AI 问答 API 对接说明
我们知道，市面上一些问答 API 的对接还是相对没那么容易的，比如说 OpenAI 的 Chat Completions API，它有一个 messages 字段，如果要完成连续对话，需要我们把所有的上下文历史全部传递，同时还需要处理 Token 超出限制的问题。
AceDataCloud 提供的 AI 问答 API 针对上述情况进行了优化，在保证问答效果不变的情况下，对连续对话的实现进行了封装，对接时无需再关心 messages 的传递，也无需关心 Token 超出限制的问题（API 内部自动进行了处理），同时也提供了对话查询、修改等功能，使得整体的对接大大简化。
本文档会介绍下 AI 问答 API 的对接说明。
申请流程
要使用 API，需要先到 AI 问答 API 对应页面申请对应的服务，进入页面之后，点击「Acquire」按钮，如图所示：
如果你尚未登录或注册，会自动跳转到登录页面邀请您来注册和登录，登录注册之后会自动返回当前页面。
在首次申请时会有免费额度赠送，可以免费使用该 API。
基本使用
首先先了解下基本的使用方式，就是输入问题，获得回答，只需要简单地传递一个 question 字段，并指定相应模型即可。
比如说询问：“What’s your name？”，我们接下来就可以在界面上填写对应的内容，如图所示：
可以看到这里我们设置了 Request Headers，包括：
accept：想要接收怎样格式的响应结果，这里填写为application/json，即 JSON 格式。authorization：调用 API 的密钥，申请之后可以直接下拉选择。
另外设置了 Request Body，包括：
model：模型的选择，比如主流的 GPT 3.5，GPT 4 等。question：需要询问的问题，可以是任意的纯文本。
选择之后，可以发现右侧也生成了对应代码，如图所示：
点击「Try」按钮即可进行测试，如上图所示，这里我们就得到了如下结果：
{"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，这里返回的结果中有一个 answer 字段，就是该问题的回答。我们可以输入任意问题，就可以得到任意的回答。
如果你不需要任何多轮对话的支持，这个 API 可以极大方便你的对接。
另外如果想生成对应的对接代码，可以直接复制生成，例如 CURL 的代码如下：
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 的对接代码如下：
import requestsurl = "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)
多轮对话
如果您想要对接多轮对话功能，需要传递一个额外参数 stateful，其值为 true，后续的每次请求都要携带该参数。传递了 stateful 参数之后，API 会额外返回一个 id 参数，代表当前对话的 ID，后续我们只需要将该 ID 作为参数传递，就可以轻松实现多轮对话。
下面我们来演示下具体的操作。
第一次请求，将 stateful 参数设置为 true，并正常传递 model 和 question 参数，如图所示：
对应代码如下：
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"
}
第二次请求，将第一次请求返回的 id 字段作为参数传递，同时 stateful 参数依然设置为 true，询问「What I asked you just now?」，如图所示：
对应代码如下：
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?"
}'
结果如下：
{"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，就可以根据上下文回答对应的问题了。
流式响应
该接口也支持流式响应，这对网页对接十分有用，可以让网页实现逐字显示效果。
如果想流式返回响应，可以更改请求头里面的 accept 参数，修改为 application/x-ndjson。
修改如图所示，不过调用代码需要有对应的更改才能支持流式响应。
将 accept 修改为 application/x-ndjson 之后，API 将逐行返回对应的 JSON 数据，在代码层面我们需要做相应的修改来获得逐行的结果。
Python 样例调用代码：
import requestsurl = "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": "Hello"
}response = requests.post(url, json=payload, headers=headers, stream=True)
for line in response.iter_lines():print(line.decode())
输出效果如下：
{"answer": "Hello", "delta_answer": "Hello", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "Hello!", "delta_answer": "!", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "Hello! How", "delta_answer": " How", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "Hello! How can", "delta_answer": " can", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "Hello! How can I", "delta_answer": " I", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "Hello! How can I assist", "delta_answer": " assist", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "Hello! How can I assist you", "delta_answer": " you", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "Hello! How can I assist you today", "delta_answer": " today", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
{"answer": "Hello! How can I assist you today?", "delta_answer": "?", "id": "7cdb293b-2267-4979-a1ec-48d9ad149916"}
可以看到，响应里面的 answer 即为最新的回答内容，delta_answer 则是新增的回答内容，您可以根据结果来对接到您的系统中。
JavaScript 也是支持的，比如 Node.js 的流式调用代码如下：
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: "Hello",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 样例代码：
String url = "https://api.acedata.cloud/aichat/conversations";
OkHttpClient client = new OkHttpClient();
MediaType mediaType = MediaType.parse("application/json");
RequestBody body = RequestBody.create(mediaType, "{\"question\": \"Hello\", \"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() {@Overridepublic void onFailure(Call call, IOException e) {e.printStackTrace();}@Overridepublic 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);}}}
});
其他语言可以另外自行改写，原理都是一样的。
模型预设
我们知道，OpenAI 相关的 API 有对应的 system_prompt 的概念，就是给整个模型设置一个预设，比如它叫什么名字等等。本 AI 问答 API 也暴露了这个参数，叫做 preset，利用它我们可以给模型增加预设，我们用一个例子来体验下：
这里我们额外添加 preset 字段，内容为 You are a professional artist，如图所示：
对应代码如下：
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": "What can you help me?","preset": "You are a professional artist"
}'
运行结果如下：
{"answer": "As a professional artist, I can offer a range of services and assistance depending on your specific needs. Here are a few ways I can help you:\n\n1. Custom Artwork: If you have a specific vision or idea, I can create custom artwork for you. This can include paintings, drawings, digital art, or any other medium you prefer.\n\n2. Commissioned Pieces: If you have a specific subject or concept in mind, I can create commissioned art pieces tailored to your preferences. This could be for personal enjoyment or as a unique gift for someone special.\n\n3. Art Consultation: If you need guidance on art selection, interior design, or how to showcase and display art in your space, I can provide professional advice to help enhance your aesthetic sense and create a cohesive look."
}
可以看到这里我们告诉 GPT 他是一个机器人，然后问它可以为我们做什么，他就可以扮演一个机器人的角色来回答问题了。
图片识别
本 AI 也能支持添加附件进行图片识别，通过 references 传递对应图片链接即可，比如我这里有一张苹果的图片，如图所示：
该图片的链接是 https://cdn.acedata.cloud/ht05g0.png，我们直接将其作为 references 参数传递即可，同时需要注意的是，模型必须要选择支持视觉识别的模型，目前支持的是 gpt-4-vision，所以输入如下：
对应的代码如下：
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": "How many apples in the picture?","references": ["https://cdn.acedata.cloud/ht05g0.png"]
}'
运行结果如下：
{"answer": "There are 5 apples in the picture."
}
可以看到，我们就成功得到了对应图片的回答结果。
联网问答
本 API 还支持联网模型，包括 GPT-3.5、GPT-4 均能支持，在 API 背后有一个自动搜索互联网并总结的过程，我们可以选择模型为 gpt-3.5-browsing 来体验下，如图所示：
代码如下：
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": "What's the weather of New York today?"
}'
运行结果如下：
{"answer": "The weather in New York today is as follows:\n- Current Temperature: 16°C (60°F)\n- High: 16°C (60°F)\n- Low: 10°C (50°F)\n- Humidity: 47%\n- UV Index: 6 of 11\n- Sunrise: 5:42 am\n- Sunset: 8:02 pm\n\nIt's overcast with a chance of occasional showers overnight, and the chance of rain is 50%.\nFor more details, you can visit [The Weather Channel](https://weather.com/weather/tenday/l/96f2f84af9a5f5d452eb0574d4e4d8a840c71b05e22264ebdc0056433a642c84).\n\nIs there anything else you'd like to know?"
}
可以看到，这里它自动联网搜索了 The Weather Channel 网站，并获得了里面的信息，然后进一步返回了实时结果。
如果对模型回答质量有更高要求，可以将模型更换为
gpt-4-browsing，回答效果会更好。
