bailian-docs-llm-wiki

name	bailian-docs-llm-wiki
description	阿里云百炼平台技术文档知识库（LLM Wiki）。当用户查询百炼模型列表、API 参数、错误码、 应用开发（智能体/RAG/知识库/记忆/插件）、模型对比与定价、SDK/OpenAI 兼容接口、 多模态能力（语音/图片/视频）、Token 计费等百炼相关问题时激活。 包含 models 结构化模型市场数据（含 contextWindow/QPM/价格/sample code）、 wiki 合成层（主题页/概念页/对比页）和 raw 原始文档层； 模型规格类问题先查 models/index.md，文档类问题先查 wiki/index.md。

百炼文档知识库

阿里云百炼平台的完整技术文档知识库，涵盖模型使用、应用开发、API 参考等内容。

何时使用

当用户涉及以下场景时激活此 Skill：

• 查询百炼平台的模型列表、模型参数、调用方式（含具体模型的 contextWindow、QPM、定价、sample code 等结构化字段 → 查 models/）
• 查阅百炼 API 参数、请求/响应格式、错误码
• 了解百炼应用开发（智能体、RAG、知识库、记忆、插件等）
• 选择模型、比较模型能力、了解模型定价与限流
• 使用百炼 SDK / OpenAI 兼容接口
• 语音识别、语音合成、图片生成、视频生成等多模态能力
• Token Plan、计费、免费额度等商务问题

何时不要使用

下面这些场景与百炼文档无关，不要激活本 Skill：

• 询问 OpenAI / Anthropic / Google 等其他厂商的 API、模型或定价
• 通用编程问题、框架问题（React、Vue、Spring 等）
• bl CLI 命令本身的用法（那是 bailian-cli skill 的职责）
• 与百炼无关的阿里云产品（OSS、ECS、RDS 等）

文档层级

1. Wiki 层（合成层） — wiki/

由 LLM 自动合成的结构化 Wiki，包含三类页面：

• 主题页：按功能领域聚合的综合文档（wiki/guides/*.md、wiki/api/*.md）
• 概念页：跨主题的横切概念（wiki/concepts/*.md，如 RAG、流式输出、Function Calling 等）
• 对比页：同类方案的结构化对比分析（wiki/comparisons/*.md，含对比表格）

优先查阅 wiki/index.md，它是全部 wiki 页面的索引入口。

每篇主题页末尾都有 ## 来源文档 段落，列出对应的 raw 原文路径，可用于追溯和深度阅读。

2. Models 层（模型市场结构化数据） — models/

直接从百炼 console 网关 listFoundationModels 抓取的结构化模型元数据， 对应「模型广场」页面。涉及具体模型的能力、上下文长度、QPM 限流、定价、 官方 sample code 等问题时，优先查这里，比 wiki 更新更准。

三层产物，单一数据源（families.jsonl / models.jsonl 是机器查询入口，index.md 是 families.jsonl 的人类可读视图）：

• models/index.md — 按主能力分桶的家族索引（中文标签 + 模型代码 + 链接到明细 JSON），适合「概览扫一眼」
• models/families.jsonl — 每行一个家族，含 slug / name / description / primaryCapability / capabilities（家族下所有 item 的并集）/ providers / itemCount / maxContextWindow / 轻量 items[] 摘要（每个 item 只含 model / name / contextWindow / capabilities / openSource）/ detailPath。 适合按家族筛选，例如：
  • 列出推理类家族：jq -c 'select(.primaryCapability=="Reasoning") | {slug,name,itemCount}' families.jsonl
  • 找包含某个 provider 的家族：grep '"moonshot-ai"' families.jsonl | jq -c .slug
• models/models.jsonl — 每行一个主干模型（跨家族扁平），含 model / family / capabilities / features / contextWindow / maxInputTokens / maxOutputTokens / prices（精简）/ qpmInfo（精简）/ docUrl / detailPath / profile（选型画像，见下）。适合跨家族批量查询，例如：
  • 列出所有 contextWindow ≥ 1M 的模型：jq -c 'select(.contextWindow>=1000000)' models.jsonl
  • 找支持 function-calling 的文本模型：grep '"function-calling"' models.jsonl | jq -c '{model,family,contextWindow}'
  • 按场景选模型：jq -c 'select(.profile.scenes // [] | index("代码生成")) | {model, pos: .profile.oneLinePositioning}' models.jsonl
  • 同族里挑旗舰：jq -c 'select(.profile.familyTier=="flagship") | {model,family}' models.jsonl

profile —— LLM 合成的选型画像（判断层），用于回答「这个模型适合干什么、族里该选哪个」：

字段	含义
profileCompleteness	full（判断字段齐备）/ partial（有定位和场景）/ structured-only（仅由结构化规格推导，未读过文档）
oneLinePositioning	一句话定位（≤50 字）
scenes	适用场景标签（受控词表，31 个值）
notSuitableFor	不适用场景负面清单
styleKeywords	风格关键词（≤5 个）
familyTier	族内选型档位：flagship 效果首选 / balanced 默认均衡 / lightweight 成本延迟优先或旧版
familyComparison	同族对比摘要（族内所有成员共享同一段文本）
callModes	调用模式：sync / async / streaming / realtime（脚本从示例代码机械推导）
pipelineRole	多模态流水线角色 {from, to, role}
_meta	generatedAt / sourceHash / generatorVersion，用于判断画像是否过期

三态语义要读准：字段缺失 = 未知；null = 不适用（仅 familyTier / familyComparison 会出现，表示单模型家族）；有值 = 已知。 notSuitableFor: [] 意为「无已知限制」，与字段缺失（未知）不同。 profileCompleteness 为 structured-only 时该画像没读过文档，只有机械推导字段可信；模型的硬规格（价格 / QPM / contextWindow / openSource）永远以宿主记录的顶层字段为准，不要从画像里找。 index.json 的 profileCoverage 给出三档分布，可一眼判断整体画像新鲜度。

两份 JSONL 的 join 字段：models.jsonl[].family == families.jsonl[].slug。命中后按 detailPath 打开 groups/<slug>.json 取完整字段（samples、predictConfig）。

• models/groups/<slug>.json — 单个模型家族（如 qwen3-max、deepseek、wan-image-to-video）的完整明细：
  • 家族层：name、description
  • items[]：该家族下所有主干模型版本（剔除了带日期后缀的快照），保留字段： model（API 调用名）、modelAlias、contextWindow、maxInputTokens、maxOutputTokens、 capabilities、features、provider、docUrl、prices、qpmInfo、 samples（调用示例，扁平化结构：samples.<sdk>.<api>.{curl,python,nodejs,java,docUrl}， 例如 samples.openai.completionsAPI.python 直接是代码字符串）、 predictConfig（模型调用入参定义，含 system/temperature/top_p/enable_search/enable_thinking 等参数的 name/key/default/tip/range，与百炼 Playground 对齐）
• models/meta.json — 增量爬取的指纹缓存，不要给用户引用

能力代码（capability）映射

index.md 的章节标题与 items[].capabilities[] 用的是英文短代码， 对应中文含义如下：

代码	中文标签
TG	文本生成
Reasoning	推理
VU	视觉理解
IG	图像生成
VG	视频生成
TTS	语音合成
ASR	语音识别
Realtime-ASR	实时语音识别
Realtime-Text-to-Speech	实时语音合成
Realtime-Audio-Translate	实时音频翻译
Realtime-Omni	实时全模态
Multimodal-Omni	全模态
ME	多模态嵌入
TR	翻译
3D-generation	3D 生成
Realtime-Chatting	Realtime-Chatting

一个模型常常带多个 capability，index.md 中按 capabilities[0]（主能力）归类， 查找时按中文标签即可定位章节。

3. Raw 层（原始层） — raw/

从 help.aliyun.com 爬取的原始文档，按分类存放：

• raw/model-user-guide/ — 模型使用指南
• raw/application-user-guide/ — 应用使用指南
• raw/model-api-reference/ — 模型 API 参考
• raw/application-api-reference/ — 应用 API 参考

当 wiki / models 层信息不足时，从 raw 层获取完整原文。

强约束

• 回答必须基于 wiki/ 或 raw/ 下的实际文件内容，不得凭印象编造 API、参数名、错误码或定价数字。
• 引用时附带相对路径（如 wiki/api/qwen-api.md），方便用户验证。
• 如果在 wiki-metadata.json 中查到某页面 qualityScore <= 2，直接绕过 wiki 该页，回退到 raw/ 原文回答。

查阅流程

1. 模型规格类问题先查 models：
   • 具体某个模型的能力、上下文、QPM、价格、官方示例代码 → 看 index.md 定位家族 → 打开 groups/<slug>.json
   • 跨家族筛选模型（如「上下文 ≥ 1M 的模型」「支持 function-calling 的推理模型」）→ grep models.jsonl
   • 按家族维度筛选（如「有哪些纯推理家族」「moonshot 旗下都有哪些家族」）→ grep families.jsonl
   • 命中后按 detailPath 打开对应 groups/<slug>.json 取 samples / predictConfig 等完整字段
2. 概念/使用方式查 wiki 索引：读取 wiki/index.md 找到对应的主题页、概念页或对比页
3. 概念/对比优先：跨领域问题或方案选型问题，优先看 wiki/concepts/* 与 wiki/comparisons/*
4. 回溯 raw 原文：从主题页末尾的 ## 来源文档 列表点进 raw/.../*.md 看完整细节
5. 全文索引：llms.txt 含完整目录树，可快速定位
6. 特定参数/错误码：直接在 raw/ 下用 grep

快速定位映射

关键词	推荐入口路径
某模型的 contextWindow / 价格 / QPM / sample code / 入参定义	models/groups/<slug>.json（从 models/index.md 找 slug）
跨家族筛选模型：按 contextWindow / capability / feature / price 批量查找	models/models.jsonl（grep / jq 一行一模型）
选型/推荐：某场景该用哪个模型、同族里选哪个、模型不适合干什么	models/models.jsonl 的 profile 字段（scenes / oneLinePositioning / familyTier / notSuitableFor）
按家族筛选：按 primaryCapability / providers / itemCount / maxContextWindow 找家族	models/families.jsonl（一行一家族，含 items[] 摘要）
模型家族总览 / 按能力分桶浏览	models/index.md
主题页 / API 文档（按功能领域查找）	wiki/index.md（完整索引入口）

实际文件名以 wiki/index.md 为准；上表若有出入应回到索引页查找。

注意事项

• 文档持续更新，如遇矛盾以 models/ > raw/ > wiki/ 的顺序为准 （models/ 直接拉自 console 网关，最新；raw/ 是源站爬取；wiki/ 是 LLM 合成可能滞后）