KAT-Coder to rodzina modeli programistycznych Kuaishou do zadań inżynierii oprogramowania w środowisku z narzędziami. Pierwotne wydanie producenta skupia się na przeprowadzeniu zlecenia programistycznego przez przegląd repozytorium, utworzenie poprawki i weryfikację. Trening obejmuje implementowanie i rozwijanie funkcji, naprawianie błędów, refaktoryzację, prace nad wydajnością, tworzenie testów, rozumienie kodu i zadania związane z konfiguracją. Użytecznymi rezultatami są kod i tekst powiązane z rzeczywistym zachowaniem projektu.
Określ zachowanie do osiągnięcia, obecną implementację i warunki definiujące ukończenie. Dołącz pliki lub fragmenty źródeł potrzebne do zrozumienia problemu oraz polecenia lub obserwacje już dostępne ze środowiska. Pierwotny opis naprawy błędu może wskazywać wejście powodujące błąd, oczekiwany wynik i funkcję, której zachowanie się różni. Zlecenie funkcji może określać rezultat widoczny dla użytkownika i interfejsy, które mają pozostać spójne.
Agentowy trening producenta wykorzystuje opisy problemów, kod gałęzi, środowiska wykonawcze i weryfikowalne warunki zadania. Zachowuj zgodność tych elementów w zadaniu wspomaganym aplikacją. Propozycja modelu powinna dotyczyć rzeczywistej kopii roboczej i dostarczonych dowodów, a aplikacja wykonuje operacje na plikach lub uruchomienia i zwraca wyniki. Zachowuj wynik każdej istotnej operacji przy kontynuacji.
Producent dokumentuje wykonywanie instrukcji, korzystanie z narzędzi i rozbudowaną interakcję jako centralne elementy rozwoju rodziny. Opublikowany przepis agenta programistycznego zapewnia operacje odczytu i edycji plików oraz działanie ukończenia. Model może analizować informacje, żądać zmiany i kontynuować na podstawie zwróconej obserwacji. Jego rolą jest wybór i opis kolejnego kroku; otaczające środowisko ustala, co rzeczywiście nastąpiło.
Pierwotne wydanie opisuje także równoległe żądania narzędzi jako możliwość zaobserwowaną po treningu agentowym. Stosuj niezależne operacje tylko wtedy, gdy ich wyniki można zachować przy właściwym żądaniu. Wyjaśnienie repozytorium może łączyć informacje z kilku plików, natomiast poprawka wymaga bieżącej zawartości i zachowania zmienianego kodu. Nie zastępuj brakującej obserwacji wiarygodnie brzmiącym wynikiem środowiska.
Opublikowany przepis agenta producenta oddziela generowanie poprawek, filtrowanie, wybór i refleksję. Filtrowanie łączy deduplikację semantyczną z kontrolami opartymi na wykonaniu; wybór ocenia pozostałe propozycje; refleksja wykorzystuje wcześniejsze wyniki do ukierunkowania następnej rundy. Etapy te należą do udokumentowanego procesu programistycznego, a nie są automatyczną gwarancją dołączoną do każdej zwykłej odpowiedzi tekstowej.
W praktycznym zadaniu programistycznym zachowuj razem proponowaną poprawkę, rzeczywiście uruchomione kontrole i ich wyniki. Porównanie kandydatów naprawy powinno wyjaśniać warunek, który je rozróżnia, zwłaszcza gdy każdy wygląda przekonująco na podstawie samego diffu. Nieudana kontrola może przekazać następnej turze konkretny problem do rozwiązania zamiast wywoływać niezwiązane przepisywanie.
Pierwotne wydanie producenta odróżnia KAT-Coder od osobnego otwartego modelu KAT-Dev-32B. Opisy treningu i demonstracje procesów nie czynią każdego nazwanego wariantu rodziny identycznym checkpointem. Zachowuj wybrany wariant i przekazane instrukcje projektu przy wyniku oraz stosuj właściwy interfejs producenta lub przepis środowiska do jego operacji.
Użyteczne przekazanie pracy może zawierać ukierunkowaną implementację, wyjaśnienie defektu lub refaktoryzację z dowodami wspierającymi jej zachowanie. Sprawdzaj zmienioną logikę i rzeczywiste wyniki środowiska przed uznaniem zadania za ukończone. Programistyczne przeznaczenie KAT-Coder jest najbardziej użyteczne, gdy pozostaje powiązane z konkretnym zleceniem rozwoju, odpowiednim kodem i rezultatem końcowym możliwym do weryfikacji.
", "aboutText": "KAT-Coder to rodzina modeli programistycznych Kuaishou do zadań inżynierii oprogramowania w środowisku z narzędziami. Pierwotne wydanie producenta skupia się na przeprowadzeniu zlecenia programistycznego przez przegląd repozytorium, utworzenie poprawki i weryfikację. Trening obejmuje implementowanie i rozwijanie funkcji, naprawianie błędów, refaktoryzację, prace nad wydajnością, tworzenie testów, rozumienie kodu i zadania związane z konfiguracją. Użytecznymi rezultatami są kod i tekst powiązane z rzeczywistym zachowaniem projektu.\n\n### Przekaż problem i istotny kontekst projektu\n\nOkreśl zachowanie do osiągnięcia, obecną implementację i warunki definiujące ukończenie. Dołącz pliki lub fragmenty źródeł potrzebne do zrozumienia problemu oraz polecenia lub obserwacje już dostępne ze środowiska. Pierwotny opis naprawy błędu może wskazywać wejście powodujące błąd, oczekiwany wynik i funkcję, której zachowanie się różni. Zlecenie funkcji może określać rezultat widoczny dla użytkownika i interfejsy, które mają pozostać spójne.\n\nAgentowy trening producenta wykorzystuje opisy problemów, kod gałęzi, środowiska wykonawcze i weryfikowalne warunki zadania. Zachowuj zgodność tych elementów w zadaniu wspomaganym aplikacją. Propozycja modelu powinna dotyczyć rzeczywistej kopii roboczej i dostarczonych dowodów, a aplikacja wykonuje operacje na plikach lub uruchomienia i zwraca wyniki. Zachowuj wynik każdej istotnej operacji przy kontynuacji.\n\n### Narzędzia i rozwój wieloturowy\n\nProducent dokumentuje wykonywanie instrukcji, korzystanie z narzędzi i rozbudowaną interakcję jako centralne elementy rozwoju rodziny. Opublikowany przepis agenta programistycznego zapewnia operacje odczytu i edycji plików oraz działanie ukończenia. Model może analizować informacje, żądać zmiany i kontynuować na podstawie zwróconej obserwacji. Jego rolą jest wybór i opis kolejnego kroku; otaczające środowisko ustala, co rzeczywiście nastąpiło.\n\nPierwotne wydanie opisuje także równoległe żądania narzędzi jako możliwość zaobserwowaną po treningu agentowym. Stosuj niezależne operacje tylko wtedy, gdy ich wyniki można zachować przy właściwym żądaniu. Wyjaśnienie repozytorium może łączyć informacje z kilku plików, natomiast poprawka wymaga bieżącej zawartości i zachowania zmienianego kodu. Nie zastępuj brakującej obserwacji wiarygodnie brzmiącym wynikiem środowiska.\n\n### Świadomie sprawdzaj proponowane zmiany\n\nOpublikowany przepis agenta producenta oddziela generowanie poprawek, filtrowanie, wybór i refleksję. Filtrowanie łączy deduplikację semantyczną z kontrolami opartymi na wykonaniu; wybór ocenia pozostałe propozycje; refleksja wykorzystuje wcześniejsze wyniki do ukierunkowania następnej rundy. Etapy te należą do udokumentowanego procesu programistycznego, a nie są automatyczną gwarancją dołączoną do każdej zwykłej odpowiedzi tekstowej.\n\nW praktycznym zadaniu programistycznym zachowuj razem proponowaną poprawkę, rzeczywiście uruchomione kontrole i ich wyniki. Porównanie kandydatów naprawy powinno wyjaśniać warunek, który je rozróżnia, zwłaszcza gdy każdy wygląda przekonująco na podstawie samego diffu. Nieudana kontrola może przekazać następnej turze konkretny problem do rozwiązania zamiast wywoływać niezwiązane przepisywanie.\n\n### Rozróżnienia rodzin i edycji\n\nPierwotne wydanie producenta odróżnia KAT-Coder od osobnego otwartego modelu KAT-Dev-32B. Opisy treningu i demonstracje procesów nie czynią każdego nazwanego wariantu rodziny identycznym checkpointem. Zachowuj wybrany wariant i przekazane instrukcje projektu przy wyniku oraz stosuj właściwy interfejs producenta lub przepis środowiska do jego operacji.\n\nUżyteczne przekazanie pracy może zawierać ukierunkowaną implementację, wyjaśnienie defektu lub refaktoryzację z dowodami wspierającymi jej zachowanie. Sprawdzaj zmienioną logikę i rzeczywiste wyniki środowiska przed uznaniem zadania za ukończone. Programistyczne przeznaczenie KAT-Coder jest najbardziej użyteczne, gdy pozostaje powiązane z konkretnym zleceniem rozwoju, odpowiednim kodem i rezultatem końcowym możliwym do weryfikacji.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f4c97b2d624935cfa4d56fe6ca1d746b8021b45c472eb65b2c9ba096b6aa9543", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "KAT-Coder-Pro-V1KAT-Coder to rodzina modeli programistycznych Kuaishou do zadań rozwoju oprogramowania uwzględniających repozytorium. Proces producenta łączy przegląd wspomagany narzędziami, generowanie poprawek, weryfikację na podstawie wykonania i refleksję, tworząc kod lub wyjaśnienia powiązane z rzeczywistym zachowaniem projektu.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
KAT-Coder to rodzina modeli programistycznych Kuaishou do zadań inżynierii oprogramowania w środowisku z narzędziami. Pierwotne wydanie producenta skupia się na przeprowadzeniu zlecenia programistycznego przez przegląd repozytorium, utworzenie poprawki i weryfikację. Trening obejmuje implementowanie i rozwijanie funkcji, naprawianie błędów, refaktoryzację, prace nad wydajnością, tworzenie testów, rozumienie kodu i zadania związane z konfiguracją. Użytecznymi rezultatami są kod i tekst powiązane z rzeczywistym zachowaniem projektu.
Określ zachowanie do osiągnięcia, obecną implementację i warunki definiujące ukończenie. Dołącz pliki lub fragmenty źródeł potrzebne do zrozumienia problemu oraz polecenia lub obserwacje już dostępne ze środowiska. Pierwotny opis naprawy błędu może wskazywać wejście powodujące błąd, oczekiwany wynik i funkcję, której zachowanie się różni. Zlecenie funkcji może określać rezultat widoczny dla użytkownika i interfejsy, które mają pozostać spójne.
Agentowy trening producenta wykorzystuje opisy problemów, kod gałęzi, środowiska wykonawcze i weryfikowalne warunki zadania. Zachowuj zgodność tych elementów w zadaniu wspomaganym aplikacją. Propozycja modelu powinna dotyczyć rzeczywistej kopii roboczej i dostarczonych dowodów, a aplikacja wykonuje operacje na plikach lub uruchomienia i zwraca wyniki. Zachowuj wynik każdej istotnej operacji przy kontynuacji.
Producent dokumentuje wykonywanie instrukcji, korzystanie z narzędzi i rozbudowaną interakcję jako centralne elementy rozwoju rodziny. Opublikowany przepis agenta programistycznego zapewnia operacje odczytu i edycji plików oraz działanie ukończenia. Model może analizować informacje, żądać zmiany i kontynuować na podstawie zwróconej obserwacji. Jego rolą jest wybór i opis kolejnego kroku; otaczające środowisko ustala, co rzeczywiście nastąpiło.
Pierwotne wydanie opisuje także równoległe żądania narzędzi jako możliwość zaobserwowaną po treningu agentowym. Stosuj niezależne operacje tylko wtedy, gdy ich wyniki można zachować przy właściwym żądaniu. Wyjaśnienie repozytorium może łączyć informacje z kilku plików, natomiast poprawka wymaga bieżącej zawartości i zachowania zmienianego kodu. Nie zastępuj brakującej obserwacji wiarygodnie brzmiącym wynikiem środowiska.
Opublikowany przepis agenta producenta oddziela generowanie poprawek, filtrowanie, wybór i refleksję. Filtrowanie łączy deduplikację semantyczną z kontrolami opartymi na wykonaniu; wybór ocenia pozostałe propozycje; refleksja wykorzystuje wcześniejsze wyniki do ukierunkowania następnej rundy. Etapy te należą do udokumentowanego procesu programistycznego, a nie są automatyczną gwarancją dołączoną do każdej zwykłej odpowiedzi tekstowej.
W praktycznym zadaniu programistycznym zachowuj razem proponowaną poprawkę, rzeczywiście uruchomione kontrole i ich wyniki. Porównanie kandydatów naprawy powinno wyjaśniać warunek, który je rozróżnia, zwłaszcza gdy każdy wygląda przekonująco na podstawie samego diffu. Nieudana kontrola może przekazać następnej turze konkretny problem do rozwiązania zamiast wywoływać niezwiązane przepisywanie.
Pierwotne wydanie producenta odróżnia KAT-Coder od osobnego otwartego modelu KAT-Dev-32B. Opisy treningu i demonstracje procesów nie czynią każdego nazwanego wariantu rodziny identycznym checkpointem. Zachowuj wybrany wariant i przekazane instrukcje projektu przy wyniku oraz stosuj właściwy interfejs producenta lub przepis środowiska do jego operacji.
Użyteczne przekazanie pracy może zawierać ukierunkowaną implementację, wyjaśnienie defektu lub refaktoryzację z dowodami wspierającymi jej zachowanie. Sprawdzaj zmienioną logikę i rzeczywiste wyniki środowiska przed uznaniem zadania za ukończone. Programistyczne przeznaczenie KAT-Coder jest najbardziej użyteczne, gdy pozostaje powiązane z konkretnym zleceniem rozwoju, odpowiednim kodem i rezultatem końcowym możliwym do weryfikacji.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity KAT-Coder-Pro-V1 | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Rozmowa tekstowa | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream |
Parametrcontrol_scope | KontraktRozmowa tekstowa; stream jest wartością logiczną i domyślnie wynosi false. |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Aliasy metody: /chat/completions
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.00114 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00456 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"KAT-Coder-Pro-V1","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="KAT-Coder-Pro-V1", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra KAT-Coder-Pro-V1
/chat/completions
KAT-Coder-Pro-V1KAT-Coder to rodzina modeli programistycznych Kuaishou do zadań rozwoju oprogramowania uwzględniających repozytorium. Proces producenta łączy przegląd wspomagany narzędziami, generowanie poprawek, weryfikację na podstawie wykonania i refleksję, tworząc kod lub wyjaśnienia powiązane z rzeczywistym zachowaniem projektu.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
KAT-Coder to rodzina modeli programistycznych Kuaishou do zadań inżynierii oprogramowania w środowisku z narzędziami. Pierwotne wydanie producenta skupia się na przeprowadzeniu zlecenia programistycznego przez przegląd repozytorium, utworzenie poprawki i weryfikację. Trening obejmuje implementowanie i rozwijanie funkcji, naprawianie błędów, refaktoryzację, prace nad wydajnością, tworzenie testów, rozumienie kodu i zadania związane z konfiguracją. Użytecznymi rezultatami są kod i tekst powiązane z rzeczywistym zachowaniem projektu.
Określ zachowanie do osiągnięcia, obecną implementację i warunki definiujące ukończenie. Dołącz pliki lub fragmenty źródeł potrzebne do zrozumienia problemu oraz polecenia lub obserwacje już dostępne ze środowiska. Pierwotny opis naprawy błędu może wskazywać wejście powodujące błąd, oczekiwany wynik i funkcję, której zachowanie się różni. Zlecenie funkcji może określać rezultat widoczny dla użytkownika i interfejsy, które mają pozostać spójne.
Agentowy trening producenta wykorzystuje opisy problemów, kod gałęzi, środowiska wykonawcze i weryfikowalne warunki zadania. Zachowuj zgodność tych elementów w zadaniu wspomaganym aplikacją. Propozycja modelu powinna dotyczyć rzeczywistej kopii roboczej i dostarczonych dowodów, a aplikacja wykonuje operacje na plikach lub uruchomienia i zwraca wyniki. Zachowuj wynik każdej istotnej operacji przy kontynuacji.
Producent dokumentuje wykonywanie instrukcji, korzystanie z narzędzi i rozbudowaną interakcję jako centralne elementy rozwoju rodziny. Opublikowany przepis agenta programistycznego zapewnia operacje odczytu i edycji plików oraz działanie ukończenia. Model może analizować informacje, żądać zmiany i kontynuować na podstawie zwróconej obserwacji. Jego rolą jest wybór i opis kolejnego kroku; otaczające środowisko ustala, co rzeczywiście nastąpiło.
Pierwotne wydanie opisuje także równoległe żądania narzędzi jako możliwość zaobserwowaną po treningu agentowym. Stosuj niezależne operacje tylko wtedy, gdy ich wyniki można zachować przy właściwym żądaniu. Wyjaśnienie repozytorium może łączyć informacje z kilku plików, natomiast poprawka wymaga bieżącej zawartości i zachowania zmienianego kodu. Nie zastępuj brakującej obserwacji wiarygodnie brzmiącym wynikiem środowiska.
Opublikowany przepis agenta producenta oddziela generowanie poprawek, filtrowanie, wybór i refleksję. Filtrowanie łączy deduplikację semantyczną z kontrolami opartymi na wykonaniu; wybór ocenia pozostałe propozycje; refleksja wykorzystuje wcześniejsze wyniki do ukierunkowania następnej rundy. Etapy te należą do udokumentowanego procesu programistycznego, a nie są automatyczną gwarancją dołączoną do każdej zwykłej odpowiedzi tekstowej.
W praktycznym zadaniu programistycznym zachowuj razem proponowaną poprawkę, rzeczywiście uruchomione kontrole i ich wyniki. Porównanie kandydatów naprawy powinno wyjaśniać warunek, który je rozróżnia, zwłaszcza gdy każdy wygląda przekonująco na podstawie samego diffu. Nieudana kontrola może przekazać następnej turze konkretny problem do rozwiązania zamiast wywoływać niezwiązane przepisywanie.
Pierwotne wydanie producenta odróżnia KAT-Coder od osobnego otwartego modelu KAT-Dev-32B. Opisy treningu i demonstracje procesów nie czynią każdego nazwanego wariantu rodziny identycznym checkpointem. Zachowuj wybrany wariant i przekazane instrukcje projektu przy wyniku oraz stosuj właściwy interfejs producenta lub przepis środowiska do jego operacji.
Użyteczne przekazanie pracy może zawierać ukierunkowaną implementację, wyjaśnienie defektu lub refaktoryzację z dowodami wspierającymi jej zachowanie. Sprawdzaj zmienioną logikę i rzeczywiste wyniki środowiska przed uznaniem zadania za ukończone. Programistyczne przeznaczenie KAT-Coder jest najbardziej użyteczne, gdy pozostaje powiązane z konkretnym zleceniem rozwoju, odpowiednim kodem i rezultatem końcowym możliwym do weryfikacji.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity KAT-Coder-Pro-V1 | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.00114 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00456 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "KAT-Coder-Pro-V1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'KAT-Coder-Pro-V1', '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': 'KAT-Coder-Pro-V1', '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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra KAT-Coder-Pro-V1
/chat/completions