Claude Code 指南
設定 Flaq AI Claude 模型並探索 Claude Code 技能
試用 Google 的 Gemini 3.6 Flash API,透過 Flaq AI 穩定且價格實惠的 LLM API,進行快速文字生成、推理、寫作、程式碼與串流回應。讓文字創作與程式開發更順暢。
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-text-to-text',
messages: [
{
role: 'user',
content: 'Write a concise summary of how transformer models work.'
}
],
stream: true,
max_tokens: 2048
})
});
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('\n\n');
buffer = frames.pop() || '';
for (const frame of frames) {
const lines = frame.split('\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-text-to-text',
'messages': [
{
'role': 'user',
'content': 'Write a concise summary of how transformer models work.',
}
],
'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-3.6-flash-text-to-text",
"messages": [
{
"role": "user",
"content": "Write a concise summary of how transformer models work."
}
],
"stream": true,
"max_tokens": 2048
}'
| 參數 | 價格 | 原價 | 折扣 |
|---|
Gemini 3.6 Flash Text-to-Text API 將 Google 兼具高 token 效率與推理能力的 Flash 模型引入 Flaq AI,適用於 反應迅速的文字工作流程。此路由專為需要強大指令遵循能力、程式設計輔助、 研究導向內容起草和日常知識工作的應用程式而設計,同時將整合範圍限定為文字輸入和文字 輸出。Flaq AI 的設定使其成為團隊的實用選擇,既可使用功能強大的 Gemini API,又不必將 文字工作流程擴展到媒體或檔案處理。
高效推理工作流程: 使用在反應速度與強大推理能力之間取得平衡的 Flash 模型,處理 複雜提示詞和多步驟文字任務。
程式設計與規劃支援: 將需求、程式碼問題和技術難題轉化為實作說明、 草稿、解釋和後續步驟計畫。
高品質指令遵循: 針對寫作、轉換、 分析、分類和結構化回應工作流程,提供詳細的自然語言指令。
專注純文字邊界: 讓整合始終符合已設定的文字路由,任務不需要 圖像或檔案輸入。
彈性的回應長度: 使用選用的輸出控制,為簡潔的產品文案、詳細 解釋或下游自動化調整回應。
支援串流的聊天整合: 透過 Flaq AI 文件所述的串流和 非串流請求模式,打造反應迅速的使用者體驗。
輸入: 文字對話訊息,可在需要時包含系統指令、使用者請求和先前的 助理情境。
輸出: 為聊天體驗、內部工具、內容工作流程和 API 驅動型應用程式產生的文字。
回應模式: 選擇文件所述的串流流程進行漸進式傳送;如果較適合取得 完整結果,則使用標準 JSON 回應。
能力: 文字生成、程式設計輔助、摘要、改寫、分類、規劃和 知識工作支援。
開發者副駕駛: 協助完成程式碼解釋、實作規劃、測試案例草稿、文件撰寫和 問題分類工作流程。
商務寫作自動化: 根據結構化提示詞為簡報、報告、電子郵件回覆、產品文案和內部 溝通內容建立初稿。
客服助理: 在以文字為主的支援流程中,對傳入請求進行分類、提出實用的回覆建議, 並產生清楚的客服人員交接說明。
研究與分析起草: 摘要所提供的筆記、整理研究結果、比較選項,並準備 可供審查的分析大綱。
大量文字應用程式: 建置反應迅速的聊天、內容或自動化功能,滿足對高性價比 模型設定和可預測訊息式整合的需求。
注意 此 Flaq AI 路由針對文字到文字互動進行設定。將生成內容用於 重大決策或正式環境變更之前,請先進行審查,並確保使用方式符合 Google 和 Flaq AI 的適用政策。
Gemini 3.6 Flash vs. Gemini 3.5 Flash
Gemini 3.5 Flash 仍然是處理一般文字工作負載的實用基準選擇。
Gemini 3.6 Flash 是新一代模型,適合希望提高 token 效率,並獲得更強
複雜程式設計和代理式規劃任務支援的團隊。
Gemini 3.6 Flash vs. Gemini 3.7 Flash
Gemini 3.7 Flash 是更新、能力更強的 Flash 選項,適用於複雜
工作流程。當純文字整合需要兼顧強大推理能力與
高效設定時,Gemini 3.6 Flash 提供均衡的替代選擇。
Gemini 3.6 Flash vs. GPT 5.6 Terra
GPT 5.6 Terra 是適用於進階語言任務的廣泛通用模型。
Gemini 3.6 Flash 為重視文字工作流程效率、程式設計支援和
訊息式整合的團隊提供 Gemini API 選擇。
Gemini 3.6 Flash vs. Claude Sonnet 5
Claude Sonnet 5 通常用於長篇推理和寫作方面的評估。
對於希望在程式設計和
知識工作任務中比較反應迅速、注重成本的文字生成能力的團隊,Gemini 3.6 Flash 是實用的替代選擇。
Gemini 3.6 Flash vs. Kimi 2.7
Kimi 2.7 也是文字和程式設計工作流程的強力選擇。Gemini 3.6 Flash
憑藉 Google 的 Flash 模型系列及其專注的 Flaq AI 文字到文字路由形成差異化優勢。
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