> 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" %}
此 API 仅适用于 Professional 套餐及更高套餐。
{% endhint %}

## 角色模型选择

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

可以使用 Update API 更改角色所使用的 LLM。目前支持以下模型。

### 实时 / Live 模型

#### OpenAI

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰级</th></tr></thead><tbody><tr><td>GPT Realtime 1.5（测试版）</td><td>gpt-realtime-1.5</td><td>false</td></tr><tr><td>GPT Realtime 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">旗舰级</th></tr></thead><tbody><tr><td>Gemini 3.8 Live</td><td>gemini-3.8-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">旗舰级</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 Instant</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">旗舰级</th></tr></thead><tbody><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">旗舰级</th></tr></thead><tbody><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">旗舰级</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">旗舰级</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">旗舰级</th></tr></thead><tbody><tr><td>Grok 4.3</td><td>grok-4.3</td><td>false</td></tr></tbody></table>

调用 update API 更新角色的模型时，请确保传入对应的 `Model Code` ，它对应于上表中的 `Model` 。

#### 请求头

| 名称                                              | 类型  | 说明                                         |
| ----------------------------------------------- | --- | ------------------------------------------ |
| CONVAI-API-KEY<mark style="color:红色;">\*</mark> | 字符串 | 为每位用户提供的唯一 API 密钥。登录 Convai 账户后，可在密钥图标下找到。 |

#### 请求正文

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

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

```json
{"STATUS": "SUCCESS"}
```

{% 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，用于演示此端点的请求格式 -->

{% 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 载荷创建字典
payload = { 
    "charID": "<Your-Character-Id>",
    "model_group_name": "claude-3-5-sonnet"
}

# 将载荷转换为 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`

与 AI 聊天时，温度设置就像是调节回答的创造性或可预测性。较低的温度会让 AI 更严格地依据已知信息作答（减少幻觉），而较高的温度则让回答更富想象力，也可能更出人意料（更适合角色扮演）。

#### 请求头

| 名称                                              | 类型  | 说明                                         |
| ----------------------------------------------- | --- | ------------------------------------------ |
| CONVAI-API-KEY<mark style="color:红色;">\*</mark> | 字符串 | 为每位用户提供的唯一 API 密钥。登录 Convai 账户后，可在密钥图标下找到。 |

#### 请求正文

| 名称          | 类型  | 说明                 |
| ----------- | --- | ------------------ |
| charID      | 字符串 | 角色的 ID。            |
| temperature | 浮点数 | 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": "SUCCESS"}
```

{% 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，用于演示此端点的请求格式 -->

{% 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 载荷创建字典
payload = { 
    "charID": "<Your-Character-Id>",
    "temperature": 0.42
}

# 将载荷转换为 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`

控制模型在回答前进行多少内部推理。更多推理通常能提升多步骤问题的处理能力和指令遵循能力，但会增加延迟和令牌用量。

支持情况因模型而异。请查询 [`/character/getSupportedModel`](#discovering-supported-reasoning-levels) 以确认模型接受哪些级别，然后再进行设置——模型不支持的值会被拒绝。

#### 请求头

| 名称                                              | 类型  | 说明                                         |
| ----------------------------------------------- | --- | ------------------------------------------ |
| CONVAI-API-KEY<mark style="color:红色;">\*</mark> | 字符串 | 为每位用户提供的唯一 API 密钥。登录 Convai 账户后，可在密钥图标下找到。 |

#### 请求正文

| 名称                | 类型  | 说明                                  |
| ----------------- | --- | ----------------------------------- |
| charID            | 字符串 | 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该设置。 |

#### 取值

| 值        | 行为                                                                                        |
| -------- | ----------------------------------------------------------------------------------------- |
| *（未设置）*  | 角色继承模型当前配置。所有从未设置过级别的角色都处于此状态。                                                            |
| `"auto"` | 不会向提供方发送推理参数，因此模型会采用自身的自适应默认行为——对困难请求进行更多推理，对简单请求进行更少推理。                                  |
| 受支持的级别   | 明确发送给提供方。常见取值包括 `none`, `minimal`, `low`, `medium`, `high`, `xhigh` 和 `max`，但可接受的取值因模型而异。 |

{% hint style="warning" %}
**未设置和 `"auto"` 并不相同。** 未设置会保留模型当前配置的行为。 `"auto"` 则会主动抑制该行为，改用提供方自身的自适应默认设置。发送空字符串会清除该设置，使角色恢复为未设置状态。
{% endhint %}

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

```json
{"STATUS": "SUCCESS"}
```

{% endtab %}

{% tab title="400 此模型不支持该级别" %}

```json
{
    "ERROR": "模型 'gemini-3.6-flash' 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 %}

### 查找支持的推理级别

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

支持推理控制的模型，其条目中包含一个 `reasoning` 块。不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             | String\[] | 此模型接受的级别，按推理量从少到多排列。              |
| supports\_auto | 布尔值       | 是否 `"auto"` 是此模型的有效值。             |
| 默认值            | 字符串       | 已知时，提供商自身的默认级别。适用于 `"auto"` 被选中时。 |

{% hint style="info" %}
应根据此区块构建级别选择器，而不是硬编码列表。提供商会随时间添加或重命名级别，而且不同模型系列接受的级别集合也不同——Gemini 的最低级别是 `minimal` 而 OpenAI 的最低级别是 `none`.
{% 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.
