Udostępnij za pośrednictwem


Dokumentacja interfejsu API REST modelu podstawowego

Ten artykuł zawiera ogólne informacje o interfejsie API dla interfejsów API modelu usługi Databricks Foundation i modeli, które obsługują. Interfejsy API modelu foundation zostały zaprojektowane tak, aby były podobne do interfejsu API REST platformy OpenAI, aby ułatwić migrację istniejących projektów. Punkty końcowe z płatnością za token i aprowizowaną przepływności akceptują ten sam format żądania interfejsu API REST.

Punkty końcowe

Każdy model płatności za token ma jeden punkt końcowy, a użytkownicy mogą korzystać z tych punktów końcowych przy użyciu żądań HTTP POST. Aprowizowanie punktów końcowych przepływności można utworzyć przy użyciu interfejsu API lub interfejsu użytkownika obsługującego. Te punkty końcowe obsługują również wiele modeli na punkt końcowy na potrzeby testowania A/B, o ile oba obsługiwane modele uwidaczniają ten sam format interfejsu API. Na przykład oba modele są modelami czatów.

Żądania i odpowiedzi używają kodu JSON. Dokładna struktura JSON zależy od typu zadania punktu końcowego. Punkty końcowe czatu i uzupełniania obsługują odpowiedzi przesyłania strumieniowego.

Obciążenia z płatnością za token obsługują niektóre modele, zobacz Obsługiwane modele dla tokenu płatności za token dla tych modeli i akceptowane formaty interfejsu API.

Użycie

Odpowiedzi obejmują usage komunikat podrzędny, który zgłasza liczbę tokenów w żądaniu i odpowiedzi. Format tego komunikatu podrzędnego jest taki sam we wszystkich typach zadań.

Pole Typ Opis
completion_tokens Integer Liczba wygenerowanych tokenów. Nieuwzględnianie w odpowiedziach osadzania.
prompt_tokens Integer Liczba tokenów z monitów wejściowych.
total_tokens Integer Łączna liczba tokenów.

W przypadku modeli, takich jak llama-2-70b-chat monit użytkownika, jest przekształcany przy użyciu szablonu monitu przed przekazaniem go do modelu. W przypadku punktów końcowych płatności za token może zostać również dodany monit systemowy. prompt_tokens zawiera cały tekst dodany przez nasz serwer.

Zadanie czatu

Zadania czatu są zoptymalizowane pod kątem konwersacji obejmujących wiele kolei przy użyciu modelu. Każde żądanie opisuje konwersację do tej pory, gdzie messages pole musi być alternatywne między rolami user i assistant kończące się komunikatem user . Odpowiedź modelu zawiera następny assistant komunikat w konwersacji.

Żądanie czatu

Pole Wartość domyślna Type Opis
messages Lista komunikatów czatu Wymagany. Lista wiadomości reprezentujących bieżącą konwersację.
max_tokens nil Liczba całkowita większa niż zero lub nil, która reprezentuje nieskończoność Maksymalna liczba tokenów do wygenerowania.
stream true Wartość logiczna Przesyłanie strumieniowe odpowiedzi z powrotem do klienta w celu umożliwienia częściowych wyników dla żądań. Jeśli ten parametr jest uwzględniony w żądaniu, odpowiedzi są wysyłane przy użyciu standardu Zdarzenia wysyłane przez serwer.
temperature 1.0 Zmiennoprzecinkowy w [0,2] Temperatura próbkowania. Wartość 0 jest deterministyczna i wyższa wartość wprowadza większą losowość.
top_p 1.0 Liczba zmiennoprzecinkowa (0,1] Próg prawdopodobieństwa używany do próbkowania jądra.
top_k nil Liczba całkowita większa niż zero lub nil, która reprezentuje nieskończoność Definiuje liczbę k najbardziej prawdopodobnych tokenów używanych do filtrowania top-k. Ustaw tę wartość na 1, aby dane wyjściowe deterministyczne.
stop [] Ciąg lub lista[ciąg] Model przestaje generować kolejne tokeny, gdy napotkano jedną z sekwencji.stop
n 1 Liczba całkowita większa niż zero Interfejs API zwraca n niezależne ukończenie czatu, gdy n jest określony. Zalecane w przypadku obciążeń, które generują wiele uzupełnień na tych samych danych wejściowych, aby uzyskać dodatkową wydajność wnioskowania i oszczędność kosztów. Dostępne tylko dla punktów końcowych aprowizowanej przepływności.
tool_choice nil String lub ToolChoiceObject Używane tylko w połączeniu z polem tools . tool_choice obsługuje różne ciągi słów kluczowych, takie jak auto, requiredi none. auto oznacza, że pozwalasz modelowi zdecydować, które narzędzie (jeśli istnieje) ma zastosowanie. Jeśli auto model nie uważa, że jakiekolwiek narzędzia w programie tools są istotne, model generuje standardowy komunikat asystenta zamiast wywołania narzędzia. required oznacza, że model wybiera najbardziej odpowiednie narzędzie i tools musi wygenerować wywołanie narzędzia. none oznacza, że model nie generuje żadnych wywołań narzędzi i zamiast tego musi wygenerować standardowy komunikat asystenta. Aby wymusić wywołanie narzędzia za pomocą określonego narzędzia zdefiniowanego w toolsprogramie , użyj obiektu ToolChoiceObject. Domyślnie, jeśli tools pole jest wypełnione tool_choice = "auto". tools W przeciwnym razie pole jest domyślnie ustawione natool_choice = "none"
tools nil ToolObject Lista, którą tools może wywołać model. function Obecnie jest jedynym obsługiwanym tool typem, a maksymalna liczba funkcji 32 jest obsługiwana.

ChatMessage

Pole Typ opis
role String Wymagany. Rola autora wiadomości. Może to być "system", "assistant" "user"lub "tool".
content String Zawartość wiadomości. Wymagane w przypadku zadań czatu, które nie obejmują wywołań narzędzi.
tool_calls Lista NarzędziCall Lista tool_calls wygenerowanych modeli. Musi mieć role wartość i "assistant" brak specyfikacji dla content pola.
tool_call_id String Gdy role ma "tool"wartość , identyfikator skojarzony z ToolCall tym, na który odpowiada komunikat. W przypadku innych role opcji musi być pusty.

Rola system może być używana tylko raz, jako pierwsza wiadomość w konwersacji. Zastępuje on domyślny monit systemowy modelu.

ToolCall

Sugestia akcji wywołania narzędzia przez model. Zobacz Wywoływanie funkcji w usłudze Azure Databricks.

Pole Typ opis
id String Wymagany. Unikatowy identyfikator tej sugestii wywołania narzędzia.
type String Wymagany. Obsługiwany jest tylko warunek "function".
function FunctionCallCompletion Wymagany. Wywołanie funkcji sugerowane przez model.

FunctionCallCompletion

Pole Typ opis
name String Wymagany. Nazwa funkcji zalecanej przez model.
arguments Objekt Wymagany. Argumenty funkcji jako serializowany słownik JSON.

ToolChoiceObject

Zobacz Wywoływanie funkcji w usłudze Azure Databricks.

Pole Typ opis
type String Wymagany. Typ narzędzia. Obecnie obsługiwane są tylko "function" te elementy.
function Objekt Wymagany. Obiekt definiujący narzędzie do wywoływania formularza {"type": "function", "function": {"name": "my_function"}} , w którym "my_function jest nazwą obiektu FunctionObject w tools polu.

ToolObject

Zobacz Wywoływanie funkcji w usłudze Azure Databricks.

Pole Typ opis
type String Wymagany. Typ narzędzia. Obecnie obsługiwane są tylko function te elementy.
function FunctionObject Wymagany. Definicja funkcji skojarzona z narzędziem.

FunctionObject

Pole Typ opis
name String Wymagany. Nazwa funkcji do wywołania.
description Objekt Wymagany. Szczegółowy opis funkcji. Model używa tego opisu, aby zrozumieć istotność funkcji monitu i wygenerować wywołania narzędzia z większą dokładnością.
parameters Objekt Parametry akceptowane przez funkcję, opisane jako prawidłowy obiekt schematu JSON. Jeśli narzędzie jest wywoływane, wywołanie narzędzia pasuje do podanego schematu JSON. Pominięcie parametrów definiuje funkcję bez żadnych parametrów. Liczba kluczy jest ograniczona properties do 15 kluczy.

Odpowiedź na czat

W przypadku żądań nieprzesyłania strumieniowego odpowiedź jest pojedynczym obiektem uzupełniania czatu. W przypadku żądań przesyłania strumieniowego text/event-stream odpowiedź to miejsce, w którym każde zdarzenie jest obiektem fragmentu ukończenia. Struktura najwyższego poziomu uzupełniania i fragmentów jest prawie identyczna: ma tylko choices inny typ.

Pole Typ opis
id String Unikatowy identyfikator ukończenia czatu.
choices List[ChatCompletionChoice] lub List[ChatCompletionChunk] (przesyłanie strumieniowe) Lista tekstów ukończenia czatu. n opcje są zwracane, jeśli n określono parametr.
object String Typ obiektu. Równe wartości "chat.completions" dla przesyłania strumieniowego lub "chat.completion.chunk" przesyłania strumieniowego.
created Integer Czas generowania ukończenia czatu w sekundach.
model String Wersja modelu używana do generowania odpowiedzi.
usage Użycie Metadane użycia tokenu. Może nie być obecny w odpowiedziach przesyłania strumieniowego.

ChatCompletionChoice

Pole Typ Opis
index Integer Indeks wybranego elementu na liście wygenerowanych wyborów.
message ChatMessage Komunikat ukończenia czatu zwrócony przez model. Rola będzie mieć assistantwartość .
finish_reason String Przyczyna, dla którego model przestał generować tokeny.

ChatCompletionChunk

Pole Typ Opis
index Integer Indeks wybranego elementu na liście wygenerowanych wyborów.
delta ChatMessage Część komunikatu ukończenia czatu wygenerowanych strumieniowo odpowiedzi z modelu. Zagwarantowano role wypełnienie tylko pierwszego fragmentu.
finish_reason String Przyczyna, dla którego model przestał generować tokeny. Zostanie wypełniony tylko ostatni fragment.

Zadanie ukończenia

Zadania uzupełniania tekstu służą do generowania odpowiedzi na jeden monit. W przeciwieństwie do czatu to zadanie obsługuje dane wejściowe wsadowe: w jednym żądaniu można wysyłać wiele niezależnych monitów.

Żądanie ukończenia

Pole Wartość domyślna Type Opis
prompt Ciąg lub lista[ciąg] Wymagany. Monity dotyczące modelu.
max_tokens nil Liczba całkowita większa niż zero lub nil, która reprezentuje nieskończoność Maksymalna liczba tokenów do wygenerowania.
stream true Wartość logiczna Przesyłanie strumieniowe odpowiedzi z powrotem do klienta w celu umożliwienia częściowych wyników dla żądań. Jeśli ten parametr jest uwzględniony w żądaniu, odpowiedzi są wysyłane przy użyciu standardu Zdarzenia wysyłane przez serwer.
temperature 1.0 Zmiennoprzecinkowy w [0,2] Temperatura próbkowania. Wartość 0 jest deterministyczna i wyższa wartość wprowadza większą losowość.
top_p 1.0 Liczba zmiennoprzecinkowa (0,1] Próg prawdopodobieństwa używany do próbkowania jądra.
top_k nil Liczba całkowita większa niż zero lub nil, która reprezentuje nieskończoność Definiuje liczbę k najbardziej prawdopodobnych tokenów używanych do filtrowania top-k. Ustaw tę wartość na 1, aby dane wyjściowe deterministyczne.
error_behavior "error" "truncate" lub "error" W przypadku przekroczenia limitu czasu i przekroczenia długości kontekstu. Jeden z: "truncate" (zwraca jak najwięcej tokenów) i "error" (zwróć błąd). Ten parametr jest akceptowany tylko przez punkty końcowe płatności za token.
n 1 Liczba całkowita większa niż zero Interfejs API zwraca n niezależne ukończenie czatu, gdy n jest określony. Zalecane w przypadku obciążeń, które generują wiele uzupełnień na tych samych danych wejściowych, aby uzyskać dodatkową wydajność wnioskowania i oszczędność kosztów. Dostępne tylko dla punktów końcowych aprowizowanej przepływności.
stop [] Ciąg lub lista[ciąg] Model przestaje generować kolejne tokeny, gdy napotkano jedną z sekwencji.stop
suffix "" String Ciąg, który jest dołączany na końcu każdego ukończenia.
echo false Wartość logiczna Zwraca monit wraz z ukończeniem.
use_raw_prompt false Wartość logiczna Jeśli trueelement , przekaż prompt bezpośrednio do modelu bez żadnych przekształceń.

Odpowiedź na zakończenie

Pole Typ opis
id String Unikatowy identyfikator uzupełniania tekstu.
choices ZakończenieChoice Lista uzupełniania tekstu. Dla każdego przekazanego monitu opcje są generowane, n jeśli n jest określony. Wartość domyślna n to 1.
object String Typ obiektu. Równe "text_completion"
created Integer Czas wygenerowania ukończenia w sekundach.
usage Użycie Metadane użycia tokenu.

CompletionChoice

Pole Typ Opis
index Integer Indeks monitu w żądaniu.
text String Wygenerowane ukończenie.
finish_reason String Przyczyna, dla którego model przestał generować tokeny.

Zadanie osadzania

Osadzanie zadań mapuje ciągi wejściowe na wektory osadzania. Wiele danych wejściowych można wsadować razem w każdym żądaniu.

Żądanie osadzania

Pole Typ Opis
input Ciąg lub lista[ciąg] Wymagany. Tekst wejściowy do osadzenia. Może być ciągiem lub listą ciągów.
instruction String Opcjonalna instrukcja przekazywania do modelu osadzania.

Instrukcje są opcjonalne i wysoce specyficzne dla modelu. Na przykład autorzy BGE nie zaleca żadnych instrukcji podczas indeksowania fragmentów i zalecamy użycie instrukcji "Represent this sentence for searching relevant passages:" do pobierania zapytań. Inne modele, takie jak Instructor-XL, obsługują szeroką gamę ciągów instrukcji.

Odpowiedź osadzania

Pole Typ opis
id String Unikatowy identyfikator osadzania.
object String Typ obiektu. "list"Równe .
model String Nazwa modelu osadzania użytego do utworzenia osadzania.
data Osadzanie obiektuObject Obiekt osadzania.
usage Użycie Metadane użycia tokenu.

EmbeddingObject

Pole Typ opis
object String Typ obiektu. "embedding"Równe .
index Integer Indeks osadzania na liście osadzonych elementów wygenerowanych przez model.
embedding List[Float] Wektor osadzania. Każdy model zwróci wektor o stałym rozmiarze (1024 dla dużych BGE)

Dodatkowe zasoby