Span-01 to model Respan do oceniania zachowań w rozmowach i śladach działania agentów. Odczytuje interakcję tekstową wraz z definicjami zachowań zapisanymi zwykłym językiem i zwraca prawdopodobieństwa dla każdej definicji. Wyjście rozróżnia zachowanie obecne, nieobecne lub niemożliwe do zaobserwowania w dostarczonym śladzie. Daje to procesowi ewaluacji sygnał liczbowy z jawnym sposobem przedstawiania brakujących dowodów, zamiast wygenerowanego wyjaśnienia wymagającego parsowania.
Zachowania dostarcza wywołujący. Wstrzyknięcie promptu, nieuzasadnione twierdzenia, ujawnienie sekretów, powtarzające się pętle, niewłaściwe użycie narzędzi i frustracja użytkownika to możliwe definicje, a nie stała taksonomia wbudowana w model. Określ, co liczy się jako dane zachowanie, a co nie. Wąska definicja może odróżnić prośbę użytkownika o przekazanie do człowieka od samego wyrażenia rozczarowania. Inna może rozróżnić przyznanie przez asystenta, że istnieje problem, od obietnicy działania, którego nie potrafi wykonać.
Używaj stałych identyfikatorów z definicjami, aby wyniki pozostały związane z ocenianym zachowaniem. Skup kryterium na czymś, co ślad może pokazać. Jeśli zachowanie wymaga dokumentu źródłowego, wyniku narzędzia lub późniejszej odpowiedzi klienta, dołącz ten materiał we właściwym miejscu interakcji tekstowej. Sama definicja nie może potwierdzić faktu nieobecnego w śladzie.
Udokumentowane wejście oddziela wcześniejsze wiadomości w span.input od docelowej tury w span.output. Treść każdej wiadomości jest ciągiem znaków. Podaj rzeczywisty kontekst rozmowy i turę, którą chcesz ocenić, zachowując role rozmówców oraz kolejność potrzebną do jej interpretacji. To profil oceniania tekstu; przygotowany tekst dokumentu lub transkrypcja mogą być materiałem dowodowym, natomiast media, z których uzyskano tekst, same nie są udokumentowanym wejściem.
W interakcji ze wsparciem zachowaj prośbę klienta z proponowaną odpowiedzią asystenta. W przypadku agenta korzystającego z narzędzi zachowaj istotną obserwację narzędzia i odpowiedź, która się na niej opierała. Przykładowa definicja sprawdzająca oparcie w materiale może pytać, czy asystent stwierdza wniosek, którego dostarczona obserwacja nie uzasadnia. Użyteczny wynik dotyczy zdefiniowanego zachowania w danym fragmencie, a nie pełnej diagnozy całej aplikacji.
Każdy wynik zawiera identyfikator zachowania oraz p_present, p_absent i p_not_observable. Suma trzech prawdopodobieństw wynosi w przybliżeniu 1. Obecność szacuje, że zachowanie wystąpiło; nieobecność — że nie wystąpiło; brak możliwości obserwacji — że dostarczony fragment nie zawiera dowodów niezbędnych do rozstrzygnięcia. Są to odrębne znaczenia i powinny pozostać odrębne podczas interpretacji wyników.
Na przykład fragment kończący się stwierdzeniem asystenta, że rozwiąże problem, może pokazywać obietnicę. Nie może jeszcze pokazywać, że klient zaakceptował późniejsze rozwiązanie, jeśli nie ma odpowiedzi klienta. Traktuj taki wynik wynikający z braku dowodów jako nieznany, zamiast zamieniać go na nieobecność. Niskie prawdopodobieństwo obecności nie jest automatycznie silnym dowodem nieobecności, gdy znaczna część rozkładu oznacza brak możliwości obserwacji.
Respan opisuje Span-01 jako klasyfikator rozumujący, trenowany najpierw do ogólnej klasyfikacji z użyciem RLAIF, a następnie wyspecjalizowany w wykrywaniu zachowań. Każda definicja działa jako równoległa gałąź na tym samym śladzie, a model zwraca prawdopodobieństwa zachowań w jednym przebiegu w przód. Hybrydowy mechanizm uwagi wspiera obsługę długich, złożonych śladów. Model nie generuje tokenów, nie pisze narracyjnego osądu ani nie tworzy swobodnego wyjaśnienia klasyfikacji.
Przewodnik po pojęciach i dokumentacja oceniania nie podają limitu liczby zachowań w jednym żądaniu. Każda definicja nadal stanowi część dostarczonej ewaluacji, dlatego powinna być jasna i istotna; brak limitu liczby nie dowodzi nieograniczonej pojemności wejścia. Wynik zawiera jeden wpis na zachowanie w kolejności żądania, identyfikowany przez jego id. Wiele definicji opisuje wiele niezależnych obserwacji; nie są to wzajemnie wykluczające się wybory kategorii, których wartości muszą sumować się do jedności między zachowaniami.
Łącz zwrócone prawdopodobieństwa z progami właściwymi dla zadania i regułami przeglądu poza modelem. Producent zaleca używanie oznaczonych rozmów do wyboru tych progów i analizowanie granicznych wyników obecności lub wysokich wyników braku możliwości obserwacji. Proces wsparcia może osobno rejestrować frustrację, proponowaną eskalację i nieuzasadnioną obietnicę. Proces kontroli jakości agenta może śledzić powtarzające się działania lub to, czy odpowiedź wykorzystała udostępniony jej materiał.
Zachowaj razem fragment tekstu, definicję zachowania, identyfikator wyniku i pełny rozkład trójdzielny. Gdy definicja się zmienia, uwzględnij, że zmienia się to, co mierzy prawdopodobieństwo. Weryfikuj pozorne błędy w odniesieniu do rzeczywistej rozmowy, zamiast traktować wynik liczbowy jako dowód niezaobserwowanego zdarzenia. Użyteczny artefakt to rekord zachowania powiązany ze śladem i kryterium, z niepewnością zachowaną do późniejszej analizy lub następnej decyzji aplikacji.
", "aboutText": "Span-01 to model Respan do oceniania zachowań w rozmowach i śladach działania agentów. Odczytuje interakcję tekstową wraz z definicjami zachowań zapisanymi zwykłym językiem i zwraca prawdopodobieństwa dla każdej definicji. Wyjście rozróżnia zachowanie obecne, nieobecne lub niemożliwe do zaobserwowania w dostarczonym śladzie. Daje to procesowi ewaluacji sygnał liczbowy z jawnym sposobem przedstawiania brakujących dowodów, zamiast wygenerowanego wyjaśnienia wymagającego parsowania.\n\n### Zdefiniuj zachowanie, które chcesz obserwować\n\nZachowania dostarcza wywołujący. Wstrzyknięcie promptu, nieuzasadnione twierdzenia, ujawnienie sekretów, powtarzające się pętle, niewłaściwe użycie narzędzi i frustracja użytkownika to możliwe definicje, a nie stała taksonomia wbudowana w model. Określ, co liczy się jako dane zachowanie, a co nie. Wąska definicja może odróżnić prośbę użytkownika o przekazanie do człowieka od samego wyrażenia rozczarowania. Inna może rozróżnić przyznanie przez asystenta, że istnieje problem, od obietnicy działania, którego nie potrafi wykonać.\n\nUżywaj stałych identyfikatorów z definicjami, aby wyniki pozostały związane z ocenianym zachowaniem. Skup kryterium na czymś, co ślad może pokazać. Jeśli zachowanie wymaga dokumentu źródłowego, wyniku narzędzia lub późniejszej odpowiedzi klienta, dołącz ten materiał we właściwym miejscu interakcji tekstowej. Sama definicja nie może potwierdzić faktu nieobecnego w śladzie.\n\n### Przygotuj wcześniejszy kontekst i docelową turę\n\nUdokumentowane wejście oddziela wcześniejsze wiadomości w span.input od docelowej tury w span.output. Treść każdej wiadomości jest ciągiem znaków. Podaj rzeczywisty kontekst rozmowy i turę, którą chcesz ocenić, zachowując role rozmówców oraz kolejność potrzebną do jej interpretacji. To profil oceniania tekstu; przygotowany tekst dokumentu lub transkrypcja mogą być materiałem dowodowym, natomiast media, z których uzyskano tekst, same nie są udokumentowanym wejściem.\n\nW interakcji ze wsparciem zachowaj prośbę klienta z proponowaną odpowiedzią asystenta. W przypadku agenta korzystającego z narzędzi zachowaj istotną obserwację narzędzia i odpowiedź, która się na niej opierała. Przykładowa definicja sprawdzająca oparcie w materiale może pytać, czy asystent stwierdza wniosek, którego dostarczona obserwacja nie uzasadnia. Użyteczny wynik dotyczy zdefiniowanego zachowania w danym fragmencie, a nie pełnej diagnozy całej aplikacji.\n\n### Odczytaj trzy prawdopodobieństwa dla każdej definicji\n\nKażdy wynik zawiera identyfikator zachowania oraz p_present, p_absent i p_not_observable. Suma trzech prawdopodobieństw wynosi w przybliżeniu 1. Obecność szacuje, że zachowanie wystąpiło; nieobecność — że nie wystąpiło; brak możliwości obserwacji — że dostarczony fragment nie zawiera dowodów niezbędnych do rozstrzygnięcia. Są to odrębne znaczenia i powinny pozostać odrębne podczas interpretacji wyników.\n\nNa przykład fragment kończący się stwierdzeniem asystenta, że rozwiąże problem, może pokazywać obietnicę. Nie może jeszcze pokazywać, że klient zaakceptował późniejsze rozwiązanie, jeśli nie ma odpowiedzi klienta. Traktuj taki wynik wynikający z braku dowodów jako nieznany, zamiast zamieniać go na nieobecność. Niskie prawdopodobieństwo obecności nie jest automatycznie silnym dowodem nieobecności, gdy znaczna część rozkładu oznacza brak możliwości obserwacji.\n\n### Ocenianie definicji zachowań w jednym przebiegu\n\nRespan opisuje Span-01 jako klasyfikator rozumujący, trenowany najpierw do ogólnej klasyfikacji z użyciem RLAIF, a następnie wyspecjalizowany w wykrywaniu zachowań. Każda definicja działa jako równoległa gałąź na tym samym śladzie, a model zwraca prawdopodobieństwa zachowań w jednym przebiegu w przód. Hybrydowy mechanizm uwagi wspiera obsługę długich, złożonych śladów. Model nie generuje tokenów, nie pisze narracyjnego osądu ani nie tworzy swobodnego wyjaśnienia klasyfikacji.\n\nPrzewodnik po pojęciach i dokumentacja oceniania nie podają limitu liczby zachowań w jednym żądaniu. Każda definicja nadal stanowi część dostarczonej ewaluacji, dlatego powinna być jasna i istotna; brak limitu liczby nie dowodzi nieograniczonej pojemności wejścia. Wynik zawiera jeden wpis na zachowanie w kolejności żądania, identyfikowany przez jego id. Wiele definicji opisuje wiele niezależnych obserwacji; nie są to wzajemnie wykluczające się wybory kategorii, których wartości muszą sumować się do jedności między zachowaniami.\n\n### Przygotowanie użytecznego artefaktu ewaluacyjnego\n\nŁącz zwrócone prawdopodobieństwa z progami właściwymi dla zadania i regułami przeglądu poza modelem. Producent zaleca używanie oznaczonych rozmów do wyboru tych progów i analizowanie granicznych wyników obecności lub wysokich wyników braku możliwości obserwacji. Proces wsparcia może osobno rejestrować frustrację, proponowaną eskalację i nieuzasadnioną obietnicę. Proces kontroli jakości agenta może śledzić powtarzające się działania lub to, czy odpowiedź wykorzystała udostępniony jej materiał.\n\nZachowaj razem fragment tekstu, definicję zachowania, identyfikator wyniku i pełny rozkład trójdzielny. Gdy definicja się zmienia, uwzględnij, że zmienia się to, co mierzy prawdopodobieństwo. Weryfikuj pozorne błędy w odniesieniu do rzeczywistej rozmowy, zamiast traktować wynik liczbowy jako dowód niezaobserwowanego zdarzenia. Użyteczny artefakt to rekord zachowania powiązany ze śladem i kryterium, z niepewnością zachowaną do późniejszej analizy lub następnej decyzji aplikacji.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "0de9417da54f0ea2db00485e85320340472a916e1af313f8e75e61ca3e295b0a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "respan/span-01Span-01 to tekstowy klasyfikator zachowań Respan dla rozmów i śladów działania agentów. Zdefiniuj zachowania zwykłym językiem, a zwróci dla każdego trzy prawdopodobieństwa: obecne, nieobecne i niemożliwe do zaobserwowania, zachowując niepewność, gdy dostarczony ślad nie rozstrzyga pytania.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Span-01 to model Respan do oceniania zachowań w rozmowach i śladach działania agentów. Odczytuje interakcję tekstową wraz z definicjami zachowań zapisanymi zwykłym językiem i zwraca prawdopodobieństwa dla każdej definicji. Wyjście rozróżnia zachowanie obecne, nieobecne lub niemożliwe do zaobserwowania w dostarczonym śladzie. Daje to procesowi ewaluacji sygnał liczbowy z jawnym sposobem przedstawiania brakujących dowodów, zamiast wygenerowanego wyjaśnienia wymagającego parsowania.
Zachowania dostarcza wywołujący. Wstrzyknięcie promptu, nieuzasadnione twierdzenia, ujawnienie sekretów, powtarzające się pętle, niewłaściwe użycie narzędzi i frustracja użytkownika to możliwe definicje, a nie stała taksonomia wbudowana w model. Określ, co liczy się jako dane zachowanie, a co nie. Wąska definicja może odróżnić prośbę użytkownika o przekazanie do człowieka od samego wyrażenia rozczarowania. Inna może rozróżnić przyznanie przez asystenta, że istnieje problem, od obietnicy działania, którego nie potrafi wykonać.
Używaj stałych identyfikatorów z definicjami, aby wyniki pozostały związane z ocenianym zachowaniem. Skup kryterium na czymś, co ślad może pokazać. Jeśli zachowanie wymaga dokumentu źródłowego, wyniku narzędzia lub późniejszej odpowiedzi klienta, dołącz ten materiał we właściwym miejscu interakcji tekstowej. Sama definicja nie może potwierdzić faktu nieobecnego w śladzie.
Udokumentowane wejście oddziela wcześniejsze wiadomości w span.input od docelowej tury w span.output. Treść każdej wiadomości jest ciągiem znaków. Podaj rzeczywisty kontekst rozmowy i turę, którą chcesz ocenić, zachowując role rozmówców oraz kolejność potrzebną do jej interpretacji. To profil oceniania tekstu; przygotowany tekst dokumentu lub transkrypcja mogą być materiałem dowodowym, natomiast media, z których uzyskano tekst, same nie są udokumentowanym wejściem.
W interakcji ze wsparciem zachowaj prośbę klienta z proponowaną odpowiedzią asystenta. W przypadku agenta korzystającego z narzędzi zachowaj istotną obserwację narzędzia i odpowiedź, która się na niej opierała. Przykładowa definicja sprawdzająca oparcie w materiale może pytać, czy asystent stwierdza wniosek, którego dostarczona obserwacja nie uzasadnia. Użyteczny wynik dotyczy zdefiniowanego zachowania w danym fragmencie, a nie pełnej diagnozy całej aplikacji.
Każdy wynik zawiera identyfikator zachowania oraz p_present, p_absent i p_not_observable. Suma trzech prawdopodobieństw wynosi w przybliżeniu 1. Obecność szacuje, że zachowanie wystąpiło; nieobecność — że nie wystąpiło; brak możliwości obserwacji — że dostarczony fragment nie zawiera dowodów niezbędnych do rozstrzygnięcia. Są to odrębne znaczenia i powinny pozostać odrębne podczas interpretacji wyników.
Na przykład fragment kończący się stwierdzeniem asystenta, że rozwiąże problem, może pokazywać obietnicę. Nie może jeszcze pokazywać, że klient zaakceptował późniejsze rozwiązanie, jeśli nie ma odpowiedzi klienta. Traktuj taki wynik wynikający z braku dowodów jako nieznany, zamiast zamieniać go na nieobecność. Niskie prawdopodobieństwo obecności nie jest automatycznie silnym dowodem nieobecności, gdy znaczna część rozkładu oznacza brak możliwości obserwacji.
Respan opisuje Span-01 jako klasyfikator rozumujący, trenowany najpierw do ogólnej klasyfikacji z użyciem RLAIF, a następnie wyspecjalizowany w wykrywaniu zachowań. Każda definicja działa jako równoległa gałąź na tym samym śladzie, a model zwraca prawdopodobieństwa zachowań w jednym przebiegu w przód. Hybrydowy mechanizm uwagi wspiera obsługę długich, złożonych śladów. Model nie generuje tokenów, nie pisze narracyjnego osądu ani nie tworzy swobodnego wyjaśnienia klasyfikacji.
Przewodnik po pojęciach i dokumentacja oceniania nie podają limitu liczby zachowań w jednym żądaniu. Każda definicja nadal stanowi część dostarczonej ewaluacji, dlatego powinna być jasna i istotna; brak limitu liczby nie dowodzi nieograniczonej pojemności wejścia. Wynik zawiera jeden wpis na zachowanie w kolejności żądania, identyfikowany przez jego id. Wiele definicji opisuje wiele niezależnych obserwacji; nie są to wzajemnie wykluczające się wybory kategorii, których wartości muszą sumować się do jedności między zachowaniami.
Łącz zwrócone prawdopodobieństwa z progami właściwymi dla zadania i regułami przeglądu poza modelem. Producent zaleca używanie oznaczonych rozmów do wyboru tych progów i analizowanie granicznych wyników obecności lub wysokich wyników braku możliwości obserwacji. Proces wsparcia może osobno rejestrować frustrację, proponowaną eskalację i nieuzasadnioną obietnicę. Proces kontroli jakości agenta może śledzić powtarzające się działania lub to, czy odpowiedź wykorzystała udostępniony jej materiał.
Zachowaj razem fragment tekstu, definicję zachowania, identyfikator wyniku i pełny rozkład trójdzielny. Gdy definicja się zmienia, uwzględnij, że zmienia się to, co mierzy prawdopodobieństwo. Weryfikuj pozorne błędy w odniesieniu do rzeczywistej rozmowy, zamiast traktować wynik liczbowy jako dowód niezaobserwowanego zdarzenia. Użyteczny artefakt to rekord zachowania powiązany ze śladem i kryterium, z niepewnością zachowaną do późniejszej analizy lub następnej decyzji aplikacji.
POST /v1/systemonetextdecisions| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity respan/span-01 | 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 $0.00004 / 1K tokenów Wyjście · Tokeny wyjściowe $0 / 1K tokenów Wejście · Odczyt cache — / 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 $0.00004 / 1K tokenów Wyjście · Tokeny wyjściowe $0 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "respan/span-01",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${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']='respan/span-01'\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 respan/span-01
Użyj ścieżek metod podanych powyżej.