> ## Documentation Index
> Fetch the complete documentation index at: https://docs.pioneer.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Pioneer 上的推理历史与反馈端点

> 列出 Pioneer 推理历史,按模型或项目过滤,获取单条结果,并提交更正以通过 Adaptive Inference 改进您的模型。

Pioneer 会存储每一次推理调用，您可以按 ID 或批量获取结果。您还可以针对单条推理提交更正反馈。这些反馈标示出模型出错的地方，并驱动 Adaptive Inference，它会基于来自线上流量的已更正样本自动重新训练您的模型。

## 端点

| Method | Path                       | 说明       |
| ------ | -------------------------- | -------- |
| `GET`  | `/inferences`              | 列出过往推理   |
| `GET`  | `/inferences/:id`          | 获取推理详情   |
| `POST` | `/inferences/:id/feedback` | 提交反馈     |
| `GET`  | `/inferences/:id/feedback` | 获取已存储的反馈 |

## 列出过往推理

`GET /inferences` 返回过往推理调用的分页列表。使用下方的查询参数过滤结果。

### 查询参数

<ParamField query="limit" type="number">
  每页返回结果的最大数量。
</ParamField>

<ParamField query="offset" type="number">
  在返回结果前跳过的结果数量。与 `limit` 搭配使用可对结果进行分页。
</ParamField>

<ParamField query="model_id" type="string">
  按模型 ID 过滤。接受训练任务 ID 或基础模型 ID。
</ParamField>

<ParamField query="task" type="string">
  按任务类型过滤（例如 `ner`、`classification`、`generate`）。
</ParamField>

<ParamField query="project_id" type="string">
  按项目 ID 过滤，只查看归属于特定项目的推理。
</ParamField>

<ParamField query="training_job_id" type="string">
  按训练任务 ID 过滤，只查看针对特定微调模型运行的推理。
</ParamField>

<ParamField query="latency_min" type="number">
  最小端到端延迟，单位为毫秒（含端点值）。必须 >= 0。
</ParamField>

<ParamField query="latency_max" type="number">
  最大端到端延迟，单位为毫秒（含端点值）。必须 >= 0；若两者都设置，则必须 >= `latency_min`。
</ParamField>

<ParamField query="llmaj_score_min" type="number">
  最小 LLM-as-Judge 分数（含端点值），范围为 `0.0`–`1.0`。
</ParamField>

<ParamField query="llmaj_score_max" type="number">
  最大 LLM-as-Judge 分数（含端点值），范围为 `0.0`–`1.0`。若两者都设置，则必须 >= `llmaj_score_min`。
</ParamField>

<ParamField query="since" type="string">
  `created_at` 的包含下界，为 ISO 8601 UTC 时间戳。
</ParamField>

<ParamField query="until" type="string">
  `created_at` 的不包含上界，为 ISO 8601 UTC 时间戳。
</ParamField>

<Note>
  对于 `latency_min`/`latency_max` 和 `llmaj_score_min`/`llmaj_score_max`，如果 `min` 值大于对应的 `max` 值，都会返回 `422`。
</Note>

### 示例

<CodeGroup>
  ```bash cURL theme={null}
  curl "https://api.pioneer.ai/inferences?limit=20&offset=0&model_id=job_abc123" \
    -H "X-API-Key: YOUR_API_KEY"
  ```

  ```python Python theme={null}
  import requests

  response = requests.get(
      "https://api.pioneer.ai/inferences",
      headers={"X-API-Key": "YOUR_API_KEY"},
      params={
          "limit": 20,
          "offset": 0,
          "model_id": "job_abc123"
      }
  )

  print(response.json())
  ```
</CodeGroup>

## 获取推理详情

`GET /inferences/:id` 返回单条过往推理的完整记录，包括输入文本、schema、模型响应和时间戳。

<CodeGroup>
  ```bash cURL theme={null}
  curl https://api.pioneer.ai/inferences/INFERENCE_ID \
    -H "X-API-Key: YOUR_API_KEY"
  ```

  ```python Python theme={null}
  import requests

  response = requests.get(
      "https://api.pioneer.ai/inferences/INFERENCE_ID",
      headers={"X-API-Key": "YOUR_API_KEY"}
  )

  print(response.json())
  ```
</CodeGroup>

## 提交反馈

`POST /inferences/:id/feedback` 允许您将一条过往推理标记为正确或不正确，并可选择附上更正后的输出。带有更正内容的“不正确”判定会被用作 Adaptive Inference 的标注训练样本。

<Note>
  在此提交的反馈会驱动 Adaptive Inference。这是 Pioneer 的持续改进闭环，会基于从线上流量收集到的更正自动重新训练您的模型。有关工作原理的详情，请参阅 [Adaptive Inference 指南](/guides/adaptive-inference)。
</Note>

### 请求参数

<ParamField body="verdict" type="string" required>
  对该推理的人工判定：`correct` 或 `incorrect`。
</ParamField>

<ParamField body="corrected_output" type="object">
  预期输出，其形状与原推理的输出相同（例如，对 NER 推理提供更正后的 `entities` 列表）。当 `verdict` 为 `incorrect` 时**必填**；当 `verdict` 为 `correct` 时必须省略或为 `null`。发送不正确的组合会返回 `422`。
</ParamField>

<ParamField body="notes" type="string">
  可选的自由文本审阅者备注。最多 5000 个字符。
</ParamField>

### 示例

<CodeGroup>
  ```bash cURL theme={null}
  curl -X POST https://api.pioneer.ai/inferences/INFERENCE_ID/feedback \
    -H "X-API-Key: YOUR_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
      "verdict": "incorrect",
      "corrected_output": {
        "entities": [
          {"text": "Apple", "label": "organization", "start": 0, "end": 5},
          {"text": "iPhone", "label": "product", "start": 18, "end": 24}
        ]
      },
      "notes": "Missed the product entity."
    }'
  ```

  ```python Python theme={null}
  import requests

  response = requests.post(
      "https://api.pioneer.ai/inferences/INFERENCE_ID/feedback",
      headers={
          "X-API-Key": "YOUR_API_KEY",
          "Content-Type": "application/json"
      },
      json={
          "verdict": "incorrect",
          "corrected_output": {
              "entities": [
                  {"text": "Apple", "label": "organization", "start": 0, "end": 5},
                  {"text": "iPhone", "label": "product", "start": 18, "end": 24}
              ]
          },
          "notes": "Missed the product entity."
      }
  )

  print(response.json())
  ```
</CodeGroup>

**响应**

<ResponseField name="inference_id" type="string">
  被标注的推理。
</ResponseField>

<ResponseField name="human_verdict" type="string">
  已存储的判定。
</ResponseField>

<ResponseField name="human_feedback_at" type="string">
  反馈提交时间的 ISO 8601 时间戳。
</ResponseField>

## 获取反馈

`GET /inferences/:id/feedback` 返回之前针对特定推理提交的反馈。如果尚未提交任何反馈，则返回 `404`。

<CodeGroup>
  ```bash cURL theme={null}
  curl https://api.pioneer.ai/inferences/INFERENCE_ID/feedback \
    -H "X-API-Key: YOUR_API_KEY"
  ```

  ```python Python theme={null}
  import requests

  response = requests.get(
      "https://api.pioneer.ai/inferences/INFERENCE_ID/feedback",
      headers={"X-API-Key": "YOUR_API_KEY"}
  )

  print(response.json())
  ```
</CodeGroup>

**响应**：形状与上文的[提交反馈](#提交反馈)响应相同。

## 相关内容

* [Pioneer 原生推理](/api-reference/inference/pioneer)：运行新的推理
* [Adaptive Inference 指南](/guides/adaptive-inference)：基于线上流量的持续模型改进