Skip to main content
Pemanggilan Alat

Pengambilan pengetahuan

Large Language Models (LLMs) tidak dapat menjawab pertanyaan mengenai data pribadi. Alat pengambilan pengetahuan mengambil konten dari basis pengetahuan dan menyediakannya kepada LLM, sehingga memungkinkan model menghasilkan jawaban yang lebih akurat dan relevan.

Prasyarat

  1. Dapatkan Kunci API dan konfigurasikan sebagai variabel lingkungan.
  2. Buat basis pengetahuan dan dapatkan ID-nya. Anda dapat membuat basis pengetahuan dengan salah satu cara berikut:
    • Buat di Konsol: Buat basis pengetahuan pada halaman basis pengetahuan di Konsol Model Studio. Untuk informasi selengkapnya, lihat Buat dan gunakan basis pengetahuan.
    • Buat menggunakan API: Anda dapat memanggil API melalui kit pengembangan perangkat lunak (SDK) Alibaba Cloud Model Studio untuk membuat basis pengetahuan. Untuk informasi selengkapnya, lihat Panduan API Basis Pengetahuan.
      Sebelum membuat basis pengetahuan menggunakan API, dapatkan ID ruang kerja (workspace_id) dari Konsol Model Studio. Hanya dua jenis basis pengetahuan yang didukung: pencarian dokumen dan kueri data. Jenis ini cocok untuk pasangan tanya jawab dokumen dasar dan tidak mendukung respons berupa teks kaya atau gambar.
    Anda dapat menemukan ID basis pengetahuan pada halaman detail basis pengetahuan di Konsol Model Studio.

Cara menggunakan

Anda dapat memanggil fitur pengambilan pengetahuan melalui Responses API dengan menambahkan alat file_search ke parameter tools dan menentukan ID basis pengetahuan dalam parameter vector_store_ids.
Sebelum memulai, buat dan gunakan basis pengetahuan serta dapatkan ID-nya. Saat ini, parameter vector_store_ids hanya mendukung satu ID basis pengetahuan.
# Impor dependensi dan pembuatan client dihilangkan di sini. Untuk kode lengkap yang dapat dijalankan, lihat bagian "Memulai" di bawah.
response = client.responses.create(
    model="qwen3.8-max",
    input="Tell me about the Alibaba Cloud Model Studio X1 phone",
    tools=[
        {
            "type": "file_search",
            # Ganti ini dengan ID basis pengetahuan Anda. Saat ini hanya satu ID yang didukung.
            "vector_store_ids": ["your_knowledge_base_id"]
        }
    ]
)

print(response.output_text)

Model yang didukung

  • Qwen-Max: seri Qwen3.8-Max dan seri Qwen3.7-Max
  • Qwen-Plus: seri Qwen3.7-Plus, seri Qwen3.6-Plus, dan seri Qwen3.5-Plus
  • Qwen-Flash: seri Qwen3.7-Flash, seri Qwen3.6-Flash, dan seri Qwen3.5-Flash
  • Seri open-source Qwen3.8
  • Seri open-source Qwen3.6 (kecuali qwen3.6-27b)
  • Seri open source Qwen3.5
Fitur ini hanya dapat dipanggil melalui Responses API.

Memulai

Jalankan kode berikut untuk memanggil alat pengambilan pengetahuan melalui Responses API. Alat ini mengambil konten relevan dari basis pengetahuan yang ditentukan untuk menghasilkan respons.
Ganti vector_store_ids dalam contoh kode dengan ID basis pengetahuan Anda.
Pastikan Anda meneruskan ID basis pengetahuan yang valid. Jika Anda meneruskan array kosong atau ID yang tidak valid, alat pengambilan pengetahuan tidak akan berfungsi. Model kemudian akan menggunakan pengetahuannya sendiri untuk menghasilkan respons dan tidak mengembalikan error.
import os
from openai import OpenAI

client = OpenAI(
    # Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan Kunci API Model Studio Anda: api_key="sk-xxx" (tidak disarankan)
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # URL berikut untuk wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja aktual Anda. URL bervariasi berdasarkan wilayah.
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
)

response = client.responses.create(
    model="qwen3.8-max",
    input="Tell me about the Alibaba Cloud Model Studio X1 phone",
    tools=[
        {
            "type": "file_search",
            # Ganti ini dengan ID basis pengetahuan Anda. Saat ini hanya satu ID yang didukung.
            "vector_store_ids": ["your_knowledge_base_id"]
        }
    ]
)

print("[Model Response]")
print(response.output_text)
print(f"\n[Token Usage] Input: {response.usage.input_tokens}, Output: {response.usage.output_tokens}, Total: {response.usage.total_tokens}")
Menjalankan kode tersebut menghasilkan respons yang mirip dengan berikut:
[Model Response]
Berdasarkan konten dalam basis pengetahuan, poin-poin utama produk ini mencakup hal-hal berikut:

1. **Fitur inti**: Produk ini menyediakan...
2. **Skenario**: Cocok untuk...
3. **Atribut teknis**: Berdasarkan...

...

[Token Usage] Input: 1568, Output: 1724, Total: 3292

Keluaran streaming

Alat pengambilan pengetahuan melakukan pencarian semantik dalam basis pengetahuan, yang dapat memakan waktu untuk diproses. Anda dapat mengaktifkan keluaran streaming untuk memperoleh hasil antara secara real time.
import os
from openai import OpenAI

client = OpenAI(
    # Jika Anda belum mengonfigurasi variabel lingkungan, ganti baris berikut dengan Kunci API Model Studio Anda: api_key="sk-xxx" (tidak disarankan)
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # URL berikut untuk wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja aktual Anda. URL bervariasi berdasarkan wilayah.
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
)

stream = client.responses.create(
    model="qwen3.8-max",
    input="Tell me about the Alibaba Cloud Model Studio X1 phone",
    tools=[
        {
            "type": "file_search",
            # Ganti ini dengan ID basis pengetahuan Anda. Saat ini hanya satu ID yang didukung.
            "vector_store_ids": ["your_knowledge_base_id"]
        }
    ],
    stream=True
)

for event in stream:
    # Respons model dimulai
    if event.type == "response.content_part.added":
        print("[Model Response]")
    # Cetak respons model dalam bentuk streaming
    elif event.type == "response.output_text.delta":
        print(event.delta, end="", flush=True)
    # Ketika respons selesai, cetak penggunaan token
    elif event.type == "response.completed":
        usage = event.response.usage
        print(f"\n\n[Token Usage] Input: {usage.input_tokens}, Output: {usage.output_tokens}, Total: {usage.total_tokens}")

Parameter

Alat file_search mendukung parameter berikut:
ParameterWajibDeskripsi
typeYaHarus diatur ke "file_search".
vector_store_idsYaDaftar ID basis pengetahuan. Saat ini, Anda hanya dapat meneruskan satu ID basis pengetahuan. Anda dapat menemukan ID basis pengetahuan pada halaman detail basis pengetahuan di Konsol Model Studio atau mendapatkannya saat membuat basis pengetahuan menggunakan API.
Pastikan Anda meneruskan ID basis pengetahuan yang valid. Jika Anda meneruskan array kosong atau ID yang tidak valid, alat pengambilan pengetahuan tidak akan berfungsi. Model kemudian akan menggunakan pengetahuannya sendiri untuk menghasilkan respons dan tidak mengembalikan error.

Penagihan

Penagihan mencakup aspek-aspek berikut:
  • Biaya pemanggilan model: Konten yang diambil dari basis pengetahuan ditambahkan ke prompt, sehingga meningkatkan jumlah token input untuk model. Anda dikenai biaya berdasarkan harga standar model. Untuk detail harga, lihat Konsol Model Studio.
  • Biaya pemanggilan alat: Fitur basis pengetahuan saat ini gratis.
Rencana Token (Team Edition)
Model playground
Statistik dan Pemantauan
Asset Center
Dukungan layanan