AI知识库认产品型号：AB-120和AB-12不能混答

展开本页目录

开始前准备什么

独立练习目录及Python 3.14；系统与Node依赖以README为准。
离线重放无需Key；新请求使用自己的apizt Key，先核对模型权限和当前价格。
原创合成材料，不需要登录第三方平台账号。

先看文件
按步骤操作
对照真实结果
离线或模型复跑

下载本例输入、代码、真实回执和产物

默认离线重放；包含完整失败尝试与本地检查，不含Key。

1. 核对本例材料与目标文件

参见本批TOPIC-RESEARCH.md同编号新增边界，原生小样与负例均独立交付。

先下载合成材料在独立目录练习。原始文件、模型输入与验收答案分别保留；本地核对答案不发送给模型。

input.json（节选）

json

{
  "manuals": [
    {
      "id": "M12",
      "model": "AB-12",
      "text": "AB-12容量为200毫升。"
    },
    {
      "id": "M120",
      "model": "AB-120",
      "text": "AB-120容量为1200毫升。"
    }
  ],
  "question": "AB-120容量是多少？"
}

AI知识库认产品型号：AB-120和AB-12不能混答 · 实际输入、原始文件和本例操作约束的浏览器截图 — 实际输入、原始文件和本例操作约束的浏览器截图
查看高清原图

2. 按顺序完成这项具体操作

本次实际使用Python 3.14，依赖版本固定在资料包。需要LibreOffice或Node的案例请先按README安装对应运行时。python run.py读取真实旧响应完成本地处理；只有显式--live才发新请求。

1. 分别准备M12.md和M120.md：AB-12为200毫升，AB-120为1200毫升；使用“AB-120容量是多少”作为问题。
2. 用ASCII型号边界提取完整型号，再筛选说明书；不要用AB-12的前缀子串匹配AB-120，也不要依赖中文后缀处的Unicode\b边界。
3. 把筛选出的M120片段保存到selected-passages.json，只将该片段和问题送给apizt。
4. 将模型返回的型号、capacity_ml和sources写入answer.json，逐项对照AB-120、1200和M120。
5. 另用AB-1200和没有型号的问题检查筛选分支，均保持无命中，不擅自回退到AB-12或任意说明书。

独立练习目录 · 默认仅离线复核

python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python run.py

3. 对照真正发送的请求

只输出JSON：model字符串、capacity_ml数字、sources来源ID数组。只使用提供的片段；型号必须完全匹配，不把AB-12当成AB-120。

网页实验台只执行这一步模型字段检查。原生文件写入、坐标/公式/格式回读及负例验收由下载包负责。

request-1.json（图片Base64省略，原文件在下载包）

json

{
  "model": "gemini-2.5-flash-lite",
  "messages": [
    {
      "role": "system",
      "content": "严格只输出单个JSON对象，不要Markdown代码围栏，不要解释。只输出JSON：model字符串、capacity_ml数字、sources来源ID数组。只使用提供的片段；型号必须完全匹配，不把AB-12当成AB-120。"
    },
    {
      "role": "user",
      "content": "任务约束（只输出JSON对象，不用代码围栏）：\n只输出JSON：model字符串、capacity_ml数字、sources来源ID数组。只使用提供的片段；型号必须完全匹配，不把AB-12当成AB-120。\n待处理合成材料：\n{\"question\": \"AB-120容量是多少？\", \"passages\": [{\"id\": \"M120\", \"model\": \"AB-120\", \"text\": \"AB-120容量为1200毫升。\"}]}"
    }
  ],
  "temperature": 0,
  "max_tokens": 1536,
  "provider": {
    "sort": "success_rate"
  },
  "response_format": {
    "type": "json_object"
  }
}

4. 查看原生处理代码与实际文件

下面节选来自本次实际执行的workflow.py分支，需要结合完整脚本运行。模型输出不能代替文件解析器或业务验算。

具体产物：answer.json、selected-passages.json。

workflow.py · 本例分支节选

python

selected = prepared['passages']
notes = json.loads((folder / 'preparation.json').read_text())
check('AB-120精确命中而非AB-12', [r['id'] for r in selected] == ['M120'])
check('无型号和错误前缀不会自动查询', notes['wrong_prefix_selected'] == [] and notes['missing_model_selected'] == [])
check('模型容量与原型号一致', output.get('model') == 'AB-120' and output.get('capacity_ml') == 1200 and (output.get('sources') == ['M120']))
dump(artifact('answer.json'), output)
artifacts.append('selected-passages.json')
result = {'selected': selected, 'answer': output, 'prefixCollisionRejected': True}

5. 对照真实结果和检查表

实测2026-10-25T07:53:06.503913+00:00，HTTP200；请求gemini-2.5-flash-lite，返回gemini-2.5-flash-lite。本次5/5项检查通过，指本例执行及验收机制通过，不代表所有模型字段零误差。

最后一次返回用量205tokens；1份尝试记录的已知用量合计205。失败记录保留，用量缺失不按0计，本文不推算实际金额。

实际检查	结果
真实apizt API响应HTTP200	通过
AB-120精确命中而非AB-12	通过
无型号和错误前缀不会自动查询	通过
模型容量与原型号一致	通过
列出的原生产物实际存在	通过

实际检查: 真实apizt API响应HTTP200
结果: 通过

实际检查: AB-120精确命中而非AB-12
结果: 通过

实际检查: 无型号和错误前缀不会自动查询
结果: 通过

实际检查: 模型容量与原型号一致
结果: 通过

实际检查: 列出的原生产物实际存在
结果: 通过

result.json · 原生处理后实际结果

json

{
  "selected": [
    {
      "id": "M120",
      "model": "AB-120",
      "text": "AB-120容量为1200毫升。"
    }
  ],
  "answer": {
    "model": "AB-120",
    "capacity_ml": 1200,
    "sources": [
      "M120"
    ]
  },
  "prefixCollisionRejected": true
}

AI知识库认产品型号：AB-120和AB-12不能混答 · 本例实际产物与原始响应的浏览器截图；本地检查和模型答案分开记录 — 本例实际产物与原始响应的浏览器截图；本地检查和模型答案分开记录
查看高清原图

6. 替换输入前，先确认这些边界

公开材料为原创合成小样。API模型阶段与本地处理分别验收；通过结构和来源检查不代表通用事实准确率。

修改材料后应重新制定事实断言和反例。识别错误率、混淆矩阵或拒答类教程允许保留模型实际错误；检查通过指计算和处理正确。没有调用视频模型。

怎样确认已经完成

真实apizt API响应HTTP200
AB-120精确命中而非AB-12
无型号和错误前缀不会自动查询
模型容量与原型号一致
列出的原生产物实际存在

常见问题

AI 知识库型号精确匹配怎么开始？

分别准备M12.md和M120.md：AB-12为200毫升，AB-120为1200毫升；使用“AB-120容量是多少”作为问题。按本页顺序继续，先用下载包离线重放，再替换自己的材料。

网页试跑和下载包有什么区别？

网页只复跑模型字段，不生成全部原生文件；资料包包含实际原生处理和本地验收。

这次通过结果适用于其他材料吗？

公开材料为原创合成小样。API模型阶段与本地处理分别验收；通过结构和来源检查不代表通用事实准确率。

资料来源

展开本页目录

开始前准备什么

独立练习目录及Python 3.14；系统与Node依赖以README为准。
离线重放无需Key；新请求使用自己的apizt Key，先核对模型权限和当前价格。
原创合成材料，不需要登录第三方平台账号。

先看文件
按步骤操作
对照真实结果
离线或模型复跑

下载本例输入、代码、真实回执和产物

默认离线重放；包含完整失败尝试与本地检查，不含Key。

1. 核对本例材料与目标文件

参见本批TOPIC-RESEARCH.md同编号新增边界，原生小样与负例均独立交付。

先下载合成材料在独立目录练习。原始文件、模型输入与验收答案分别保留；本地核对答案不发送给模型。

input.json（节选）

json

{
  "manuals": [
    {
      "id": "M12",
      "model": "AB-12",
      "text": "AB-12容量为200毫升。"
    },
    {
      "id": "M120",
      "model": "AB-120",
      "text": "AB-120容量为1200毫升。"
    }
  ],
  "question": "AB-120容量是多少？"
}

2. 按顺序完成这项具体操作

1. 分别准备M12.md和M120.md：AB-12为200毫升，AB-120为1200毫升；使用“AB-120容量是多少”作为问题。
2. 用ASCII型号边界提取完整型号，再筛选说明书；不要用AB-12的前缀子串匹配AB-120，也不要依赖中文后缀处的Unicode\b边界。
3. 把筛选出的M120片段保存到selected-passages.json，只将该片段和问题送给apizt。
4. 将模型返回的型号、capacity_ml和sources写入answer.json，逐项对照AB-120、1200和M120。
5. 另用AB-1200和没有型号的问题检查筛选分支，均保持无命中，不擅自回退到AB-12或任意说明书。

独立练习目录 · 默认仅离线复核

python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python run.py

3. 对照真正发送的请求

只输出JSON：model字符串、capacity_ml数字、sources来源ID数组。只使用提供的片段；型号必须完全匹配，不把AB-12当成AB-120。

网页实验台只执行这一步模型字段检查。原生文件写入、坐标/公式/格式回读及负例验收由下载包负责。

request-1.json（图片Base64省略，原文件在下载包）

json

{
  "model": "gemini-2.5-flash-lite",
  "messages": [
    {
      "role": "system",
      "content": "严格只输出单个JSON对象，不要Markdown代码围栏，不要解释。只输出JSON：model字符串、capacity_ml数字、sources来源ID数组。只使用提供的片段；型号必须完全匹配，不把AB-12当成AB-120。"
    },
    {
      "role": "user",
      "content": "任务约束（只输出JSON对象，不用代码围栏）：\n只输出JSON：model字符串、capacity_ml数字、sources来源ID数组。只使用提供的片段；型号必须完全匹配，不把AB-12当成AB-120。\n待处理合成材料：\n{\"question\": \"AB-120容量是多少？\", \"passages\": [{\"id\": \"M120\", \"model\": \"AB-120\", \"text\": \"AB-120容量为1200毫升。\"}]}"
    }
  ],
  "temperature": 0,
  "max_tokens": 1536,
  "provider": {
    "sort": "success_rate"
  },
  "response_format": {
    "type": "json_object"
  }
}

4. 查看原生处理代码与实际文件

下面节选来自本次实际执行的workflow.py分支，需要结合完整脚本运行。模型输出不能代替文件解析器或业务验算。

具体产物：answer.json、selected-passages.json。

workflow.py · 本例分支节选

python

selected = prepared['passages']
notes = json.loads((folder / 'preparation.json').read_text())
check('AB-120精确命中而非AB-12', [r['id'] for r in selected] == ['M120'])
check('无型号和错误前缀不会自动查询', notes['wrong_prefix_selected'] == [] and notes['missing_model_selected'] == [])
check('模型容量与原型号一致', output.get('model') == 'AB-120' and output.get('capacity_ml') == 1200 and (output.get('sources') == ['M120']))
dump(artifact('answer.json'), output)
artifacts.append('selected-passages.json')
result = {'selected': selected, 'answer': output, 'prefixCollisionRejected': True}

5. 对照真实结果和检查表

最后一次返回用量205tokens；1份尝试记录的已知用量合计205。失败记录保留，用量缺失不按0计，本文不推算实际金额。

实际检查	结果
真实apizt API响应HTTP200	通过
AB-120精确命中而非AB-12	通过
无型号和错误前缀不会自动查询	通过
模型容量与原型号一致	通过
列出的原生产物实际存在	通过

实际检查: 真实apizt API响应HTTP200
结果: 通过

实际检查: AB-120精确命中而非AB-12
结果: 通过

实际检查: 无型号和错误前缀不会自动查询
结果: 通过

实际检查: 模型容量与原型号一致
结果: 通过

实际检查: 列出的原生产物实际存在
结果: 通过

result.json · 原生处理后实际结果

json

{
  "selected": [
    {
      "id": "M120",
      "model": "AB-120",
      "text": "AB-120容量为1200毫升。"
    }
  ],
  "answer": {
    "model": "AB-120",
    "capacity_ml": 1200,
    "sources": [
      "M120"
    ]
  },
  "prefixCollisionRejected": true
}

6. 替换输入前，先确认这些边界

公开材料为原创合成小样。API模型阶段与本地处理分别验收；通过结构和来源检查不代表通用事实准确率。

怎样确认已经完成

真实apizt API响应HTTP200
AB-120精确命中而非AB-12
无型号和错误前缀不会自动查询
模型容量与原型号一致
列出的原生产物实际存在

常见问题

AI 知识库型号精确匹配怎么开始？

网页试跑和下载包有什么区别？

网页只复跑模型字段，不生成全部原生文件；资料包包含实际原生处理和本地验收。

这次通过结果适用于其他材料吗？

公开材料为原创合成小样。API模型阶段与本地处理分别验收；通过结构和来源检查不代表通用事实准确率。

AI知识库认产品型号：AB-120和AB-12不能混答

先看结论

开始前准备什么

1. 核对本例材料与目标文件

2. 按顺序完成这项具体操作

3. 对照真正发送的请求

4. 查看原生处理代码与实际文件

5. 对照真实结果和检查表

6. 替换输入前，先确认这些边界

怎样确认已经完成

常见问题

资料来源

先复核这份结果，再处理自己的材料

1. 下载完整样例

2. 离线检查业务结果

3. 需要新结果时，再调用 API

AI知识库认产品型号：AB-120和AB-12不能混答

先看结论

开始前准备什么

1. 核对本例材料与目标文件

2. 按顺序完成这项具体操作

3. 对照真正发送的请求

4. 查看原生处理代码与实际文件

5. 对照真实结果和检查表

6. 替换输入前，先确认这些边界

怎样确认已经完成

常见问题

资料来源

先复核这份结果，再处理自己的材料

1. 下载完整样例

2. 离线检查业务结果

3. 需要新结果时，再调用 API