《模型介绍页模板》自动化更新脚本 及 更新后的介绍页

docs/API快速开始文档.md

@@ -0,0 +1,51 @@
+# API 快速开始文档
+
+## 一、前置条件
+- 已注册账号并获取 API Key；
+  若未注册账号，请阅读：xxx
+  若未获取 API Key，请阅读：xxx
+- 
+
+
+## 二、API 请求示例
+
+### (1) cURL
+
+```curl
+
+
+```
+
+### (2) Python
+
+```python
+
+
+```
+
+### (3) JavaScript
+
+```javascript
+
+
+```
+
+
+## 三、
+
+
+## 四、错误码速查
+
+### 401：鉴权失败
+
+
+
+### 429：限流
+
+
+
+### 500：服务端错误
+
+
+
+其余错误排查方法详见：xxx

docs/FAQ与常见报错排查.md

@@ -0,0 +1 @@
+# FAQ 与常见报错排查

docs/HotAI国内API平台用户手册v1.md

@@ -0,0 +1,50 @@
+# HotAI 国内 API 平台用户手册
+
+## 一、平台简介
+
+HotAI 是一款国内 AI 模型 API 聚合平台，可一站式接入 DeepSeek、xxx、xxx 等多种主流模型。
+
+
+
+
+
+## 二、快速入门
+
+### 1. 访问平台
+
+
+
+
+### 2. 账号注册与登录
+
+
+
+
+### 3. 控制台概览
+
+
+
+
+## 三、API Key 管理
+
+
+
+
+
+## 四、模型列表与选择
+
+
+
+
+
+## 五、用量与计费
+
+
+
+
+
+## 六、常见问题快速索引
+
+
+
+

docs/模型介绍页模板.md

@@ -0,0 +1,10 @@
+# 模型介绍
+
+本平台提供的模型及其属性如下：
+
+| 编号 | 模型ID | 提供商 | 适用场景 | 模型能力 | 鉴权类型 | API格式 | 价格 | 上下文长度 | 流式输出 | JSON输出 | 基础测试 | 响应速度 | key状态 | 并发限制 | 接入状态 | 链接 | 更新时间 | 备注 |
+| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
+| 1 | deepseek-v4-flash | 官方渠道 | 高并发客服对话、长文档 RAG 问答、大批量文本处理（摘要 / 分类 / 打标）、轻量工具调用、内容批量生成。  | 100 万 token 超长上下文支持，高并发低延迟，价格远低于 Pro 版，支持多模式推理（non-think/think-high/think-max）。 | API BASE | OPENAI | 缓存命中输入仅 0.02 元 / 百万 tokens，缓存未命中输入1 元 / 百万 tokens，输出 2 元 / 百万 tokens。 | 1M | 支持 | 支持 | 已完成 | 非流式总延迟：约 1372ms 流式首 token 延迟：约 1274ms | 可用 | 2500 | 已接入 | https://api-docs.deepseek.com/zh-cn | 2026/7/1 | 流式对话中存在乱码 |
+| 2 | deepseek-v4-pro | 官方渠道 | 适合复杂推理、高精度代码开发、专业文档分析、高风险合规业务，是对质量要求远高于成本 / 延迟的旗舰场景首选。 | 旗舰级通用模型，1.6T 总参 / 49B 激活，1M 超长上下文，强推理 + 高精度代码 + 复杂 Agent 能力，性能比肩国际顶级模型，适合高要求复杂任务。 | API BASE | OEPNAI | 缓存命中输入仅 0.025 元 / 百万 tokens，缓存未命中输入3 元 / 百万 tokens，输出 6 元 / 百万 tokens。 | 1M | 支持 | 支持 | 已完成 | 非流式总延迟：约 1822ms 流式首 token 延迟：约 1107ms | 可用 | 500 | 已接入 | https://api-docs.deepseek.com/zh-cn | 2026/7/1 | 基础对话和流式对话中存在输出空白的现象 |
+| 3 | kimi-k2.6 | 官方渠道 | Kimi K2.6 适合灵活短任务、多模态结合代码、高频轻量调用。 | Kimi K2.6 是 Kimi 最新最智能的模型，Kimi K2.6 的通用 Agent、代码、视觉理解等综合能力得到全面提升，其中在博士级难度的完整版人类最后的考试（Humanity’s Last Exam）、在考察模型真实软件工程能力的 SWE-Bench Pro、评估 Agent 深度检索能力的 DeepSearchQA 等基准测试中均取得行业领先的成绩，同时支持文本、图片与视频输入，思考与非思考模式，对话与 Agent 任务。 | API BASE | OEPNAI | 缓存命中输入仅 1.1 元 / 百万 tokens，缓存未命中输入6.5 元 / 百万 tokens，输出 27 元 / 百万 tokens。 | 256K | 支持 | 支持 | 已完成 | 待测试 | 可用 | 3 | 已接入 | https://platform.kimi.com/docs/overview | 2026/7/2 | 模型可用性有待进一步测试。 |
+| 4 | kimi-k2.7-code | 官方渠道 | K2.7 Code 主打复杂编码、长工程、Agent 自动化等专业代码场景。 | Kimi K2.7 Code 是 Kimi 迄今最智能的 Coding 模型，在长上下文中更可靠地遵循指令，能以更高的成功率完成编程任务，同时支持文本、图片与视频输入，思考模式，对话与 Agent 任务。 | API BASE | OEPNAI | 缓存命中输入仅 1.3 元 / 百万 tokens，缓存未命中输入6.5 元 / 百万 tokens，输出 28 元 / 百万 tokens。 | 256K | 支持 | 支持 | 已完成 | 待测试 | 可用 | 3 | 已接入 | https://platform.kimi.com/docs/overview | 2026/7/3 | 模型可用性有待进一步测试。 |

scripts/feishu/.env.example

@@ -0,0 +1,16 @@
+FEISHU_APP_ID=cli_xxx
+FEISHU_APP_SECRET=xxx
+
+FEISHU_OPEN_BROWSER=true
+FEISHU_REDIRECT_URI=http://localhost:3001/
+FEISHU_OAUTH_STATE=hotai-test
+
+FEISHU_SAVE_USER_ACCESS_TOKEN=true
+FEISHU_USER_ACCESS_TOKEN=u-xxx
+
+FEISHU_WIKI_URL=https://pcn43kg7pnzs.feishu.cn/wiki/DG5cwq12EiuaQGk8UbtcaQKdnif
+FEISHU_FETCH_DOC_AFTER_AUTH=true
+
+FEISHU_DOC_OUTPUT=docs/feishu_content.txt
+FEISHU_SYNC_MODEL_TEMPLATE=true
+FEISHU_MODEL_TEMPLATE_PATH=docs/模型介绍页模板.md

scripts/feishu/fetch_wiki_doc.py

@@ -0,0 +1,211 @@
+# scripts/feishu/fetch_wiki_doc.py
+
+"""
+获取飞书知识库资源的文本内容。
+
+输入 URL 中 /wiki/ 后面的 token 是知识库节点 token。本脚本会先将它解析
+为实际云文档 token，再根据资源类型读取新版文档（docx）或电子表格（sheet）。
+"""
+
+from urllib.parse import urlparse
+
+import requests
+
+
+FEISHU_API_BASE = "https://open.feishu.cn/open-apis"
+SUPPORTED_OBJ_TYPES = {"docx", "sheet"}
+
+
+class FeishuApiError(RuntimeError):
+    pass
+
+
+def build_feishu_error(response, payload=None):
+    """保留飞书返回体和 log_id，方便根据错误码定位权限或参数问题。"""
+    log_id = response.headers.get("x-tt-logid")
+    if payload is None:
+        try:
+            payload = response.json()
+        except ValueError:
+            payload = response.text
+
+    detail = f"飞书 API 请求失败: HTTP {response.status_code}, response={payload}"
+    if log_id:
+        detail = f"{detail}, x-tt-logid={log_id}"
+    return FeishuApiError(detail)
+
+
+def extract_wiki_token(value):
+    """从 Wiki URL 中提取节点 token；如果传入本身就是 token，则原样返回。"""
+    if value.startswith("http://") or value.startswith("https://"):
+        path_parts = [part for part in urlparse(value).path.split("/") if part]
+        if len(path_parts) >= 2 and path_parts[0] == "wiki":
+            return path_parts[1]
+        raise ValueError(f"URL 不是有效的飞书知识库链接: {value}")
+    return value
+
+
+def request_json(method, url, *, user_access_token, **kwargs):
+    """统一封装飞书 OpenAPI 请求、鉴权头、JSON 解析和错误处理。"""
+    headers = kwargs.pop("headers", {})
+    headers["Authorization"] = f"Bearer {user_access_token}"
+
+    response = requests.request(method, url, headers=headers, timeout=20, **kwargs)
+    if not response.ok:
+        raise build_feishu_error(response)
+
+    try:
+        payload = response.json()
+    except ValueError as exc:
+        raise FeishuApiError(f"飞书 API 返回非 JSON 响应: {response.text}") from exc
+
+    if payload.get("code") != 0:
+        raise build_feishu_error(response, payload)
+    return payload
+
+
+def get_wiki_node(user_access_token, wiki_token):
+    """查询 Wiki 节点，拿到背后的真实资源类型和 obj_token。"""
+    payload = request_json(
+        "GET",
+        f"{FEISHU_API_BASE}/wiki/v2/spaces/get_node",
+        user_access_token=user_access_token,
+        params={"token": wiki_token},
+    )
+    return payload["data"]["node"]
+
+
+def get_docx_raw_content(user_access_token, document_id, *, lang=0):
+    """读取新版飞书文档 docx 的纯文本内容。"""
+    payload = request_json(
+        "GET",
+        f"{FEISHU_API_BASE}/docx/v1/documents/{document_id}/raw_content",
+        user_access_token=user_access_token,
+        params={"lang": lang},
+    )
+    return payload["data"]["content"]
+
+
+def get_spreadsheet_sheets(user_access_token, spreadsheet_token):
+    """读取电子表格中的工作表列表。"""
+    payload = request_json(
+        "GET",
+        f"{FEISHU_API_BASE}/sheets/v3/spreadsheets/{spreadsheet_token}/sheets/query",
+        user_access_token=user_access_token,
+    )
+    return payload["data"].get("sheets", [])
+
+
+def get_sheet_values(user_access_token, spreadsheet_token, sheet_id):
+    """读取单个工作表的全部单元格值。"""
+    payload = request_json(
+        "GET",
+        f"{FEISHU_API_BASE}/sheets/v2/spreadsheets/{spreadsheet_token}/values/{sheet_id}",
+        user_access_token=user_access_token,
+        params={
+            "valueRenderOption": "ToString",
+            "dateTimeRenderOption": "FormattedString",
+        },
+    )
+    return payload["data"].get("valueRange", {}).get("values", [])
+
+
+def stringify_cell(value):
+    """将飞书单元格返回值规整成适合文本输出的字符串。"""
+    if value is None:
+        return ""
+    if isinstance(value, list):
+        return " ".join(stringify_cell(item) for item in value if item is not None)
+    if isinstance(value, dict):
+        text = value.get("text") or value.get("name") or value.get("value")
+        if text is not None:
+            return stringify_cell(text)
+    return str(value)
+
+
+def normalize_table(values):
+    """补齐不等长行，保证后续可以稳定转换为 Markdown 表格。"""
+    if not values:
+        return []
+
+    width = max(len(row) for row in values)
+    return [
+        [stringify_cell(row[index]) if index < len(row) else "" for index in range(width)]
+        for row in values
+    ]
+
+
+def escape_markdown_table_cell(value):
+    """转义 Markdown 表格单元格中的特殊字符。"""
+    return value.replace("\\", "\\\\").replace("|", "\\|").replace("\n", "<br>")
+
+
+def values_to_markdown_table(values):
+    """把二维单元格数组转换为 Markdown 表格文本。"""
+    rows = normalize_table(values)
+    if not rows:
+        return "_空工作表_"
+
+    header = [escape_markdown_table_cell(cell) for cell in rows[0]]
+    body = [
+        [escape_markdown_table_cell(cell) for cell in row]
+        for row in rows[1:]
+    ]
+    separator = ["---"] * len(header)
+
+    lines = [
+        "| " + " | ".join(header) + " |",
+        "| " + " | ".join(separator) + " |",
+    ]
+    lines.extend("| " + " | ".join(row) + " |" for row in body)
+    return "\n".join(lines)
+
+
+def get_sheet_content(user_access_token, spreadsheet_token):
+    """读取电子表格中所有可见的普通工作表，并合并为 Markdown 文本。"""
+    sheets = get_spreadsheet_sheets(user_access_token, spreadsheet_token)
+    if not sheets:
+        return "未读取到任何工作表。"
+
+    sections = []
+    for sheet in sheets:
+        if sheet.get("hidden"):
+            continue
+        if sheet.get("resource_type") != "sheet":
+            continue
+
+        title = sheet.get("title") or sheet["sheet_id"]
+        values = get_sheet_values(user_access_token, spreadsheet_token, sheet["sheet_id"])
+        sections.append(f"## {title}\n\n{values_to_markdown_table(values)}")
+
+    if not sections:
+        return "未读取到可导出的普通工作表。"
+    return "\n\n".join(sections)
+
+
+def fetch_wiki_doc_content(user_access_token, wiki_url_or_token, *, lang=0):
+    """根据 Wiki 节点背后的资源类型，分发到 docx 或 sheet 的读取逻辑。"""
+    wiki_token = extract_wiki_token(wiki_url_or_token)
+    node = get_wiki_node(user_access_token, wiki_token)
+
+    obj_type = node["obj_type"]
+    obj_token = node["obj_token"]
+    if obj_type == "docx":
+        return node, get_docx_raw_content(user_access_token, obj_token, lang=lang)
+    if obj_type == "sheet":
+        return node, get_sheet_content(user_access_token, obj_token)
+
+    if obj_type not in SUPPORTED_OBJ_TYPES:
+        raise NotImplementedError(
+            f"暂不支持的知识库对象类型: {obj_type!r}。"
+            f"当前脚本支持的类型: {', '.join(sorted(SUPPORTED_OBJ_TYPES))}。"
+        )
+
+
+if __name__ == "__main__":
+    from main import main
+    import sys
+
+    if len(sys.argv) == 1 or sys.argv[1] not in {"serve", "fetch"}:
+        sys.argv.insert(1, "fetch")
+    main()