企业官网建设流程全解析

建设网站怎么创建数据库,html学校网站模板,自学网网站,亚马逊站外推广怎么做EverMemOS 访问外部API接口#x1f4cb; 概述 EverMemOS 通过调用 外部大模型API 服务,实现evermemos内部业务响应#xff0c;请求三方接口详情 ✅ 目标接口接口功能输入格式输出格式POST /v1/chat/completions大语言模型对话Chat Completions 格式Chat 格式POST /v1/reranke…EverMemOS 访问外部API接口 概述EverMemOS 通过调用 外部大模型API 服务,实现evermemos内部业务响应请求三方接口详情✅ 目标接口接口功能输入格式输出格式POST /v1/chat/completions大语言模型对话Chat Completions 格式Chat 格式POST /v1/reranker文档重排序Rerank Service 统一请求格式统一响应格式含 rankPOST /v1/embeddings文本向量化Vectorize Service 请求格式支持is_queryEmbedding 格式详细接口说明1./v1/chat/completions功能描述生成基于输入消息的聊天响应使用配置的 LLM 引擎。请求参数参数名类型是否必需默认值描述modelstring否None模型名称messagesarray of object否None聊天消息列表每个消息包含role和content字段temperaturefloat否0.7生成温度控制输出随机性max_tokensinteger否1024最大生成 token 数streamboolean否false是否流式输出response_formatobject否None响应格式请求示例{model:qwen-7b,messages:[{role:user,content:你好请介绍一下自己}],temperature:0.7,max_tokens:512}响应结构字段名类型描述idstring响应 IDobjectstring对象类型固定为 “chat.completion”createdinteger创建时间戳modelstring使用的模型名称choicesarray of object响应选项列表choices[].indexinteger选项索引choices[].messageobject包含role和content的消息对象choices[].finish_reasonstring完成原因usageobject令牌使用情况usage.prompt_tokensinteger提示令牌数usage.completion_tokensinteger完成令牌数usage.total_tokensinteger总令牌数响应示例{id:chatcmpl-abcdef123456,object:chat.completion,created:1689123456,model:qwen-7b,choices:[{index:0,message:{role:assistant,content:你好我是一个基于 Qwen 模型的 AI 助手很高兴为你服务。请问有什么我可以帮助你的吗},finish_reason:stop}],usage:{prompt_tokens:10,completion_tokens:25,total_tokens:35}}2./v1/embeddings功能描述生成文本的嵌入向量可用于文本相似度计算、检索等任务。请求参数参数名类型是否必需默认值描述inputarray of string否None要生成嵌入的文本列表modelstring否“dengcao/Qwen3-Embedding-0.6B”模型名称encoding_formatstring否“float”编码格式dimensionsinteger否1024嵌入维度is_queryboolean否false是否为查询文本请求示例{input:[人工智能的发展历程,机器学习的基本原理],model:dengcao/Qwen3-Embedding-0.6B,is_query:false}响应结构字段名类型描述objectstring对象类型固定为 “list”dataarray of object嵌入数据列表data[].objectstring数据对象类型固定为 “embedding”data[].embeddingarray of float嵌入向量data[].indexinteger索引modelstring使用的模型名称usageobject使用情况usage.prompt_tokensinteger提示令牌数usage.total_tokensinteger总令牌数响应示例{object:list,data:[{object:embedding,embedding:[0.123,0.456,-0.789,...],index:0},{object:embedding,embedding:[0.987,-0.654,0.321,...],index:1}],model:dengcao/Qwen3-Embedding-0.6B,usage:{prompt_tokens:2,total_tokens:2}}错误处理状态码描述500内部服务器错误返回错误详情3./v1/reranker功能描述根据查询对文档列表进行重排序返回按相关性排序的结果。请求参数参数名类型是否必需默认值描述querystring否None查询文本documentsarray of string否None文档列表modelstring否“dengcao/Qwen3-Reranker-0.6B”模型名称instructionstring否“Given a search query, retrieve relevant passages that answer the query”指令文本请求示例{query:人工智能的应用领域,documents:[人工智能在医疗领域的应用包括疾病诊断和药物研发,机器学习是人工智能的一个重要分支,人工智能在金融领域用于风险评估和欺诈检测,人工智能的发展历史可以追溯到上世纪50年代],model:dengcao/Qwen3-Reranker-0.6B}响应结构字段名类型描述resultsarray of object排序结果列表results[].indexinteger原始文档索引results[].scorefloat相关性分数results[].rankinteger排序 rankmodelstring使用的模型名称input_tokensinteger输入令牌数request_idstring请求 ID响应示例{results:[{index:0,score:0.95,rank:0},{index:2,score:0.90,rank:1},{index:3,score:0.75,rank:2},{index:1,score:0.60,rank:3}],model:dengcao/Qwen3-Reranker-0.6B,input_tokens:50,request_id:uuid-123456}✅ 3. 启动与测试测试命令Chatcurl-X POST http://xxx.xxx.xxx/v1/chat/completions\-HContent-Type: application/json\-d{ model: qwen3:4b, messages: [{role: user, content: 你好}] }Embeddingcurl-X POST http://xxx.xxx.xxx/v1/embeddings\-HContent-Type: application/json\-d{ input: [这里太暗了], is_query: true }Rerankercurl-X POST http://xxx.xxx.xxx/v1/reranker\-HContent-Type: application/json\-d{ query: 这里太暗了, documents: [请打开灯, 今天天气很好] }