دليل Claude Code
أعدّ نماذج Claude من Flaq AI واستكشف مهارات Claude Code
جرّب واجهة Gemini 3.7 Flash API لتحليل الملفات ومراجعة المستندات والاستخراج والتلخيص والاستدلال متعدد الوسائط عبر وصول Flaq AI المستقر إلى Google API.
const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
method: 'POST',
headers: {
Authorization: 'Bearer YOUR_API_KEY',
Accept: 'text/event-stream',
'Content-Type': 'application/json'
},
body: JSON.stringify({
model: 'gemini-3.7-flash-file-analysis',
messages: [
{
role: 'user',
content: [
{ type: 'text', text: 'Summarize this file and extract the key risks.' },
{
type: 'file',
file: {
filename: 'demo.pdf',
file_data: 'https://example.com/demo.pdf'
}
}
]
}
],
stream: true,
max_tokens: 4096
})
});
if (!response.ok) {
const errorBody = await response.json().catch(() => null);
throw new Error(errorBody?.error?.message ?? errorBody?.message ?? `HTTP ${response.status}`);
}
const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = '';
let assistantText = '';
while (true) {
const { done, value } = await reader.read();
if (done) break;
buffer += decoder.decode(value, { stream: true });
const frames = buffer.split(/\r?\n\r?\n/);
buffer = frames.pop() || '';
for (const frame of frames) {
const lines = frame.split(/\r?\n/).filter(Boolean);
let eventName = 'message';
const dataLines = [];
for (const line of lines) {
if (line.startsWith('event:')) {
eventName = line.slice(6).trim();
} else if (line.startsWith('data:')) {
dataLines.push(line.replace(/^data:\s*/, ''));
}
}
const raw = dataLines.join('\n').trim();
if (raw === '[DONE]') {
console.log('\nFinal text:', assistantText);
continue;
}
let payload;
try {
payload = JSON.parse(raw);
} catch {
continue;
}
if (eventName === 'error' || payload.error) {
const msg = payload.error?.message ?? payload.message ?? 'Chat request failed';
throw new Error(msg);
}
const delta = payload.choices?.[0]?.delta;
if (delta?.content) {
assistantText += delta.content;
console.log(assistantText);
}
}
}
import json
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/chat/completions',
headers={
'Authorization': 'Bearer YOUR_API_KEY',
'Accept': 'text/event-stream',
'Content-Type': 'application/json',
},
json={
'model': 'gemini-3.7-flash-file-analysis',
'messages': [
{
'role': 'user',
'content': [
{'type': 'text', 'text': 'Summarize this file and extract the key risks.'},
{
'type': 'file',
'file': {
'filename': 'demo.pdf',
'file_data': 'https://example.com/demo.pdf'
}
},
],
}
],
'stream': True,
'max_tokens': 4096,
},
stream=True,
)
response.raise_for_status()
event_name = 'message'
assistant_text = ''
for raw_line in response.iter_lines(decode_unicode=True):
if not raw_line:
event_name = 'message'
continue
if raw_line.startswith('event:'):
event_name = raw_line.replace('event:', '', 1).strip()
continue
if raw_line.startswith('data:'):
raw_data = raw_line.replace('data:', '', 1).strip()
if raw_data == '[DONE]':
print('\nFinal text:', assistant_text)
continue
payload = json.loads(raw_data)
if event_name == 'error' or payload.get('error'):
error = payload.get('error') or payload
raise RuntimeError(error.get('message', 'Chat request failed'))
choices = payload.get('choices') or []
if choices:
delta = choices[0].get('delta') or {}
content = delta.get('content')
if content:
assistant_text += content
print(content, end='', flush=True)
curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Accept: text/event-stream" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-3.7-flash-file-analysis",
"messages": [
{
"role": "user",
"content": [
{ "type": "text", "text": "Summarize this file and extract the key risks." },
{
"type": "file",
"file": {
"filename": "demo.pdf",
"file_data": "https://example.com/demo.pdf"
}
}
]
}
],
"stream": true,
"max_tokens": 4096
}'
| المعلمات | السعر | السعر الأصلي | الخصم |
|---|
تُعد Gemini 3.7 Flash File Analysis API مسار Flaq AI عالي الجدوى الاقتصادية لتحويل المواد المصدرية المرفوعة إلى نص مفيد. تستخدم أحدث نموذج Gemini Flash للتحليل المعقد متعدد الخطوات مع إبقاء سطح المنتج مركزًا على الأسئلة القائمة على الملفات والسياق المرئي الاختياري والنص المنشأ. يمكن للفرق استخدام واجهة API هذه لتنظيم المواد المصدرية واستخراج المعلومات ذات الصلة وصياغة نتائج قابلة للمراجعة من مجموعة محدودة من الملفات ضمن طلب واحد مترابط.
استدلال متقدم قائم على الملفات: حلل الملفات المقدمة عبر تعليمات مفصلة وتلقَّ نصًا منظمًا يعكس المواد المصدرية والمهمة المطلوبة.
تدفق تحليل ميسور التكلفة للغاية: استخدم إعداد Flash عالي الجدوى الاقتصادية للأتمتة المرتكزة على المستندات وقوائم انتظار المراجعة والمساعدة البحثية وعمليات المعرفة.
سياق متعدد الملفات: اجمع مجموعة مترابطة من الملفات المرفوعة في طلب واحد حتى يتمكن النموذج من دعم المقارنة والتوليف والاستخراج والأسئلة عبر المصادر.
سياق مرئي اختياري: اقرن مدخلات الملفات بصورة مدعومة عندما يساعد السياق المرئي على تفسير المواد المصدرية أو توضيح المهمة.
استجابات API مضبوطة: استخدم رسائل محادثة منظمة وعناصر تحكم في طول المخرجات ووضع الاستجابة الموثق لملاءمة تدفقات المنتجات والعمليات.
إخراج نصي جاهز للمراجعة: أعد ملخصات ونتائج ومسودات إجابات وملاحظات منظمة يمكن نقلها إلى الموافقة البشرية أو الأتمتة اللاحقة.
الإدخال: مجموعة مدعومة من الملفات وتعليمات تحليل بلغة طبيعية وصورة اختيارية عند الاقتضاء.
الإخراج: ملخصات نصية وحقائق مستخرجة ومقارنات وإجابات ومسودة تحليل تستند إلى المواد المقدمة.
نطاق الطلب: أبقِ كل طلب ضمن حدود الملفات المتعددة المضبوطة، واجمع فقط المواد المصدرية التي تنتمي إلى المهمة نفسها.
الإمكانات: الإجابة عن الأسئلة القائمة على الملفات وتلخيص المستندات والتوليف عبر المصادر واستخراج المعلومات والمساعدة في تدفقات المراجعة.
مراجعة المستندات المعقدة: حضّر ملخصات أولية وقوائم بالمشكلات ومقارنات من التقارير والمواصفات والمقترحات والمواد البحثية ذات الصلة.
عمليات البحث: نظّم النتائج متعددة المصادر وحدد الأدلة ذات الصلة وصغ ملاحظات تحليلية كي يتحقق منها باحث أو محرر.
العمل المعرفي الداخلي: حوّل المواد المرفوعة إلى إحاطات وملاحظات تسليم ومسودات أسئلة وأجوبة ومعلومات منظمة للفرق.
فرز تدفق العمل: استخرج التفاصيل الرئيسية من الملفات المقدمة وأنشئ سجلات جاهزة للمراجعة للدعم والعمليات وإجراءات المحتوى.
مساعدو الملفات لزيادة الإنتاجية: أنشئ ميزات تطبيق تساعد المستخدمين على فهم موادهم المصدرية من خلال تحليل مركز يعطي الأولوية للنصوص.
ملاحظة تهدف File Analysis إلى دعم مراجعة الخبراء لا استبدالها. حافظ على حماية المواد الحساسة وتحقق من النتائج المنشأة بالرجوع إلى الملفات المصدرية، واستخدم إشرافًا بشريًا مناسبًا للقرارات المهمة.
Gemini 3.7 Flash File Analysis مقابل Gemini 3.6 Flash File Analysis
يُعد Gemini 3.6 Flash خيارًا متوازنًا
لتدفقات العمل المرتكزة على المستندات. أما Gemini 3.7 Flash فهو نموذج Flash الأحدث للفرق التي تقيّم استدلالًا أكثر تقدمًا
وتوليفًا متعدد الخطوات في النوع نفسه من المهام المرتكزة على الملفات.
Gemini 3.7 Flash File Analysis مقابل GPT 5.6 Terra File Analysis
توفر نماذج GPT 5.6 Terra لتحليل الملفات مسارًا واسعًا
لتطبيقات المستندات. ويمنح Gemini 3.7 Flash الفرق بديلًا من Gemini عالي الجدوى الاقتصادية للاستخراج القائم على المصادر
والمراجعة والتوليف.
Gemini 3.7 Flash File Analysis مقابل Claude Document Analysis
كثيرًا ما تُقيَّم نماذج Claude لاستدلال المستندات
الطويلة. ويقدم Gemini 3.7 Flash خيارًا قويًا آخر للتطبيقات التي تحتاج إلى تحليل منظم من
مجموعة محدودة من الملفات المرفوعة.
Gemini 3.7 Flash File Analysis مقابل Gemini 3.7 Flash Image-to-Text
صُمم Image-to-Text لإدخال مرئي واحد
وسؤال مركز. وتُعد File Analysis المسار المناسب عندما تتطلب المهمة سياقًا مرتكزًا على المستندات
وعدة ملفات مترابطة.
Gemini 3.7 Flash File Analysis مقابل Gemini 3.7 Flash Text-to-Text
يُعد Text-to-Text الأنسب للتعليمات والدردشة
من دون مرفقات. تضيف File Analysis تدفق إدخال الملفات المضبوط من Flaq AI عندما يلزم أن تستند الاستجابات إلى
المواد المصدرية المرفوعة.
أعدّ نماذج Claude من Flaq AI واستكشف مهارات Claude Code

أعدّ نماذج GPT من Flaq AI واستكشف مهارات Codex
استخدم نماذج LLM من Flaq AI في Hermes Agent
استخدم GLM 5.2 وKimi K3 وDeepSeek v4 في ZCode
شغّل DeepSeek Harness باستخدام نماذج DeepSeek من Flaq AI
اربط وكلاء الذكاء الاصطناعي بأدوات Flaq لتوليد الصور والفيديو
استخدم GPT 6 Astra وClaude Fable 5.1 في WorkBuddy