不同场景请求方式说明
这里对不同场景下，该如何请求大模型做一个说明
请求参数
| 参数 | 类型 | 必需 | 参数说明 |
|---|---|---|---|
| query_text | string | 是 | 问题文本，例如：你好。 |
| ctdoc_id | string | 否 | 文档 id，多个用英文逗号分隔，如果指定了文档 id 则只从指定的文档中思考，如果不指定则从全部文档中思考。 |
| session_id | string | 是 | 会话 id，用于串连多轮聊天的会话 id，相同会话 id 的多次问答才能形成多轮问答。不能超过 64 字节，只允许数字英文和 -_. 字符。 |
| enable_citation | string | 否 | 是否返回引文，默认返回。0：否 , 1：是。 |
| enable_followup | string | 否 | 是否返回推荐问题，默认返回。0：否 , 1：是。 |
| smart_temp | string | 否 | AI 创造性等级，取值是 0-10。0 为最保守等级，10 为最大限度自由发挥等级。 |
| lang | string | 否 | 语言，如果没有指定会根据 query_text 自动检测语言。指定只可提高回复语音准确性 可选值有：zh_CN / en_US / ko_KR / ja_JP / th_TH。 |
| context | string | 否 | 默认是空。外部传入的上下文， 字符串类型，会被当作一个完整的检索出来的片段，放入给大模型的prompt中的[参考资料]中 |
| enable_elaborate | string | 否 | 是否启用详细阐述，默认是启用。0：关闭 , 1：启用。其中这个功能可以让AI适当发挥写出更丰满的文字，但适当发挥也可能导致它产出一些错误答案 |
| stream | string | 否 | 是否以流式输出, 默认是非流式，0: 否 ,1: 是 |
| category | string | 否 | 用什么方式聊天 doc_chat：基于知识库聊天（默认值） tpl_chat：创作中心 |
| ctprofile_id | string | 否 | 聊天人设选择。 当category为doc_chat时，这个值不用传。在项目设置中设置啥人设，就是啥人设 当category是tpl_chat是，有如下两个选择： – creator：无历史记录的创作者中心专用人设。 – writer：有历史记录的创作中心专用人设（默认值）。 |
请求方式说明
session_id 是形成对轮对话的关键，相同的session_id会视作同一对话进行。相反如果希望重新开始一个话题，生成一个新的session_id传入即可。所以session_id应该使用GUID的生成规则，在系统中避免重复。 context 可用于手动添加上下文，也可以一定程度上用于自定义prompt（注意这种用法通常只适用于新session_id第一次发起对话请求）
不同的场景，使用这个API的方式也不一样。下面是集中调用聊天接口的示例。
- 严肃回答场景：不应该指定ctdoc_id、不希望机器人随机发挥，希望机器人展现文章出处，不希望继续提问，那么请求样子可能如下：
{
"query_text": "民法典中关于能结婚的条件是什么",
"session_id": "C9857E6A-2E26-4A9D-887E-BB8A4A0B9BD4",
"enable_citation": "1",
"enable_followup": "0",
"smart_temp": "0",
"stream": "1",
}
- 闲聊场景：不应该指定ctdoc_id、希望机器人随机发挥，不希望机器人展现文章出处，希望继续提问，那么请求样子可能如下：
{
"query_text": "请求火星上是否存在水源",
"session_id": "05FE9D4A-E82A-4E36-827A-EFB7A5ABF6E0",
"enable_citation": "0",
"enable_followup": "1",
"smart_temp": "9",
"stream": "1",
}
- 总结场景：指定总结某个文字的ctdoc_id，机器人一定程度发挥，不需要展现出处，希望继续提问，那么请求样子可能如下：
{
"query_text": "这本书主要表达了作者什么观点",
"ctdoc_id": "test_doc_id",
"session_id": "05FE9D4A-E82A-4E36-827A-EFB7A5ABF6E0",
"enable_citation": "0",
"enable_followup": "1",
"smart_temp": "4",
"stream": "1",
}
为了达到效果最优，我们需要尝试各种组合。