Claude Code 指南
配置 Flaq AI Claude 模型并探索 Claude Code 技能
试用 Gemini 3.6 Flash API,通过 Flaq AI 稳定的 Google API 访问,进行文件分析、文档审查、信息提取、摘要和多模态推理。适合整理文档重点并快速生成清晰摘要。
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
}'
| 参数 | 价格 | 原价 | 折扣 |
|---|
Gemini 3.6 Flash File Analysis API 将 Gemini 的多模态理解能力引入专为 文件类问题设计的 Flaq AI 路由。它帮助应用将书面指令与上传的源材料相结合,并且 可以选择添加视觉参考,为分析、提取、摘要和审核 工作流生成清晰的文本响应。该集成支持有上限的多文件请求模式,使团队可以整理文档类任务, 而不会使通用聊天流程负担过重。
以文件为中心的分析: 针对上传的源材料提出问题,并接收可总结、解释、 整理或提取最相关信息的文本。
多模态上下文支持: 将文件内容与书面指令相结合,并在有帮助时添加辅助图像, 为模型提供更清晰的分析上下文。
高效长上下文工作流: 使用 Gemini Flash 模型系列处理受益于 上下文感知推理和简洁输出的文档密集型任务。
有上限的多文件请求: 在受支持的 Flaq AI 文件输入工作流中整合相关源材料, 而不必将分析任务拆分到许多独立提示词中。
结构化对话控制: 添加系统指令和后续用户消息,以定义输出格式、 受众、语气和审核标准。
用于下游的文本输出: 返回可读的分析内容,为内部仪表板、审核队列、搜索 体验和人工审批步骤提供支持。
输入: 受支持的文件输入和自然语言指令,以及在有助于解释 源材料时提供的可选图像。
输出: 根据所提供的请求上下文生成的文本摘要、调查结果、提取的详细信息、比较内容和 分析草稿。
请求范围: 使用已配置的多文件上限,让每个请求聚焦于一组连贯的 源材料。
能力: 文档分析、基于文件的问答、摘要、信息提取和 审核助手工作流。
文档审核: 在人工审核人员 做出决定之前,对内部报告、提案、规范和研究资料包进行总结。
知识库准备: 从上传的业务材料中提取关键事实、生成结构化笔记,并创建 初步答案。
运营与合规支持: 帮助团队确定相关段落并准备可供审核的清单,同时不 取代必要的专家验证。
研究综合: 比较所提供的源文件、按主题整理研究结果,并为分析师起草注重证据的 摘要。
工作流自动化: 通过能够为工单系统、 审核和内部工具生成简洁文本输出的 API,处理基于文件的请求。
注意 Flaq AI 提供的是有上限的文件分析工作流,而非无限制的存档处理服务。请对照原始材料验证基于来源的 回答,并对上传的文件实施适当的隐私、保留和访问控制。
Gemini 3.6 Flash File Analysis vs. Gemini 3.5 Flash File Analysis
Gemini 3.5 Flash 仍适用于常规
文件和文本工作流。Gemini 3.6 Flash 是新一代模型,适合希望获得高效推理和更强
复杂多模态任务支持的团队。
Gemini 3.6 Flash File Analysis vs. Gemini 3.7 Flash File Analysis
Gemini 3.7 Flash 是面向
更复杂工作流的更新版 Flash 选项。当应用需要专注的、
配置高效的文件基础分析路由时,Gemini 3.6 Flash 提供均衡的替代选择。
Gemini 3.6 Flash File Analysis vs. GPT 5.6 Terra File Analysis
GPT 5.6 Terra 文件分析模型是适用于
文档类应用的广泛选择。Gemini 3.6 Flash 为团队提供可用于源材料综合、
信息提取和审核辅助评估的 Gemini 路由。
Gemini 3.6 Flash File Analysis vs. Claude Document Analysis
Claude 模型常被纳入长篇
文档推理的考量范围。Gemini 3.6 Flash 为需要从
有上限的上传文件集合中获取清晰文本输出的工作流提供另一个多模态选择。
Gemini 3.6 Flash File Analysis vs. Gemini 3.6 Flash Image-to-Text
Image-to-Text 专为单个视觉输入
和聚焦问题而设计。File Analysis 更适合需要多个相关输入以及
更完整、基于来源的响应的文档类工作。
配置 Flaq AI Claude 模型并探索 Claude Code 技能

配置 Flaq AI GPT 模型并探索 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 模型运行 DeepSeek Harness
将 AI 智能体连接到 Flaq 图像和视频生成工具
在 WorkBuddy 中使用 GPT 6 Astra 和 Claude Fable 5.1