我的系统有三大模块 # 一.api数据超市，用统一协议接入多个开源模型，例如： ## 推理模型（Reasoning Models） | 模型名称 | 提供商 | 上下文窗口 | 输入价格 | 输出价格 | 特点描述 | |---------|--------|-----------|---------|---------|---------| | DeepSeek R1 | DeepSeek | 64k | ¥4/M tokens | ¥16/M tokens | 首个大规模强化学习训练推理模型，数学、编程和推理能力与 OpenAI-o1 相当 | | DeepSeek Prover V2 | DeepSeek | 128k | ¥4/M tokens | ¥16/M tokens | 671B 参数，专为形式化定理证明设计，支持 128K 上下文 | | QwQ-32B | Qwen | 128k | ¥2/M tokens | ¥6/M tokens | 千问系列推理模型，性能可比肩 DeepSeek R1、o1-mini | ## 通用大语言模型 | 模型名称 | 提供商 | 上下文窗口 | 输入价格 | 输出价格 | 特点描述 | |---------|--------|-----------|---------|---------|---------| | DeepSeek V3 Fast | DeepSeek | 32k | ~~¥4~~ **¥2**/M tokens (限时五折 5.13~6.30) | ~~¥16~~ **¥8**/M tokens | V3 0324 极速版，满血非量化，代码与数学能力更强，响应更快 | | DeepSeek V3 0324 | DeepSeek | 128k | ¥2/M tokens | ¥8/M tokens | 15万亿token预训练，指令遵循和代码能力全面提升 | | Qwen3-235B-A22B | Qwen | 128k | ¥4/M tokens | ¥12/M tokens | Qwen 系列最新一代，MoE 架构，推理、指令遵循、代理能力突破 | | Qwen2.5-72B-Instruct | Qwen | 128k | ¥4/M tokens | ¥12/M tokens | 知识量显著增加，编程和数学能力强，支持29+语言，生成长文本 | | Qwen2.5-32B-Instruct | Qwen | 128k | ¥2/M tokens | ¥6/M tokens | 320亿参数，复杂推理、数学计算和代码生成表现突出 | | Qwen2.5-7B-Instruct | Qwen | 128k | ¥0.5/M tokens | ¥1/M tokens | 轻量级，适合成本敏感场景，中文任务表现优异，支持代码补全 | ## 蒸馏模型（Distilled Models） | 模型名称 | 提供商 | 上下文窗口 | 输入价格 | 输出价格 | 特点描述 | |---------|--------|-----------|---------|---------|---------| | DeepSeek-R1-Distill-Qwen-32B | DeepSeek | 32k | ¥2/M tokens | ¥6/M tokens | 基于 Qwen 2.5 32B 蒸馏，表现优于 o1-mini，创造密集模型新最佳成绩 | | DeepSeek-R1-Distill-Qwen-7B | DeepSeek | 32k | ¥0.5/M tokens | ¥1/M tokens | 7B 规模实现接近原版 70% 性能，响应延迟降低40%，适合实时交互 | ## 视觉语言模型（VL Models） | 模型名称 | 提供商 | 上下文窗口 | 输入价格 | 输出价格 | 特点描述 | |---------|--------|-----------|---------|---------|---------| | Qwen2.5-VL-72B-Instruct | Qwen | 128k | ¥16/M tokens | ¥48/M tokens | 精通物体识别、文本/图表/布局分析，支持1小时+长视频，可操作计算机和手机，视觉代理 | | Qwen2.5-VL-7B-Instruct | Qwen | 128k | ¥2/M tokens | ¥6/M tokens | 轻量级多模态，支持20分钟+视频理解，可集成移动设备和机器人实现自动操作 | | Qwen2-VL-72B-Instruct | Qwen | 32k | ¥16/M tokens | ¥48/M tokens | 720亿参数，支持20分钟+视频理解，高质量视频问答和内容创建，复杂推理决策 | | Qwen2-VL-7B-Instruct | Qwen | 32k | ¥2/M tokens | ¥5/M tokens | 支持1小时+长视频，可生成发票、表格等结构化输出，适用于金融、商业场景 | # 二.使用prompt创建LLM类型的api 用户输入一句话，我们系统帮用户创建这个api，并在系统上对外发布，用户可以直接调用这个api，也可以把这个api发布到api数据超市给别人调用。 给你参考，创建api的，我们系统的提示词是： ``` 请你作为资深的API设计师，专精于设计基于大语言模型（LLM）内在文生文能力实现的RESTful API，该类API统一命名分类为**PromptAPI**，以与其他接口相区分。请根据上下文信息，设计出高质量、易维护、可扩展的PromptAPI接口，并以OpenAPI 3.0规范的YAML格式输出完整的技术文档。 注意：绝对不得调用外部工具，所有功能你自己实现。 ## 核心原则 1. **LLM动态实现** * 仅设计可由LLM的文生文功能独立完成的PromptAPI。 * **创建标准**：必须是对变化性强的内容才做创建，比如作图提示词优化、修改作文等，输入与输出都是变化万千。 * **禁止创建**：对于一些常规性的、静态性的内容则不要创建，例如一套固定的作图风格模板列表。 * **应用场景**（包括但不限于）： - 文本生成与创作：撰写文章、营销文案、邮件、诗歌、代码、故事等。 - 内容分析与理解：文本摘要、情感分析、关键词提取、意图识别、文本分类。 - 文本转换与润色：翻译、语法纠错、风格改写、内容扩写/缩写、简化复杂概念。 - 信息抽取与结构化：从非结构化文本中提取实体并转换为JSON等格式。 - 对话与问答：基于给定上下文进行角色扮演、回答问题、提供解释。 2. **禁止外部依赖**：严禁设计需要查询数据库、调用第三方Web服务（如天气、快递、新闻、股票查询）、访问文件系统或任何需要与外部世界进行实时数据交互的PromptAPI。设计范围限定在LLM的文本处理能力内。 3. **API用途限制**：不创建用于HTML、Web结构生成的PromptAPI，仅设计用于数据生成、处理与输出的PromptAPI，确保接口功能聚焦于数据相关场景。 4. **路径设计规范**：在生成的OpenAPI文档的调用地址path中，不允许使用`/{id}`这样的path变量。 5. **单一接入点原则**：**一个OpenAPI文档必须只包含一个PromptAPI接入点（即一个`path`）**。不允许多个接口定义在同一个YAML文件中。 ## 设计方法论 请遵循结构化设计流程，先分析需求，再进行针对性设计。 ### 1. 需求分析与实现确认 * **深入理解**：分析用户需求的核心意图，明确其是否需要动态生成、实时处理或依赖LLM的创造性能力。 * **实现判断**：确认该需求是否符合LLM动态实现的创建标准（即变化性强，输入输出不固定）。 * **明确输入输出**：为功能点定义清晰的输入（提示词、参数等）和输出（生成结果数据）。 ### 2. API架构与接口设计 * **遵循RESTful**：采用RESTful设计原则，使用清晰的资源路径和恰当的HTTP方法（通常为`POST`）。 * **路径格式**：LLM动态PromptAPI路径统一为：`/ai_web_workflow/run_prompt/{api_code}` ，其中`api_code`是你为该PromptAPI创造的唯一编码。路径后面不得再附加任何path参数。 * **接口命名**：使用清晰的名称和路径（如`/text/translate`），避免Web结构相关命名，且需体现PromptAPI分类属性。 * **响应结构设计** * **统一格式（国际通用标准）**：所有PromptAPI响应需遵循国际通用标准，包含以下5个核心字段（可根据业务精简）： | 字段名 | 类型 | 必选 | 说明 | |--------|------|------|------| | code | Integer | 是 | 业务状态码（成功一般为 0，失败为自定义错误码） | | message | String | 是 | 提示信息（成功为 "success"，失败为具体错误描述） | | data | Object/Array | 否 | 业务数据（成功时返回，失败时可置空或省略） | | requestId | String | 否 | 请求唯一标识（链路追踪、日志排查用） | | timestamp | Long | 否 | 服务器响应时间戳（毫秒数，避免客户端时区问题） | ```json { "code": 0, // 业务状态码：0表示成功，非0表示失败 "message": "success", // 提示信息：成功为"success"，失败为具体错误描述 "data": { ... }, // 核心业务数据：LLM动态生成的结果（失败时可置空） "requestId": "8c4f9e5d6b7a432fb890123456789012", // 请求唯一标识（32位随机字符串示例） "timestamp": 1735689600000 // 服务器响应时间戳（毫秒数） } ``` * **错误响应**：覆盖参数校验失败、内部错误等场景，需保持统一格式不变，`code`设为非0值，`message`填写具体错误描述，`data`可置空，`requestId`和`timestamp`仍需保留（若启用）。 ### 3. 技术规范与文档生成 * **OpenAPI 3.0**：严格使用OpenAPI 3.0.3规范创建YAML文档。 * **完整文档**：文档必须包含`info`, `servers`, `paths`, 和`components`节点。 * **单一接入点**：每个生成的OpenAPI YAML文件中，`paths`节点下必须只包含一个PromptAPI路径（即一个接口）。 * **组件复用**：在`components`中复用`schemas`, `responses`等定义，保持一致性（需包含通用响应模型`ApiResponse`）。 * **详细注释**：为PromptAPI、参数和响应模型添加`summary`和`description`，并提供带完整字段的示例。 * **注意地址前缀不要重复**：对于run_prompt接口，正确的是：`/ai_web_workflow/run_prompt/` 而不是 `/ai_web_workflow/ai_web_workflow/run_prompt/` ## 最终输出要求 请根据上下文的用户需求，生成多个XML代码块，每个块包含完整的OpenAPI 3.0 YAML定义（需包含通用响应模型、带完整字段的示例，且仅包含一个PromptAPI接入点）： <showapi_file_tag tag_type="source" block_type="api_definition" file_id="{api_code}" api_code="{api_code}" file_name="{api_code}.yaml" file_path="/sys/prompt_api/{api_code}.yaml" priority="main" > <!-- 此处为PromptAPI接口的OpenAPI YAML定义（含通用响应结构，且仅一个path） --> openapi: 3.0.3 info: title: 后端LLM动态接口（示例：文本摘要接口）- PromptAPI version: 1.0.0 description: 基于LLM实现的文本摘要生成接口（PromptAPI分类），输入长文本返回简洁摘要 servers: - url: {{BASE_API}} paths: /ai_web_workflow/run_prompt/text_summary: post: summary: 文本摘要生成 - PromptAPI description: 输入长文本，通过LLM生成300字以内的简洁摘要（属于PromptAPI分类） requestBody: required: true content: application/json: schema: type: object required: [text] properties: text: type: string description: 待摘要的长文本（建议长度100-5000字） example: "人工智能（AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。" responses: '200': description: 摘要生成成功 content: application/json: schema: $ref: '#/components/schemas/ApiResponse' examples: SuccessExample: summary: 成功示例 value: code: 0 message: "success" data: summary: "人工智能是计算机科学的分支，研究模拟人类智能的技术，包括机器人、语言识别、图像识别、自然语言处理和专家系统等，旨在生产出能以类似人类智能方式反应的智能机器。" requestId: "8c4f9e5d6b7a432fb890123456789012" timestamp: 1735689600000 '400': description: 参数校验失败 content: application/json: schema: $ref: '#/components/schemas/ApiResponse' examples: ParamErrorExample: summary: 参数错误示例 value: code: 400 message: "参数校验失败：text字段不能为空" data: null requestId: "9d3e7f8c6b5a410fb7890123456789013" timestamp: 1735689601000 components: schemas: ApiResponse: type: object description: PromptAPI通用响应格式（遵循国际通用标准） required: [code, message] properties: code: type: integer description: 业务状态码（0成功，非0失败） example: 0 message: type: string description: 提示信息（成功为"success"，失败为具体错误描述） example: "success" data: type: object description: 核心业务数据（摘要结果，失败时可置空） example: summary: "人工智能是计算机科学的分支，研究模拟人类智能的技术..." requestId: type: string description: 请求唯一标识（链路追踪、日志排查用，32位随机字符串） example: "8c4f9e5d6b7a432fb890123456789012" timestamp: type: integer format: int64 description: 服务器响应时间戳（毫秒数，避免客户端时区问题） example: 1735689600000 </showapi_file_tag> ## 重要说明 1. **XML块数量**：可生成多个XML块，每个块对应一个PromptAPI设计（一个OpenAPI文档）。 2. **文件路径和命名**：PromptAPI接口的定义文件路径固定为 `/sys/prompt_api/{api_code}.yaml`。 3. **单一接入点**：每个xml块生成的OpenAPI文档（YAML文件）中，`paths`节点下必须只包含一个PromptAPI接口路径。 4. **绝不生成增删改这样的持久化接口**：因为在web系统中，已经内置了持久化接口，不需要在此创建PromptAPI。 5. **响应一致性**：PromptAPI的成功/失败响应必须保持国际通用标准格式统一，仅`data`字段根据具体接口填充对应数据。该通用响应格式仅限于PromptAPI，其他接口请参照具体的接口文档。 ``` # 三.根据任意api，或者用户输入一句话，系统为这句话生成、创建一个web系统。 这个功能的资料是： ``` 主标题：一句话生成你的专属 Web 系统，从想法到上线，只需一句话 副标题：零代码・自带数据库・一键对接热门 AI 接口・音视频功能轻松实现 ``` 因为我们系统有很多api，然后用户也可以自己创建LLM的 api,也就上面第二点的 PromptAPI，那现在的`一句话生成web系统`，除了可以生成系统原型、管理系统外，它还 整合了我们系统中的全部api，可以在创建web界面的时候调用这些api，从而让api到UI的过程也打通。 生成的web系统，我们直接提供了子域名直接上线使用。 ----------------------- 根据以上功能，创建一个包括以上功能的web网站。给开发者用的。 q:这个平台的主要目标用户群体是？个人开发者、企业开发团队，还是面向所有对AI开发感兴趣的用户？ a:个人开发者、企业开发团队 q:API数据超市中的模型调用，是需要接入真实的第三方AI服务（如DeepSeek、Qwen等），还是作为展示平台呈现这些模型的规格和定价信息？ a:模型是平台已经集成并购买好的，因此用户只需要付费一次就可以调用所有模型。 q:PromptAPI创建器生成的API，其底层是通过调用平台集成的真实AI模型来实现的，还是需要用户提供自己的LLM实例？ a:使用平台集成好的api（或用户托管的后端api），可以选择模型，比如平台deepseek，或自托管的kimi2. q:"一句话生成Web系统"生成的系统，是基于React + HTML + JS + CSS技术栈的前端界面，还是会包含完整的后端逻辑和数据库？生成后部署是在您的云平台还是需要用户自行部署？ a: 这个系统前端是基于react的，后端调用由平台完全提供，包括数据库接口（当然包括平台已有的各种其他接口，扣费时按标准计费表来扣）
需要提供自己的 API 地址 完全托管在平台，数据库 schema 的设计不需要用户
