Claude Code 指南
設定 Flaq AI Claude 模型並探索 Claude Code 技能
試用 Gemini 3.6 Flash API,透過 Flaq AI 穩定的 Google API 存取,進行檔案分析、文件審查、資訊擷取、摘要與多模態推理。適合整理文件重點並快速產出清晰摘要。
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-3.6-flash-file-analysis',
messages: [
{
role: 'user',
content: [
{ type: 'text', text: 'Summarize this file and extract the key risks.' },
{
type: 'file',
file: {
filename: 'demo.pdf',
file_data: 'https://example.com/demo.pdf'
}
}
]
}
],
stream: true,
max_tokens: 4096
})
});
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-3.6-flash-file-analysis',
'messages': [
{
'role': 'user',
'content': [
{'type': 'text', 'text': 'Summarize this file and extract the key risks.'},
{
'type': 'file',
'file': {
'filename': 'demo.pdf',
'file_data': 'https://example.com/demo.pdf'
}
},
],
}
],
'stream': True,
'max_tokens': 4096,
},
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-3.6-flash-file-analysis",
"messages": [
{
"role": "user",
"content": [
{ "type": "text", "text": "Summarize this file and extract the key risks." },
{
"type": "file",
"file": {
"filename": "demo.pdf",
"file_data": "https://example.com/demo.pdf"
}
}
]
}
],
"stream": true,
"max_tokens": 4096
}'
| 參數 | 價格 | 原價 | 折扣 |
|---|
Gemini 3.6 Flash File Analysis API 將 Gemini 的多模態理解能力引入專為 檔案類問題設計的 Flaq AI 路由。它協助應用程式將書面指令與上傳的來源資料結合,並且 可以選擇新增視覺參考,為分析、擷取、摘要和審查 工作流程產生清楚的文字回應。此整合支援有上限的多檔案請求模式,使團隊可以整理文件類任務, 而不會使通用聊天流程負擔過重。
以檔案為中心的分析: 針對上傳的來源資料提出問題,並接收可摘要、解釋、 整理或擷取最相關資訊的文字。
多模態情境支援: 將檔案內容與書面指令結合,並在有幫助時新增輔助圖像, 為模型提供更清楚的分析情境。
高效長情境工作流程: 使用 Gemini Flash 模型系列處理受益於 情境感知推理和簡潔輸出的文件密集型任務。
有上限的多檔案請求: 在支援的 Flaq AI 檔案輸入工作流程中整合相關來源資料, 而不必將分析任務拆分到許多獨立提示詞中。
結構化對話控制: 新增系統指令和後續使用者訊息,以定義輸出格式、 受眾、語氣和審查標準。
用於下游的文字輸出: 傳回易讀的分析內容,為內部儀表板、審查佇列、搜尋 體驗和人工核准步驟提供支援。
輸入: 支援的檔案輸入和自然語言指令,以及在有助於解釋 來源資料時提供的選用圖像。
輸出: 根據所提供的請求情境生成的文字摘要、調查結果、擷取的詳細資訊、比較內容和 分析草稿。
請求範圍: 使用已設定的多檔案上限,讓每個請求聚焦於一組連貫的 來源資料。
能力: 文件分析、以檔案為依據的問答、摘要、資訊擷取和 審查助理工作流程。
文件審查: 在人工審查人員 做出決定之前,摘要內部報告、提案、規格和研究資料包。
知識庫準備: 從上傳的業務資料中擷取關鍵事實、產生結構化筆記,並建立 初步答案。
營運與法規遵循支援: 協助團隊找出相關段落並準備可供審查的清單,同時不 取代必要的專家驗證。
研究綜整: 比較所提供的來源檔案、按主題整理研究結果,並為分析師起草重視證據的 摘要。
工作流程自動化: 透過能夠為工單系統、 審查和內部工具產生簡潔文字輸出的 API,處理以檔案為基礎的請求。
注意 Flaq AI 提供的是有上限的檔案分析工作流程,而非無限制的封存處理服務。請對照原始資料驗證以來源為依據的 回答,並對上傳的檔案實施適當的隱私、保留和存取控制。
Gemini 3.6 Flash File Analysis vs. Gemini 3.5 Flash File Analysis
Gemini 3.5 Flash 仍適用於一般
檔案和文字工作流程。Gemini 3.6 Flash 是新一代模型,適合希望獲得高效推理和更強
複雜多模態任務支援的團隊。
Gemini 3.6 Flash File Analysis vs. Gemini 3.7 Flash File Analysis
Gemini 3.7 Flash 是面向
更複雜工作流程的更新版 Flash 選項。當應用程式需要專注的、
設定高效的檔案基礎分析路由時,Gemini 3.6 Flash 提供均衡的替代選擇。
Gemini 3.6 Flash File Analysis vs. GPT 5.6 Terra File Analysis
GPT 5.6 Terra 檔案分析模型是適用於
文件類應用程式的廣泛選擇。Gemini 3.6 Flash 為團隊提供可用於來源資料綜整、
資訊擷取和審查輔助評估的 Gemini 路由。
Gemini 3.6 Flash File Analysis vs. Claude Document Analysis
Claude 模型常被納入長篇
文件推理的考量範圍。Gemini 3.6 Flash 為需要從
有上限的上傳檔案集合中取得清楚文字輸出的工作流程提供另一個多模態選擇。
Gemini 3.6 Flash File Analysis vs. Gemini 3.6 Flash Image-to-Text
Image-to-Text 專為單一視覺輸入
和聚焦問題而設計。File Analysis 更適合需要多個相關輸入以及
更完整、以來源為依據的回應的文件類工作。
設定 Flaq AI Claude 模型並探索 Claude Code 技能

設定 Flaq AI GPT 模型並探索 Codex 技能
在 Hermes Agent 中使用 Flaq AI LLM 模型
在 ZCode 中使用 GLM 5.2、Kimi K3 和 DeepSeek v4
使用 Flaq AI DeepSeek 模型執行 DeepSeek Harness
將 AI 代理連接至 Flaq 圖片和影片生成工具
在 WorkBuddy 中使用 GPT 6 Astra 和 Claude Fable 5.1