1、Chat是什么？
Chat，中文名 “古籍聊”，是古籍酷推出的一种新型API。它采用OpenAI API兼容接口标准，可无缝接入任意大模型客户端，用户只需在聊天对话框中即可便捷调用古籍酷的核心能力，完成基础的OCR、自动标点等任务。
2、Chat不是什么？
Chat并非通常意义上的大模型，更非近年流行的智能体。它可视作为接入现有大模型生态而构建的API中转服务，在功能上与传统API无本质差异，仍归属于判别式模型范畴，而非生成式模型。
3、Chat有哪些功能？
Chat目前包含三项功能（模型）：
- ocr： 古籍OCR；
- punctuate：自动标点；
- extract_text：提取文本。
其中前两者为古籍酷的传统能力，性能与现有API及网页版完全一致；后者为试验性新功能，基于最新的开源视觉语言模型（目前为PaddleOCR VL 1.6），可对多语言、多版式图像提取文字，用以满足竖排古籍之外的更多样化OCR需求。
4、古籍酷已经有了API和网页版，为什么还要做Chat？
API适用于自动化、批量化操作，但其调用方法和数据格式较复杂；网页版提供可视化界面，支持精细数据编辑，但需一定学习成本。
两者均对使用者专业能力有要求，更适合严谨、标准化的工业场景，而对偶发性强、时间碎片化的业余需求则略显笨重——例如，使用网页版至少需经历“打开浏览器、输入网址、登录、上传图片、下载结果”五个步骤。
Chat恰好弥补了这一空白，使古籍酷成为随手可用的轻量级工具。借助日益成熟的大模型生态，用户可直接复用熟悉的客户端软件与使用习惯，无需打开网页、安装定制软件、配置复杂参数或处理JSON格式，仅通过对话框进行两三次点击或复制粘贴即可完成操作，体验上更为便捷高效。
5、Chat免费吗？
古籍酷为所有注册用户提供Chat试用版。用户可在网站账号页获取Base URL和API Key，每日享有100万Token的免费额度（未来可能根据整体情况调整）。
试用版API Key有效期最长为14天，最短为1天，用户可自行在网站上选择最适合的有效期，刷新续期。
6、Chat的Token消耗量是如何计算的？
文本Token按文本字符数（Unicode字符）计。图像Token以25×25像素为基本单位，四舍五入取整，单张图像上限不超过40000，例如2000×1500像素的图像，消耗Token为(2000/25)×(1500/25)=4800。
对于文本类模型（如punctuate），输入和输出均为文本；对于图像类模型（ocr、extract_text），输入为图像，输出为文本。输入Token按实际量计算，输出Token按实际量的3倍计。总消耗为输入Token与输出Token之和。
需注意，图像Token受客户端影响：部分客户端会对过大图片进行缩放，Token按缩小后的图像计算，导致消耗偏小。
7、为什么用Token代表使用量，而不是次数或字数？
大模型服务普遍采用Token，因其能准确反映生成式模型的实际计算成本。
即便对古籍OCR这类非纯生成任务，Token同样适用——其内嵌ViT（视觉Transformer）架构，将图像切分为Patch序列，本质上是一种“视觉Token”的序列化处理，且语言模型后处理依赖文本Token。图像中文字越多，Patch与文本Token数量递增，计算负担随之加重。按次计量则忽略篇幅差异，无法真实反映资源占用。
此外，采用Token便于用户与主流大模型进行横向对比，做出性价比最优选择；同时统一了各类API的计量方式，减少换算麻烦。
8、哪些大模型客户端支持Chat？
原则上，任何支持OpenAI API兼容接口标准、且支持自定义模型的大模型客户端，均可接入Chat。
我们目前主要围绕Chatbox和Cherry Studio进行测试，尚无法逐一覆盖市面所有客户端。
9、如何在客户端接入Chat?
各客户端的操作步骤大同小异，基本流程如下：
- 登录古籍酷网站 gj.cool，在账号页 gj.cool/account 获取Base URL和API Key。
- 打开客户端，进入自定义模型的配置界面。
- 将Base URL粘贴至“API地址（或主机）”栏，将API Key粘贴至“API密钥”栏。
- 点击“获取模型列表”，选择全部三个模型。若客户端不支持自动获取，则需手动添加模型，分别输入模型ID：ocr、punctuate、extract_text，建立三个模型。
- 对于ocr和extract_text，还需在“编辑模型”界面将模型类型（或能力）设置为“视觉”（勾选相应选项即可）。
10、Chat支持哪些文件格式？
Chat支持的文件格式取决于客户端的能力。
对于图像文件，OpenAI API兼容标准要求以Base64格式传输，因此部分客户端可能无法将某些特殊格式转换为Base64。
对于文本文件，多数客户端可读取txt、docx等格式，但处理方式各异：有的直接转为字符串，有的则转换为XML格式，后者包含大量标签，可能干扰自动标点。
Chat后端已对此做了一定适配，但难以覆盖所有极端情况，后续将根据反馈持续优化。
11、Chat是否支持输入多个文件？
Chat支持一次输入多个文件，上限为50个。
当文件数量较多或总文本过长时，强烈建议在“对话设置”中勾选“流式输出”，以防响应时间过长导致请求失败。
部分客户端自身会限制单次请求的文件数量，超出部分将被忽略，不会发送至Chat后端。
此外，不同客户端对多个文本文件的处理逻辑略有差异（如合并为单条消息或保持多条），但一般不影响使用体验。
12、Chat是否支持流式输出？
Chat同时支持流式输出与非流式输出。
非流式与传统API类似，一次性返回全部结果；流式输出则逐片段实时返回生成内容，使用户获得渐进式反馈，提升交互体验。
用户可在客户端的对话设置中自由切换，以对比两者差异。
13、使用Chat与使用大模型有什么区别？
Chat与大模型的核心区别在于：Chat是一个封装传统API的简化接口，仅负责将输入的图像或文本传递给模型并返回结果，并未设计指令遵循机制（如提示词、角色设定、温度、Top P等）。
用户只需在对话框上传文件或粘贴文本并发送，无需输入任何额外参数，后端自动忽略所有相关配置。
客户端“对话设置”中通常有“上下文数”选项，强烈建议设为0。
因为Chat后端仅处理最近一条消息，历史消息被完全忽略，既不影响输出也不额外消耗Token。。
传输多余上下文只会占用带宽、拖慢速度，尤其对图像文件影响更大，因此不携带历史信息是最佳实践
14、Chat与API在功能上有哪些差别？
Chat的参数体系相较于API大幅精简，仅对个别模型实验性地提供少量自定义参数，如punctuate模型的keep_wrap（保留换行）选项。
这些参数仅在支持自定义参数的客户端（如Cherry Studio）中可调用，其他客户端无法利用。
在图像格式支持上，API覆盖范围更广，而Chat受限于客户端将图像转为Base64的能力。
此外，客户端会自动缩小大尺寸图像，因此对图像尺寸敏感、需要精确定位的OCR任务，建议使用API而非Chat。
15、除了客户端，Chat能否直接用程序调用？
可以。Chat遵循OpenAI API兼容接口标准，用户可自行编写脚本或开发客户端软件，填入正确的Base URL和API Key即可调用。