跳轉到主要內容
我們知道，市面上一些問答 API 的對接還是相對沒那麼容易的，比如說 OpenAI 的 Chat Completions API，它有一個 messages 字段，如果要完成連續對話，需要我們把所有的上下文歷史全部傳遞，同時還需要處理 Token 超出限制的問題。 AceDataCloud 提供的 AI 問答 API 針對上述情況進行了優化，在保證問答效果不變的情況下，對連續對話的實現進行了封裝，對接時無需再關心 messages 的傳遞，也無需關心 Token 超出限制的問題（API 內部自動進行了處理），同時也提供了對話查詢、修改等功能，使得整體的對接大大簡化。 本文檔會介紹下 AI 問答 API 的對接說明。

​
申請流程

要使用 API，需要先到 AI 問答 API 對應頁面申請對應的服務，進入頁面之後，點擊「Acquire」按鈕，如圖所示： 如果你尚未登錄或註冊，會自動跳轉到登錄頁面邀請您來註冊和登錄，登錄註冊之後會自動返回當前頁面。 在首次申請時會有免費額度贈送，可以免費使用該 API。

​
基本使用

首先先了解下基本的使用方式，就是輸入問題，獲得回答，只需要簡單地傳遞一個 question 字段，並指定相應模型即可。 比如說詢問：“What’s your name？”，我們接下來就可以在界面上填寫對應的內容，如圖所示： 可以看到這裡我們設置了 Request Headers，包括：
  • accept：想要接收怎樣格式的響應結果，這裡填寫為 application/json，即 JSON 格式。
  • authorization：調用 API 的密鑰，申請之後可以直接下拉選擇。
另外設置了 Request Body，包括：
  • model：模型的選擇，比如主流的 GPT 3.5，GPT 4 等。
  • question：需要詢問的問題，可以是任意的純文本。
選擇之後，可以發現右側也生成了對應代碼，如圖所示：

點擊「Try」按鈕即可進行測試，如上圖所示，這裡我們就得到了如下結果： 
{
  "answer": "I am an AI language model developed by OpenAI and I don't have a personal name. However, you can call me GPT or simply Chatbot. How can I assist you today?"
}
可以看到，這裡返回的結果中有一個 answer 字段，就是該問題的回答。我們可以輸入任意問題，就可以得到任意的回答。 如果你不需要任何多輪對話的支持，這個 API 可以極大方便你的對接。 另外如果想生成對應的對接代碼，可以直接複製生成，例如 CURL 的代碼如下： 
curl -X POST 'https://api.acedata.cloud/aichat/conversations' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "model": "gpt-3.5",
  "question": "What's your name?"
}'
Python 的對接代碼如下： 
import requests

url = "https://api.acedata.cloud/aichat/conversations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "gpt-3.5",
    "question": "What's your name?"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

​
多輪對話

如果您想要對接多輪對話功能，需要傳遞一個額外參數 stateful，其值為 true，後續的每次請求都要攜帶該參數。傳遞了 stateful 參數之後，API 會額外返回一個 id 參數，代表當前對話的 ID，後續我們只需要將該 ID 作為參數傳遞，就可以輕鬆實現多輪對話。 下面我們來演示下具體的操作。 第一次請求，將 stateful 參數設置為 true，並正常傳遞 model 和 question 參數，如圖所示： 對應代碼如下： 
curl -X POST 'https://api.acedata.cloud/aichat/conversations' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "model": "gpt-3.5",
  "question": "What's your name?",
  "stateful": true
}'
可以得到如下回答： 
{
  "answer": "I am an AI language model created by OpenAI and I don't have a personal name. You can simply call me OpenAI or ChatGPT. How can I assist you today?",
  "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"
}
第二次請求，將第一次請求返回的 id 字段作為參數傳遞，同時 stateful 參數依然設置為 true，詢問「What I asked you just now?」，如圖所示： 對應代碼如下： 
curl -X POST 'https://api.acedata.cloud/aichat/conversations' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "model": "gpt-3.5",
  "stateful": true,
  "id": "7cdb293b-2267-4979-a1ec-48d9ad149916",
  "question": "What I asked you just now?"
}'
結果如下： 
{
  "answer": "You asked me what my name is. As an AI language model, I do not possess a personal identity, so I don't have a specific name. However, you can refer to me as OpenAI or ChatGPT, the names used for this AI model. Is there anything else I can help you with?",
  "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"
}
可以看到，就可以根據上下文回答對應的問題了。

​
流式響應

該接口也支持流式響應，這對網頁對接十分有用，可以讓網頁實現逐字顯示效果。 如果想流式返回響應，可以更改請求頭裡面的 accept 參數，修改為 application/x-ndjson。 修改如圖所示，不過調用代碼需要有對應的更改才能支持流式響應。 將 accept 修改為 application/x-ndjson 之後，API 將逐行返回對應的 JSON 數據，在代碼層面我們需要做相應的修改來獲得逐行的結果。 Python 樣例調用代碼： 
import requests

url = "https://api.acedata.cloud/aichat/conversations"

headers = {
    "accept": "application/x-ndjson",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "gpt-3.5",
    "stateful": True,
    "id": "7cdb293b-2267-4979-a1ec-48d9ad149916",
    "question": "你好"
}

response = requests.post(url, json=payload, headers=headers, stream=True)
for line in response.iter_lines():
    print(line.decode())
輸出效果如下： 
{"answer": "你好", "delta_answer": "你好", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "你好！", "delta_answer": "！", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "你好！你", "delta_answer": " 你", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "你好！你可以", "delta_answer": " 可以", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "你好！你可以幫助", "delta_answer": "幫助", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "你好！你可以幫助我", "delta_answer": "我", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "你好！你可以幫助我嗎", "delta_answer": "嗎", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "你好！你可以幫助我嗎？", "delta_answer": "？", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
可以看到，響應裡面的 answer 即為最新的回答內容，delta_answer 則是新增的回答內容，您可以根據結果來對接到您的系統中。 JavaScript 也是支持的，比如 Node.js 的流式調用代碼如下： 
const axios = require("axios");

const url = "https://api.acedata.cloud/aichat/conversations";
const headers = {
  "Content-Type": "application/json",
  Accept: "application/x-ndjson",
  Authorization: "Bearer {token}",
};
const body = {
  question: "你好",
  model: "gpt-3.5",
  stateful: true,
};

axios
  .post(url, body, { headers: headers, responseType: "stream" })
  .then((response) => {
    console.log(response.status);
    response.data.on("data", (chunk) => {
      console.log(chunk.toString());
    });
  })
  .catch((error) => {
    console.error(error);
  });
Java 範例代碼： 
String url = "https://api.acedata.cloud/aichat/conversations";
OkHttpClient client = new OkHttpClient();
MediaType mediaType = MediaType.parse("application/json");
RequestBody body = RequestBody.create(mediaType, "{\"question\": \"你好\", \"stateful\": true, \"model\": \"gpt-3.5\"}");
Request request = new Request.Builder()
        .url(url)
        .post(body)
        .addHeader("Content-Type", "application/json")
        .addHeader("Accept", "application/x-ndjson")
        .addHeader("Authorization", "Bearer {token}")
        .build();

client.newCall(request).enqueue(new Callback() {
    @Override
    public void onFailure(Call call, IOException e) {
        e.printStackTrace();
    }

    @Override
    public void onResponse(Call call, Response response) throws IOException {
        if (!response.isSuccessful()) throw new IOException("Unexpected code " + response);
        try (BufferedReader br = new BufferedReader(
                new InputStreamReader(response.body().byteStream(), "UTF-8"))) {
            String responseLine;
            while ((responseLine = br.readLine()) != null) {
                System.out.println(responseLine);
            }
        }
    }
});
其他語言可以另外自行改寫，原理都是一樣的。

​
模型預設

我們知道，OpenAI 相關的 API 有對應的 system_prompt 的概念，就是給整個模型設置一個預設，比如它叫什麼名字等等。本 AI 問答 API 也暴露了這個參數，叫做 preset，利用它我們可以給模型增加預設，我們用一個例子來體驗下： 這裡我們額外添加 preset 字段，內容為 你是一位專業藝術家，如圖所示： 對應代碼如下： 
curl -X POST 'https://api.acedata.cloud/aichat/conversations' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "model": "gpt-3.5",
  "stateful": true,
  "question": "你能幫我什麼？",
  "preset": "你是一位專業藝術家"
}'
運行結果如下： 
{
    "answer": "作為一位專業藝術家，我可以根據您的具體需求提供一系列服務和幫助。以下是我可以幫助您的幾種方式：\n\n1. 定制藝術作品：如果您有特定的願景或想法，我可以為您創作定制的藝術作品。這可以包括繪畫、素描、數字藝術或您喜歡的任何其他媒介。\n\n2. 委託作品：如果您有特定的主題或概念，我可以創作量身定制的委託藝術作品。這可以是為了個人享受或作為送給某個特別的人的獨特禮物。\n\n3. 藝術諮詢：如果您需要有關藝術選擇、室內設計或如何在您的空間中展示和展示藝術的指導，我可以提供專業建議，幫助提升您的美學感受並創造出和諧的外觀。"
}
可以看到這裡我們告訴 GPT 他是一個機器人，然後問它可以為我們做什麼，他就可以扮演一個機器人的角色來回答問題了。

​
圖片識別

本 AI 也能支持添加附件進行圖片識別，通過 references 傳遞對應圖片鏈接即可，比如我這裡有一張蘋果的圖片，如圖所示： 該圖片的鏈接是 https://cdn.acedata.cloud/ht05g0.png，我們直接將其作為 references 參數傳遞即可，同時需要注意的是，模型必須要選擇支持視覺識別的模型，目前支持的是 gpt-4-vision，所以輸入如下： 對應的代碼如下： 
curl -X POST 'https://api.acedata.cloud/aichat/conversations' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "model": "gpt-4-vision",
  "question": "圖片中有多少個蘋果？",
  "references": ["https://cdn.acedata.cloud/ht05g0.png"]
}'
運行結果如下： 
{
  "answer": "圖片中有 5 個蘋果。"
}
可以看到，我們就成功得到了對應圖片的回答結果。

​
聯網問答

本 API 還支持聯網模型，包括 GPT-3.5、GPT-4 均能支持，在 API 背後有一個自動搜索互聯網並總結的過程，我們可以選擇模型為 gpt-3.5-browsing 來體驗下，如圖所示： 代碼如下： 
curl -X POST 'https://api.acedata.cloud/aichat/conversations' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "model": "gpt-3.5-browsing",
  "question": "今天紐約的天氣怎麼樣？"
}'
運行結果如下： 
{
  "answer": "今天紐約的天氣如下：\n- 當前溫度：16°C (60°F)\n- 最高：16°C (60°F)\n- 最低：10°C (50°F)\n- 濕度：47%\n- 紫外線指數：6/11\n- 日出：上午5:42\n- 日落：下午8:02\n\n天氣陰雲密布，今晚有偶爾降雨的機會，降雨機率為50%。\n如需更多詳細信息，您可以訪問 [The Weather Channel](https://weather.com/weather/tenday/l/96f2f84af9a5f5d452eb0574d4e4d8a840c71b05e22264ebdc0056433a642c84)。\n\n還有其他您想知道的嗎？"
}
可以看到，這裡它自動連網搜索了 The Weather Channel 網站，並獲得了裡面的信息，然後進一步返回了即時結果。
如果對模型回答質量有更高要求，可以將模型更換為 gpt-4-browsing，回答效果會更好。