Panduan Claude Code
Siapkan model Claude Flaq AI dan jelajahi skill Claude Code
Coba API Claude Sonnet 5.5 dari Anthropic untuk peninjauan dokumen, ringkasan, dan tanya jawab file melalui API Flaq AI yang stabil dan terjangkau dengan respons streaming untuk aplikasi.
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
}'
| Parameter | Harga | Harga asli | Diskon |
|---|
API Claude Sonnet 5.5 File Analysis membantu pengembang mengubah materi referensi yang diunggah menjadi jawaban tertulis yang berguna di Flaq AI. Gabungkan dokumen atau gambar dengan pertanyaan untuk meminta ringkasan, penjelasan, dan perbandingan berdasarkan konten yang diberikan. Antarmuka berbasis pesan, pengiriman streaming, dan panjang keluaran yang dapat disesuaikan mendukung asisten dokumen serta alur kerja riset yang perlu mengubah berkas sumber menjadi respons yang mudah dibaca.
Pertanyaan Berpusat pada Dokumen: Ajukan pertanyaan terarah tentang dokumen yang diberikan tanpa perlu menyalin setiap bagian yang relevan secara manual ke percakapan khusus teks.
Masukan Referensi Fleksibel: Gabungkan berkas yang didukung, gambar, dan instruksi teks untuk menyediakan materi yang diperlukan dalam tugas peninjauan dokumen.
Alur Kerja Peringkasan dan Ekstraksi: Minta gambaran umum, poin penting, atau informasi tertentu dari materi yang diberikan, dengan menentukan format keluaran dalam prompt.
Peninjauan Lintas Dokumen: Berikan berkas terkait dan minta model mengidentifikasi tema bersama, perbedaan, atau poin yang perlu diperiksa lebih lanjut.
Tindak Lanjut Percakapan: Sertakan kembali pesan yang relevan untuk menyempurnakan ringkasan atau meminta penjelasan tentang temuan tertentu.
Kontrol Streaming dan Panjang: Tampilkan analisis yang dihasilkan secara bertahap dan tetapkan batas token keluaran yang sesuai dengan kedalaman yang diminta.
Masukan: Lampiran dokumen atau gambar yang didukung, beserta instruksi teks opsional dan pesan yang relevan.
Keluaran: Analisis tertulis, ringkasan, atau jawaban, dengan opsi respons streaming maupun non-streaming.
Kontrol: Arahkan analisis dengan pertanyaan spesifik, format yang diminta, dan batas token keluaran opsional.
Kemampuan: Tanya jawab dokumen, peringkasan, ekstraksi informasi, dan perbandingan materi referensi yang diberikan.
Peninjauan Laporan: Minta gambaran umum singkat tentang laporan yang diunggah dan tindak lanjuti bagian yang relevan dengan tim Anda.
Pembacaan Riset: Bandingkan makalah atau dokumen referensi yang diberikan dan susun poin utamanya menjadi ikhtisar kerja.
Serah Terima Proyek: Ubah spesifikasi dan catatan terlampir menjadi ringkasan persyaratan serta pertanyaan yang belum terjawab.
Asisten Pengetahuan: Biarkan pengguna menanyakan isi berkas referensi yang diunggah melalui antarmuka percakapan.
Persiapan Editorial: Ekstrak tema dan detail pendukung dari dokumen sumber sebelum menyusun artikel atau presentasi.
Catatan Gunakan berkas sumber yang dapat dibaca dan tentukan pertanyaan yang ingin dijawab. Periksa kutipan, angka, dan kesimpulan terhadap materi asli sebelum mengandalkan analisis tersebut.
Claude Sonnet 5.5 File Analysis vs. GPT 6.1 Sol File Analysis Kedua rute Flaq AI menerima berkas dan gambar untuk analisis tertulis. Evaluasi keduanya menggunakan dokumen sumber dan pertanyaan yang sama untuk membandingkan relevansi, kelengkapan, dan interpretasi.
Claude Sonnet 5.5 File Analysis vs. Claude Sonnet 5.5 Text-to-Text Text-to-Text bekerja dengan materi sumber yang diberikan langsung dalam pesan. File Analysis merupakan opsi yang mendukung lampiran untuk tugas berpusat pada dokumen.
Claude Sonnet 5.5 File Analysis vs. GPT 6.1 Sol Image-to-Text Image-to-Text berfokus pada pertanyaan visual dan tidak mengaktifkan lampiran dokumen dalam konfigurasinya di Flaq AI. File Analysis mendukung alur kerja yang menggunakan berkas yang diunggah maupun gambar.
Claude Sonnet 5.5 File Analysis vs. GPT 6.1 Sol Web Search Web Search menangani riset daring, sedangkan rute Claude ini meninjau materi yang diberikan tanpa pencarian web. Pilih sesuai sumber yang seharusnya menyediakan bukti untuk jawaban.
Siapkan model Claude Flaq AI dan jelajahi skill Claude Code

Siapkan model GPT Flaq AI dan jelajahi skill Codex
Gunakan model LLM Flaq AI di Hermes Agent
Gunakan GLM 5.2, Kimi K3, dan DeepSeek v4 di ZCode
Jalankan DeepSeek Harness dengan model DeepSeek Flaq AI
Hubungkan agen AI ke alat pembuatan gambar dan video Flaq
Gunakan GPT 6 Astra dan Claude Fable 5.1 di WorkBuddy