Skip to main content
Pioneer REST API 允许您以编程方式运行推理、管理数据集、启动训练任务并评估模型。所有资源都位于同一个基础 URL 下,每个请求都使用您的 API 密钥进行身份验证。Pioneer 还提供与 OpenAI 和 Anthropic 兼容的端点,因此您可以与任何已支持这些格式的工具集成。 基础 URL: https://api.pioneer.ai

​
身份验证

每个请求都需要 X-API-Key 头。请在 Pioneer 控制面板 agent.pioneer.ai/api-keys 创建密钥,或在登录后打开 Settings -> API Keys。请参阅身份验证页面了解完整信息,包括密钥管理端点。

​
推荐工作流

在端到端构建微调模型时,请按以下顺序操作:
1

创建或上传数据集

使用 POST /generate 生成合成标注数据。响应中包含一个 job_id,请轮询 GET /generate/jobs/{job_id} 直到状态返回 ready。要上传您自己的标注数据,请使用三步上传流程:
  1. 调用 POST /felix/datasets/upload/url 获取预签名的 S3 URL,
  2. 将文件直接 PUT 到 S3,
  3. 调用 POST /felix/datasets/upload/process 触发处理。
轮询 GET /felix/datasets/{name}/{version} 直到状态为 ready。
有关完整详情,请参阅数据集页面。
2

启动训练任务

使用您的 model_name、datasets 和 base_model 调用 POST /felix/training-jobs。响应中包含一个 job_id,请为后续步骤保存它。
3

轮询训练状态

反复调用 GET /felix/training-jobs/:id,直到 status 字段为 complete。已完成的任务会包含 F1、精确率和召回率指标。
4

运行评估

使用您的训练任务 ID 和一个留出的数据集名称调用 POST /felix/evaluations,以在正式提供服务前验证性能。
5

运行推理

调用 POST /inference,将 base_model 设置为您的训练任务 ID,将 dataset_name 设置为您的留出数据集。您也可以使用任何基础模型 ID(例如 fastino/gliner2-base-v1)而无需微调。
在运行任何示例命令之前,请将 YOUR_DATASET_NAME 和 YOUR_TRAINING_JOB_ID 等占位符值替换为真实值。

​
端点分组

推理

使用 Pioneer 格式,或通过即插即用的 OpenAI 和 Anthropic 兼容端点,对微调模型或基础模型运行预测。

训练与数据

管理数据集、生成合成训练数据、启动并监控训练任务,以及运行评估。

项目

将资源组织到项目中,部署训练后的模型,并对项目端点运行推理。

API 密钥

在控制面板中创建密钥,然后以编程方式列出和撤销现有密钥。

​
OpenAI 和 Anthropic 兼容性

Pioneer 提供了 OpenAI 和 Anthropic SDK 的即插即用替代方案。将您现有的客户端指向 https://api.pioneer.ai/v1 并使用您的 Pioneer API 密钥即可,无需其他更改。 使用 extra_body(OpenAI SDK)或您客户端库中的等效额外参数机制传递诸如 schema 之类的 Pioneer 特定字段。