然后调用 chat-completion, 获取 Kimi 的回答

completion = client.chat.completions.create( model="kimi-k3", messages=messages ) print(completion.choices[0].message) const OpenAI = require("openai"); const fs = require("fs") const client = new OpenAI({ apiKey: process.env.MOONSHOT_API_KEY, baseURL: "https://api.moonshot.cn/v1", }); async function main() { // moonshot.pdf 是一个示例文件, 我们支持 pdf, doc, txt 等文本类格式的内容抽取；图片文件不再支持内容抽取， // 图片理解请使用 purpose="image" 上传图片（参见使用视觉模型指南） let file_object = await client.files.create({ file: fs.createReadStream("moonshot.pdf"), purpose: "file-extract" }) // 获取结果 // file_content = client.files.retrieve_content(file_id=file_object.id) // 注意，之前 retrieve_content api 在最新版本标记了 warning, 可以用下面这行代替 // 如果是旧版本，可以用 retrieve_content let file_content = await (await client.files.content(file_object.id)).text() // 把它放进请求中 let messages = [ { "role": "system", "content": "你是 Kimi，由 Moonshot AI 提供的人工智能助手，你更擅长中文和英文的对话。你会为用户提供安全，有帮助，准确的回答。同时，你会拒绝一切涉及恐怖主义，种族歧视，黄色暴力等问题的回答。Moonshot AI 为专有名词，不可翻译成其他语言。", }, { "role": "system", "content": file_content, }, {"role": "user", "content": "请简单介绍 moonshot.pdf 的具体内容"}, ] const completion = await client.chat.completions.create({ model: "kimi-k3", messages: messages }); console.log(completion.choices[0].message.content); } main(); 让我们回顾一下文件问答的基本步骤及注意事项： 通过文件上传接口 /v1/files 或 SDK 中的 files.create API 将文件上传至 Kimi 服务器； 通过文件抽取接口 /v1/files/{file_id} 或 SDK 中的 files.content API 获取文件内容，此时获取的文件内容已经对齐了我们推荐的模型易于理解的格式； 将文件抽取后（已经对齐格式的）文件内容（而不是文件 id），以系统提示词 system prompt 的形式放置在 messages 列表中； 开始你对文件内容的提问； 再次注意，请将文件内容放置在 prompt 中，而不是文件的 file_id。