akibat hasil positif atau negatif yang salah dan gunakan kes berlabel yang mewakili tugas untuk menilainya.\n\n### Had versi dan saiz\n\nDrex 1.5 mendokumenkan peruntukan keadaan 131,072 token dan peruntukan baris 139,264 token. Peruntukan baris meliputi keadaan bersama satu soalan terpanjang, termasuk arahan dan pilihannya; ia bukan jumlah setiap soalan dalam permintaan. Keadaan dan soalan yang disirikan bersama-sama juga mesti muat dalam 1,048,576 bait UTF-8. Permintaan boleh mematuhi had bait tetapi masih melebihi had token. Edisi 1.0 terdahulu secara berasingan menyenaraikan 32,768 token untuk keadaan dan baris, maka had itu tidak patut dibawa ke 1.5.\n\nNace mendokumenkan drex-v1.5 sebagai pengecam pengeluar berversi, manakala drex-latest ialah alias yang boleh berubah. Nyatakan edisi sasaran dengan jelas apabila aliran kerja bergantung pada hadnya. Soalan cacat bentuk, keadaan yang tiada atau input terlalu besar ialah masalah pengesahan yang memerlukan pembetulan input, bukannya perubahan kategori atau jawapan tekaan. Sediakan kriteria berdasarkan bukti yang boleh diperhatikan dan simpan hasil berjenis, fakta asal serta takrif soalan bersama-sama. Ini menjadikan keputusan berguna untuk penghalaan, penentuan keutamaan atau semakan tanpa tersilap menganggap kebarangkalian sebagai keputusan yang terjamin.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "869b89ec0291e2ab34423b09ac1513342b5784fc8a71d0f116d25d60da05ffe2", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "nace-ai/drex-v1.5Drex 1.5 menilai teks atau JSON yang diberikan berdasarkan soalan berjenis dan mengembalikan kebarangkalian, label terpilih atau skor rubrik pecahan. Nace.AI mendokumenkan keputusan berasaskan teks sahaja untuk pengelasan, penghalaan dan penentuan keutamaan, dengan had keadaan dan permintaan khusus versi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Drex 1.5 ialah model keputusan teks Nace.AI. Ia menilai fakta yang diberikan berdasarkan soalan tertutup dan mengembalikan jawapan berangka dengan jenis yang ditetapkan, bukannya respons bertulis terbuka. Permintaan menggabungkan satu keadaan dengan soalan bernama, dan hasil mengenal pasti setiap jawapan menggunakan nama soalan yang sama. Ini memberikan kategori, kebarangkalian atau kedudukan rubrik yang konkrit untuk digunakan aliran kerja, sambil menyerahkan tindakan susulan terhadap hasil itu kepada aplikasi.
Keadaan ialah maklumat yang menjadi perkara pokok setiap soalan. Drex menerima rentetan JSON, objek, tatasusunan, nombor, boolean atau null, dengan medan state diwajibkan. Berikan bukti bermakna walaupun null melepasi pengesahan pengeluar. Rentetan sesuai untuk mesej, dokumen atau transkrip; objek sesuai untuk fakta yang sudah disusun dalam medan. Kekalkan maklumat yang mempengaruhi keputusan dan tinggalkan medan tidak berkaitan apabila bahan panjang. Pastikan format input stabil ketika mentafsir ambang kebarangkalian kerana perubahan perwakilan boleh mengubah jawapan.
Drex 1.5 membaca teks sahaja. Antara muka yang didokumenkan menolak imej, audio, video dan kandungan PDF dalam keadaan atau soalan, termasuk media terenkod dan objek kandungan media. Sediakan kapsyen, teks dokumen hasil pengecaman atau transkrip sebelum menggunakan bahan itu sebagai bukti. Alamat dalam bentuk teks bukan dokumen atau imej yang telah diambil: model tidak dapat membukanya. Untuk permintaan sokongan, keadaan berguna ialah mesej sebenar dan konteks berkaitan, bukan rujukan kepada bahan yang belum diterima model.
Soalan noul menanyakan sama ada suatu keadaan berlaku dan mengembalikan nombor dari 0 hingga 1 yang mewakili anggaran kebarangkalian ya. Takrifkan soalan melalui arahan tidak kosong atau sekurang-kurangnya satu kriteria true/false yang tidak kosong. Contohnya, tanya sama ada mesej melaporkan ciri rosak dan takrifkan sama ada tingkah laku perlahan dikira sebagai rosak. Drex tidak mengenakan ambang ya/tidak terbina dalam; aliran kerja yang menggunakan hasil memilih cara mentafsir kebarangkalian itu.
Soalan choice memilih satu label yang diberikan daripada set tanpa tertib dan mengembalikan kebarangkalian bagi setiap label. Kriteria ialah objek dengan kunci yang menjadi label hasil, dan setiap penerangan berupa rentetan atau null. Gunakan kunci pendek dan stabil serta terangkan sempadan kategori dengan jelas. Contoh tugas penghalaan boleh membezakan masalah akses, kecacatan produk dan soalan umum, dengan kategori other untuk mesej yang tidak sesuai. Label terpilih berguna untuk penghalaan; taburan membantu mengenal pasti kes yang dua pilihannya masih sukar dipisahkan.
Soalan score menggunakan tatasusunan bertertib bagi label tahap. Indeks bermula pada 0 dan skor yang dikembalikan ialah jumlah hasil darab indeks setiap tahap dengan kebarangkaliannya. Oleh itu, skor boleh berada di antara tahap bernama. Untuk skala keparahan, takrifkan perbezaan antara masalah kosmetik, masalah dengan penyelesaian sementara dan tugas yang tersekat sepenuhnya. Hasil merangkumi petunjuk tahap dan kebarangkalian serta skor jangkaan. Kekalkan skor pecahan untuk purata atau trend; memilih tahap paling berkemungkinan dan membulatkan skor jangkaan menjawab soalan yang berbeza.
Pengeluar membenarkan satu hingga 512 soalan tentang keadaan yang sama. Berikan setiap satunya pengecam bermakna yang tidak kosong, seperti category atau severity, supaya jawapan berkaitan boleh difahami tanpa perlu mencari soalan bernombor. Pisahkan perkara bebas kepada soalan sendiri, bukannya menggabungkan beberapa keperluan menjadi satu kriteria kabur. Satu mesej boleh menyokong pilihan kategori, skor keparahan dan semakan syarat, masing-masing mengekalkan maknanya sendiri.
Jawapan choice dan score menyertakan confidence secara berasingan daripada taburan kebarangkalian. Pengeluar secara jelas membezakan confidence daripada kebarangkalian pilihan tertinggi; jangan mengira salah satunya daripada yang lain. Untuk keputusan ya/tidak, kekalkan kebarangkalian mentah bersama hasil yang dipilih. Bagi pilihan tidak pasti, periksa kebarangkalian yang bersaing dan jangan menganggap label pemenang sahaja sebagai bukti kepastian. Takrifkan ambang semakan berdasarkan akibat hasil positif atau negatif yang salah dan gunakan kes berlabel yang mewakili tugas untuk menilainya.
Drex 1.5 mendokumenkan peruntukan keadaan 131,072 token dan peruntukan baris 139,264 token. Peruntukan baris meliputi keadaan bersama satu soalan terpanjang, termasuk arahan dan pilihannya; ia bukan jumlah setiap soalan dalam permintaan. Keadaan dan soalan yang disirikan bersama-sama juga mesti muat dalam 1,048,576 bait UTF-8. Permintaan boleh mematuhi had bait tetapi masih melebihi had token. Edisi 1.0 terdahulu secara berasingan menyenaraikan 32,768 token untuk keadaan dan baris, maka had itu tidak patut dibawa ke 1.5.
Nace mendokumenkan drex-v1.5 sebagai pengecam pengeluar berversi, manakala drex-latest ialah alias yang boleh berubah. Nyatakan edisi sasaran dengan jelas apabila aliran kerja bergantung pada hadnya. Soalan cacat bentuk, keadaan yang tiada atau input terlalu besar ialah masalah pengesahan yang memerlukan pembetulan input, bukannya perubahan kategori atau jawapan tekaan. Sediakan kriteria berdasarkan bukti yang boleh diperhatikan dan simpan hasil berjenis, fakta asal serta takrif soalan bersama-sama. Ini menjadikan keputusan berguna untuk penghalaan, penentuan keutamaan atau semakan tanpa tersilap menganggap kebarangkalian sebagai keputusan yang terjamin.
POST /v1/systemonetextdecisions| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had nace-ai/drex-v1.5 | 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 — / 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 $0 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "nace-ai/drex-v1.5",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${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']='nace-ai/drex-v1.5'\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 nace-ai/drex-v1.5
Gunakan laluan kaedah yang dipaparkan di atas.