# Bailian Docs Llm Wiki

> >-

- **Type:** Skill
- **Install:** `agentstack add skill-modelstudioai-skills-bailian-docs-llm-wiki`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [modelstudioai](https://agentstack.voostack.com/s/modelstudioai)
- **Installs:** 0
- **Category:** [AI & ML](https://agentstack.voostack.com/c/ai-and-ml)
- **Latest version:** 0.1.0
- **License:** Apache-2.0
- **Upstream author:** [modelstudioai](https://github.com/modelstudioai)
- **Source:** https://github.com/modelstudioai/skills/tree/main/skills/bailian-docs-llm-wiki
- **Website:** https://modelstudioai.github.io/skills/

## Install

```sh
agentstack add skill-modelstudioai-skills-bailian-docs-llm-wiki
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

# 百炼文档知识库

> 阿里云百炼平台的完整技术文档知识库，涵盖模型使用、应用开发、API 参考等内容。

## 何时使用

当用户涉及以下场景时激活此 Skill：

- 查询百炼平台的模型列表、模型参数、调用方式（含具体模型的 contextWindow、QPM、定价、sample code 等结构化字段 → 查 `models/`）
- 查阅百炼 API 参数、请求/响应格式、错误码
- 了解百炼应用开发（智能体、RAG、知识库、记忆、插件等）
- 选择模型、比较模型能力、了解模型定价与限流
- 使用百炼 SDK / OpenAI 兼容接口
- 语音识别、语音合成、图片生成、视频生成等多模态能力
- Token Plan、计费、免费额度等商务问题

## 何时**不要**使用

下面这些场景与百炼文档无关，**不要激活**本 Skill：

- 询问 OpenAI / Anthropic / Google 等其他厂商的 API、模型或定价
- 通用编程问题、框架问题（React、Vue、Spring 等）
- `bl` CLI 命令本身的用法（那是 `bailian-cli` skill 的职责）
- 与百炼无关的阿里云产品（OSS、ECS、RDS 等）

## 文档层级

### 1. Wiki 层（合成层） — `wiki/`

由 LLM 自动合成的结构化 Wiki，包含三类页面：

- **主题页**：按功能领域聚合的综合文档（`wiki/guides/*.md`、`wiki/api/*.md`）
- **概念页**：跨主题的横切概念（`wiki/concepts/*.md`，如 RAG、流式输出、Function Calling 等）
- **对比页**：同类方案的结构化对比分析（`wiki/comparisons/*.md`，含对比表格）

**优先查阅 `wiki/index.md`，它是全部 wiki 页面的索引入口。**

每篇主题页末尾都有 `## 来源文档` 段落，列出对应的 raw 原文路径，可用于追溯和深度阅读。

### 2. Models 层（模型市场结构化数据） — `models/`

直接从百炼 console 网关 `listFoundationModels` 抓取的**结构化模型元数据**，
对应「模型广场」页面。涉及具体模型的能力、上下文长度、QPM 限流、定价、
官方 sample code 等问题时，优先查这里，比 wiki 更新更准。

**三层产物，单一数据源**（`families.jsonl` / `models.jsonl` 是机器查询入口，`index.md` 是 `families.jsonl` 的人类可读视图）：

- `models/index.md` — 按主能力分桶的家族索引（中文标签 + 模型代码 + 链接到明细 JSON），适合「概览扫一眼」
- `models/families.jsonl` — **每行一个家族**，含 `slug` / `name` / `description` / `primaryCapability` /
  `capabilities`（家族下所有 item 的并集）/ `providers` / `itemCount` / `maxContextWindow` / 轻量 `items[]`
  摘要（每个 item 只含 `model` / `name` / `contextWindow` / `capabilities` / `openSource`）/ `detailPath`。
  适合按家族筛选，例如：
  - 列出推理类家族：`jq -c 'select(.primaryCapability=="Reasoning") | {slug,name,itemCount}' families.jsonl`
  - 找包含某个 provider 的家族：`grep '"moonshot-ai"' families.jsonl | jq -c .slug`
- `models/models.jsonl` — **每行一个主干模型**（跨家族扁平），含 `model` / `family` / `capabilities` /
  `features` / `contextWindow` / `maxInputTokens` / `maxOutputTokens` / `prices`（精简）/ `qpmInfo`（精简）/
  `docUrl` / `detailPath`。适合跨家族批量查询，例如：
  - 列出所有 contextWindow ≥ 1M 的模型：`jq -c 'select(.contextWindow>=1000000)' models.jsonl`
  - 找支持 function-calling 的文本模型：`grep '"function-calling"' models.jsonl | jq -c '{model,family,contextWindow}'`

两份 JSONL 的 **join 字段**：`models.jsonl[].family == families.jsonl[].slug`。命中后按 `detailPath` 打开 `groups/.json` 取完整字段（`samples`、`predictConfig`）。

- `models/groups/.json` — 单个模型家族（如 `qwen3-max`、`deepseek`、`wan-image-to-video`）的完整明细：
  - 家族层：`name`、`description`
  - `items[]`：该家族下所有**主干模型版本**（剔除了带日期后缀的快照），保留字段：
    `model`（API 调用名）、`modelAlias`、`contextWindow`、`maxInputTokens`、`maxOutputTokens`、
    `capabilities`、`features`、`provider`、`docUrl`、`prices`、`qpmInfo`、
    `samples`（**调用示例**，扁平化结构：`samples...{curl,python,nodejs,java,docUrl}`，
    例如 `samples.openai.completionsAPI.python` 直接是代码字符串）、
    `predictConfig`（**模型调用入参定义**，含 `system`/`temperature`/`top_p`/`enable_search`/`enable_thinking` 等参数的
    `name`/`key`/`default`/`tip`/`range`，与百炼 Playground 对齐）
- `models/meta.json` — 增量爬取的指纹缓存，**不要给用户引用**

#### 能力代码（capability）映射

`index.md` 的章节标题与 `items[].capabilities[]` 用的是英文短代码，
对应中文含义如下：

| 代码 | 中文标签 |
| --- | --- |
| `TG` | 文本生成 |
| `Reasoning` | 推理 |
| `VU` | 视觉理解 |
| `IG` | 图像生成 |
| `VG` | 视频生成 |
| `TTS` | 语音合成 |
| `ASR` | 语音识别 |
| `Realtime-ASR` | 实时语音识别 |
| `Realtime-Text-to-Speech` | 实时语音合成 |
| `Realtime-Audio-Translate` | 实时音频翻译 |
| `Realtime-Omni` | 实时全模态 |
| `Multimodal-Omni` | 全模态 |
| `ME` | 多模态嵌入 |
| `TR` | 翻译 |
| `3D-generation` | 3D 生成 |

一个模型常常带多个 capability，`index.md` 中按 `capabilities[0]`（主能力）归类，
查找时按中文标签即可定位章节。

### 3. Raw 层（原始层） — `raw/`

从 help.aliyun.com 爬取的原始文档，按分类存放：

- `raw/model-user-guide/` — 模型使用指南
- `raw/application-user-guide/` — 应用使用指南
- `raw/model-api-reference/` — 模型 API 参考
- `raw/application-api-reference/` — 应用 API 参考

当 wiki / models 层信息不足时，从 raw 层获取完整原文。

## 强约束

- **回答必须基于 `wiki/` 或 `raw/` 下的实际文件内容**，不得凭印象编造 API、参数名、错误码或定价数字。
- **引用时附带相对路径**（如 `wiki/api/qwen-api.md`），方便用户验证。
- 如果在 `wiki-metadata.json` 中查到某页面 `qualityScore .json`
   - **跨家族筛选模型**（如「上下文 ≥ 1M 的模型」「支持 function-calling 的推理模型」）→ grep `models.jsonl`
   - **按家族维度筛选**（如「有哪些纯推理家族」「moonshot 旗下都有哪些家族」）→ grep `families.jsonl`
   - 命中后按 `detailPath` 打开对应 `groups/.json` 取 `samples` / `predictConfig` 等完整字段
2. **概念/使用方式查 wiki 索引**：读取 `wiki/index.md` 找到对应的主题页、概念页或对比页
3. **概念/对比优先**：跨领域问题或方案选型问题，优先看 `wiki/concepts/*` 与 `wiki/comparisons/*`
4. **回溯 raw 原文**：从主题页末尾的 `## 来源文档` 列表点进 `raw/.../*.md` 看完整细节
5. **全文索引**：`llms.txt` 含完整目录树，可快速定位
6. **特定参数/错误码**：直接在 `raw/` 下用 grep

## 快速定位映射

| 关键词                                | 推荐入口路径                                             |
| ------------------------------------- | -------------------------------------------------------- |
| 某模型的 contextWindow / 价格 / QPM / sample code / 入参定义 | `models/groups/.json`（从 `models/index.md` 找 slug） |
| **跨家族筛选模型**：按 contextWindow / capability / feature / price 批量查找 | `models/models.jsonl`（`grep` / `jq` 一行一模型） |
| **按家族筛选**：按 primaryCapability / providers / itemCount / maxContextWindow 找家族 | `models/families.jsonl`（一行一家族，含 items[] 摘要） |
| 模型家族总览 / 按能力分桶浏览         | `models/index.md`                                        |
| 主题页 / API 文档（按功能领域查找）    | `wiki/index.md`（完整索引入口）                          |
| 函数调用 | `wiki/concepts/function-calling.md` |
| 流式输出 | `wiki/concepts/streaming-output.md` |
| 多模态 | `wiki/concepts/multimodal.md` |
| 限流与吞吐 | `wiki/concepts/rate-limiting.md` |
| 计费 | `wiki/concepts/billing.md` |
| SDK 接入 | `wiki/concepts/sdk.md` |
| 模型选型 | `wiki/concepts/model-selection.md` |
| 地域与可用区 | `wiki/concepts/region.md` |
| 多模态生成 API 对比（图像/视频/3D） | `wiki/comparisons/multimodal-generation-api-comparison.md` |
| 模型优化方式对比（微调/压缩/高速推理） | `wiki/comparisons/model-optimization-methods-comparison.md` |
| 评测体系对比（应用评测 vs 模型评测） | `wiki/comparisons/evaluation-comparison.md` |
| 监控体系对比（应用监控 vs 模型监控） | `wiki/comparisons/monitoring-comparison.md` |
| 记忆能力对比（长期记忆 vs 记忆库） | `wiki/comparisons/memory-feature-comparison.md` |
| 应用调用方式对比（API 调用 vs 百炼应用调用） | `wiki/comparisons/application-calling-comparison.md` |

> 实际文件名以 `wiki/index.md` 为准；上表若有出入应回到索引页查找。

## 注意事项

- 文档持续更新，如遇矛盾以 `models/` > `raw/` > `wiki/` 的顺序为准
  （`models/` 直接拉自 console 网关，最新；`raw/` 是源站爬取；`wiki/` 是 LLM 合成可能滞后）

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [modelstudioai](https://github.com/modelstudioai)
- **Source:** [modelstudioai/skills](https://github.com/modelstudioai/skills)
- **License:** Apache-2.0
- **Homepage:** https://modelstudioai.github.io/skills/

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** yes
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/skill-modelstudioai-skills-bailian-docs-llm-wiki
- Seller: https://agentstack.voostack.com/s/modelstudioai
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.