مرحباً، هل اتبعت هذه التوصيات؟
رسم بياني للاستخدام يبدو مقلقًا بالتأكيد. هل يمكنك تجربة استعلام مستكشف البيانات هذا:
SELECT
a.id,
a.language_model,
LENGTH(p.raw) as raw_length,
a.response_tokens,
a.raw_request_payload,
a.raw_response_payload,
a.topic_id,
a.post_id
FROM ai_api_audit_logs a
LEFT JOIN posts p ON p.id = a.post_id AND p.deleted_at IS NULL
LEFT JOIN topics t ON t.id = a.topic_id AND t.deleted_at IS NULL
WHERE a.created_at > CURRENT_DATE - INTERVAL '1 days'
AND p.deleted_at IS NULL
AND t.deleted_at IS NULL
AND p.user_deleted = false
AND a.feature_name = 'translation'
AND LENGTH(p.raw) < 1000
AND a.response_tokens > 10000
ORDER BY a.created_at DESC
LIMIT 100
يجب أن يوضح لك الاستعلام عدد رموز الاستجابة المستخدمة بناءً على الطول الخام للمنشور. من الناحية المثالية، يجب أن ترى عددًا مشابهًا، لا يزيد عن 1.5 ضعف الرموز. سيساعد سجل تدقيق واجهة برمجة تطبيقات الذكاء الاصطناعي (AiApiAuditLog) في تحديد ما يحدث.
بالإضافة إلى ذلك، يرجى مشاركة،
- ما هو النموذج الذي تستخدمه؟
- ما هو معدل التعبئة الخاص بك في الساعة؟ أقترح الاحتفاظ به عند قيمة منخفضة، مثل 50 للبدء.
- كم عدد اللغات التي تدعمها؟ هل يدعمها النموذج الذي اخترته؟