> For the complete documentation index, see [llms.txt](https://docs.convai.com/api-docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.convai.com/api-docs/zh/api-can-kao/core-api-reference/character-crafting-apis/core-ai-settings-api.md).

# 核心 AI 设置 API

修改你的 Convai 角色核心 AI 设置所需的所有相关 API。

{% hint style="danger" %}
该 API 仅适用于专业版及以上套餐。
{% endhint %}

## 角色模型选择

<mark style="color:绿色;">`POST`</mark> `https://api.convai.com/character/update`

更新 API 可用于更改要用于角色的 LLM。目前支持以下模型。

### 实时 / 直播模型

#### OpenAI

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>GPT 实时 1.5（测试版）</td><td>gpt-realtime-1.5</td><td>false</td></tr><tr><td>GPT 实时 Mini（测试版）</td><td>gpt-realtime-mini</td><td>false</td></tr></tbody></table>

#### Google

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>Gemini 2.5 Flash Live（测试版）</td><td>gemini-2.5-flash-live</td><td>false</td></tr><tr><td>Gemma 4 31B Fast（测试版）</td><td>realtime-gemma-4-31b-it</td><td>false</td></tr><tr><td>Gemma 4 26B A4B Fast（测试版）</td><td>realtime-gemma-4-26b-a4b-it</td><td>false</td></tr></tbody></table>

### 标准模型

#### OpenAI

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>GPT-5.4</td><td>gpt-5.4</td><td>false</td></tr><tr><td>GPT-5.x（最新）</td><td>gpt-5.x</td><td>true</td></tr><tr><td>GPT-OSS-120B（测试版）</td><td>gpt-oss-120b</td><td>false</td></tr><tr><td>GPT-5.1（测试版）</td><td>gpt-5.1</td><td>false</td></tr><tr><td>GPT-4.1</td><td>gpt-4.1</td><td>false</td></tr><tr><td>GPT-5.4-nano</td><td>gpt-5.4-nano</td><td>false</td></tr><tr><td>GPT-5.x-nano（最新）</td><td>gpt-5.x-nano</td><td>true</td></tr><tr><td>GPT-5.4-mini</td><td>gpt-5.4-mini</td><td>false</td></tr><tr><td>GPT-5.x-mini（最新）</td><td>gpt-5.x-mini</td><td>true</td></tr><tr><td>GPT-4.1-mini</td><td>gpt-4.1-mini</td><td>false</td></tr><tr><td>GPT-5.3 即时版</td><td>gpt-5.3-instant</td><td>false</td></tr><tr><td>GPT-4o</td><td>gpt-4o</td><td>false</td></tr><tr><td>GPT-4.1-nano</td><td>gpt-4.1-nano</td><td>false</td></tr><tr><td>GPT-4o-mini</td><td>gpt-4o-mini</td><td>false</td></tr></tbody></table>

#### Anthropic

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>Claude 4.5 Sonnet（测试版）</td><td>claude-4-5-sonnet</td><td>false</td></tr><tr><td>Claude 4.5 Haiku（测试版）</td><td>claude-4-5-haiku</td><td>false</td></tr><tr><td>Claude Sonnet（最新）</td><td>claude-sonnet</td><td>true</td></tr><tr><td>Claude Haiku（最新）</td><td>claude-haiku</td><td>true</td></tr></tbody></table>

#### Google

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>Gemini 3.5 Flash</td><td>gemini-3.5-flash</td><td>false</td></tr><tr><td>Gemini Flash（最新）</td><td>gemini-flash</td><td>true</td></tr><tr><td>Gemini 3.1 Flash Lite</td><td>gemini-3.1-flash-lite</td><td>false</td></tr><tr><td>Gemini Flash Lite（最新）</td><td>gemini-flash-lite</td><td>true</td></tr><tr><td>Gemini 2.5 Flash</td><td>gemini-2.5-flash</td><td>false</td></tr><tr><td>Gemini 2.5 Flash Lite</td><td>gemini-2.5-flash-lite</td><td>false</td></tr></tbody></table>

#### Qwen

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>Qwen3.6 27B（测试版）</td><td>qwen3.6-27b</td><td>false</td></tr><tr><td>Qwen3.6 35B A3B（测试版）</td><td>qwen3.6-35b-a3b</td><td>false</td></tr></tbody></table>

#### Llama

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>Llama 4 Maverick（测试版）</td><td>llama-4-maverick</td><td>false</td></tr><tr><td>Llama 4 Scout（测试版）</td><td>llama-4-scout</td><td>false</td></tr><tr><td>Llama3 70B</td><td>llama3-70b</td><td>false</td></tr></tbody></table>

#### xAI

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>Grok 4.3</td><td>grok-4.3</td><td>false</td></tr></tbody></table>

调用更新 API 更新角色模型时，请确保传入 `模型代码` 相应的 `模型` 。

#### 标头

| 名称                                              | 类型  | 说明                                          |
| ----------------------------------------------- | --- | ------------------------------------------- |
| CONVAI-API-KEY<mark style="color:红色;">\*</mark> | 字符串 | 每个用户提供的唯一 api-key。在登录 Convai 账户后，可在钥匙图标下找到。 |

#### 请求体

| 名称                 | 类型  | 说明                  |
| ------------------ | --- | ------------------- |
| charID             | 字符串 | 您角色的 ID。            |
| model\_group\_name | 字符串 | 要更新到的模型的模型代码。请参见上表。 |

{% tabs %}
{% tab title="200：OK 模型已成功更新。" %}

```json
{"STATUS": "成功"}
```

{% endtab %}

{% tab title="401 API 密钥验证失败" %}

```json
{
    "API_ERROR": "提供的 API 密钥无效。
}
```

{% endtab %}
{% endtabs %}

以下是一些示例代码，用于演示该端点的请求格式 -->

{% tabs %}
{% tab title="Python" %}
{% code overflow="wrap" %}

```python
import requests
import json

url = "https://api.convai.com/character/update"

headers = { 
    'CONVAI-API-KEY': '<Your-API-Key>',
    'Content-Type': 'application/json'
}

# 为 JSON 负载创建一个字典
payload = { 
    "charID": "<Your-Character-Id>",
    "model_group_name": "claude-3-5-sonnet"
}

# 将负载转换为 JSON
json_payload = json.dumps(payload)

response = requests.post(url, headers=headers, data=json_payload)

print(response.text)

```

{% endcode %}
{% endtab %}

{% tab title="cURL" %}
{% code overflow="wrap" %}

```shell
curl -X POST "https://api.convai.com/character/update" \
     -H "CONVAI-API-KEY: <Your-API-Key>" \
     -H "Content-Type: application/json" \
     -d '{
           "charID": "<Your-Character-Id>",
           "model_group_name": "claude-3-5-sonnet"
         }'
```

{% endcode %}
{% endtab %}
{% endtabs %}

## 温度设置

<mark style="color:绿色;">`POST`</mark> `https://api.convai.com/character/update`

当你与 AI 聊天时，温度设置就像是在调节回复会有多有创意或多可预测。较低的温度会让 AI 更贴近它确定知道的内容（更少幻觉），而较高的温度则会让它更具想象力，并可能带来意想不到的结果（更好的角色扮演）。

#### 标头

| 名称                                              | 类型  | 说明                                          |
| ----------------------------------------------- | --- | ------------------------------------------- |
| CONVAI-API-KEY<mark style="color:红色;">\*</mark> | 字符串 | 每个用户提供的唯一 api-key。在登录 Convai 账户后，可在钥匙图标下找到。 |

#### 请求体

| 名称          | 类型    | 说明                 |
| ----------- | ----- | ------------------ |
| charID      | 字符串   | 您角色的 ID。           |
| temperature | Float | 温度值。必须介于 0 和 1 之间。 |

{% tabs %}
{% tab title="200：OK 温度已成功更新" %}

```json
{"STATUS": "成功"}
```

{% endtab %}

{% tab title="401 API 密钥验证失败" %}

```json
{
    "API_ERROR": "提供的 API 密钥无效。
}
```

{% endtab %}
{% endtabs %}

以下是一些示例代码，用于演示该端点的请求格式 -->

{% tabs %}
{% tab title="Python" %}
{% code overflow="wrap" %}

```python
import requests
import json

url = "https://api.convai.com/character/update"

headers = { 
    'CONVAI-API-KEY': '<Your-API-Key>',
    'Content-Type': 'application/json'
}

# 为 JSON 负载创建一个字典
payload = { 
    "charID": "<Your-Character-Id>",
    "temperature": 0.42
}

# 将负载转换为 JSON
json_payload = json.dumps(payload)

response = requests.post(url, headers=headers, data=json_payload)

print(response.text)

```

{% endcode %}
{% endtab %}

{% tab title="cURL" %}
{% code overflow="wrap" %}

```shell
curl -X POST "https://api.convai.com/character/update" \
     -H "CONVAI-API-KEY: <Your-API-Key>" \
     -H "Content-Type: application/json" \
     -d '{
           "charID": "<Your-Character-Id>",
           "temperature": 0.42
         }'
```

{% endcode %}
{% endtab %}
{% endtabs %}

***

## 推理级别设置

<mark style="color:绿色;">`POST`</mark> `https://api.convai.com/character/update`

控制模型在回答前执行多少内部推理。更多推理通常可改善多步问题和指令遵循，但代价是更高的延迟和 token 用量。

支持情况按模型而定。查询 [`/character/getSupportedModel`](#discovering-supported-reasoning-levels) 以了解某个模型在设置前接受哪些级别——模型不支持的值会被拒绝。

#### 标头

| 名称                                              | 类型  | 说明                                          |
| ----------------------------------------------- | --- | ------------------------------------------- |
| CONVAI-API-KEY<mark style="color:红色;">\*</mark> | 字符串 | 每个用户提供的唯一 api-key。在登录 Convai 账户后，可在钥匙图标下找到。 |

#### 请求体

| 名称                | 类型  | 说明                                  |
| ----------------- | --- | ----------------------------------- |
| charID            | 字符串 | 您角色的 ID。                            |
| reasoning\_effort | 字符串 | 所选模型支持的级别，或 `"auto"`。发送空字符串即可清除此设置。 |

#### 取值

| 值        | 行为                                                                                    |
| -------- | ------------------------------------------------------------------------------------- |
| *（未设置）*  | 角色会继承模型的任何配置。这是每个从未设置过级别的角色所处的状态。                                                     |
| `"auto"` | 不会向提供方发送推理参数，因此模型会应用其自适应默认值——在困难请求上更多推理，在简单请求上更少推理。                                   |
| 受支持的级别   | 显式发送给提供方。常见取值有 `无`, `minimal`, `low`, `medium`, `high`, `xhigh` 和 `max`，但可接受的集合因模型而异。 |

{% hint style="warning" %}
**未设置并且 `"auto"` 是不同的。** 未设置会保留模型已配置的行为。 `"auto"` 会主动抑制它，使提供方自己的自适应默认值生效。发送空字符串会清除此设置，并将角色恢复到未设置状态。
{% endhint %}

{% tabs %}
{% tab title="200：OK 推理级别已成功更新" %}

```json
{"STATUS": "成功"}
```

{% endtab %}

{% tab title="400 此模型不支持该级别" %}

```json
{
    "ERROR": "该模型的 reasoning_effort 'xhigh' 无效。支持的值：minimal、low、medium、high、auto。"
}
```

{% endtab %}

{% tab title="401 API 密钥验证失败" %}

```json
{
    "API_ERROR": "提供的 API 密钥无效。"
}
```

{% endtab %}
{% endtabs %}

{% tabs %}
{% tab title="Python" %}
{% code overflow="wrap" %}

```python
import requests
import json

url = "https://api.convai.com/character/update"

headers = {
    'CONVAI-API-KEY': '<Your-API-Key>',
    'Content-Type': 'application/json'
}

payload = {
    "charID": "<Your-Character-Id>",
    "reasoning_effort": "auto"
}

response = requests.post(url, headers=headers, data=json.dumps(payload))

print(response.text)
```

{% endcode %}
{% endtab %}

{% tab title="cURL" %}
{% code overflow="wrap" %}

```shell
curl -X POST "https://api.convai.com/character/update" \
     -H "CONVAI-API-KEY: <Your-API-Key>" \
     -H "Content-Type: application/json" \
     -d '{
           "charID": "<Your-Character-Id>",
           "reasoning_effort": "auto"
         }'
```

{% endcode %}
{% endtab %}
{% endtabs %}

### 发现受支持的推理级别

<mark style="color:绿色;">`POST`</mark> `https://api.convai.com/character/getSupportedModel`

支持推理控制的模型在其条目中包含一个 `reasoning` 块。不包含该块的模型不支持此设置。

```json
{
  "model_group_name": "gpt-5.6-luna-none",
  "display_name": "GPT-5.6 Luna",
  "reasoning": {
    "levels": ["none", "low", "medium", "high"],
    "supports_auto": true,
    "default": "medium"
  }
}
```

| 字段             | 类型    | 说明                                      |
| -------------- | ----- | --------------------------------------- |
| 级别             | 字符串数组 | 该模型接受的级别，按推理能力从低到高排序。                   |
| supports\_auto | 布尔值   | 是否 `"auto"` 是该模型的有效值。                   |
| 默认             | 字符串   | 提供方自身的默认级别（如已知）。在以下情况下适用： `"auto"` 被选中。 |

{% hint style="info" %}
请基于此块构建任何级别选择器，而不是硬编码列表。提供方会随时间添加和重命名级别，而且不同模型家族接受的集合也不同——Gemini 的最低级别是 `minimal` 而 OpenAI 的最低级别是 `无`.
{% endhint %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.convai.com/api-docs/zh/api-can-kao/core-api-reference/character-crafting-apis/core-ai-settings-api.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.