คู่มือ Claude Code
ตั้งค่าโมเดล Claude ของ Flaq AI และสำรวจสกิล Claude Code
ทดลองใช้ Gemini 3.7 Flash API สำหรับ Image-to-Text ถามตอบภาพ OCR วิเคราะห์ และสตรีมคำตอบหลายโมดัลผ่าน Google API ของ Flaq AI
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: 'gemini-3.7-flash-image-to-text',
messages: [
{
role: 'user',
content: [
{ type: 'text', text: 'Describe the image and extract any visible text.' },
{
type: 'image_url',
image_url: {
url: 'https://example.com/sample-image.jpg'
}
}
]
}
],
stream: true,
max_tokens: 2048
})
});
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': 'gemini-3.7-flash-image-to-text',
'messages': [
{
'role': 'user',
'content': [
{'type': 'text', 'text': 'Describe the image and extract any visible text.'},
{
'type': 'image_url',
'image_url': {
'url': 'https://example.com/sample-image.jpg'
}
},
],
}
],
'stream': True,
'max_tokens': 2048,
},
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": "gemini-3.7-flash-image-to-text",
"messages": [
{
"role": "user",
"content": [
{ "type": "text", "text": "Describe the image and extract any visible text." },
{
"type": "image_url",
"image_url": {
"url": "https://example.com/sample-image.jpg"
}
}
]
}
],
"stream": true,
"max_tokens": 2048
}'
| พารามิเตอร์ | ราคา | ราคาเดิม | ส่วนลด |
|---|
Gemini 3.7 Flash Image-to-Text API เชื่อมต่อแอปพลิเคชัน Flaq AI กับโมเดล Flash รุ่นล่าสุดของ Google เพื่อการทำความเข้าใจภาพที่รวดเร็วและมี ประสิทธิภาพ ส่งอินพุตภาพที่เจาะจงพร้อมคำสั่งที่ชัดเจนเพื่อสร้างข้อความที่อธิบาย ขยายความ ดึงข้อมูล หรือวิเคราะห์เนื้อหาภาพ ช่องทางนี้ผสานจุดแข็งด้านมัลติโมดัลและการใช้เหตุผลของ Gemini 3.7 Flash เข้ากับขอบเขตอินพุต Flaq AI ที่ เน้นเฉพาะอย่างตั้งใจ ทำให้เหมาะกับฟีเจอร์ผลิตภัณฑ์ที่ตอบสนองรวดเร็วและเวิร์กโฟลว์ตรวจสอบ
การใช้เหตุผลด้านภาพขั้นสูง: เปลี่ยนคำถามที่อิงภาพให้เป็นคำตอบข้อความที่ชัดเจน ซึ่งสะท้อน บริบทภาพและคำสั่งของงานที่ให้มา
เวิร์กโฟลว์มัลติโมดัลที่คุ้มค่า: ใช้การกำหนดค่า Flash ที่ประหยัดอย่างยิ่งสำหรับฟีเจอร์วิเคราะห์ภาพที่ ต้องการเอาต์พุตข้อความที่มีประสิทธิภาพในวงกว้าง
คำขอภาพที่เจาะจง: ให้แต่ละการโต้ตอบมุ่งเน้นที่อินพุตภาพและเป้าหมายเฉพาะ ซึ่งช่วยให้ แอปพลิเคชันสร้างเอาต์พุตที่ชัดเจนและตรวจสอบได้ง่ายขึ้น
การส่งภาพตามเอกสาร: ส่งอินพุตภาพผ่านรูปแบบคำขอ Flaq AI API ที่กำหนดไว้
รองรับบริบทข้อความ: ผสานคำขอภาพเข้ากับข้อความ system, user และ assistant ที่มีโครงสร้าง เมื่อ งานต้องการคำสั่ง เกณฑ์ หรือบริบทติดตามผล
การผสานรวม API ที่ตอบสนองรวดเร็ว: เลือกการส่งคำตอบแบบสตรีมมิงหรือแบบสมบูรณ์ให้เหมาะกับผู้ช่วยแบบโต้ตอบ งานตรวจสอบแบบอะซิงโครนัส และเครื่องมือภายใน
อินพุต: ภาพที่รองรับพร้อมพรอมต์ภาษาธรรมชาติซึ่งระบุคำอธิบาย คำถาม การดึงข้อมูล หรือการวิเคราะห์ที่ต้องการ
เอาต์พุต: คำตอบข้อความสำหรับประสบการณ์ผู้ใช้ การตรวจสอบโดยมนุษย์ เวิร์กโฟลว์เนื้อหา และระบบอัตโนมัติในลำดับถัดไป
การส่งภาพ: ใช้รูปแบบคำขอ Flaq AI ที่กำหนดไว้สำหรับอินพุตภาพ
ความสามารถ: การตอบคำถามโดยอิงภาพ การตีความภาพหน้าจอ การดึงรายละเอียดภาพ การสรุป ภาพ และการร่างเนื้อหา
ประสบการณ์ผลิตภัณฑ์ด้านภาพ: เพิ่มการถามเกี่ยวกับภาพ ความช่วยเหลือการค้นหาด้วยภาพ และคำอธิบายตามบริบทให้กับ แอปพลิเคชันสำหรับผู้ใช้
การตรวจสอบการออกแบบและ QA: สร้างบันทึกรอบแรกจากภาพหน้าจอ UI ภาพผลิตภัณฑ์ ไดอะแกรม และข้อเสนอแนะ ด้านภาพเพื่อให้มนุษย์ตรวจสอบ
เวิร์กโฟลว์ฝ่ายสนับสนุน: ช่วยให้เจ้าหน้าที่ตีความภาพและภาพหน้าจอของลูกค้า ระบุรายละเอียดที่เป็นประโยชน์ และเตรียม ร่างคำตอบหรือการส่งต่อ
การดำเนินงานด้านการค้าและแค็ตตาล็อก: ดึงคุณลักษณะที่มองเห็น ร่างคำอธิบาย และรองรับการตรวจสอบเชิงบรรณาธิการของ ภาพผลิตภัณฑ์
เวิร์กโฟลว์ด้านการช่วยสำหรับการเข้าถึงและเนื้อหา: สร้างร่างคำอธิบายและสรุปภาพที่ตรวจสอบได้ เพื่อช่วยทีมบรรณาธิการ เตรียมเนื้อหาที่เข้าถึงได้
หมายเหตุ ช่องทาง Flaq AI ปัจจุบันได้รับการออกแบบสำหรับอินพุตภาพที่เจาะจงและเอาต์พุตข้อความ อย่าใช้การวิเคราะห์ที่สร้างขึ้นเป็น ฐานเพียงอย่างเดียวสำหรับการตัดสินใจที่มีผลกระทบสูง โปรดคงการตรวจสอบโดยมนุษย์และการยืนยันแหล่งที่มาอย่างเหมาะสม
Gemini 3.7 Flash Image-to-Text vs. Gemini 3.6 Flash Image-to-Text
Gemini 3.6 Flash มอบช่องทางมัลติโมดัลที่สมดุล
สำหรับคำถามและการดำเนินงานเกี่ยวกับภาพ ส่วน Gemini 3.7 Flash คือโมเดล Flash รุ่นใหม่กว่าที่ควรประเมินเมื่องานด้านภาพ
ได้ประโยชน์จากการใช้เหตุผลหลายขั้นตอนที่ก้าวหน้ายิ่งขึ้น
Gemini 3.7 Flash Image-to-Text vs. Grok 4.6 Image-to-Text
Grok 4.6 เป็นตัวเลือกจาก xAI สำหรับการใช้เหตุผลทางเทคนิคที่อิง
ภาพ ส่วน Gemini 3.7 Flash มอบช่องทางโมเดล Google ที่คุ้มค่าอย่างยิ่งสำหรับคำถามด้านภาพ ภาพหน้าจอ และ
ฟีเจอร์ผลิตภัณฑ์ที่เน้นข้อความ
Gemini 3.7 Flash Image-to-Text vs. GPT 5.6 Terra Image-to-Text
โมเดลด้านภาพ GPT 5.6 Terra รองรับแอปพลิเคชันมัลติโมดัลที่หลากหลาย
Gemini 3.7 Flash เป็นทางเลือกที่น่าสนใจเมื่อทีมต้องการโมเดล Flash ที่มีประสิทธิภาพสำหรับการวิเคราะห์ภาพแบบเจาะจงและ
ข้อความที่สร้างขึ้น
Gemini 3.7 Flash Image-to-Text vs. Claude Vision
โมเดลด้านภาพของ Claude อาจเป็นตัวเลือกที่แข็งแกร่งสำหรับงานที่เน้นคำอธิบายและ
เอกสาร Gemini 3.7 Flash มอบ API ทำความเข้าใจภาพที่ตอบสนองรวดเร็วสำหรับทีมที่กำลังประเมิน
เวิร์กโฟลว์มัลติโมดัลที่คุ้มค่า
Gemini 3.7 Flash Image-to-Text vs. Gemini 3.7 Flash Text-to-Text
Text-to-Text เหมาะสำหรับพรอมต์ที่ไม่มี
อินพุตภาพ ส่วน Image-to-Text เป็นช่องทางที่ดีกว่าเมื่อคำตอบต้องอิงทั้งภาพที่ให้มาและ
คำสั่งที่เขียนไว้
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