本节将说明如何基于多轮历史对话，使用大语言模型进行回答生成

/api/knowledge/chat/completions 接口用于向大模型发起一次对话请求，与新升级的search_knowledge接口联通，可以完成标准的检索生成链路。
本接口对 Doubao 大模型 chat/completions 接口全面兼容。

• 知识库创建完成。
• 文档导入且处理完成。
• 完成“对接指南“页面的注册账号、实名认证、AK/SK 密钥获取和签名获取后，可调用 API 接口实现知识库检索查询并调用大模型整合生成回答的功能。
• 进行本地 prompt 组装拼接

[
    {"role": "system", "content": "你是一个智能助手。"},
    {"role": "user", "content": "你好"},
    {"role": "assistant", "content": "你好！有什么我可以帮助你的？"}
]

data返回值

状态码说明

请求消息

curl -i -X POST \
  -H 'Content-Type: application/json' \
  -H 'Authorization: HMAC-SHA256 ***' \
  https://api-knowledgebase.mlp.cn-beijing.volces.com/api/knowledge/chat/completions \
  -d '{
        request_params = {
        "model": "m3-v2-rerank",
        "max_tokens": 4096,
        "temperature": 0.1,
        "messages": [
                {
                    "role": "system",
                    "content": "prompt template"
                },
                {
                    "role": "user",
                    "content": "history content"
                }
                {
                    "role": "assistant",
                    "content": "history content"
                }，
                {
                    "role": "user",
                    "content": "history content"
                },
                ...
           
                {
                    "role": "assistant",
                    "content": "history content"
                }
                
            ],
        "stream":False,
        "return_token_usage": True
    }
    }
  }
}'

响应消息

执行成功返回：

HTTP/1.1 200 OK
Content-Length: 209
Content-Type: application/json

{
    "code": 0,
    "data": {##大模型返回结果，包含回答与token用量详情
        "generated_answer": "HNSW（Hierarchical Navigable Small World）是一种用于高效近似最近邻搜索的数据结构和算法。\n\n它具有以下特点和优势：\n1. **高效性**：能够在大规模数据集中快速找到近似最近邻。\n2. **可扩展性**：适用于处理海量数据。\n3. **准确性**：提供相对准确的最近邻搜索结果。\n4. **层次结构**：通过构建层次结构来加速搜索过程。\n5. **小世界特性**：利用数据的局部性和相似性，提高搜索效率。\n\nHNSW 在许多领域有广泛的应用，例如：\n1. **图像检索**：快速找到相似的图像。\n2. **推荐系统**：推荐相关的产品或内容。\n3. **数据挖掘**：发现相似的数据点。\n4. **机器学习**：在特征空间中进行相似性搜索。\n\n总之，HNSW 是一种强大的工具，用于解决大规模数据集中的最近邻搜索问题。",
        "usage": "{\"prompt_tokens\":13,\"completion_tokens\":217,\"total_tokens\":230}\n"
    },
    "message": "success",
    "request_id": "02172742276364600000000000000000000ffff0a00406fa14e0d"
    
}

执行失败返回：

HTTP/1.1 400 OK
Content-Length: 43
Content-Type: application/json
 
{"code":1000003, "message":"invalid request：%s", "request_id": "021695029757920fd001de6666600000000000000000002569b8f"}