Guide Claude Code
Configurer les modèles Claude de Flaq AI et découvrir les skills Claude Code
Essayez l’API Claude Sonnet 5.5 d’Anthropic pour réviser des documents, les résumer et répondre aux questions sur les fichiers via l’API stable et abordable de Flaq AI avec réponses en streaming pour les apps.
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: 'claude-sonnet-5.5-file-analysis',
messages: [
{
role: 'user',
content: [
{ type: 'text', text: 'Summarize the key points of this PDF.' },
{
type: 'file',
file: {
filename: 'gptproto.pdf',
file_data: 'https://tos.gptproto.com/resource/gptproto.pdf'
}
}
]
}
],
stream: true,
max_tokens: 1000,
})
});
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': 'claude-sonnet-5.5-file-analysis',
'messages': [
{
'role': 'user',
'content': [
{'type': 'text', 'text': 'Summarize the key points of this PDF.'},
{
'type': 'file',
'file': {
'filename': 'gptproto.pdf',
'file_data': 'https://tos.gptproto.com/resource/gptproto.pdf'
}
},
],
}
],
'stream': True,
'max_tokens': 1000,
},
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": "claude-sonnet-5.5-file-analysis",
"messages": [
{
"role": "user",
"content": [
{ "type": "text", "text": "Summarize the key points of this PDF." },
{
"type": "file",
"file": {
"filename": "gptproto.pdf",
"file_data": "https://tos.gptproto.com/resource/gptproto.pdf"
}
}
]
}
],
"stream": true,
"max_tokens": 1000
}'
| Paramètres | Prix | Prix d’origine | Remise |
|---|
L’API Claude Sonnet 5.5 File Analysis aide les développeurs à transformer des documents de référence téléversés en réponses écrites utiles sur Flaq AI. Associez des documents ou des images à une question pour demander des résumés, des explications et des comparaisons fondés sur le contenu fourni. L’interface par messages, les réponses en streaming et la longueur de sortie réglable répondent aux besoins des assistants documentaires et des processus de recherche qui doivent convertir des fichiers sources en réponses lisibles.
Questions centrées sur les documents : Posez des questions ciblées sur les documents fournis au lieu de copier manuellement chaque passage pertinent dans une conversation exclusivement textuelle.
Sources d’entrée flexibles : Combinez des fichiers pris en charge, une image et des instructions textuelles pour fournir les éléments nécessaires à une tâche d’examen documentaire.
Résumé et extraction : Demandez une vue d’ensemble, les points clés ou des informations choisies dans les éléments fournis, en précisant le format de sortie dans le prompt.
Examen de plusieurs documents : Fournissez des fichiers connexes et demandez au modèle d’identifier les thèmes communs, les différences ou les points à examiner de plus près.
Suivi conversationnel : Conservez les messages pertinents pour affiner un résumé ou demander une explication sur une observation particulière.
Streaming et réglage de la longueur : Affichez progressivement l’analyse générée et définissez une limite de tokens de sortie adaptée au niveau de détail demandé.
Entrée : Documents ou images en pièces jointes pris en charge, accompagnés d’instructions textuelles facultatives et de messages pertinents.
Sortie : Analyses écrites, résumés ou réponses, avec des options de réponse en streaming ou complète.
Réglages : Orientez l’analyse avec une question précise, un format souhaité et une limite facultative de tokens de sortie.
Capacités : Questions-réponses sur les documents, résumé, extraction d’informations et comparaison des sources de référence fournies.
Examen de rapports : Demandez une vue d’ensemble concise d’un rapport téléversé, puis approfondissez les sections pertinentes pour votre équipe.
Lecture de recherche : Comparez les articles scientifiques ou documents de référence fournis et organisez leurs principaux points dans une note de travail.
Passation de projets : Transformez les spécifications et notes jointes en une synthèse des exigences et des questions non résolues.
Assistants documentaires : Permettez aux utilisateurs d’interroger des fichiers de référence téléversés via une interface conversationnelle.
Préparation éditoriale : Extrayez les thèmes et les éléments à l’appui des documents sources avant de rédiger un article ou une présentation.
Remarque Utilisez des fichiers sources lisibles et précisez la question à résoudre. Vérifiez les citations, les chiffres et les conclusions dans les documents originaux avant de vous fier à l’analyse.
Claude Sonnet 5.5 File Analysis et GPT 6.1 Sol File Analysis Les deux routes Flaq AI acceptent les fichiers et les images pour produire une analyse écrite. Évaluez-les avec les mêmes documents sources et questions pour comparer la pertinence, l’exhaustivité et l’interprétation.
Claude Sonnet 5.5 File Analysis et Claude Sonnet 5.5 Text-to-Text Text-to-Text traite les sources fournies directement dans les messages. File Analysis est l’option avec pièces jointes pour les tâches centrées sur les documents.
Claude Sonnet 5.5 File Analysis et GPT 6.1 Sol Image-to-Text Image-to-Text se concentre sur les questions visuelles et ne permet pas de joindre des documents dans sa configuration Flaq AI. File Analysis prend en charge les processus fondés sur des fichiers téléversés ainsi que sur des images.
Claude Sonnet 5.5 File Analysis et GPT 6.1 Sol Web Search Web Search répond aux besoins de recherche en ligne, tandis que cette route Claude examine les éléments fournis sans recherche web. Choisissez selon l’origine attendue des éléments sur lesquels doit s’appuyer la réponse.
Configurer les modèles Claude de Flaq AI et découvrir les skills Claude Code

Configurer les modèles GPT de Flaq AI et découvrir les skills Codex
Utiliser les modèles LLM de Flaq AI dans Hermes Agent
Utilisez GLM 5.2, Kimi K3 et DeepSeek v4 dans ZCode
Exécutez DeepSeek Harness avec les modèles DeepSeek de Flaq AI
Connectez les agents d'IA aux outils de génération d'images et de vidéos de Flaq
Utilisez GPT 6 Astra et Claude Fable 5.1 dans WorkBuddy