คู่มือ Claude Code
ตั้งค่าโมเดล Claude ของ Flaq AI และสำรวจสกิล Claude Code
ทดลองใช้ฟรี API DeepSeek v4 Pro 0813 Web Search สำหรับงานวิจัยแบบข้อความเท่านั้นที่มีหลักฐานรองรับ คำตอบปัจจุบัน และการให้เหตุผลที่เสริมด้วยการค้นหา
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: 'deepseek-v4-pro-web-search-0813',
messages: [
{
role: 'user',
content: 'What date is it today?'
}
],
stream: true,
max_tokens: 500,
top_p: 0.5,
top_k: 1
})
});
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': 'deepseek-v4-pro-web-search-0813',
'messages': [
{
'role': 'user',
'content': 'What date is it today?',
}
],
'stream': True,
'max_tokens': 500,
'top_p': 0.5,
'top_k': 1,
},
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": "deepseek-v4-pro-web-search-0813",
"messages": [
{
"role": "user",
"content": "What date is it today?"
}
],
"stream": true,
"max_tokens": 500,
"top_p": 0.5,
"top_k": 1
}'
import OpenAI from 'openai';
const client = new OpenAI({
apiKey: 'YOUR_API_KEY',
baseURL: 'https://api.flaq.ai/api/v1'
});
const stream = await client.chat.completions.create({
model: 'deepseek-v4-pro-web-search-0813',
messages: [
{
role: 'user',
content: 'What date is it today?'
}
],
stream: true,
max_tokens: 500
});
for await (const chunk of stream) {
const content = chunk.choices[0]?.delta?.content;
if (content) process.stdout.write(content);
}
from openai import OpenAI
client = OpenAI(
api_key='YOUR_API_KEY',
base_url='https://api.flaq.ai/api/v1',
)
stream = client.chat.completions.create(
model='deepseek-v4-pro-web-search-0813',
messages=[
{
'role': 'user',
'content': 'What date is it today?',
}
],
stream=True,
max_tokens=500,
)
for chunk in stream:
if not chunk.choices:
continue
content = chunk.choices[0].delta.content
if content:
print(content, end='', flush=True)
OPENAI_BASE_URL="https://api.flaq.ai/api/v1"
curl -N -X POST "$OPENAI_BASE_URL/chat/completions" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Accept: text/event-stream" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-pro-web-search-0813",
"messages": [
{
"role": "user",
"content": "What date is it today?"
}
],
"stream": true,
"max_tokens": 500
}'
| พารามิเตอร์ | ราคา | ราคาเดิม | ส่วนลด |
|---|
DeepSeek v4 Pro Web Search API บน Flaq AI มอบการเข้าถึง LLM ขั้นสูงพร้อมความสามารถค้นเว็บให้กับนักพัฒนา ที่สร้างงานวิจัย answer engines เครื่องมือ market intelligence และผู้ช่วยด้านข้อมูลปัจจุบัน การผสาน DeepSeek web search API นี้ผสานการสร้างข้อความคุณภาพสูงเข้ากับบริบทที่เสริมด้วยการค้นหาผ่าน route ที่มีการจัดการอย่างเสถียร ออกแบบมาสำหรับผลิตภัณฑ์ที่ต้องการการให้เหตุผลที่แข็งแกร่งขึ้น การดึงข้อมูลสด และคำตอบที่พร้อมใช้งานจริง โดยไม่ต้องสร้างโครงสร้างพื้นฐาน search และ LLM แยกกัน
Note โปรดตรวจสอบให้แน่ใจว่าพรอมป์ การใช้คอนเทนต์ที่ดึงมา และข้อความที่สร้างขึ้นสอดคล้องกับข้อกำหนดด้านความปลอดภัยของ DeepSeek และ Flaq AI หากเกิดข้อผิดพลาด ให้ปรับคำขอ จำกัดหัวข้อ หรือปรับการตั้งค่าการสร้างแล้วลองอีกครั้ง
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