星辰MaaS产品文档
平台介绍
星辰MaaS平台介绍
API文档
认知大模型
Spark X1 Http调用文档
Spark http调用文档
Spark4.0 Ultra
Spark Max
Spark Pro
Spark Pro-128k
Spark Lite
翻译大模型
人格大模型
代码大模型
医疗大模型
办公大模型
汽车大模型
数字员工大模型
虚拟人大模型
工业大模型
科技文献大模型
口语通用大模型
internlm2_7b_chat
llama2_7b
Chinese-Aplaca-2-7B
codellama_7b_instruction
internlm_7b
Chinese-Alpaca-2-13b-16k
llama-3-chinese-8b-instruct
Chinese-Alpaca-7B
baichuan_7b
spark 13b
spark 2.6b
llama3_8b_instruct
llama2_7b_chat_hf
llama2_13b
falcon_7b_instruct
phi_3_mini_4k_instruct
starcoder2-3b
c4ai_command_r_v01
qwen_v2_0.5b_chat
qwen_v2_1.5b_chat
qwen_v2_72b_chat
gemma2_9b_it
qwen_v2.5_7b_chat
Spark Character
语音大模型
中文识别大模型
多语种识别大模型
超拟人语音合成
多模态
图片生成
图像理解
Stable Diffusion-XL
Visual Transformer
通用OCR大模型
Stable-Diffusion-3-medium-diffusers
SDK文档
星火认知大模型
Windows SDK集成文档
Android SDK集成文档
Linux SDK集成文档
iOS SDK集成文档
识别大模型
Android SDK集成文档
Linux SDK集成文档
超拟人语音合成
Android SDK集成文档
Linux SDK集成文档
iOS SDK集成文档
图片生成
Android SDK集成文档
Linux SDK集成文档
Windows SDK集成文档
iOS SDK集成文档
图像理解
Android SDK集成文档
Linux SDK集成文档
用户指南
申请APPID指引
工单授权指引
鉴权说明
OpenAILike鉴权方式使用说明
WebSocket鉴权使用说明
http鉴权使用说明
大模型精调平台
产品使用说明
数据集格式说明
Web API文档
精调服务_WebSocket协议
精调服务_HTTP协议
图像理解_WebSocket协议
stable_diffusion图片生成
图片分类
bert协议服务
批处理API文档
Prompt工程指南
本文档使用 MrDoc 发布
-
+
首页
Spark X1 Http调用文档
# 星火大模型X1 接口 ## 1、请求 请求方式:POST 请求域名和path: 内部入口(内部业务请使用该地址): ``` https://spark-api-open-inner.xf-yun.com/v2/chat/completions ``` **Python示例** ```json import os from openai import OpenAI import openai client = OpenAI( # x1 api_key="AK:SK", # 开通鉴权appid对应的ak:sk base_url="https://spark-api-open.xf-yun.com/v2", ) # stream_res = True stream_res = False stream = client.chat.completions.create( messages=[ { "role": "user", "content": "你好" }, ], model="x1", stream=stream_res, user="123456", ) full_response = "" if not stream_res: print(stream.to_json()) else: for chunk in stream: if hasattr(chunk.choices[0].delta, 'reasoning_content') and chunk.choices[0].delta.reasoning_content is not None: reasoning_content = chunk.choices[0].delta.reasoning_content print(reasoning_content, end="", flush=True) # 实时打印思考模型输出的思考过程每个片段 if hasattr(chunk.choices[0].delta, 'content') and chunk.choices[0].delta.content is not None: content = chunk.choices[0].delta.content print(content, end="", flush=True) # 实时打印每个片段 full_response += content print("\n\n ------完整响应:", full_response) ``` ## 2、协议 ### (1)请求参数 ```json { "model": "x1", "user": "用户唯一id", "messages": [ { "role": "user", "content": "推荐两个国内适合自驾的景点" } ], // 下面是可选参数 "stream": true, "tools": [ { "type": "web_search", "web_search": { "enable": true, "search_mode":"deep" } } ] } ``` 参数说明: | 名称 | 类型 | 是否必传 | 描述 | | -------------------- | -------------- | -------- | ------------------------------------------------------------ | | model | string | 是 | x1 | | user | string | 否 | 用户的唯一id,表示一个用户,user_123456 | | messages | array | 是 | 输入数组 | | messages.role | string | 是 | 角色,user表示用户,assistant表示大模型,system表示命令 | | messages.content | string | 是 | 角色对应的文本内容 | | temperature | float | 否 | 核采样阈值 取值范围(0, 2] 默认值1.2 | | top_p | int | 否 | 生成过程中核采样方法概率阈值,例如,取值为0.8时,仅保留概率加起来大于等于0.8的最可能token的最小集合作为候选集。取值越大,生成的随机性越高;取值越低,生成的确定性越高。 取值范围(0, 1] 默认值0.95 | | top_k | int | 否 | 从k个中随机选择一个(非等概率) 取值范围[1, 6] 默认值6 | | presence_penalty | float | 否 | 重复词的惩罚值 取值范围[-2.0,10] 默认2.01 repeat_punish | | frequency_penalty | float | 否 | 频率惩罚值 取值范围[-2.0,10] 默认0.001 | | stream | bool | 否 | 是否流式返回结果。默认是false 表示非流式。 如果使用流式,服务端使用SSE的方式推送结果,客户端自己适配处理结果。 | | keep_alive | bool | 否 | 是否开启非流式请求保活。默认是false 表示不开启。 如果开启,服务端会定时发送空行,直至所有结果返回。需要客户端自己处理空行。 | | max_tokens | int | 否 | 大模型输出信息的token上限,取值范围[1,32768] 默认值32768 | | **tools** | array Optional | 否 | 模型可能会调用的 tool 的列表 | | **tools.web_search** | object | 否 | {"type":"web_search","web_search":{"enable":true,"search_mode":"deep/normal"}} <br /> enable 开关表示是否开启搜索功能<br />search_mode开启搜索时支持选择搜索模式deep or normal ,deep模式搜索内容更丰富 token使用量更高 默认为normal模式 | ### (2)响应信息 **非流式**返回一个 `chat completion` 对象: ```json { "choices": [ { "index": 0, "message": { "content": "根据搜索结果,以下是两个国内适合自驾的景点推荐,结合自然风光、路况体验及文化特色综合筛选:\n\n### 一、**四川阿坝州九寨沟** \n- **推荐理由**: \n - 九寨沟以其独特的山水景观闻名,被誉为“人间仙境”。自驾可深度 感受川西高原的壮美风光,沿途还能体验藏羌风情。 \n - 路线成熟,道路基础设施完善,适合不同驾驶水平的旅行者。秋季红叶与碧湖相映,冬季雪景静谧,四季皆景。 \n - 周边可联动川西大环线,顺路游览黄龙、四姑娘山等景点,行程丰富且灵活。 \n\n### 二、**云南文山坝美村** \n- **推荐理由**: \n - 坝美村是现实中的“世外桃源”,需乘船穿越石灰岩溶洞才能进入村庄,四周青山环绕,河流清澈,田园风光原始淳朴。 \n - 自驾可直达村落,路况以山路为主,适合喜欢小众探秘和慢节奏旅行的游客。夏季夜晚还可体验“鸳鸯河”畔的露天浴场,感受独特民俗。 \n - 路线难度较低,适合家庭出行或短途自驾,且游客密度相对较小,保留较多原生态气息。 \n\n### 附注意事项\n- **九寨沟**:建议选择秋季(9-10月)或春季(4-5月)前往,避开旅游高峰期;需注意高原反应,提前备好车辆防滑设备。 \n- **坝美村**:最佳季节为夏秋,雨后村落烟雾缭绕,宛如画中;村内需步行或乘船,建议轻便着装。 \n\n这两个景点均兼具自然风光与文化特色,且自驾路线成熟,能覆盖从轻松休闲到轻度探 险的不同需求。", "role": "assistant", "reasoning_content": "\n\n用户想要两个国内适合自驾的景点推荐。这需要我了解国内适合自驾的景点,并从中挑选出两个较为合适的。同时,要考虑到用户的自驾需求,比如路况、风景、行程安排等因素。\n\n现在,我将使用联网搜索工具搜索国 内适合自驾的景点,然后从中推荐两个。\n\n首先,看看各个网页的信息。网页1提到了中国十大自驾游景点,比如九寨沟、千岛湖、青海湖、喀纳斯、敦煌莫高窟、天山天池、布达拉宫等,但内容好像没完整显示,可能被截断了。不过这几个地方都是比较有名的自驾路线上的景点,应该可以考虑。\n\n网页2和网页4时间不同,但内容看起来相似,都是盘点10条国内最适合自驾的路线,集中在西南、西北和内蒙,难度系数不同。其中提到的云南贵州内蒙三颗星,川藏北疆四颗星,阿里大北线和丙察察线五颗星。这说 明这些地方适合不同驾驶水平的自驾爱好者。\n\n网页3推荐了8条绝美自驾路线,比如坝美村,描述得很详细,说是世外桃源,还有鸳鸯河,听起来很有特色。不过时间较早,是2018年的,可能信息需要结合其他网页更新。\n\n网页5是2020年的,盘点了8个适 合自驾的城市,第一个就是四川阿坝州,提到九寨沟,和网页1呼应。看来九寨沟确实是个热门推荐。\n\n现在,我需要从这些信息中选出两个景点。考虑到用户要的是“景点”而非整个路线,可能需要选具体的地方,而不是大范围的路线。比如九寨沟、坝美村这样具体的地方,或者像青海湖、千岛湖这样的明确地点。\n\n网页1提到的九寨沟在自驾路线上,网页5也重点推荐了四川阿坝州,特别是九寨沟,说明这里非常适合自驾,风景优美,应该是一个不错的选择。另外,网页3提到的坝美村,属于云南,被称为世外桃源,有独特的自然景观,可能也是一个好推荐。\n\n再考虑其他网页有没有其他推荐。网页2和4提到的川藏线、新疆大环线、青海湖等,但用户要的是两个景点,可能需要更具体的点。比如青海湖可能是一个,但网页1里提到青海湖在青藏线上,可能更适合路线推荐。而坝美村在网页3里描述得很细致,有特色,适合作为其中一个推荐。\n\n另外,网页5里的四川阿坝州包含九寨沟,可能可以合并到九寨沟作为推荐。所以第一个推荐可以是四川九寨沟,第二个是云南坝美村。这两个地方分别在不同的省份,各有特色, 且都被搜索结果提到,符合用户需求。\n\n再检查时间因素,网页5是2020年的,网页4是2023年的,可能更近期的信息更准确。但坝美村在网页3是2018年的,可能依然有效,因为景点本身的特点不会变。九寨沟在多个网页中被提及,尤其是网页5,说明其持续 受欢迎。\n\n所以最终决定推荐两个景点:四川九寨沟和云南坝美村。" } } ], "usage": { "completion_tokens": 1175, "prompt_tokens": 8, "total_tokens": 1183 }, "code": 0, "message": "Success", "sid": "cha00010010@dx19637483ed53b4e302", "status": "complete" } ``` 响应的参数说明: | 名称 | 类型 | 描述 | | -------------------------- | -------- | -------------------------------------------------- | | code | int | 错误码:0表示成功,非0表示错误 | | message | string | 错误码的描述信息 | | sid | string | 本次请求的唯一id | | choices | array | 大模型结果的数组 | | choices.message | object | 大模型结果 | | choices.message.role | string | 大模型的角色 | | choices.message.content | string | 大模型输出的内容 | | choices.message.reasoning_content | string | 仅适用于 reasoner 模型。内容为assistant 消息中在最终答案之前的推理内容 | | choices.index | int | 大模型的结果序号,在多候选中使用 | | usage | object | 本次请求消耗的token数量 | | usage.prompt_tokens | int | 用户输入信息,消耗的token数量 | | usage.search_prompt_tokens | int | deep搜索模式下,会返回这个key,代表搜索膨胀的token | | usage.completion_tokens | int | 大模型输出信息,消耗的token数量 | | usage.total_tokens | int | 用户输入+大模型输出,总的token数量 | **流式**返回包含一系列 `chat completion chunk` 对象的流式输出: ```json data:{"code":0,"message":"Success","sid":"cha00010012@dx196374b0be83b4e302","id":"cha00010012@dx196374b0be83b4e302","created":1744684388,"choices":[{"delta":{"role":"assistant","reasoning_content":"用户希望推荐"},"index":0}]} {"code":0,"message":"Success","sid":"cha00010012@dx196374b0be83b4e302","id":"cha00010012@dx196374b0be83b4e302","created":1744684388,"choices":[{"delta":{"role":"assistant","reasoning_content":"两个国内适合自"},"index":0}]} {"code":0,"message":"Success","sid":"cha00010012@dx196374b0be83b4e302","id":"cha00010012@dx196374b0be83b4e302","created":1744684388,"choices":[{"delta":{"role":"assistant","reasoning_content":"驾的景点。"},"index":0}]} …… {"code":0,"message":"Success","sid":"cha00010018@dx1963754b1223b4e302","id":"cha00010018@dx1963754b1223b4e302","created":1744685020,"choices":[{"delta":{"role":"assistant","reasoning_content":"需要隐藏的思考内容”","security_suggest":{"action":"HIDE_CONTINUE"}},"index":0}]} …… data:{"code":0,"message":"Success","sid":"cha00010012@dx196374b0be83b4e302","id":"cha00010012@dx196374b0be83b4e302","created":1744684408,"choices":[{"delta":{"role":"assistant","content":"以下是两个国内适合自驾"},"index":0}]} {"code":0,"message":"Success","sid":"cha00010012@dx196374b0be83b4e302","id":"cha00010012@dx196374b0be83b4e302","created":1744684408,"choices":[{"delta":{"role":"assistant","content":"的景点推荐,结合自然风光、"},"index":0}]} ...... {"code":0,"message":"Success","sid":"cha00010016@dx19637530c823b4e302","id":"cha00010016@dx19637530c823b4e302","created":1744684966,"choices":[{"delta":{"role":"assistant","content":"参考!"},"index":0}],"usage":{"prompt_tokens":10549,"completion_tokens":1250,"search_prompt_tokens":10541,"total_tokens":11799}} data:[DONE] ``` 响应的参数说明: | 名称 | 类型 | 描述 | | ----------------------- | ------ | ---------------------------------- | | code | int | 错误码:0表示成功,非0表示错误 | | message | string | 错误码的描述信息 | | sid | string | 本次请求的唯一id | | choices | array | 大模型结果的数组 | | choices.delta | object | 大模型结果 | | choices.delta.role | string | 大模型的角色 | | choices.delta.reasoning_content | string | 仅适用于 reasoner 模型。内容为assistant 消息中在最终答案之前的推理内容 | | choices.message.security_suggest | object | | | choices.message.security_suggest.action | string | 审核建议操作。HIDE_CONTINUE:建议隐藏该内容 | | choices.delta.content | string | 大模型输出的内容 | | choices.index | int | 大模型的结果序号,在多候选中使用 | | usage | object | 本次请求消耗的token数量 | | usage.prompt_tokens | int | 用户输入信息,消耗的token数量 | | usage.search_prompt_tokens | int | deep搜索模式下,会返回这个key,代表搜索膨胀的token | | usage.completion_tokens | int | 大模型输出信息,消耗的token数量 | | usage.total_tokens | int | 用户输入+大模型输出,总的token数量 |
feiyang5
2025年4月22日 11:16
转发文档
收藏文档
上一篇
下一篇
手机扫码
复制链接
手机扫一扫转发分享
复制链接
Markdown文件
PDF文档(打印)
分享
链接
类型
密码
更新密码