豆包助手 API

1
2
3
4
5
6
7
8（输出）
我能提供多维度实用帮助，核心能力覆盖以下几类：
- 知识解答：精准回答各类事实性问题，从常识到专业领域关键信息，复杂概念会用简单类比辅助理解。
- 内容创作：撰写文案、小说片段、方案等，能提供多组差异化版本，适配不同场景与受众需求。
- 实用工具：处理翻译（兼顾准确与场景化）、分析文档、生成/编辑图片，还能完成数据分析、复杂计算等任务。
- 情感陪伴：像朋友一样聊天，共情你的情绪，提供简短安慰或建议，也能分享轻松话题。

需要我帮你具体做件事吗？比如分析一份文档内容，或是写一段特定场景的文案。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19（思维链）
用户问“豆包App可以做什么？”，需要全面且有条理地列出核心功能，同时符合手机阅读体验，避免冗长。首先，得分类梳理功能，比如知识类、创作类、实用工具类，这样用户一目了然。  知识类方面，要涵盖常见需求，比如解答问题、翻译、医学健康建议，这些是基础且高频的，需要精准说明，比如医学建议要强调科学依据，避免误导。  创作类要突出多样性，文案、小说、方案等，满足不同用户的创作需求，同时提到差异化备选项，体现专业性。  实用工具类要贴近生活和工作，比如处理文档、生成图片视频、语音互动，这些功能能提升用户效率，需要明确列出具体操作，比如“读取PDF/Excel并总结”“陪练英语口语”。  然后，结尾追问要符合要求，找出关键信息点加粗，提供具体可执行的服务，比如“帮你生成一份专属的旅行计划文案”，让用户只需判断是否需要，保持友好自然。  还要注意格式，用列表和加粗突出重点，段落清晰，控制篇幅，确保手机上阅读方便，没有冗余信息，同时语言简洁专业，让用户快速了解豆包的核心能力。

（输出）
豆包能提供多维度服务，核心能力可分为三大类，满足你学习、创作、生活等多场景需求：
1. 知识问答与信息解读
 - 解答各类客观问题：从常识、学科知识到专业领域（如法律、科技），精准输出核心答案，复杂概念会用类比辅助理解。
 - 提供翻译服务：覆盖单词、短语、复杂句子，兼顾准确性与场景化，多含义表达会补充使用说明。
 - 给出医学健康建议：基于科学依据解读食品功效、药品使用（标注风险），区分中医与现代医学表述，不夸大功效。
2. 内容创作与优化
 - 定制多样化文案：包括营销文案、朋友圈文案、演讲稿等，提供≥3组差异化备选项，适配不同受众与场景。
 - 创作文学内容：支持小说片段、故事、散文等创作，注重语言质感与记忆点，可根据你的风格调整调性。
 - 优化文本：对现有内容进行润色、精简、扩写，提升表达流畅度与专业性。
3. 实用工具与互动服务
 - 处理文档与数据：读取PDF、Excel、Word等文件并总结，支持数据统计、格式转换，还能生成可视化图表。
 - 生成多媒体素材：根据文本描述绘制图片、生成视频脚本，也可对图片进行加字、换背景等编辑。
 - 提供语音互动：支持语音通话，可陪你练英语口语、唱歌，也能引导你完成声音克隆操作。

 如果你有具体需求，比如想为周末出行做准备，我可以帮你生成一份专属的短途旅行计划文案，需要试试吗？

1
2
3
4
5
6
7
8
9
10
11（搜索）
"搜索 2 个关键词，参考 5 篇资料","queries":["豆包App的功能介绍","豆包App可以做的事情"]

（输出）
豆包是一款功能强大的AI助手，能为用户提供多种服务，具体如下：
- 智能对话：作为24小时知识顾问，可回答历史、科学、技术、文化、地理等多领域问题，能理解上下文，通过追问帮助用户理清思路，解决复杂问题。
- 高效写作：拥有工作总结、营销文案、邮件、短视频脚本等多种模板，可分步骤生成内容，支持随时调整，还能通过金句模式提升文案感染力。
- AI搜索：输入问题后不仅返回链接，还直接给出整合答案，自动过滤低质量结果，提供权威信息，复杂问题时可自动搜索补充信息。
- 会议记录：会议中说“录音”可自动开启并转写，结束后自动生成纪要，标注重点、待办事项和责任人，支持多语言实时翻译，输出双语纪要。
- 文档处理：支持上传PDF、Word、图片等文件，可智能解析文档，总结核心观点，列出关键数据，进行中英对照翻译，还能将文档内容自动生成思维导图。
...

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77（思维链）
可能需要先确认“豆包App”是否指字节跳动的AI助手，用户可能混淆名称。得查官网或官方文档明确其功能范围，是否包含聊天、信息查询、内容生成等基础服务。还需验证是否支持多语言、图像识别等高级功能，以及是否有企业级应用案例。需要注意区分豆包与同类产品的差异点，比如是否整合抖音生态资源。同时得检查是否有2025年新增的AI功能或合作伙伴服务，比如智能硬件联动。需优先搜索最新产品手册和官方公告，避免引用过时信息。

（搜索）
"搜索 8 个关键词，参考 7 篇资料","queries":["豆包App可以做什么","豆包App 功能","豆包App 官方网站","豆包App 官方文档","豆包App 最新功能","豆包App 企业应用","豆包App AI 功能","豆包App 2025 更新"]

（思维链）
"用户询问豆包功能，先从基础入手：智能对话、文档处理、多模态创作等核心功能。需确认是否覆盖所有场景，比如教育、医疗、金融等行业应用。检查到2025年新增实时视频通话、音乐生成、AI播客等功能，可能遗漏了行业解决方案细节，比如企业API接口的具体应用。需验证是否有未提及的工具整合或高级分析功能，但现有信息已涵盖用户可能关心的工作、学习、生活全场景。进一步搜索可能带来更多细节，但现有信息已足够，现在就进入答复环节。

（输出）
"豆包是字节跳动推出的全能型AI助手，基于先进大模型技术，覆盖工作、学习、生活全场景，功能远超传统聊天工具。以下是其核心能力的详细解析：

一、基础交互与智能问答
1. 自然语言对话
支持普通话、方言语音输入，可连续对话并记忆上下文，像人类一样理解复杂指令。例如询问“秦始皇统一六国的时间”，能精准回答并拓展历史背景。
2. AI搜索与信息整合
输入问题后直接返回权威整合答案，无需跳转网页。例如搜索“5G技术特点”，会自动聚合高时效信息并结构化呈现。
3. 多模态交互
...

二、工作学习效率神器
1. 文档处理专家
- 智能解析：上传PDF、Word等文件，可自动总结核心观点、提取关键数据，如年报财务指标分析。
- 中英对照翻译：学术文献、商务合同边读边译，保留格式和专业术语。
- 思维导图生成：自动将文档内容转化为逻辑清晰的脑图，辅助梳理思路。
2. 高效写作工具
- 模板化创作：覆盖工作总结、营销文案、短视频脚本等50+模板，输入“小学三年级语文教案”即可生成完整教学计划。
- 分步骤优化：先出大纲再细化内容，支持实时润色和风格调整，如将“帮我写方案”改为“市场经理Q4活动策划”。
- 金句模式：添加“请用金句模式”可提升文案感染力，适合社交媒体推广。
3. 代码开发助手
支持Python、Java等30+编程语言，能生成可运行脚本并调试错误。例如输入“Python爬取天气数据并可视化”，可快速获得完整代码。

三、创意与艺术创作
1. AI绘画与设计
- 文生图：输入“海边日落，水彩风格”可生成1-4张候选图，支持调整细节如“添加帆船”。
- 图生图：上传参考图后可转换风格，如将风景照改为赛博朋克风。
- 实用工具：一键抠图、修复老照片、批量生成设计素材，适合自媒体和电商。
2. 视频生成与编辑
- 文本生视频：输入脚本自动生成画面、配音和字幕，支持1080P导出并分享至抖音。
- 图片生视频：单图添加动态效果和旁白，适合产品演示或教育培训。
- 对口型视频：上传人物照片后输入台词，生成自然对话视频，适合虚拟主播创作。

四、生活与健康助手
1. 日程与时间管理
- 语音设置提醒：直接说“今天10点开会，下午3点取快递”，自动同步手机日历并分类任务优先级。
- 会议记录神器：录音转文字并智能提取待办事项，支持多语言实时翻译，输出双语纪要。
2. 健康与生活服务
- 体检报告解读：分析指标异常并提供建议，如“低密度脂蛋白偏高如何调整饮食”。
- 本地生活推荐：基于抖音商家数据，根据口味和预算推荐附近餐厅，提供导航和团购链接。
- 旅行规划：输入目的地生成包含交通、景点、住宿的完整攻略，支持个性化调整。

五、企业级解决方案
1. 团队协作工具
- 企业API接口：可嵌入OA、CRM系统，实现审批流程自动化和客户咨询智能路由，已服务金融、电商数十家企业。
- 共享工作区：项目经理上传会议录音后自动生成待办清单，标注责任人与截止时间，提升协作效率。
2. 行业定制化
- 法律智能体：创建专属AI解答合同问题，引用具体法律条文并提供合规建议。
- 教育智能体：数学辅导AI可讲解习题，育儿智能体提供喂养和教育方案，支持多角色切换。

六、进阶隐藏技能
1. AI播客生成
上传PDF或网页链接，一键生成双人对话播客，语音效果接近真人，适合学习资料转音频。
2. 桌面端高效操作
- AI划词：任意界面选中文字后右键“翻译/解释/总结”，快捷键Alt+1实现网页全文翻译。
- 截图提问：Shift+Alt+A捕捉屏幕内容，识别图片中的文字并进行分析，如公式计算或图表解读。
3. 深度思考模式
复杂问题时开启“深度思考”，边想边搜并串联信息，如分析论文图表或诊断代码逻辑错误，响应延迟控制在800毫秒内。

七、使用技巧与最佳实践
1. 精准提问公式
采用“身份+需求+细节+格式”结构，例如“作为HR，请设计销售岗位面试题，5个核心问题用Markdown表格呈现”。
2. 隐私保护建议
不输入银行卡密码等敏感信息，重要文件处理后手动删除历史记录，避免数据留存。
3. 时段选择策略
长文写作等复杂任务建议在早上8-10点进行，模型响应速度提升40%。  从基础问答到专业创作，从个人效率到企业协作，豆包已进化为真正的“AI超级大脑”。无论是学生、职场人士还是创意工作者，都能通过其丰富功能实现生产力跃升。

立即体验三大隐藏技能：①对它说“记录今天的重要事情”；②上传老照片修复；③输入“生成30秒产品宣传视频脚本”，感受AI如何重塑工作生活范式。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46curl --location 'https://ark.cn-beijing.volces.com/api/v3/responses' \
--header "Authorization: Bearer $ARK_API_KEY" \
--header 'Content-Type: application/json' \
--header 'ark-beta-doubao-app: true' \
--data '{
    "model": "doubao-seed-2-1-pro-260915",
    "stream": true,
    "tools": [
        {
            "type": "doubao_app",
            "feature": {
                "ai_search": {
                    "type": "enabled",
                    "role_description": "你是科技领域助手，专业解答行业问题"
                },
                "chat": {
                    "type": "disabled"
                },
                "deep_chat": {
                    "type": "disabled"
                },
                "reasoning_search": {
                    "type": "disabled"
                }
            },
            "user_location": {
                "type": "approximate",
                "country": "中国",
                "region": "浙江",
                "city": "杭州"
            }
        }
    ],
    "input": [
        {
            "type": "message",
            "role": "user",
            "content": [
                {
                    "type": "input_text",
                    "text": "今天有什么AI领域热点新闻"
                }
            ]
        }
    ]
}'

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39import os
from arkruntime import Ark

# 从环境变量中获取API KEY
api_key = os.getenv('ARK_API_KEY')

client = Ark(
    base_url='https://ark.cn-beijing.volces.com/api/v3',  # 填写实际base_url
    api_key=api_key,
)

# 配置豆包助手 API 工具参数
tools = [{
    "type": "doubao_app",
    "feature": {
        "ai_search": {
            "type": "enabled",
            "role_description": "你是科技领域助手，专业解答行业问题"
        }
    },
    "user_location": {
        "type": "approximate",
        "country": "中国",
        "region": "浙江",
        "city": "杭州"
    }
}]

# 发送请求
response = client.responses.create(
    model="doubao-seed-2-1-pro-260915",
    input=[{"role": "user", "content": "今天有什么AI领域热点新闻"}],
    tools=tools,
    stream=True
)

# 处理响应
for event in response:
    print(event)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92package com.example.arkdemo;

import com.volcengine.ark.runtime.models.responses.*;
import com.volcengine.ark.runtime.service.ArkService;
import io.reactivex.Flowable;

import java.util.Arrays;
import java.util.HashMap;
import java.util.Map;

public class SimplifiedDoubaoArkExample {
    private static final String MODEL_NAME = "doubao-seed-2-1-pro-260915";

    public static void main(String[] args) {
        // 1. 获取环境变量中的API KEY
        String apiKey = System.getenv("ARK_API_KEY");
        if (apiKey == null) {
            System.out.println("ARK_API_KEY environment variable not set");
            return;
        }

        // 2. ArkService初始化
        ArkService service = ArkService.builder()
                .apiKey(apiKey)
                .baseUrl("https://ark.cn-beijing.volces.com/api/v3")
                .build();

        // 3. 启用豆包工具必需的请求头
        Map<String, String> headers = new HashMap<>();
        headers.put("ark-beta-doubao-app", "true");

        // 4. 构建工具配置
        DoubaoAppTool doubaoTool = DoubaoAppTool.builder()
                .feature(
                        DoubaoAppFeature.builder()
                                .aiSearch(
                                        DoubaoAppFeatureItem.builder()
                                                .type(DoubaoAppFeatureMode.ENABLED)
                                                .roleDescription("你是科技领域助手，专业解答行业问题")
                                                .build()
                                )
                                .build()
                )
                .userLocation(
                        UserLocation.builder()
                                .type(UserLocation.TypeEnum.APPROXIMATE)
                                .country("中国")
                                .region("浙江")
                                .city("杭州")
                                .build()
                )
                .build();

        // 5. 构建请求参数
        ResponsesRequest request = ResponsesRequest.builder()
                .model(MODEL_NAME)
                .stream(true) // 开启流式请求
                .tools(Arrays.asList(doubaoTool))
                .input(ResponsesInput.ofString("今天有什么AI领域热点新闻"))
                .build();
        ResponseCompletedEvent[] finalEventHolder = new ResponseCompletedEvent[1];

        try {
            // 6. 发送流式请求，遍历所有事件
            Flowable<ResponseStreamEvent> streamResponse = service.streamResponse(request, headers);
            streamResponse.blockingForEach(event -> {
                System.out.println(event); // 打印所有流式事件

                // 捕获最终完成事件
                if (event instanceof ResponseCompletedEvent) {
                    synchronized (SimplifiedDoubaoArkExample.class) {
                        finalEventHolder[0] = (ResponseCompletedEvent) event;
                    }
                }
            });

            // 7. 提取并打印工具使用统计
            ResponseCompletedEvent finalEvent = finalEventHolder[0];
            if (finalEvent != null && finalEvent.getResponse() != null && finalEvent.getResponse().getUsage() != null) {
                System.out.println("\n===== 工具使用统计 =====");
                System.out.println("tool_usage: " + finalEvent.getResponse().getUsage().getToolUsage());
                System.out.println("tool_usage_details: " + finalEvent.getResponse().getUsage().getToolUsageDetails());
            }
        } catch (Exception e) {
            System.err.println("Create Response Error: " + e.getMessage());
            return;
        } finally {
            // 关闭服务资源
            service.shutdownExecutor();
        }
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159package main

import (
    "context"
    "fmt"
    "io"
    "os"

    "github.com/volcengine/ark-runtime-go/arkruntime"
    "github.com/volcengine/ark-runtime-go/arkruntime/model/responses"
)

const (
    chatFeature            = "chat"
    deepChatFeature        = "deepChat"
    aiSearchFeature        = "aiSearch"
    reasoningSearchFeature = "reasoningSearch"
    doubaoHeader           = "ark-beta-doubao-app"
)

var featureToQuery = map[string]string{
    chatFeature:            "你好介绍一下你自己",
    deepChatFeature:        "为什么天空是蓝色",
    aiSearchFeature:        "今天的 AI 新闻",
    reasoningSearchFeature: "今天的 AI 新闻",
}

func main() {
    stream(chatFeature)
}

func stream(feature string) {
    client := arkruntime.NewClientWithApiKey(
        os.Getenv("ARK_API_KEY"),
        arkruntime.WithBaseUrl("https://ark.cn-beijing.volces.com/api/v3"),
    )
    ctx := context.Background()

    fmt.Println("----- round 1 -----")
    request := &responses.ResponsesRequest{
        Model: "doubao-seed-2-1-pro-260915",
        Input: textInput(featureToQuery[feature]),
        Tools: []responses.Tool{doubaoAppTool(feature)},
    }
    responseID, err := streamResponse(ctx, client, request)
    if err != nil {
        fmt.Printf("stream error: %v\n", err)
        return
    }

    fmt.Println("\n----- round 2 -----")
    followUp := &responses.ResponsesRequest{
        Model:              "doubao-seed-2-1-pro-260915",
        Input:              textInput("刚刚我们聊了什么"),
        Tools:              []responses.Tool{doubaoAppTool(feature)},
        PreviousResponseID: responses.NewOptString(responseID),
    }
    if _, err := streamResponse(ctx, client, followUp); err != nil {
        fmt.Printf("stream error: %v\n", err)
    }
}

func textInput(text string) responses.ResponsesInput {
    message := responses.ItemEasyMessage{
        Role: responses.NewOptMessageRole(responses.MessageRoleUser),
        Content: responses.NewContentItemArrayMessageContent(
            []responses.ContentItem{
                {
                    OneOf: responses.NewContentItemTextContentItemSum(
                        responses.ContentItemText{
                            Type: responses.ContentItemTextTypeInputText,
                            Text: text,
                        },
                    ),
                },
            },
        ),
    }
    return responses.NewInputItemArrayResponsesInput(
        []responses.InputItem{
            {OneOf: responses.NewItemEasyMessageInputItemSum(message)},
        },
    )
}

func doubaoAppTool(feature string) responses.Tool {
    enabled := responses.NewOptDoubaoAppFeatureMode(
        responses.DoubaoAppFeatureModeEnabled,
    )
    item := responses.NewOptDoubaoAppFeatureItem(
        responses.DoubaoAppFeatureItem{Type: enabled},
    )

    var features responses.DoubaoAppFeature
    switch feature {
    case chatFeature:
        features.Chat = item
    case deepChatFeature:
        features.DeepChat = item
    case aiSearchFeature:
        features.AiSearch = item
    case reasoningSearchFeature:
        features.ReasoningSearch = item
    }

    return responses.Tool{
        OneOf: responses.NewDoubaoAppToolToolSum(
            responses.DoubaoAppTool{
                Type:    responses.DoubaoAppToolTypeDoubaoApp,
                Feature: features,
            },
        ),
    }
}

func streamResponse(
    ctx context.Context,
    client *arkruntime.Client,
    request *responses.ResponsesRequest,
) (string, error) {
    stream, err := client.CreateResponsesStream(
        ctx,
        request,
        arkruntime.WithCustomHeader(doubaoHeader, "true"),
    )
    if err != nil {
        return "", err
    }

    var responseID string
    for {
        event, err := stream.Recv()
        if err == io.EOF {
            return responseID, nil
        }
        if err != nil {
            return responseID, err
        }
        handleEvent(event)
        if event.OneOf.Type == responses.ResponseCreatedEventResponseStreamEventSum {
            responseID = event.OneOf.ResponseCreatedEvent.Response.ID
        }
    }
}

func handleEvent(event *responses.ResponseStreamEvent) {
    switch event.OneOf.Type {
    case responses.ResponseDoubaoAppCallSearchSearchingEventResponseStreamEventSum:
        fmt.Printf("[searching] %s\n", event.OneOf.ResponseDoubaoAppCallSearchSearchingEvent.SearchingState.Or(""))
    case responses.ResponseDoubaoAppCallSearchCompletedEventResponseStreamEventSum:
        fmt.Printf("\n[search done] %s\n", event.OneOf.ResponseDoubaoAppCallSearchCompletedEvent.Summary.Or(""))
    case responses.ResponseDoubaoAppCallReasoningSearchCompletedEventResponseStreamEventSum:
        fmt.Printf("\n[reasoning search done] %s\n", event.OneOf.ResponseDoubaoAppCallReasoningSearchCompletedEvent.Summary.Or(""))
    case responses.ResponseDoubaoAppCallReasoningTextDeltaEventResponseStreamEventSum:
        fmt.Print(event.OneOf.ResponseDoubaoAppCallReasoningTextDeltaEvent.Delta.Or(""))
    case responses.ResponseDoubaoAppCallOutputTextDeltaEventResponseStreamEventSum:
        fmt.Print(event.OneOf.ResponseDoubaoAppCallOutputTextDeltaEvent.Delta.Or(""))
    }
}