classify

分类

将文本放入上下文前，使用 classifier.dev 对其进行分类。以编程方式从文件或搜索结果中收集输入，批量发送，然后读取值得保留的条目。对于已在上下文中的少量条目，除非用户要求 API 判定，否则请自行判断。注明判定来自哪个来源。不同 API 层级无法保证每次调用的标签或分数完全一致。

文本会离开本机并发送给第三方 API，因此只发送你愿意粘贴到公开表单中的文本。如果输入包含秘密或私人信息，请使用相同标签在本地进行分类，并注明判定是你自己的判断；如果必须获得 API 判定，则请求用户提供已删去敏感信息的输入。

步骤 1：确定标签

/classify <text> [option, option, option] 同时提供文本和标签。在构建请求前，先选择单标签分类、独立维度或多标签标注。若未提供标签，则为每组编写 2 到 100 个不同且描述清晰的标签，每个标签最多 200 个字符。

对于单标签分类，应确保标签完整划分问题：每段合理的文本都恰好落入一个标签。对于偏离主题的输入，添加 none of these；对于证据可能不足的情况，添加 unknown。对每个维度也采用此规则。多标签可以重叠。

如果标签不是用户提供的，请在报告中注明你选择的标签。

使用 instructions 来定义含糊不清的标准，最多 4,000 个字符。如果判定结果显示缺少类别或标准不明确，请修订并解释变更。比较结果时应固定标准；反复运行直到出现理想答案会使结果产生偏差。

第 2 步：调用

使用 POST https://classifier.dev，并设置 content-type: application/json。普通自由文本请求无需密钥，但匿名代理流量可能需要已充值工作区的密钥。根据请求形式选择请求体：

你要处理的内容	请求体
一段文本、一组标签	{"input":"…","labels":["a","b"]}
最多 1,000 段文本、一组标签	{"inputs":["…","…"],"labels":["a","b"]}
同时使用多组标签对文本进行分类	{"items":["…"],"dimensions":{"topic":["a","b"],"urgency":["low","high"]}}
文本或批次中的所有适用标签	{"inputs":["…"],"labels":["a","b"],"multi":true,"max_labels":2}

input、inputs 和 items 只能三选一。维度会替代顶层的 labels，且不能与 multi 或 max_labels 组合使用。若某个维度需要特定的判断标准，请将该维度的标签数组替换为 {"labels":["a","b"],"instructions":"…"}。

默认使用 tier: "fast"。当单标签判断需要服务端复核时，选择 smart：对于置信度低于 0.7 的答案，它会使用推理模型重新判断，并独立处理每个维度。升级处理后的答案会带有 escalated: true，置信度和分数为 null，并附有 unscored 说明。如果升级处理失败，则保留原始答案，并由 usage.escalation_failed 记录。多标签请求会忽略 tier，因此请使用 fast。

使用 JSON 编码器序列化请求体，并通过标准输入将其传给 curl，使用 --data-binary @-。不要将输入文本放入 shell 命令字符串中，以免引号和命令替换失去数据属性。请按以下限制进行批处理，不要对每个项目循环发起单独调用。

普通文本路径每段输入最多允许 32,000 个字符，请求体最大为 1 MB，最多可包含 1,000 段输入和 20 个维度；维度最多可进行 1,000 次判断，按输入数乘以维度数计算。公开的 smart 请求最多支持 200 段输入或 200 次维度判断。

每 IP 的免费配额按分类次数计算，而非 HTTP 调用次数。包含 400 段单标签输入的批次计为 400 次分类；维度则按每次判断计数。

层级	每分钟	每天
fast	3,000	20,000
smart	200	2,000

批次必须完整符合剩余配额。共享标签集配额和支出限额可能会在达到这些上限前拒绝请求。对于更长的文本、付费处理或配额详情，请在选择请求路径前阅读实时 API 参考。更长的默认模型输入需要已充值的 fast 层级长上下文处理；请保留原文，不要默默截断。

请求失败时，请查看状态码以及 JSON 中的 error、code、action 和 retryable 字段（如有）。修正无效请求；如遇资金或访问限制，请如实说明。一次失败请求最多重试一次，以先发生的失败为准。对于 429，请遵循 Retry-After，且仅在延迟时间以秒计时重试。对于暂时性网络或 5xx 错误，请在重试前退避；如果提供了 Retry-After，请遵循该值。遇到 HTML 错误时，如有状态码和请求 ID，请一并报告。如果请求仍然失败，请报告实际原因；在可行时，使用相同标签进行本地判断，并注明这是你的判断，不要编造置信度。如果无法在本地审查输入，请说明哪些内容仍未分类。

步骤 3：报告判定结果

将 results[i] 与原始输入顺序对应起来，并按模式读取：

模式	结果字段
单标签	results[i].label、.confidence、.scores
多维	results[i].dimensions[name].label、.confidence、.scores
多标签	results[i].labels 和 .scores；没有单数形式的 label 或 confidence

使用阈值前，先检查 confidence 和 scores 是否为 null，即使在 fast 模式下也一样。将 null confidence 报告为“未评分”，并在需要置信度门槛时将其转交审核。若数值型 confidence 低于 0.7，则将判定标记为较弱。scores 表示在所提供标签之间的选择情况；它们无法确定类别是否匹配，也不能证明结果正确。保留结果对应的服务 model，以便追踪升级处理和回退回答。

多标签结果会列出分数至少为 0.7 的标签，按分数从高到低排列，并在提供 max_labels 时受其限制。报告每个标签及其分数。如果调用方指定了其他阈值，请使用完整的分数映射；标签列表为空也是有效结果。

筛选时，倾向于保留。否定判定是指调用方指定为丢弃项的标签（irrelevant、none of these）。如果标签超过两个，请先询问要丢弃哪些标签；在调用方说明之前，保留所有项目。除非调用方提供阈值，否则只丢弃数值型 confidence 至少为 0.8 的否定判定。保留肯定、低置信度和未评分的项目，以供阅读或审核。对于多标签筛选，按照调用方的标签规则使用对应分数，并保留不确定的项目。

报告判定结果，而不是 JSON。单条文本占一行（label · 0.94）。批量结果使用表格，或按标签分组列出项目；如果调用方要求筛选，则列出保留的项目和丢弃数量。

维护此技能时，请将请求和响应规则与已发布的上游技能及实时 API 参考进行比较。