# 使用潜意识平台进行构建潜意识是一个使用外部工具和长期推理来运行人工智能代理的平台。 **关键区别**：您可以通过单个 API 调用启动代理 - 定义目标和工具，潜意识自动处理编排、上下文管理和多跳推理。不需要多代理框架。 ## 快速入门 **使用本机潜意识 SDK**（推荐方法）： ###Python 从潜意识导入潜意识 client = Subcious(api_key="your-api-key") # 从 https://subthought.dev/platform 获取运行=客户端.运行（引擎=“蒂姆-gpt”，输入={ "instructions": "研究2025年量子计算突破", "tools": [] # 可选：请参阅下面的工具部分 }, 选项={“await_completion”：True} ） # 提取答案并显示 answer = run.result.answer # 干净的文本响应打印（答案） ### Node.js/TypeScript 从“潜意识”导入{潜意识}； const 客户端 = new 潜意识({ apiKey: process.env.SUBCONSCIOUS_API_KEY!, }); const run = 等待 client.run({ 引擎：“tim-gpt”，输入：{ 说明：“研究2025年量子计算突破”， tools: [], // 可选：请参阅下面的“工具”部分 }, 选项：{awaitCompletion：true}， }); // 提取答案并显示 const 答案 = run.result?.answer; // 干净的文本响应控制台.log(答案); ## 响应结构 **严重**：Subcious SDK 返回的结构与 OpenAI 不同： { runId: "run_abc123...", 状态：“成功”，结果：{ answer: "用于显示的干净文本响应", // ← 将其用于聊天 UI Reasoning: [ // 可选：逐步推理 { 标题：“步骤 1”，想法：“我需要寻找......”，结论：“找到相关信息” } ] }, 用法：{ 输入令牌：1234，输出令牌：567，持续时间：45000 } } **对于聊天 UI，始终使用`run.result?.answer`** \ - 这是干净的文本响应。 “reasoning”字段包含内部推理步骤（对调试有用，但对显示无用）。 ## 简单聊天示例（无工具）对于无需工具的对话式聊天： ###Python 从潜意识导入潜意识客户端 = 潜意识(api_key="your-api-key") # 将消息历史记录转换为指令格式消息 = [ {"角色": "用户", "内容": "你好！"}, {"role": "assistant", "content": "您好！需要什么帮助吗？"}, {"role": "user", "content": "告诉我有关量子计算的信息"} ] # 转换为指令字符串指令 = "\n\n".join([ f"{'用户' if m['角色'] == '用户' else '助理'}: {m['内容']}" 消息中的 m ]) + "\n\n回复用户的最新消息。" 运行=客户端.运行（引擎=“蒂姆-gpt”， input={“说明”：说明，“工具”：[]}，选项={“await_completion”：True} ） print(run.result.answer) # 干净的文本响应 ### Node.js/TypeScript 从“潜意识”导入{潜意识}； const 客户端 = new 潜意识({ apiKey: process.env.SUBCONSCIOUS_API_KEY!, }); 常量消息 = [ { 角色：“用户”，内容：“您好！” }, { role: "assistant", content: "您好！需要什么帮助吗？" }, { role: "user", content: "告诉我有关量子计算的信息" } ]; // 转换为指令字符串 const 指令 = 消息 .map(m => `${m.role === "用户" ? "用户" : "助理"}: ${m.content}`) .join("\n\n") + "\n\n回复用户最新消息。"; const run = 等待 client.run({ 引擎：“tim-gpt”，输入：{ 说明，工具：[] }，选项：{awaitCompletion：true}， }); console.log(运行.结果?.answer); // 干净的文本响应 ## 指令格式与消息 **重要**：潜意识使用“指令”（单个字符串），而不是像 OpenAI 那样的“消息”数组。 * **OpenAI 格式** ：`消息：[{角色：“用户”，内容：“...”}]` * **潜意识格式** ：`输入：{指令：“...”}`（单个字符串） ### 将消息转换为指令函数构建指令( 系统提示：字符串，消息：数组<{角色：字符串；内容：字符串}> ): 字符串 { 常量对话 = 消息 .map(m => `${m.role === "用户" ? "用户" : "助理"}: ${m.content}`) .join("\n\n"); 返回`${系统提示} ## 对话历史记录 ${对话} ## 说明回复用户的最新消息。`; } // 用法 const 指令 = buildInstructions( “你是一个有用的编码助手。要简洁并使用代码示例。”, 消息）； ### 系统提示潜意识没有单独的“系统”字段。将系统提示符添加到说明之前： const systemPrompt = "你是一个有用的助手。永远保持简洁。"; const userMessage = "解释量子计算"; const 指令 = `${systemPrompt} 用户：${userMessage} 回复用户的消息。`; ## 选择引擎发动机| API 名称 |类型 |最适合 ---|---|---|--- 蒂姆 | `蒂姆` |统一|适用于各种任务的旗舰统一代理引擎 TIM 边缘 | `蒂姆-边缘` |统一|速度、效率、搜索繁重的任务蒂米尼| `蒂米尼` |复合（Gemini-3 Flash 支持）|长上下文和工具使用，推理能力强 TIM-GPT | `蒂姆-gpt` |化合物（GPT-4.1 支持）|大多数用例，成本/性能的良好平衡 TIM-GPT-重 | `tim-gpt-heavy` |化合物（GPT-5.2 支持）|最大能力，复杂推理 **建议**：对于大多数应用程序，从 `tim-gpt` 开始。 ## 工具：关键区别潜意识工具是**远程 HTTP 端点**。当代理需要使用工具时，潜意识会向您指定的 URL 发出 HTTP POST。这与 OpenAI 函数调用有根本的不同，在 OpenAI 函数调用中，您在循环中处理工具执行。 ### 工具定义格式工具=[ { “类型”：“功能”， "name": "搜索工具", "description": "一般搜索引擎返回10个网页的标题、url和描述", "url": "https://your-server.com/search", # 您的托管端点 “方法”：“发布”， “超时”：10，#秒 “参数”：{ “类型”：“对象”， “属性”：{ “查询”：{ “类型”：“字符串”， "description": "搜索引擎的自然语言查询。" } }, “必需”：[“查询”]， “附加属性”：False } } ] **潜意识独有的关键领域：** * `url`: 当代理使用此工具时，潜意识将调用的 HTTP 端点 * `method`: HTTP 方法（通常是 POST） * `timeout`: 等待工具响应的时间（秒）代理决定何时以及如何调用工具。您不管理工具调用循环。潜意识通过 TIMRUN 在内部处理多跳推理。 ### 构建工具服务器您的工具端点接收参数为 JSON 的 POST 请求并返回 JSON 结果。 **快速API（Python）：** 从 fastapi 导入 FastAPI 从 pydantic 导入 BaseModel 应用程序 = FastAPI() 类搜索请求（基础模型）：查询：str @app.post(“/搜索”) 异步定义搜索（请求：SearchRequest）： # 这里是你的搜索逻辑返回{ “结果”：[ {“标题”：“结果1”，“网址”：“https://example.com/1”，“描述”：“...”} ] } # 运行： uvicorn server:app --host 0.0.0.0 --port 8000 **Express.js（Node.js）：** 从“快递”进口快递；常量应用程序 = Express(); app.use(express.json()); app.post("/search", (req, res) => { const { 查询 } = req.body; // 这里是你的搜索逻辑 res.json({ 结果：[ { 标题：“结果 1”，网址：“https://example.com/1”，描述：“...” } ] }); }); app.listen(8000, () => console.log("工具服务器运行于:8000")); **重要**：您的端点必须可公开访问。对于本地开发，请使用 [ngrok]() 或 [Cloudflare Tunnel]()。 ## 结构化输出结构化输出允许您使用 JSON 架构定义代理响应的确切形状。这可确保您以可预测、可解析的格式接收数据。 ### 何时使用结构化输出当您需要时使用结构化输出： * 与其他系统集成的响应 * 下游处理的一致数据格式 * 应用程序中的类型安全响应 ### 使用answerFormat `answerFormat` 字段接受定义代理答案结构的 JSON 模式： **Python：** 从潜意识导入潜意识客户端 = 潜意识(api_key="your-api-key") 运行=客户端.运行（引擎=“蒂姆-gpt”，输入={ "instructions": "分析此评论的情绪：'很棒的产品，快速运输！'", “工具”：[]， “答案格式”：{ “类型”：“对象”， "title": "情感分析", “属性”：{ “情绪”：{ “类型”：“字符串”， "enum": ["积极", "消极", "中性"], "description": "总体情绪" }, “信心”：{ “类型”：“数字”， "description": "置信度得分从 0 到 1" }, “关键字”：{ “类型”：“数组”， “项目”：{“类型”：“字符串”}， "description": "影响情绪的关键词" } }, "required": ["情绪", "信心", "关键词"] } }, 选项={"await_completion": True}, ） # 响应已经是与您的模式匹配的字典 - 无需解析结果 = 运行.结果.answer print(结果["情绪"]) # "积极" 打印（结果[“置信度”]）＃0.95 print(result["keywords"]) # ["很棒的产品", "快速发货"] **Node.js/TypeScript：** 从“潜意识”导入{潜意识}； const 客户端 = new 潜意识({ apiKey: process.env.SUBCONSCIOUS_API_KEY!, }); const run = 等待 client.run({ 引擎：“tim-gpt”，输入：{ instructions: "分析此评论的情绪：'很棒的产品，快速运输！'", 工具：[]、答案格式：{ 类型：“对象”，标题：“情绪分析”，属性：{ 情绪：{ 类型：“字符串”，枚举：[“积极”，“消极”，“中性”]，描述：“整体情绪” }, 信心：{ 类型：“数字”，描述：“置信度得分从 0 到 1” }, 关键词：{ 类型：“数组”，项目：{ 类型：“字符串” }，描述：“影响情绪的关键短语” } }, 必填：[“情绪”、“信心”、“关键词”] } }, 选项：{awaitCompletion：true}， }); // 响应已经是一个与您的模式匹配的对象 - 不需要解析 const 结果 = run.result?.answer; console.log(结果.情绪); //“积极” console.log(结果.置信度); // 0.95 console.log(结果.关键字); // [“很棒的产品”，“快速运输”] **重要**：当使用 `answerFormat` 时，`run.result.answer` 返回一个 **已解析的对象**（Python 中的字典，JavaScript 中的对象），而不是 JSON 字符串。您可以直接访问字段而无需解析。 ### 使用 Pydantic 模型 (Python) Python SDK 自动将 Pydantic 模型转换为 JSON Schema：从潜意识导入潜意识从 pydantic 导入 BaseModel 类情感分析（基础模型）：情绪：str 置信度：浮动关键字：列表[str] 客户端 = 潜意识(api_key="your-api-key") 运行=客户端.运行（引擎=“蒂姆-gpt”，输入={ "instructions": "分析情感：'很棒的产品！'", "answerFormat": SentimentAnalysis, # 直接传递该类 }, 选项={"await_completion": True}, ） print(run.result.answer["情绪"]) ### 使用 Zod (Node.js/TypeScript) 对于 TypeScript，我们建议使用 [Zod]() 来定义您的架构：从 'zod' 导入 { z }；从“潜意识”导入{潜意识，zodToJsonSchema}； const AnalysisSchema = z.object({ 摘要： z.string().describe('调查结果的简要总结'), 要点： z.array(z.string()).describe('主要要点'), 情绪： z.enum(['积极', '中性', '消极']), 置信度： z.number().describe('置信度得分从 0 到 1'), }); const 客户端 = new 潜意识({ apiKey: process.env.SUBCONSCIOUS_API_KEY!, }); const run = 等待 client.run({ 引擎：'tim-gpt'，输入：{ instructions: '分析有关电动汽车的最新消息', 工具：[{ 类型：'平台'，id：'fast_search' }]，答案格式：zodToJsonSchema(AnalysisSchema, '分析'), }, 选项：{awaitCompletion：true}， }); // 结果根据您的模式输入 const result = run.result?.answer as z.infer<分析模式类型>; console.log(结果.摘要); console.log(结果.keyPoints); ### 结构化推理（可选）您还可以使用“reasoningFormat”构建推理输出： const ReasoningSchema = z.object({ 步骤： z.array(z.object({ 想法：z.string(), 动作：z.string(), }）），结论：z.string(), }); const run = 等待 client.run({ 引擎：'tim-gpt'，输入：{ 说明：“研究和分析一个主题”，工具：[]、 ReasoningFormat: zodToJsonSchema(ReasoningSchema, '推理'), }, 选项：{awaitCompletion：true}， }); const 推理 = run.result?.reasoning; // 结构化推理 ### 架构要求 * 必须是有效的 JSON 架构 * 使用 `type: "object"` 进行结构化响应 * 包含“标题”字段以获得更好的结果 * 为每个字段定义“属性” * 使用“required”数组作为必填字段 * 设置`additionalProperties: false`以防止额外的字段有关结构化输出的更多详细信息，请参阅“references/api-reference.md”。 ## run() 与stream() - 关键区别 ### 对聊天 UI 使用 `run()`（推荐） **方法** : `run({ options: { waitCompletion: true } })` **行为**：等待完成，返回干净的答案 **您得到什么**：`run.result?.answer` = 用于显示的干净文本 **最适合**：聊天 UI、简单响应、生产应用程序 const run = 等待 client.run({ 引擎：“tim-gpt”，输入：{ 说明：“您的提示”，工具：[] }，选项：{awaitCompletion：true} }); const 答案 = run.result?.answer; // 干净的文本 - 用它来显示 const 推理 = run.result?.reasoning; // 可选：逐步推理 ### 使用`stream()`进行实时推理显示 **方法** : `stream()` **行为** ：在构建时增量传输 JSON **您得到什么**：原始 JSON 块构建为：`{"reasoning": [...], "answer": "..."}` **警告**：流内容是原始 JSON 字符，而不是干净的文本。你必须解析它。 #### 流是什么样子的：德尔塔：{“面积 Delta: 声波": [{"th delta: 应该": "分析 ... delta: "}], "answer": "这是答案"} 完成：{runId：“run_xxx”} #### 何时使用stream()：使用案例|方法|为什么 ---|---|--- 实时展示思维 | `流()` |用户在发生时看到推理（如 ChatGPT）简单聊天，快速响应 | `运行（）` |更简单，直接返回干净的`answer` 后台处理 |没有 `awaitCompletion` 的 `run()`投票状态 #### 如何使用stream()进行UI推理： **请参阅`references/streaming-and-reasoning.md`了解完整的实现**包括： * 如何从 JSON 流中提取想法 * Next.js API 路由示例 * 用于显示推理的React组件 *CSS样式 **简单示例：** const 流 = client.stream({ 引擎：“tim-gpt”，输入：{ 说明：“您的提示”，工具：[] } }); 让完整内容=“”； for等待（流的常量事件）{ if (event.type === "delta") { fullContent += 事件.内容； // 使用正则表达式提取想法（参见streaming-and-reasoning.md） const ideas = extractThoughts(fullContent); // 发送到用户界面 } else if (event.type === "完成") { const 最终 = JSON.parse(fullContent); 常量答案=最终答案； // 提取最终答案 } } **对于大多数聊天 UI，请使用`run()` 代替** \ - 它更简单并且直接返回干净的文本。 ## API 模式 ### 同步模式（推荐用于聊天）运行=客户端.运行（引擎=“蒂姆-gpt”， input={“说明”：“您的任务”，“工具”：工具}，选项={“await_completion”：True} ） answer = run.result.answer # 干净的文本 ### 异步模式对于长时间运行的作业，不要设置 `await_completion`：运行=客户端.运行（引擎=“蒂姆-gpt”， input={“说明”：“长任务”，“工具”：工具} # 没有await_completion - 立即返回） run_id = 运行.run_id # 轮询状态状态 = client.get(run_id) 而 status.status 不在 ["succeeded", "failed"] 中：时间.睡眠(2) 状态 = client.get(run_id) 答案 = 状态.结果.答案 ### 流媒体（高级）有关流式传输示例，请参阅“references/examples.md”。 **注意**：流式传输返回原始 JSON，而不是干净的文本。 ## SDK方法参考方法|描述 |何时使用 ---|---|--- `client.run()` |创建运行（同步或异步）|最常见 - 创建代理运行 `client.stream()` |实时传输跑步事件 |聊天 UI、现场演示 `client.get(runId)` |获取当前运行状态 |检查异步运行状态 `client.wait(runId)` |轮询直至运行完成 |后台作业、仪表板 `client.cancel(runId)` |取消正在运行/排队的运行 |用户取消、超时 ### 客户端.get() 获取当前运行状态：状态 = client.get(run.run_id) print(status.status) # '已排队' | '运行' | '成功' | “失败” 如果 status.status == "成功": 打印（状态.结果.答案） const status = 等待 client.get(run.runId); console.log(状态.状态); if (status.status === "成功") { console.log(状态.结果?.answer); } ### 客户端.wait() 自动轮询直到运行完成：结果=客户端.等待（运行.run_id, 选项={ "interval_ms": 2000, # 每 2 秒轮询一次（默认） "max_attempts": 60, # 放弃之前的最大尝试次数（默认值：60） }, ） const 结果 = 等待 client.wait(run.runId, { IntervalMs: 2000, // 每 2 秒轮询一次 maxAttempts: 60, // 放弃前的最大尝试次数 }); ### client.cancel() 取消仍在进行中的运行：客户端.取消(run.run_id) 等待 client.cancel(run.runId); ## 常见模式 ### 研究代理工具=[ { “类型”：“功能”， “名称”：“网络搜索”， "description": "在网络上搜索当前信息", “url”：“https://your-server.com/search”， “方法”：“发布”， “参数”：{ “类型”：“对象”， “属性”：{ "query": {"type": "string", "description": "搜索查询"} }, “必填”：[“查询”] } } ] 运行=客户端.运行（引擎=“蒂姆-gpt”，输入={ "instructions": "研究最新的人工智能突破", “工具”：工具 }, 选项={“await_completion”：True} ） print(运行.结果.答案) ### 多工具代理定义多个工具。代理将根据需要链接它们：工具=[ { “类型”：“功能”， “名称”：“搜索”， "description": "搜索网络", “url”：“https://your-server.com/search”， “方法”：“发布”， “参数”：{...} }, { “类型”：“功能”， “名称”：“保存到数据库”， "description": "将结果保存到数据库", “url”：“https://your-server.com/save”， “方法”：“发布”， “参数”：{...} } ] ## TypeScript 类型 ### SDK 导出导入{ 潜意识，输入运行响应，类型流事件，输入推理步骤，类型工具，类型潜意识错误 } 来自“潜意识”； ### 响应类型接口运行响应{ 运行ID：字符串；状态：“已排队”| “跑步”| “成功”| “失败”| “取消”| “超时”；结果？：{ 答案：字符串； // 干净的文本响应推理？: ReasoningStep[]; // 可选：逐步推理 }; 用法？：{ 输入令牌：数字；输出令牌：数字；持续时间Ms：数量； toolCalls?: { [工具名称: 字符串]: 数字 }; }; 错误？：{ 代码：字符串；消息：字符串； }; } 接口推理步骤{ 标题？：字符串；想法？：字符串；结论？：字符串；工具使用？：{ 工具名称：字符串；参数：记录<字符串，未知>；工具结果：未知； }; 子任务？: ReasoningStep[]; } 接口流事件{ 类型：“德尔塔”| “完成”| “错误”; 内容？：字符串； // 增量事件的原始 JSON 块 runId？：字符串； // 完成后呈现消息？：字符串； // 出现错误时出现 } ## 错误处理 ### SDK 错误从“潜意识”导入{SubciousError}；尝试{ const run = 等待 client.run({ 引擎：“tim-gpt”，输入：{ 指令：“...”，工具：[] }，选项：{awaitCompletion：true} }); } 捕获（错误）{ if (潜意识错误的错误实例) { 开关（错误代码）{ 案例“invalid_api_key”： // 重定向到设置 console.error("API 密钥无效"); 休息; 案例“rate_limited”： // 显示重试消息 console.error("速率有限，稍后重试"); 休息; 案例“信用不足”： // 提示添加积分 console.error("积分不足"); 休息; 案例“无效请求”： // 调试日志 console.error("无效请求：", error.message); 休息; 案例“超时”： // 提供更长的超时重试 console.error("请求超时"); 休息; 默认： console.error("错误：", error.message); } } 否则{ // 网络或其他错误 console.error("意外错误：", error); } } ### HTTP 状态代码状态 |代码|意义|行动 ---|---|---|--- 400 | `无效请求` |错误的请求参数 |修复请求 401 | 401 `invalid_api_key` | API 密钥无效或丢失 |检查 API 密钥 402 | 402 `信用不足` |帐户需要积分 |添加制作人员 429 | 429 `rate_limited` |请求过多 |延迟后重试 500 | 500 `服务器错误` |服务器错误 |后退重试 503 | 503 `服务不可用` |服务下降 |稍后重试 ### 运行级错误接受后运行可能会失败。始终检查状态： const run = 等待 client.run({...}); if (run.status === "成功") { console.log(运行.结果?.answer); } else if (run.status === "失败") { console.error("运行失败：", run.error?.message); } else if (run.status === "timed_out") { console.error("运行超时"); } ## 请求取消 ### 使用 AbortController const 控制器 = new AbortController(); // 开始请求 const runPromise = client.run({ 引擎：“tim-gpt”，输入：{ 指令：“...”，工具：[] }，选项：{awaitCompletion：true} }); // 10秒后取消 setTimeout(() =>controller.abort(), 10000); // 或者取消用户操作 cancelButton.onclick = () =>controller.abort(); 尝试{ const run = 等待 runPromise； } 捕获（错误）{ if (error.name === "AbortError") { console.log("请求被用户取消"); } } ### 取消异步运行 // 开始异步运行 const run = 等待 client.run({ 引擎：“tim-gpt”，输入：{ 说明：“...”，工具：[] } // 没有等待完成 }); // 取消它等待 client.cancel(run.runId); ## 常见问题 ### 关键：流返回原始 JSON，而不是文本 **第一个错误**：直接在 UI 中显示来自 `stream()` 的 `event.content` 会显示丑陋的原始 JSON，如 `{"reasoning":[{"thought":"I need to...`。 **修复**：从 JSON 中提取想法和答案： // 不好 - 在 UI 中显示原始 JSON for等待（流的常量事件）{ if (event.type === "delta") { displayToUser(事件.内容); // 显示：{“rea...（丑陋！） } } // 好 - 提取想法并显示干净的文本让完整内容=“”；让 sendThoughts: string[] = []; for等待（流的常量事件）{ if (event.type === "delta") { fullContent += 事件.内容； // 使用正则表达式提取想法 const ThoughtPattern = /"思想"\s*:\s*"((?:[^"\\]|\\.)*)"/g; 让匹配； while ((match =thoughtPattern.exec(fullContent)) !== null) { const Thought = match[1].replace(/\\n/g, " ").replace(/\\"/g, '"'); if (!sentThoughts.includes(thought)) { 显示思维（思想）； // 显示：“我需要搜索电影......” sendThoughts.push(思想); } } } else if (event.type === "完成") { const parsed = JSON.parse(fullContent); 显示答案（解析后的答案）； // 显示干净的最终答案 } } 请参阅“references/streaming-and-reasoning.md”了解完整的实现。 ** ** 1. **使用`run.result?.answer`进行显示** \- 不是`choices[0].message.content`（这是OpenAI格式） 2. **`stream()` 返回原始 JSON** \- 在聊天 UI 中使用 `run()` 获取干净的文本答案。请参阅“references/streaming-and-reasoning.md”进行解析。 3. **无`/chat/completions`端点** \- 使用原生SDK，而不是OpenAI SDK 4. **指令格式，而不是消息** \- 将消息历史记录转换为单个字符串 5. **工具必须可公开访问** \- 使用ngrok进行本地开发 6. **响应有`result.answer`** \- 干净的文本位于`result.answer`，而不是`result.content` 7. **推理字段是可选的** \- 包含内部步骤，对于调试很有用 8. **引擎名称** ：使用 `tim`、`tim-edge`、`timini`、`tim-gpt`、`tim-gpt-heavy` 9. **流显示原始 JSON** \- 您必须自己解析 `{"reasoning": [...], "answer": "..."}`。对于简单的聊天，请使用“run()”。 10. **`tools: []` 是必需的** \- 即使你没有工具，也传递一个空数组。 11. **无系统消息字段** \- 将系统提示符添加到您的指令字符串中。 12. **始终检查`run.status`** \- 在未先检查状态的情况下不要访问`run.result`。 ## Next.js/Vercel 示例有关服务器发送事件的完整 Next.js API 路由示例，请参阅“references/examples.md”。 ## 生产清单 ### 安全 * API密钥位于环境变量中，绝不是客户端 * API 路由的速率限制 * 输入验证（最大消息长度、清理） * 生产域的 CORS 配置 ### 可靠性 * 针对 5xx 错误使用指数退避重试逻辑 * 超时配置（默认值对于复杂任务可能太短） * 为用户提供优雅的错误消息 * 健康检查端点 ### 监控 * 记录“run.usage”以进行成本跟踪 * 跟踪“run.usage.durationMs”以进行延迟监控 * 错误率峰值警报 * 监控“run.usage.toolCalls”工具的使用模式 ### 用户体验 * 等待响应时加载状态 * 能够取消长时间运行的请求 * 显示推理/思考指标（如果使用stream()） * 错误恢复（重试按钮） * 清除错误信息 ### 成本控制 * 对于简单任务使用 `tim` 或 `tim-edge`，仅在需要时使用 `tim-gpt-heavy` * 如果需要，实施每个用户的使用配额 * 监控生产中的代币使用情况 ## 参考文件详细信息请参见： * `references/api-reference.md` \- 具有正确响应格式的完整 API 文档 * `references/streaming-and-reasoning.md` \- **CRITICAL** ：如何流式传输和显示推理步骤（解决原始 JSON 问题） * `references/typescript-types.md` \- 完整的 TypeScript 类型定义 * `references/error-handling.md` \- 错误处理模式和最佳实践 * `references/tools-guide.md` \- 深入探讨工具系统 * `references/examples.md` \- 完整的工作示例，包括 Next.js 和推理显示 ## 资源 * **文档**： * **平台**： * **游乐场** ： * **Python SDK** ： * **节点 SDK** ： * **示例** : 如有疑问，请查看 docs.subthought.dev 上的官方文档以获取最新信息。

潜意识开发

包含技能