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.
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.
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.
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.
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.
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.
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.
", "aboutText": "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.\n\n### Przygotuj razem materiał i pytanie\n\nDostarcz 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.\n\nUżywaj 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.\n\n### choice do kategorii i kierowania\n\nPytanie 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.\n\nPrzykładowe 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.\n\n### noul do sprawdzania warunków i trafności\n\nPytanie 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.\n\nDo 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.\n\n### score do uporządkowanych poziomów\n\nPytanie 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.\n\nUżywaj 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.\n\n### Wiele pytań i zastosowania producenta\n\nKilka 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.\n\n### Zakres i użyteczny artefakt decyzyjny\n\nUdokumentowane 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.\n\nSkup 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "73fd29ee08078e16592117302315dee7cf32efffb24bf705d566327ac380e1d5", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "liquid/d1Tekstowy 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.
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.
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.
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.
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.
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.
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.
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.
POST /v1/systemonetextdecisions| 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— |
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
| 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.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
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 $0.00008 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "liquid/d1",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${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
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.
Zachowaj pierwotną operację oraz pełną lub częściową odpowiedź; nie ponawiaj POST.
| 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 |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pole, reprezentacja lub wartość | Następny krokPopraw wskazane pole żądania. |
Ailoot Ultra liquid/d1
Użyj ścieżek metod podanych powyżej.