LiquidAI: d1
Tekstowy proces decyzyjny Liquid AI d1 ocenia dostarczony materiał względem stałych wyników i zwraca prawdopodobieństwa, wybór kategorii lub ocenę według rubryki. Obsługuje klasyfikację, kierowanie, filtrowanie trafności i ustalanie priorytetów bez generowania pisemnej odpowiedzi.
O modelu
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
d1 to hostowany model decyzyjny Liquid AI do ograniczonych zadań klasyfikacji, kierowania i oceniania. Ten profil obejmuje jego tekstowy proces decyzyjny: dostarcz materiał jako stan, zdefiniuj jedno lub więcej pytań i otrzymaj typowane odpowiedzi liczbowe dotyczące znanych wyników. Liquid opisuje te decyzje jako oceny zwracające prawdopodobieństwa bezpośrednio, przy zerowej liczbie generowanych tokenów wyjściowych. Użyteczny wynik to zdefiniowana decyzja i jej niepewność zamiast nowo napisanego fragmentu tekstu.
Przygotuj razem materiał i pytanie
Dostarcz tekst umożliwiający decyzję, wraz z kontekstem potrzebnym do jego interpretacji. Oddziel stan od instrukcji opisujących, co oceniać. Wiadomość do wsparcia może wymagać opisu produktu lub problemu; fragment dokumentu — pytania wyszukiwawczego użytkownika. Zdefiniuj zbiór odpowiedzi przed zadaniem pytania i nadaj każdej opcji znaczenie pasujące do zamierzonego procesu. Krótkie etykiety mogą służyć jako stałe klucze wyjścia, a opisy wyjaśniać granice między nimi.
Używaj nazwanych pytań dotyczących wspólnego stanu. Jasna nazwa, taka jak intent, urgency lub relevant, zachowuje powiązanie wyniku z reprezentowaną decyzją. Na przykład wiadomość zgłaszająca niedziałającą stronę może wspierać wybór intencji, rubrykę pilności i kontrolę tak/nie dotyczącą zgłoszonej wady. Każde pytanie powinno zachować własne kryterium zamiast łączyć wszystkie trzy osądy w jedną niejasną etykietę.
choice do kategorii i kierowania
Pytanie choice wybiera jedną etykietę z nieuporządkowanego zbioru i zwraca rozkład nazwanych opcji. Zdefiniuj opcje przez opisy kryteriów; wynik zawiera wybrany wariant, prawdopodobieństwa i pewność. Do organizowania dokumentów określ możliwe foldery lub tematy i powiedz, jaki materiał należy do każdego z nich. Do kierowania zgłoszeń opisz rzeczywiście istniejące miejsca docelowe. Aplikacja może użyć wynikowej etykiety do wyboru następnego kroku, zachowując konkurujące prawdopodobieństwa do przeglądu.
Przykładowe zadanie porządkowania może rozdzielać pytanie o produkt, problem z integracją i problem z dostępem, z opcją other dla materiału wykraczającego poza te definicje. Utrzymuj konkretne granice: wiadomość o niemożności uwierzytelnienia różni się od pytania o konfigurację funkcji. Zwrócona etykieta wybiera spośród dostarczonych znaczeń; nie tworzy brakującego miejsca docelowego ani nie wykonuje zmiany w innym systemie.
noul do sprawdzania warunków i trafności
Pytanie noul zwraca prawdopodobieństwo od 0 do 1, że zachodzi zdefiniowany warunek tak/nie. Liquid demonstruje kontrole binarne do przeglądu treści i trafności fragmentów. Określ warunek precyzyjnie i wybierz sposób wykorzystania wynikowego prawdopodobieństwa: oznaczenie prawdopodobnego dopasowania, filtrowanie fragmentu lub przekazanie niepewnego przypadku do przeglądu. Próg należy do zadania korzystającego z wyniku, a prawdopodobieństwa nie należy traktować jako gwarantowanego werdyktu o faktach.
Do filtrowania trafności podaj zarówno zapytanie, jak i proponowany fragment. Zapytaj, czy ten fragment pomaga odpowiedzieć na zapytanie, a następnie zachowaj pierwotny fragment z jego prawdopodobieństwem. Może to wspierać wybór materiału źródłowego do późniejszej odpowiedzi bez proszenia d1 o napisanie samej odpowiedzi. Jeśli trafność wymaga kilku stopni zamiast warunku tak/nie, zdefiniuj uporządkowaną rubrykę i użyj pytania score.
score do uporządkowanych poziomów
Pytanie score umieszcza stan w rubryce z uporządkowanymi, opisanymi poziomami. Indeksy poziomów zaczynają się od 0, a ocena jest ich pozycją ważoną prawdopodobieństwami i może znajdować się między poziomami. Wynik zawiera również rozkład poziomów i pewność. Dla pilności określ, co odróżnia problem bez natychmiastowych skutków, istotną niedogodność i zablokowane zadanie. Rubryka czteropoziomowa ma zatem indeksy od 0 do 3; jej oczekiwana ocena nie jest automatycznie kategorią ponumerowaną od 1 do 4.
Używaj oceny ułamkowej do porządkowania lub agregacji, gdy taki jest zamierzony wynik, i zachowuj pełny rozkład, gdy ważna jest niejednoznaczność. Kategorie takie jak działy nie mają naturalnej kolejności i należą do pytania choice. Pewność podsumowuje, jak jednoznaczna jest raportowana odpowiedź w udokumentowanym interfejsie; powinna pozostać odrębna od oceny wymaganej przez zadanie i od zakładanej gwarancji poprawności decyzji.
Wiele pytań i zastosowania producenta
Kilka pytań może oceniać ten sam stan w jednym wywołaniu producenta, przy czym każde zachowuje własny typ i prawdopodobieństwa. Tekstowe przykłady Liquid obejmują filtrowanie zgłoszeń wsparcia, porządkowanie dokumentów według taksonomii folderów, wybór ścieżek wyszukiwania w kodzie, wybór dostępnych działań agenta i ustalanie, który materiał z wyjścia narzędzia zachować. Wszystkie te procesy mają ograniczoną następną decyzję. Krok wyszukiwania w kodzie może wybrać obiecujący folder na podstawie opisów; krok wyboru treści może wybrać keep, trim lub drop dla dostarczonego materiału. Otaczająca aplikacja nadal pozyskuje dane źródłowe i wykonuje wybraną operację.
Zakres i użyteczny artefakt decyzyjny
Udokumentowane operacje podstawowe pasują do znanych wyników, ocen według rubryk i kontroli warunków. Nowy tekst, podsumowania, kod i otwarta rozmowa wymagają procesu generowania, zamiast wynikać z samego wyniku decyzyjnego d1. Przygotuj pytanie wokół obserwowalnego materiału i zachowaj jego definicje z wyjściem, aby etykietę lub ocenę można było później zinterpretować.
Skup każdy stan na materiale odpowiadającym na zdefiniowane dla niego pytania i oddzielaj niepowiązane zadania decyzyjne, aby ich kryteria pozostały jasne. Utrzymuj istotny materiał źródłowy, definiuj znaczenia zastępcze przy niepełnym pokryciu kategorii i oceniaj progi prawdopodobieństw na oznaczonych przykładach z zadania. Użyteczny artefakt zapisuje wybraną kategorię lub oczekiwaną ocenę wraz z rozkładem, tożsamością pytania i pierwotnym materiałem.
Ailoot Ultra · System One POST /v1/systemone liquid/d1
liquid/d1Start
Tekstowy proces decyzyjny Liquid AI d1 ocenia dostarczony materiał względem stałych wyników i zwraca prawdopodobieństwa, wybór kategorii lub ocenę według rubryki. Obsługuje klasyfikację, kierowanie, filtrowanie trafności i ustalanie priorytetów bez generowania pisemnej odpowiedzi.
- Akceptowane dane wejściowe
- Tekst
- Wyniki
- decisions
Dostępne w Ailoot · dane wejściowe i metody
Ailoot Ultra · System One POST /v1/systemone
- Wejście
text- Wyjście
decisions- Format wyjściowy
- json
| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity liquid/d1 | Domyślnie— |
Poleprovider | Typschema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polequestions | Typobject | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polesession_id | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polestate | Typschema | WymaganieWymagane | Wartości i limity | Domyślnie— |
Poletrace | Typschema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poleuser | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polequestions.<id>.type | Typstring | WymaganieWymagane | Wartości i limity noul, choice, score | Domyślnie— |
Polequestions.<id>.instructions | Typstring|object|array | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polequestions.<id>.criteria | Typobject|array | WymaganieOpcjonalne | Wartości i limity Warunki: choice/score: wymagane; noul: opcjonalne. Kryteria choice są obiektem; score jest tablicą z minItems1. | Domyślnie— |
Polequestions.<id>.criteria.true | Typstring|object|array | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: Przekazano obiekt kryteriów noul | Domyślnie— |
Polequestions.<id>.criteria.false | Typstring|object|array | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: Przekazano obiekt kryteriów noul | Domyślnie— |
Kombinacje materiałów wejściowych
noul · Wymagane: state, questions.<id>.type=noul, questions.<id>.instructions
choice · Wymagane: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Wymagane: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
Parametry i cykl życia metody
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, state, questions |
Parametrmaterial_types | Kontrakttext |
Parametroptional_controls | Kontraktprovider, session_id, trace, user |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous
Wyślij dokładny identyfikator modelu i zachowaj kompletną natywną odpowiedź.
Cennik
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
- Tryb szybki
- Nie określono Gdy wybrany jest tryb szybki
- Tryb flex
- Nie określono Gdy wybrany jest tryb flex
- Maksymalna intensywność rozumowania
- Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)
Stawki Ailoot
Ceny według konfiguracji
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00008 / 1K tokenów Wyjście · Tokeny wyjściowe $0 / 1K tokenów Wejście · Odczyt cache $0.00008 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00008 / 1K tokenów Wyjście · Tokeny wyjściowe $0 / 1K tokenów Wejście · Odczyt cache $0.00008 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
Przykładowe żądania
Ailoot Ultra · System One
{
"model": "liquid/d1",
"questions": {
"is_bug": {
"criteria": {
"false": "The customer is asking a question or requesting a feature.",
"true": "The customer describes broken or unexpected product behavior."
},
"instructions": "Is the customer reporting a software defect?",
"type": "noul"
},
"team": {
"criteria": {
"account": "Login, permissions, or profile issues.",
"frontend": "Rendering, layout, or browser compatibility issues.",
"payments": "Checkout, billing, or payment processing issues."
},
"instructions": "Which team should own this ticket?",
"type": "choice"
},
"urgency": {
"criteria": [
"Can wait for the next release",
"Should be fixed this week",
"Blocking revenue right now"
],
"instructions": "How urgent is this ticket?",
"type": "score"
}
},
"state": {
"customer_tier": "enterprise",
"ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."
}
}set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"
export AILOOT_REQUEST_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))
if not isinstance(p,dict): raise SystemExit('Request must be a JSON object')
p['model']='liquid/d1'
Path('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))
PY_RESULT
Odbieranie i zapisywanie wyników
Ailoot Ultra · System One
json
Zachowaj wszystkie ukończone wyniki
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowywana jest każda odpowiedź przypisana do podanego identyfikatora pytania wraz z dokładnym typem, wartością noul/choice/score, pewnością, prawdopodobieństwami i legendą. Cały oryginalny JSON jest zapisywany i zwracany dopiero po rozliczeniu.
Jeśli trzeba sprawdzić pierwotną odpowiedź
Zachowaj pierwotną operację oraz pełną lub częściową odpowiedź; nie ponawiaj POST.
Pola odpowiedzi
| Pole | Typ |
|---|---|
Polemodel | Typstring |
Poleid | Typstring |
Poleprovider | Typstring |
Poleanswers.<id>.type | Typstring |
Poleanswers.<id>.noul | Typnumber |
Poleanswers.<id>.choice | Typstring |
Poleanswers.<id>.score | Typnumber |
Poleanswers.<id>.confidence | Typnumber |
Poleanswers.<id>.probabilities | Typobject |
Poleanswers.<id>.legend | Typobject |
Poleusage.input_tokens | Typinteger |
Poleusage.output_tokens | Typinteger |
Poleusage.cost | Typnumber |
Błędy i dalsze kroki
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pole, reprezentacja lub wartość | Następny krokPopraw wskazane pole żądania. |
Aliasy
Aliasy modelu
Ailoot Ultra liquid/d1
Aliasy ścieżek metod
Użyj ścieżek metod podanych powyżej.
Powiązane ID modeli
FAQ · LiquidAI: d1
- Jakie dane wejściowe i wyniki są dostępne?
POST /v1/systemone·liquid/d1:text→decisions- Jakich pól używa żądanie?
POST /v1/systemone·liquid/d1:model,provider,questions,session_id,state,trace,user