API Qwen Character

Référence complète de l'API pour les modèles de roleplay Qwen Character d'Alibaba. Les modèles Qwen Character utilisent l'endpoint chat completions de Flaq AI, mais ils prennent aussi en charge des champs propres aux personnages pour la mémoire à long terme, la simulation de chat de groupe et la continuation partielle de l'assistant.

Variantes du modèle

Cette API prend en charge deux variantes de modèle :

Comparaison rapide

Fonctionnement du roleplay de personnages

Utilisez les messages normaux system, user et assistant pour le roleplay avec un seul personnage. Placez les instructions de persona stables dans un message system pour la requête actuelle. Lorsque la mémoire à long terme est activée, placez le profil de personnage réutilisable dans profile.

Pour la simulation de chat de groupe, Qwen Character ne déduit pas automatiquement les noms des locuteurs depuis profile. L'appelant doit écrire les noms des locuteurs au début de chaque content de message, par exemple Cheng Yi: ou Ling Lu:. Pour faire continuer le modèle en tant qu'un personnage précis, ajoutez un dernier message assistant dont le content est le préfixe du locuteur cible et définissez partial: true.

partial est un champ au niveau du message sur le dernier message assistant. Ce n'est pas un paramètre de requête de niveau supérieur.

Qwen Plus Character

Point de terminaison

httpCopier
POST /api/v1/chat/completions

Paramètres de requête

Obligatoires

En-têtes

Prise en charge des messages

Champs de message

Facultatifs

Lorsque la mémoire à long terme est activée, vous devez fournir :

• En-tête de requête x-session
• profile dans le corps de la requête
• enable_long_term_memory: true

skip_save_types prend en charge ces valeurs :

Requête de roleplay de base

javascriptCopier
const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
  method: 'POST',
  headers: {
    'Authorization': 'Bearer YOUR_API_KEY',
    'Accept': 'application/json',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'qwen-plus-character',
    stream: false,
    max_tokens: 1200,
    temperature: 0.8,
    messages: [
      {
        role: 'system',
        content: 'You are Jiang Rang, a witty high-school Go prodigy. Stay playful, warm, and concise.'
      },
      {
        role: 'user',
        content: 'Why are you reading Go records outside the milk tea shop again?'
      }
    ]
  })
});

Requête avec mémoire à long terme

javascriptCopier
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',
    'x-session': 'your-session-id'
  },
  body: JSON.stringify({
    model: 'qwen-plus-character',
    messages: [
      {
        role: 'system',
        content: 'You are a witty high-school student who speaks with humor and warmth.'
      },
      {
        role: 'user',
        content: 'Remember that I prefer lightly sweet milk tea.'
      }
    ],
    stream: true,
    max_tokens: 1200,
    temperature: 0.8,
    seed: 12345,
    profile: 'You are a witty high-school student who remembers user preferences and stays in character.',
    enable_long_term_memory: true,
    memory_entries: 50,
    skip_save_types: []
  })
});

Simulation de chat de groupe avec partial

La simulation de chat de groupe est implémentée par le texte des messages. L'API n'attribue ni ne migre automatiquement les noms des locuteurs. Écrivez chaque nom de locuteur manuellement au début de content, puis ajoutez un dernier message assistant avec le préfixe du locuteur cible et partial: true.

javascriptCopier
const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
  method: 'POST',
  headers: {
    'Authorization': 'Bearer YOUR_API_KEY',
    'Accept': 'application/json',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'qwen-plus-character',
    stream: false,
    max_tokens: 800,
    temperature: 0.8,
    messages: [
      {
        role: 'system',
        content: 'In a musician group chat, Ling Lu is a 25-year-old gifted musician known for sharp humor and a regional accent. Cheng Yi is his music partner, Tao Le is his partner, and Ma Hui is a friend. Keep Ling Lu sarcastic but caring. Reply in one short message.'
      },
      {
        role: 'user',
        content: 'Cheng Yi: Are you free this weekend? I want feedback on the new song.'
      },
      {
        role: 'user',
        content: 'Tao Le: He is right, but do not stay up too late editing.'
      },
      {
        role: 'user',
        content: 'Ma Hui: Let us grab dinner and talk. My treat.'
      },
      {
        role: 'assistant',
        content: 'Ling Lu:',
        partial: true
      }
    ]
  })
});

Continuer en tant que personnage avec partial

Utilisez le même modèle partial lorsque l'utilisateur n'a pas répondu mais que vous souhaitez que le personnage continue à parler. Ajoutez un dernier message assistant avec le préfixe du personnage.

javascriptCopier
{
  model: 'qwen-plus-character',
  stream: false,
  messages: [
    {
      role: 'system',
      content: 'You are Jiang Rang, a high-school Go prodigy. Speak with humor and warmth.'
    },
    {
      role: 'assistant',
      content: 'Class monitor, what are you doing?'
    },
    {
      role: 'assistant',
      content: '(He waves at you.) Did being class monitor make you forget how to answer me?'
    },
    {
      role: 'assistant',
      content: 'Jiang Rang:',
      partial: true
    }
  ]
}

Qwen Flash Character

Paramètres de requête

Même protocole que Qwen Plus Character, avec ces différences :

Exemple de requête

javascriptCopier
{
  model: 'qwen-flash-character',
  messages: [
    {
      role: 'system',
      content: 'You are a calm library assistant who speaks briefly and vividly.'
    },
    {
      role: 'user',
      content: 'Introduce yourself in three sentences.'
    }
  ],
  stream: true,
  max_tokens: 800,
  temperature: 0.7,
  seed: 12345
}

Format de réponse

Les modèles LLM Qwen Character renvoient des réponses de complétion compatibles avec OpenAI. Avec stream: true, la réponse est transmise sous forme d’événements envoyés par le serveur (SSE) ; avec stream: false, elle prend la forme d’un objet JSON unique.

Bonnes pratiques

• Placez les instructions de persona au niveau de la requête dans les messages system.
• Placez l'arrière-plan réutilisable du personnage dans profile uniquement lorsque la mémoire à long terme est activée.
• Réutilisez la même valeur x-session dans les conversations liées lorsque la mémoire à long terme est activée. Les sessions inutilisées pendant 365 jours peuvent être supprimées.
• Continuez à envoyer les messages récents de la conversation lorsque c'est utile ; la mémoire à long terme et le contexte à court terme peuvent fonctionner ensemble.
• Pour la simulation de chat de groupe, écrivez manuellement les noms des locuteurs dans content. L'API ne déduira pas les noms depuis profile.
• Utilisez partial: true uniquement sur le dernier message assistant lorsque le modèle doit continuer à partir d'un préfixe.
• Utilisez Qwen Flash Character pour le roleplay léger et Qwen Plus Character pour une qualité de dialogue plus riche.