普通模型

Chat completions

请求说明

  • 基本信息

请求地址：https://www.sophnet.com/api/open-apis/v1/chat/completions

请求方式：POST

  • Header参数
名称类型必填描述
Content-TypeString是固定值application/json
AuthorizationString是"Bearer" + Apikey
  • Body参数
名称类型必填描述
messagesarray(message)是聊天上下文信息。支持Qwen VL系列模型。
纯文本示例：messages=[{"role": "system", "content": "You are a helpful assistant."},{"role": "user", "content": "Knock knock."},{"role": "assistant", "content": "Who's there?"},{"role": "user", "content": "Orange."},]
多模态示例：{"messages":[{"role":"user","content":[{"type":"text","text":"describe the image in 100 words or less"},{"type":"image_url","image_url":{"url":"xxx","detail":"high"}}]}]}}
modelstring是模型
toolsarray否工具列表，只支持function
streambool否是否以流式接口的形式返回数据，默认false
max_tokensinteger否模型回复最大长度（单位 token）
temperaturenumber否较高的数值会使输出更加随机，而较低的数值会使其更加集中。默认值1.0，取值范围[0,2.0]。
top_pnumber否影响输出文本的多样性，取值越大，生成文本的多样性越强。默认值1.0。
stoparray(string)否停止生成更多Tokens的最多4个字符串。
presence_penaltynumber否通过对已生成的token增加惩罚，减少重复生成的现象。默认值0，取值范围：[-2.0, 2.0]。
frequency_penaltynumber否根据新词在当前文本中的频率进行惩罚，降低模型逐字重复同一行的可能性。 默认值0，取值范围：[-2.0, 2.0]。
logprobsboolean否默认值false。是否返回输出 tokens 的对数概率。
top_logprobsinteger否默认值0，取值范围为 [0, 20]。指定每个输出 token 位置最有可能返回的 token 数量，每个 token 都有关联的对数概率。仅当 logprobs为true 时可以设置 top_logprobs 参数。
response_formatobject否指定模型必须输出的格式的对象。
默认值： { "type": "text" }
设置为 { "type": "json_object" } 可启用 JSON 模式，这保证模型生成的消息是有效的 JSON。
重要：使用 JSON 模式时，您还必须通过系统或用户消息提示模型自行生成JSON。
chat_template_kwargsobject否聊天模板参数对象
chat_template_kwargs.enable_thinkingbool否是否开启思考模式
thinkingobject否思考配置对象，用于兼容不同模型的思考模式
thinking.budget_tokensinteger否思考预算token数，用于限制思考过程的token消耗
enable_thinkingbool否是否开启思考模式，此为兼容接口，效果同chat_template_kwargs.enable_thinking
max_completion_tokensinteger否模型回复的最大完成token数，与max_tokens类似但更精确。当同时设置max_tokens和max_completion_tokens时，只能使用其中一个
tool_choiceobject/string否工具选择策略。可以是"auto"（自动选择）、"none"（不使用工具）、"required"（必须使用工具）或指定特定工具 {"type": "function", "function": {"name": "tool_name"}}
parallel_tool_callsboolean否是否允许并行调用多个工具，默认为true
stop_token_idsarray(integer)否停止token ID列表，用于指定停止生成的token ID
reasoningobject否推理配置对象，用于控制模型的推理行为。包含enabled字段（boolean）
reasoning_effortstring否推理努力程度，可选值："low"、"medium"、"high"

响应说明

  • 响应头参数
名称值描述
Content-Type流式：text/event-stream非流式：application/json
  • 响应体参数

a.非流式

名称类型描述
objectstring回包类型 chat.completion.chunk：多轮对话返回
createdint时间戳
modelstring模型
示例值：Qwen/Qwen2.5-72B-Instruct
choicesarray
choices[0].indexint索引
choices[0].finish_reasonstring结束原因 正常结束：stop，token超长截断结束：length
choices[0].messageobject模型回答
choices[0].message.tool_callsarray工具列表
choices[0].message.tool_calls[0].functionobject函数调用信息
choices[0].refsarray引用列表，调用自定义模型且模型输出包含文档引用时存在。在非流式调用中，会在最终结果内输出此次回答包含的所有引用来源信息。
choices[0].refs[0].indexint引用来源出现顺序
choices[0].refs[0].titlestring引用数据标题
choices[0].refs[0].contentstring引用数据内容
choices[0].refs[0].typestring引用数据类型，file/qa/web， 分别代表文件知识， Q&A Table和web搜索
choices[0].refs[0].urlstring引用数据url，其中，file和qa数据url访问需配置apikey，web数据url访问无需配置apikey

b.流式

名称类型描述
objectstring回包类型 chat.completion.chunk：多轮对话返回
createdint时间戳
modelstring模型
示例值：Qwen/Qwen2.5-72B-Instruct
choicesarray
choices[0].indexint索引
choices[0].finish_reasonstring结束原因 正常结束：stop，token超长截断结束：length
choices[0].deltaobject模型回答
choices[0].refsarray引用列表，调用自定义模型且模型输出包含文档引用时存在。在流式响应过程中，会实时于存在引用的位置输出引用来源信息，并在finish_reason不为空时输出此次回答包含的所有引用来源信息。
choices[0].refs[0].indexint引用来源出现顺序
choices[0].refs[0].titlestring引用数据标题
choices[0].refs[0].contentstring引用数据内容
choices[0].refs[0].typestring引用数据类型，file/qa/web， 分别代表文件知识， Q&A Table和web搜索
choices[0].refs[0].urlstring引用数据url，其中，file和qa数据url访问需配置apikey，web数据url访问无需配置apikey

请求示例

示例如下，请将参数示例值替换为实际值。

  • 纯文本请求示例
curl --location -g --request POST 'https://www.sophnet.com/api/open-apis/v1/chat/completions' \
--header "Authorization: Bearer $API_KEY" \
--header "Content-Type: application/json" \
--data-raw '{
    "messages": [
          {
            "role": "system",
            "content": "你是Sophnet的智能助手"
        },
        {
            "role": "user",
            "content": "你可以帮我做什么"
        }
    ],
    "model":"Qwen2.5-72B-Instruct"
}'

Python SDK

# 支持兼容OpenAI Python SDK  终端运行：pip install OpenAI
from openai import OpenAI

### 初始化客户端
client = OpenAI(
    api_key= "API_KEY",
    base_url= "https://www.sophnet.com/api/open-apis/v1"
)
### 调用接口
response = client.chat.completions.create(
    model="Qwen2.5-72B-Instruct",
    messages=[
        {"role": "system", "content": "你是Sophnet智能助手"},
        {"role": "user", "content": "你可以帮我做些什么"},
    ]
)
# 打印结果
print(response.choices[0].message.content)
  • Function Call请求示例

HTTP API

curl --location -g --request POST 'https://www.sophnet.com/api/open-apis/v1/chat/completions' \
--header "Authorization: Bearer $API_KEY" \
--header "Content-Type: application/json" \
--data-raw '{
    "messages": [
        {
            "role": "user",
            "content": "今日上海天气如何？"
        }
    ],
    "model":"DeepSeek-v3",
    "tools": [
        {
            "type": "function",
            "function":
            {
                "name": "get_weather",
                "description": "Get current temperature for provided coordinates in celsius.",
                "parameters":
                {
                    "type": "object",
                    "properties":
                    {
                        "latitude": {"type": "number"},
                        "longitude": {"type": "number"}
                    },
                    "required": ["latitude", "longitude"],
                    "additionalProperties": false
                },
                "strict": true
            }
        }
    ]
}'

# 请求成功后，从返回值的choices[0].message.tool_calls[0].function获取到函数调用信息
# 其中function.name是函数名，function.arguments中含有函数参数
# 假设已通过函数调用获取到返回值是20，且获取到choices[0].message.tool_calls[0].id = "call_f0j0i4meawn7kqx335d4fsj1"
# 接下来是第二次请求，其中messages列表的第一个与之前相同，第二个为choices[0].message.tool_calls，第三个的构造信息参考如下

curl --location -g --request POST 'https://www.sophnet.com/api/open-apis/v1/chat/completions' \
--header "Authorization: Bearer $API_KEY" \
--header "Content-Type: application/json" \
--data-raw '{
    "messages": [
        {
            "role": "user",
            "content": "今日上海天气如何？"
        },
        {
            "content": "",
            "role": "assistant",
            "tool_calls": [
                {
                    "id": "call_f0j0i4meawn7kqx335d4fsj1",
                    "type": "function",
                    "function":
                    {
                        "name": "get_weather",
                        "arguments": "{\"latitude\":31.2304,\"longitude\":121.4737}"
                    }
                }
            ]
        },
        {
            "role": "tool",
            "tool_call_id": "call_f0j0i4meawn7kqx335d4fsj1",
            "content": "20"
        }
    ],
    "model":"DeepSeek-v3",
    "tools": [
        {
            "type": "function",
            "function":
            {
                "name": "get_weather",
                "description": "Get current temperature for provided coordinates in celsius.",
                "parameters":
                {
                    "type": "object",
                    "properties":
                    {
                        "latitude": {"type": "number"},
                        "longitude": {"type": "number"}
                    },
                    "required": ["latitude", "longitude"],
                    "additionalProperties": false
                },
                "strict": true
            }
        }
    ]
}'
  • 多模态请求示例(Qwen VL模型支持多模态参数请求)

HTTP API

curl --location -g --request POST 'https://www.sophnet.com/api/open-apis/v1/chat/completions' \
--header "Authorization: Bearer $API_KEY" \
--header "Content-Type: application/json" \
--data-raw '{
    "messages": [{
        "role": "user",
        "content": [
            {
                "type": "text",
                "text": "describe the image in 100 words or less"
            },
            {
                "type": "image_url",
                "image_url": {
                    "url": "xxx"
                }
            }
        ]
    }],
    "model":"Qwen2.5-VL-72B-Instruct",
    "stream":false
}'

Python SDK

# 支持兼容OpenAI Python SDK  终端运行：pip install OpenAI
from openai import OpenAI

### 初始化客户端
client = OpenAI(
    api_key= "API_KEY",
    base_url= "https://www.sophnet.com/api/open-apis/v1"
)
### 调用接口
response = client.chat.completions.create(
    model="Qwen2.5-VL-72B-Instruct",
    messages=[
        {"role": "system", "content": "你是Sophnet智能助手"},
        {
            "role": "user",
            "content": [
                {
                    "type":"text",
                    "text":"描述一下这张图片"
                },
                {
                    "type":"image_url",
                    "image_url":{"url":xxx}
                }]
        },
    ]
)
# 打印结果
print(response.choices[0].message.content)

响应示例

流式 （event-stream）

data:{"object":"chat.completion.chunk","created":1724651635,"model":"Qwen/Qwen2.5-72B-Instruct","choices":[{"index":0,"delta":{"content":"我可以","role":"assistant"},"finish_reason":null}]}

data:{"object":"chat.completion.chunk","created":1724651635,"model":"Qwen/Qwen2.5-72B-Instruct","choices":[{"index":0,"delta":{"content":"提供","role":null},"finish_reason":null}]}

data:{"object":"chat.completion.chunk","created":1724651635,"model":"Qwen/Qwen2.5-72B-Instruct","choices":[{"index":0,"delta":{"content":"智能问答","role":null},"finish_reason":null}]}

data:{"object":"chat.completion.chunk","created":1724651635,"model":"Qwen/Qwen2.5-72B-Instruct","choices":[{"index":0,"delta":{"content":"和帮助。","role":null},"finish_reason":null}]}

data:{"object":"chat.completion.chunk","created":1724651635,"model":"Qwen/Qwen2.5-72B-Instruct","choices":[{"index":0,"delta":{"content":null,"role":null},"finish_reason":"stop"}]}

非流式 (Json)

{
    "object": "chat.completion",
    "created": 1724652804,
    "model": "Qwen/Qwen2.5-72B-Instruct",
    "choices": [
        {
            "index": 0,
            "message": {
                "content": "作为Sophnet智能助手，我可以帮助你完成多种任务。如果你有具体的需求或问题，请告诉我！",
                "role": "assistant"
            },
            "finish_reason": "stop"
        }
    ]
}

Function Call (Json) 首次返回

{
    "object":"chat.completion",
    "created":1744967746,
    "model":"DeepSeek-v3",
    "choices":[
        {
            "index":0,
            "message":
            {
                "content":"",
                "role":"assistant",
                "tool_calls":[
                    {
                        "id":"call_f0j0i4meawn7kqx335d4fsj1",
                        "type":"function",
                        "function":
                            {
                                "name":"get_weather",
                                "arguments":"{\"latitude\":31.2304,\"longitude\":121.4737}"
                            }
                    }
                ]
            },
            "finish_reason":"tool_calls"
        }
    ]
}

第二次返回

{
    "object":"chat.completion",
    "created":1744967193,
    "model":"DeepSeek-v3",
    "choices":[
        {
            "index":0,
            "message":
                {
                    "content":"今日上海的天气温度为20°C。",
                    "role":"assistant"
                },
            "finish_reason":"stop",
        }
    ]
}

Anthropic Messages

请求说明

  • 基本信息

请求地址：

  • 标准地址：https://www.sophnet.com/api/open-apis/anthropic/v1/messages
  • 资源地址：https://www.sophnet.com/api/open-apis/{logic_resource_uuid}/anthropic/v1/messages

说明：资源地址用于指定特定的逻辑资源UUID。

请求方式：POST

  • Header参数
名称类型必填描述
Content-TypeString是固定值application/json
AuthorizationString是"Bearer " + Apikey
  • Body参数
名称类型必填描述
modelstring是模型名称，如DeepSeek-V3.1-Fast等
messagesarray(message)是消息列表。
示例：[{"role": "user", "content": "Hello"}]
支持多模态输入：[{"role": "user", "content": [{"type": "text", "text": "描述图片"}, {"type": "image", "source": {"type": "base64", "media_type": "image/jpeg", "data": "..."}}]}]
max_tokensinteger是模型回复的最大token数
systemstring否系统提示词，用于设置助手的角色和行为
temperaturenumber否采样温度，取值范围[0, 1]。较高的值会使输出更随机，较低的值会使其更集中和确定。默认值1.0
top_pnumber否核采样参数，取值范围[0, 1]。默认值根据模型而定
top_kinteger否只从每个后续token的前K个选项中采样。默认值根据模型而定
stop_sequencesarray(string)否自定义停止序列，最多支持4个
streamboolean否是否以流式接口的形式返回数据，默认false
toolsarray否工具列表，用于函数调用
tool_choiceobject否工具选择策略，可设置为auto、any或指定特定工具
metadataobject否元数据，包含user_id等信息

响应说明

  • 响应头参数
名称值描述
Content-Type流式：text/event-stream
非流式：application/json
  • 响应体参数

a.非流式

名称类型描述
idstring消息的唯一标识符
typestring对象类型，固定为"message"
rolestring角色，固定为"assistant"
contentarray内容数组
content[0].typestring内容类型，可以是"text"或"tool_use"
content[0].textstring文本内容（当type为text时）
content[0].idstring工具使用ID（当type为tool_use时）
content[0].namestring工具名称（当type为tool_use时）
content[0].inputobject工具输入参数（当type为tool_use时）
modelstring使用的模型名称
示例值：DeepSeek-V3.1-Fast
stop_reasonstring停止原因，可能的值：end_turn、max_tokens、stop_sequence、tool_use
stop_sequencestring触发停止的序列（如果适用）
usageobjectToken使用情况
usage.input_tokensinteger输入token数量
usage.output_tokensinteger输出token数量

b.流式

名称类型描述
typestring事件类型，可能的值：message_start、content_block_start、content_block_delta、content_block_stop、message_delta、message_stop、ping
messageobject消息对象（在message_start事件中）
indexinteger内容块索引（在content_block事件中）
content_blockobject内容块对象（在content_block_start事件中）
deltaobject增量数据（在delta事件中）
delta.typestring增量类型，如"text_delta"或"input_json_delta"
delta.textstring增量文本内容
usageobjectToken使用情况（在message_delta事件中）

请求示例

示例如下，请将参数示例值替换为实际值。

  • 纯文本请求示例

HTTP API

curl --location -g --request POST 'https://www.sophnet.com/api/open-apis/anthropic/v1/messages' \
--header "Authorization: Bearer $API_KEY" \
--header "Content-Type: application/json" \
--data-raw '{
    "model": "DeepSeek-V3.1-Fast",
    "max_tokens": 1024,
    "messages": [
        {
            "role": "user",
            "content": "你好，请介绍一下你自己"
        }
    ]
}'

Python SDK

# 支持兼容Anthropic Python SDK  终端运行：pip install anthropic
from anthropic import Anthropic

### 初始化客户端
client = Anthropic(
    api_key="API_KEY",
    base_url="https://www.sophnet.com/api/open-apis/anthropic"
)

### 调用接口
message = client.messages.create(
    model="DeepSeek-V3.1-Fast",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "你好，请介绍一下你自己"}
    ]
)

# 打印结果
print(message.content[0].text)
  • 多模态请求示例

HTTP API

curl --location -g --request POST 'https://www.sophnet.com/api/open-apis/anthropic/v1/messages' \
--header "Authorization: Bearer $API_KEY" \
--header "Content-Type: application/json" \
--data-raw '{
    "model": "DeepSeek-V3.1",
    "max_tokens": 1024,
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "请描述这张图片"
                },
                {
                    "type": "image",
                    "source": {
                        "type": "url",
                        "url": "https://example.com/image.jpg"
                    }
                }
            ]
        }
    ]
}'

Python SDK

from anthropic import Anthropic

client = Anthropic(
    api_key="API_KEY",
    base_url="https://www.sophnet.com/api/open-apis/anthropic"
)

message = client.messages.create(
    model="DeepSeek-V3.1-Fast",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "请描述这张图片"
                },
                {
                    "type": "image",
                    "source": {
                        "type": "url",
                        "url": "https://example.com/image.jpg"
                    }
                }
            ]
        }
    ]
)

print(message.content[0].text)
  • Tool Use（函数调用）请求示例

HTTP API

curl --location -g --request POST 'https://www.sophnet.com/api/open-apis/anthropic/v1/messages' \
--header "Authorization: Bearer $API_KEY" \
--header "Content-Type: application/json" \
--data-raw '{
    "model": "DeepSeek-V3.1-Fast",
    "max_tokens": 1024,
    "tools": [
        {
            "name": "get_weather",
            "description": "获取指定城市的天气信息",
            "input_schema": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "城市名称"
                    }
                },
                "required": ["city"]
            }
        }
    ],
    "messages": [
        {
            "role": "user",
            "content": "上海今天天气怎么样？"
        }
    ]
}'

响应示例

非流式 (JSON)

{
    "id": "msg_01XFDUDYJgAACzvnptvVoYEL",
    "type": "message",
    "role": "assistant",
    "content": [
        {
            "type": "text",
            "text": "你好！很高兴认识你！我是DeepSeek，由深度求索公司创造的AI助手。"
        }
    ],
    "model": "DeepSeek-V3.1-Fast",
    "stop_reason": "end_turn",
    "stop_sequence": null,
    "usage": {
        "input_tokens": 12,
        "output_tokens": 58
    }
}

流式 (event-stream)

event: message_start
data: {"type":"message_start","message":{"id":"msg_01XFDUDYJgAACzvnptvVoYEL","type":"message","role":"assistant","content":[],"model":"DeepSeek-V3.1-Fast","stop_reason":null,"stop_sequence":null,"usage":{"input_tokens":12,"output_tokens":1}}}

event: content_block_start
data: {"type":"content_block_start","index":0,"content_block":{"type":"text","text":""}}

event: content_block_delta
data: {"type":"content_block_delta","index":0,"delta":{"type":"text_delta","text":"你好"}}

event: content_block_delta
data: {"type":"content_block_delta","index":0,"delta":{"type":"text_delta","text":"！"}}

event: content_block_delta
data: {"type":"content_block_delta","index":0,"delta":{"type":"text_delta","text":"我是"}}

event: content_block_delta
data: {"type":"content_block_delta","index":0,"delta":{"type":"text_delta","text":"DeepSeek"}}

event: content_block_stop
data: {"type":"content_block_stop","index":0}

event: message_delta
data: {"type":"message_delta","delta":{"stop_reason":"end_turn","stop_sequence":null},"usage":{"output_tokens":58}}

event: message_stop
data: {"type":"message_stop"}

Tool Use响应示例

{
    "id": "msg_01XFDUDYJgAACzvnptvVoYEL",
    "type": "message",
    "role": "assistant",
    "content": [
        {
            "type": "text",
            "text": "好的，让我查询一下上海的天气信息。"
        },
        {
            "type": "tool_use",
            "id": "toolu_01A09q90qw90lq917835lq9",
            "name": "get_weather",
            "input": {
                "city": "上海"
            }
        }
    ],
    "model": "DeepSeek-V3.1-Fast",
    "stop_reason": "tool_use",
    "stop_sequence": null,
    "usage": {
        "input_tokens": 345,
        "output_tokens": 89
    }
}

Embeddings

请求说明

  • 基本信息

请求地址：https://www.sophnet.com/api/open-apis/projects/{projectId}/easyllms/embeddings

请求方式：POST

  • Path参数：
名称类型必填描述
ProjectIdString是项目id
  • Header参数
名称类型必填描述
Content-TypeString是固定值application/json
AuthorizationString是"Bearer" + Apikey
  • Body参数
名称类型必填描述
modelstring否支持：text-embeddings、clip-embeddings、bge-m3，默认为text-embeddings
input_textsarray(string)是数组中每一个元素是一个文本，每个文本最大支持8192个Tokens。text-embeddings模型最大支持10个文本，bge-m3模型最大支持1个文本。
input_imagesarray(string)否数组中每一个元素是一个base64 图像或 URL，仅对clip-embeddings模型有效
dimensionsinteger是输出Embeddings的维度，text-embeddings模型支持1,024/768/512/256/128/64，clip-embeddings模型支持64到1024维，bge-m3模型仅支持1024维。
easyllm_idstring是Easyllm ID
normalizedbool否是否使用L2规范化，仅对clip-embeddings模型有效
encoding_typestring否输出数据的格式，仅对clip-embeddings模型有效

响应说明

  • 响应头参数
名称值描述
Content-Typeapplication/json
  • 响应体参数
名称类型描述
idstring任务id
usagedict模型推理时Token使用情况
dataarray模型推理结果，按顺序输出，文本Embedding在前，图片Embedding在后

请求示例

HTTP API

# sample1
curl --location --request POST 'https://www.sophnet.com/api/open-apis/projects/{projectId}/easyllms/embeddings' \
--header "Authorization: Bearer $API_KEY" \
--header "Content-Type: application/json" \
--data-raw '{
    "easyllm_id": "{YOUR_EASYLLM_ID}",
    "input_texts": ["你好", "很高兴认识你"],
    "dimensions": 1024
}'

# sample2
curl --location --request POST 'https://www.sophnet.com/api/open-apis/projects/{projectId}/easyllms/embeddings' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer $API_KEY' \
--data-raw '{
    "model": "clip-embeddings",
    "easyllm_id": "{YOUR_EASYLLM_ID}",
    "input_texts": ["海滩上美丽的日落"],
    "input_images": ["https://i.ibb.co/nQNGqL0/1beach1.jpg", "https://i.ibb.co/r5w8hG8/beach2.jpg", "iVBORw0KGgoAAAANSUhEUgAAABwAAAA4CAIAAABhUg/jAAAAMklEQVR4nO3MQREAMAgAoLkoFreTiSzhy4MARGe9bX99lEqlUqlUKpVKpVKpVCqVHksHaBwCA2cPf0cAAAAASUVORK5CYII="],
    "dimensions": 1024
}'

响应示例

// sample1
{
    "id": "",
    "object": "list",
    "usage": {
        "prompt_tokens": 4,
        "completion_tokens": null,
        "total_tokens": 4,
        "prompt_tokens_details": null,
        "completion_tokens_details": null
    },
    "data": [
        {
            "embedding": [
                -0.08296291530132294,
                0.03833295777440071,
                ...
            ],
            "index": 0,
            "object": "embedding"
        },
        {
            "embedding": [
                -0.05998880788683891,
                0.04025664180517197,
                ...
            ],
            "index": 1,
            "object": "embedding"
        }
    ]
}

// sample2
{
    "object": "list",
    "usage": {
        "prompt_tokens": 20008,
        "completion_tokens": null,
        "total_tokens": 20008,
        "prompt_tokens_details": null,
        "completion_tokens_details": null
    },
    "data": [
        {
            "embedding": [
                0.02087402,
                0.06689453,
                -0.07763672,
                -0.10253906,
                ...
            ],
            "index": 0,
            "object": "embedding"
        },
        {
            "embedding": [
                0.01507568,
                0.16015625,
                -0.08837891,
                ...
            ],
            "index": 1,
            "object": "embedding"
        },
        {
            "embedding": [
                0.04882812,
                0.20214844,
                -0.07861328,
                0.00276184,
                ...
            ],
            "index": 2,
            "object": "embedding"
        },
        {
            "embedding": [
                -0.00939941,
                0.18164062,
                0.02038574,
                0.01239014,
                ...
            ],
            "index": 3,
            "object": "embedding"
        }
    ]
}

Document Parse

请求说明

  • 基本信息

功能描述：高效转换主流格式文档至精准、易用的Markdown文本内容。上传文件（form-data），输出文档内容（Markdown）

请求地址：https://www.sophnet.com/api/open-apis/projects/easyllms/doc-parse

请求方式：POST

  • Header参数
名称类型必填描述
Content-TypeString是固定值multipart/form-data
AuthorizationString是"Bearer " + Apikey
  • form-data参数
名称类型必填描述
filefile是文档，支持pdf,docx,doc,xlsx,txt,pptx格式，大小<50MB

响应说明

  • 响应头参数
名称值描述
Content-Typeapplication/json
  • 响应体参数
名称类型值
datastring文档解析结果（Markdown）

请求示例

HTTP API

curl --location --request POST 'https://www.sophnet.com/api/open-apis/projects/easyllms/doc-parse' \
--header "Authorization: Bearer $API_KEY" \
--header "Content-Type: multipart/form-data" \
--form 'file=@"YOUR_DOCUMENT"'

响应示例

{
  "data": "文件编号：HR-2023-06-3-1\n\n发布单位：AMT\n\n发布对象：全员\n\n发布日期：2023.11.16\n\n生效日期：2023.11.16\n\n**管理制度**\n\n......"
}

Image OCR

请求说明

  • 基本信息

功能描述：图片OCR服务。发送图片，输出图片中的文本信息。

请求地址：https://www.sophnet.com/api/open-apis/projects/easyllms/image-ocr

请求方式：POST

  • Header参数
名称类型必填描述
Content-TypeString是固定值application/json
AuthorizationString是"Bearer" + Apikey
  • Body参数
名称类型必填描述
modelstring是使用的模型，可选PaddleOCR-VL-0.9B，PaddleOCR-VL-1.5，DeepSeek-OCR
promptstring否模型prompt参数，仅支持DeepSeek-OCR，默认值为<image>\nFree OCR.
typestring是图片类型，固定为"image_url"
image_urlobject是图片参数
image_url.urlstring是图片，可以是base64图片，固定格式为"data:image/jpeg;base64,{base64_data}"；也可以是图片url链接
prettify_markdownbool否是否输出美化后的 Markdown 文本。默认为 true。
show_formula_numberbool否输出的 Markdown 文本中是否包含公式编号。默认为 false。

响应说明

  • 响应头参数
名称值描述
Content-Typeapplication/json
  • 响应体参数
名称类型值
statusint0表示成功,其他值表示失败
messagestring调用成功返回请求成功,否则返回错误信息
resultarray(object)返回的结果,有一个个的段落组成,如果是use_html_out我1,则list的长度为1，有每个段落包含以下字段
result[0].labelstring段落的类型,可以是text，table，html等
result[0].textsstring段落的文本
result[0].positionarray(int)段落的位置，格式为left,top,right,bottom
markdown.textstring返回的Markdown文本,如果prettifyMarkdown为true,则会美化Markdown文本,如果showFormulaNumber为true,则会在Markdown文本中包含公式编号

请求示例

HTTP API

curl --location --request POST 'https://www.sophnet.com/api/open-apis/projects/easyllms/image-ocr' \
--header "Authorization: Bearer $API_KEY" \
--header "Content-Type: application/json" \
--data-raw '{
    "model": "PaddleOCR-VL-0.9B",
    "type":"image_url",
    "image_url": {
            "url": "data:image/jpeg;base64,/9j/..."
    },
    "prettify_markdown": true,
    "show_formula_number": false
}'

响应示例

{
    "status":0,
    "message":"请求成功",
    "result": [
        {
            "label": "text",
            "texts": "测试",
            "position": "0,0,720,1920"
        }
    ],
    "markdown": {"text":"测试"}
}