คู่มือ Claude Code
ตั้งค่าโมเดล Claude ของ Flaq AI และสำรวจสกิล Claude Code
ลอง API Claude Sonnet 5.5 จาก Anthropic เพื่อตรวจทานเอกสาร สรุป และถามตอบเกี่ยวกับไฟล์ผ่าน API ที่เสถียรและคุ้มค่าของ Flaq AI พร้อมการตอบกลับแบบสตรีมสำหรับแอป
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
}'
| พารามิเตอร์ | ราคา | ราคาเดิม | ส่วนลด |
|---|
Claude Sonnet 5.5 File Analysis API ช่วยให้นักพัฒนาเปลี่ยนเอกสารอ้างอิงที่อัปโหลดเป็นคำตอบที่เป็นประโยชน์ในรูปข้อความบน Flaq AI ผสานเอกสารหรือรูปภาพเข้ากับคำถาม เพื่อขอบทสรุป คำอธิบาย และการเปรียบเทียบตาม เนื้อหาที่ให้ไว้ อินเทอร์เฟซที่ใช้ข้อความ การส่งแบบสตรีม และความยาวเอาต์พุตที่ปรับได้รองรับผู้ช่วยด้านเอกสาร และเวิร์กโฟลว์การค้นคว้าที่ต้องเปลี่ยนไฟล์ต้นฉบับเป็นคำตอบที่อ่านเข้าใจง่าย
คำถามที่เน้นเอกสาร: ถามคำถามเจาะจงเกี่ยวกับเอกสารที่ให้ไว้ แทนการคัดลอกทุกข้อความ ที่เกี่ยวข้องลงในการสนทนาแบบข้อความด้วยตนเอง
อินพุตข้อมูลอ้างอิงที่ยืดหยุ่น: รวมไฟล์ที่รองรับ รูปภาพ และคำสั่งแบบข้อความ เพื่อให้ข้อมูลที่จำเป็น สำหรับงานตรวจทานเอกสาร
เวิร์กโฟลว์การสรุปและการดึงข้อมูล: ขอภาพรวม ประเด็นสำคัญ หรือข้อมูลที่เลือกจากเนื้อหา ที่ให้ไว้ โดยระบุรูปแบบเอาต์พุตในพรอมต์
การตรวจทานข้ามเอกสาร: ให้ไฟล์ที่เกี่ยวข้อง และขอให้โมเดลระบุหัวข้อร่วม ความแตกต่าง หรือประเด็น ที่ต้องตรวจสอบให้ละเอียดขึ้น
การถามต่อแบบสนทนา: ใช้ข้อความที่เกี่ยวข้องต่อเนื่องเพื่อปรับปรุงบทสรุป หรือขอคำอธิบายเกี่ยวกับ ข้อค้นพบเฉพาะเรื่อง
การควบคุมสตรีมและความยาว: แสดงผลการวิเคราะห์ที่สร้างขึ้นทีละส่วน และกำหนดขีดจำกัดโทเคนเอาต์พุตให้เหมาะสม กับระดับความละเอียดที่ขอ
อินพุต: เอกสารหรือรูปภาพแนบที่รองรับ พร้อมคำสั่งแบบข้อความที่เลือกใส่ได้และข้อความที่เกี่ยวข้อง
เอาต์พุต: การวิเคราะห์ บทสรุป หรือคำตอบในรูปข้อความ โดยมีตัวเลือกการตอบกลับแบบสตรีมและไม่สตรีม
ตัวควบคุม: กำหนดทิศทางการวิเคราะห์ด้วยคำถามเฉพาะ รูปแบบที่ต้องการ และขีดจำกัดโทเคนเอาต์พุตที่เลือกกำหนดได้
ความสามารถ: การตอบคำถามเกี่ยวกับเอกสาร การสรุป การดึงข้อมูล และการเปรียบเทียบ ข้อมูลอ้างอิงที่ให้ไว้
การตรวจทานรายงาน: ขอภาพรวมกระชับของรายงานที่อัปโหลด และถามต่อเกี่ยวกับส่วนที่เกี่ยวข้องกับ ทีมของคุณ
การอ่านเพื่อค้นคว้า: เปรียบเทียบบทความวิจัยหรือเอกสารอ้างอิงที่ให้ไว้ และจัดเรียงประเด็นหลักเป็นเอกสารสรุป สำหรับใช้งาน
การส่งต่องานโครงการ: เปลี่ยนข้อกำหนดและบันทึกที่แนบมาเป็นสรุปความต้องการและคำถามที่ยังไม่ได้ข้อยุติ
ผู้ช่วยด้านความรู้: ให้ผู้ใช้สอบถามเกี่ยวกับไฟล์อ้างอิงที่อัปโหลดผ่านอินเทอร์เฟซการสนทนา
การเตรียมงานบรรณาธิการ: ดึงหัวข้อและรายละเอียดสนับสนุนจากเอกสารต้นฉบับก่อนร่างบทความหรือ งานนำเสนอ
หมายเหตุ ใช้ไฟล์ต้นฉบับที่อ่านได้ชัดเจนและระบุคำถามที่ต้องการคำตอบ ตรวจสอบคำอ้างอิง ตัวเลข และ ข้อสรุปกับข้อมูลต้นฉบับก่อนใช้ผลการวิเคราะห์เป็นหลักในการตัดสินใจ
Claude Sonnet 5.5 File Analysis เทียบกับ GPT 6.1 Sol File Analysis ทั้งสองเส้นทางบน Flaq AI รับไฟล์และรูปภาพสำหรับ การวิเคราะห์ในรูปข้อความ ประเมินด้วยเอกสารต้นฉบับและคำถามชุดเดียวกัน เพื่อเปรียบเทียบความตรงประเด็น ความครบถ้วน และ การตีความ
Claude Sonnet 5.5 File Analysis เทียบกับ Claude Sonnet 5.5 Text-to-Text Text-to-Text ใช้ข้อมูลต้นฉบับ ที่ให้โดยตรงในข้อความ ส่วน File Analysis เป็นตัวเลือกที่รองรับไฟล์แนบสำหรับงานที่เน้นเอกสาร
Claude Sonnet 5.5 File Analysis เทียบกับ GPT 6.1 Sol Image-to-Text Image-to-Text เน้นคำถามเกี่ยวกับภาพ และ ไม่ได้เปิดใช้เอกสารแนบในการกำหนดค่าบน Flaq AI ส่วน File Analysis รองรับเวิร์กโฟลว์ที่ใช้ ไฟล์ที่อัปโหลดรวมถึงรูปภาพเป็นหลัก
Claude Sonnet 5.5 File Analysis เทียบกับ GPT 6.1 Sol Web Search Web Search ใช้สำหรับการค้นคว้าออนไลน์ ขณะที่เส้นทาง Claude นี้ ตรวจทานข้อมูลที่ให้ไว้โดยไม่ค้นหาเว็บ เลือกตามแหล่งที่มาของหลักฐานที่ควรใช้ ประกอบคำตอบ
ตั้งค่าโมเดล Claude ของ Flaq AI และสำรวจสกิล Claude Code

ตั้งค่าโมเดล GPT ของ Flaq AI และสำรวจสกิล Codex
ใช้โมเดล LLM ของ Flaq AI ใน Hermes Agent
ใช้ GLM 5.2, Kimi K3 และ DeepSeek v4 ใน ZCode
เรียกใช้ DeepSeek Harness กับโมเดล DeepSeek ของ Flaq AI
เชื่อมต่อเอเจนต์ AI กับเครื่องมือสร้างรูปภาพและวิดีโอของ Flaq
ใช้ GPT 6 Astra และ Claude Fable 5.1 ใน WorkBuddy