收起侧栏

文档中心

表格理解服务(算法编码：8000500071)

接口信息

API Path
/aipaas/lm/v1/table/interface

请求协议
HTTPS

请求方法
POST

请求头部 ：

头部标签	必填	说明	类型	头部内容	示例
Content-Type	是	application/json	[string]	application/json	application/json
X-APP-ID	是	买家中心-已购能力-【X-APP-ID】	[string]
Device-Uuid	否	设备管理-设备uuid	[string]
Authorization	是	鉴权信息	[string]

请求参数 Json
Object

参数名	说明	必填	类型
message	对话内容，多轮对话时内容建议按照user-> assistant -> user 的格式传参。目前仅支持单论，传入user即可	是	[object]
message>>role	角色，目前仅支持单论，传入user即可 system：系统消息 user: 用户消息 assistant: 助手消息	是	[string]
message>>content	当是List时：角色为用户的时候，必须传入一个file_url, 并且采用一个	是	[object]
message>>content>>type	数据类型text、file_url	是	[string]
message>>content>>text	当type为text时，必填，最短输入个字符，最长2048	否	[string]
message>>content>>file_url	当type为file_url时，必填，数据为key-value对，key为"url", value 为文件的url, 可以通过url获取文件名称。content列表里面最少包含1个文件连接，最多包含10个	否	[object]
model	要使用的模型的ID，如果不填的话默认是"TeleAI/TeleTable"	否	[string]
stream	默认值为 false，如果设置采用流式返回	否	[boolean]
stream_options	用于流响应的选项。仅在设置 stream: true 时设置此项。	否	[object]
frequency_penalty	(暂不生效) 默认值为 0.0，在 -2.0 到 2.0 之间。正值会基于新生成词在已有文本中的频率进行惩罚，降低模型重复同一行文本的可能性。	否	[double]
max_tokens	(暂不生效) 最大生成词元数量，不建议改动。输入词元和生成词元的总长度受模型上下文长度的限制。	否	[int]
temperature	(暂不生效) 默认值为 0.0 建议范围在 0 到 1 之间。较高的值如 0.8 会使输出更随机，而较低的值如 0.2 会使输出更集中且具有确定性。大于1时，可能会导致结果变差。	否	[double]
top_p	(暂不生效) 默认值为 0.001，不建议改动，取值范围为0-1之间，作为温度采样的替代方法，称为核采样，该方法中模型考虑具有top_p 概率质量的词元结果。	否	[double]
top_k	(暂不生效) 未使用，保留。作用：随机候选数	否	[int]

响应内容 ：

返回结果

> 成功-流式 (200)
> Json
> Object

参数名	说明	必填	类型
id	聊天补全的唯一标识符。	是	[string]
choices	聊天补全选项的列表。如果参数 n 大于 1，则可以有多个选项。	是	[object]
choices>>finish_reason	模型停止生成词元的原因。可能值包括： stop: 模型达到了自然停止点或提供的停止序列。	是	[string]
choices>>index	选项在选项列表中的索引	是	[int]
choices>>type	流式返回中区分该chunk块是“分析过程”还是“最终结果”"source"/"report"	是	[string]
choices>>file_size	算法判定文件大小属性。“small”/"large"	是	[string]
choices>>delta	模型生成的聊天补全消息。	是	[object]
choices>>delta>>content	消息的内容	是	[string]
choices>>delta>>role	此消息作者的角色。	是	[string]
created	聊天补全创建的Unix时间戳（以秒为单位）	是	[int]
model	用于聊天补全的模型。	是	[string]
object	对象类型，始终为 chat.completion。	是	[string]
usage	补全请求的使用统计信息。（如果请求中stream_options为true，在最后一个返消息中返回相关信息）	是	[object]
usage>>prompt_tokens	提示中的词元数量。	是	[int]
usage>>completion_tokens	在生成的补全中的词元数量。	是	[int]
usage>>total_tokens	请求中使用的总词元数（提示 + 补全）。	是	[int]

> 成功-非流式 (200)
> Json
> Object

参数名	说明	必填	类型
id	聊天补全的唯一标识符。	否	[string]
choices	聊天补全选项的列表。如果参数 n 大于 1，则可以有多个选项。	是	[object]
choices>>finish_reason	模型停止生成词元的原因。可能值包括： stop: 模型达到了自然停止点或提供的停止	是	[string]
choices>>index	选项在选项列表中的索引	是	[int]
choices>>type	非流式返回中统一返回过程和结果，该字段为空串	是	[string]
choices>>file_size	算法判定文件大小属性。“small”/"large"	是	[string]
choices>>message	模型生成的聊天补全消息。	是	[object]
choices>>message>>content	消息的内容，将分析过程和最终结果统一返回，以\n[Final Answer]\n作为分隔符进行区分，前面是过程，后面是结果	是	[string]
choices>>message>>role	此消息作者的角色。	是	[string]
created	聊天补全创建的Unix时间戳（以秒为单位）。	是	[int]
model	用于聊天补全的模型。	是	[string]
object	对象类型，始终为 chat.completion。	是	[string]
usage	补全请求的使用统计信息。	是	[object]
usage>>prompt_tokens	提示中的词元数量。	是	[int]
usage>>completion_tokens	在生成的补全中的词元数量。	是	[int]
usage>>total_tokens	请求中使用的总词元数（提示 + 补全）。	是	[int]

成功示例[Mock API] ：

data: {
    "choices": [{
        "delta": {
            "role": "assistant",
            "content": "需要查询"
        },
        "finish_reason": null,
        "index": 0,
        "type": "source",
        "file_size": "small"
    }],
    "object": "chat.completion",
    "created": 1746511123,
    "model": "openchat",
    "id": "chatcmpl-f40d4004-6b0c-4a12-87b4-e21087400c56"
}

data: {
        "choices": [{
            "delta": {
                "role": "assistant",
                "content": "2015"
            },
            "finish_reason": null,
            "index": 0,
            "type": "source",
            "file_size": "small"
        }],
        "object": "chat.completion",
        "created": 1746511123,
        "model": "openchat",
        "id": "chatcmpl-f40d4004-6b0c-4a12-87b4-e21087400c56"
    }

    ...

    data: {
        "choices": [{
            "delta": {
                "role": "assistant",
                "content": "\n"
            },
            "finish_reason": null,
            "index": 0,
            "type": "report",
            "file_size": "small"
        }],
        "object": "chat.completion",
        "created": 1746511131,
        "model": "openchat",
        "id": "chatcmpl-a504324c-6e10-11e8-adf0-58fb8443ee27"
    }

data: {
    "choices": [{
        "delta": {
            "role": "assistant",
            "content": ""
        },
        "finish_reason": "stop",
        "index": 0,
        "type": "",
        "file_size": "small"
    }],
    "object": "chat.completion",
    "created": 1746511131,
    "model": "openchat",
    "id": "chatcmpl-f40d4004-6b0c-4a12-87b4-e21087400c56"
}

data: {
    "choices": [],
    "object": "chat.completion",
    "created": 1747037707,
    "model": "openchat",
    "id": "chatcmpl-f40d4004-6b0c-4a12-87b4-e21087400c56",
    "usage": {
        "prompt_tokens": 4200,
        "completion_tokens": 205,
        "total_tokens": 4405
    }
}

data: [DONE]

失败示例[Mock API] ：

mock api ：https://www.srdcloud.cn/ext-apikit/index.php/apiManagementPro/Mock/simple/IbVu571a6fe961b686b93bce2f2aa896f61a67558be0abe?uri=/aipaas/lm/v1/table/interface

{
    "seq_id": "a504324c-6e10-11e8-adf0-58fb8443ee27",
    "code": 1001,
    "message:": "参数错误",
}

1. 功能简介

该接口参考openai视觉理解接口形式，作以下微调以适配表格理解业务。

2. 修订历史

日期	版本	修订内容
2025-07-09	v1.0.0	无

3. 服务鉴权

服务接口调用时需要严格遵循服务鉴权规则，服务调用鉴权规则请参见：开发指南 - 签名认证方式。

4. 状态码说明

错误码	错误信息
1001	参数错误
1002	文件服务异常
1003	对话服务异常
1004	大模型请求失败
1005	内部服务错误

通用状态码请参考【状态码】中的【网关认证】和【通用业务】

5. 请求参数示例

流式请求参数示例

{
    "model": "TeleAI/TeleTable",
    "stream": true,
    "stream_options": {
        "include_usage": true
    },
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "拖拉机销量如何"
                },
                {
                    "type": "file_url",
                    "file_url": {
                        "url": "https://fileshare-1304429954.cos.ap-beijing.myqcloud.com/%E5%B0%8F%E5%9E%8B%E6%8B%96%E6%8B%89%E6%9C%BA.csv"
                    }
                }
            ]
        }
    ]
}

流式响应示例

data: {"choices": [{"delta": {"role": "assistant", "content": "需要查询"}, "finish_reason": null, "index": 0, "type": "source", "file_size": "small"}], "object": "chat.completion", "created": 1746511123, "model": "openchat", "id": "chatcmpl-f40d4004-6b0c-4a12-87b4-e21087400c56"}

data: {"choices": [{"delta": {"role": "assistant", "content": "2015"}, "finish_reason": null, "index": 0, "type": "source", "file_size": "small"}], "object": "chat.completion", "created": 1746511123, "model": "openchat", "id": "chatcmpl-f40d4004-6b0c-4a12-87b4-e21087400c56"}

...

data: {"choices": [{"delta": {"role": "assistant", "content": "
"}, "finish_reason": null, "index": 0, "type": "report", "file_size": "small"}], "object": "chat.completion", "created": 1746511131, "model": "openchat", "id": "chatcmpl-a504324c-6e10-11e8-adf0-58fb8443ee27"}

data: {"choices": [{"delta": {"role": "assistant", "content": ""}, "finish_reason": "stop", "index": 0, "type": "", "file_size": "small"}], "object": "chat.completion", "created": 1746511131, "model": "openchat", "id": "chatcmpl-f40d4004-6b0c-4a12-87b4-e21087400c56"}

data: {"choices": [], "object": "chat.completion", "created": 1747037707, "model": "openchat", "id": "chatcmpl-f40d4004-6b0c-4a12-87b4-e21087400c56", "usage": {"prompt_tokens": 4200, "completion_tokens": 205, "total_tokens": 4405}}

data: [DONE]

response失败消息体样例

{
    "seq_id": "a504324c-6e10-11e8-adf0-58fb8443ee27",
    "code": 1001,
    "message:": "参数错误",
}

非流式请求示例

{
    "model": "TeleAI/TeleTable", 
    "stream": false, 
    "messages": [
        {
            "role": "user", 
            "content": [
                {
                    "type": "text", 
                    "text": "第四季度拖拉机销量多少"
                }, 
                {
                    "type": "file_url", 
                    "file_url": {
                        "url": "https://fileshare-1304429954.cos.ap-beijing.myqcloud.com/%E5%B0%8F%E5%9E%8B%E6%8B%96%E6%8B%89%E6%9C%BA.csv"
                    }
                }
            ]
        }
    ]
}

非流式响应示例

{
    "choices": [
        {
            "message": {
                "role": "assistant",
                "content": "需要查询2015年第四季度小型拖拉机的产量
  
思路为从'2015年第四季度-139.2'列中提取数值139.2作为2015年第四季度小型拖拉机的产量
[Final Answer]
2015年第四季度小型拖拉机的产量为139.2。"
            },
            "finish_reason": "stop",
            "index": 0,
            "type": "",
            "file_size": "small"
        }
    ],
    "object": "chat.completion",
    "created": 1747038305,
    "model": "openchat",
    "id": "chatcmpl-b6ee343d-8c94-4b21-8325-98091023ebeb",
    "usage": {
        "prompt_tokens": 4204,
        "completion_tokens": 100,
        "total_tokens": 4304
    }
}

response失败消息体样例

{
    "seq_id": "a504324c-6e10-11e8-adf0-58fb8443ee27",
    "code": 1001,
    "message:": "参数错误"
}

6. 调用示例

openai调用示例（裸服务无鉴权，星河鉴权需要设置header字段天翼AI开放平台）

6.1 Java版本

import cn.hutool.http.HttpRequest;
import cn.hutool.http.HttpResponse;
import cn.hutool.json.JSONUtil;

import java.util.Arrays;
import java.util.HashMap;
import java.util.Map;

/** 主类，用于发起HTTP请求并处理响应 */
public class Example {

    public static void main(String[] args) {
        example();
    }

    /**
     * 方法中使用到的 JSONUtil、HttpRequest、HttpResponse均来自Hutool工具类。
     * 具体maven依赖为：
     * 
     *     cn.hutool
     *     hutool-all
     *     5.8.29
     * 
     */
    public static void example() {
        try {
            String url = "算法调用地址";
            // 设置请求头
            Map headers = new HashMap();
            //调用鉴权
            headers.put("Content-Type", "application/json");
            headers.put("X-APP-ID", "yourAppId");
            headers.put("Authorization", "yourAuthorization");
            // 创建请求对象
            Map request = new HashMap();
            request.put("traceId", "a504324c-6e10");
            Map message1 = new HashMap();
            message1.put("role", "user");
            message1.put("content", "帮忙分析一下这些excel文档");
            request.put("messages", Arrays.asList(message1));
            request.put("stream", true);
            request.put("temperature", 0);
            Map params = new HashMap();
            params.put("file_uuids", Arrays.asList("d12fd037-19df-4973-a246-290673b6407a"));
            request.put("extra_params", params);
            // 将请求对象转换为JsonNode
            String requestString = JSONUtil.toJsonStr(request);

            // 发起HTTP请求
            HttpResponse response =
                    HttpRequest.post(url)
                            .headerMap(headers, true)
                            .body(requestString)
                            .execute();
            // 输出响应结果
            System.out.println(response.body());
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

}

6.2 Python版本

from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DA SHSCOPE_API_KEY", "empty"),
    base_url="http://127.0.0.1:8095/v1",
)

stream_flag = True

request_json = {
    "model":"TeleAI/TeleTable",
    "stream":stream_flag,
    "messages":[
        {
            "role": "user",
            "content": [
                {
                    "type": "file_url",
                    "file_url": {
                        "url": "https://fileshare-1304429954.cos.ap-beijing.myqcloud.com/%E5%B0%8F%E5%9E%8B%E6%8B%96%E6%8B%89%E6%9C%BA.csv"
                    },
                },
                {"type": "text", "text": "谁是销售冠军"}
            ]
        }
    ]
}

if stream_flag:
    request_json["stream_options"] = {
        "include_usage": True
    }

completion = client.chat.completions.create(**request_json)

if stream_flag:
    for chunk in completion:
        print(chunk)
else:
    print(completion)

大模型体验中心

开放能力

开发平台

应用产品

解决方案

关于TeleAI

热门搜索