📗 第 8 章 · Features of the AI

所属课程：课程 004 Building with the the AI API
官方章节名：Features of the AI
课时数：9
CCAR-F 主命中领域：D5 15% ＋ D3
归档日期：2026-10-15

📋 本章课时清单

🎯 本章考点提示

D5（15%）＋ D3，9 课时。extended thinking、图像、PDF、citations、prompt caching（3 课时）、代码执行与 Files API。

考场辨析（据精译反推，待官方 Quiz 验证）：

• 何时开启扩展思考：先用提示评估优化提示词；只有准确率仍不达标时才开启，并接受额外成本与延迟。
• 缓存何时命中：断点之前（含断点）的内容必须完全一致；哪怕改动一个词，缓存都会失效。
• 缓存何时有收益：同一内容被反复发送时才有收益；只发送一次的内容放进缓存没有意义。
• Files API 与代码执行：容器没有网络，数据进出都要经由 Files API；生成的文件通过 code_execution_output 块中的文件 ID 下载。

  ⭐ Prompt caching 三连（Prompt caching / Rules of prompt caching / Prompt caching in action）是 D5 降本降延迟的正面考点，对应官方 What You'll Learn 第 9 条（"Implement prompt caching strategies to optimize API usage and reduce latency"）。 ⭐ 第 8 条（"Utilize the AI's extended features including extended thinking mode, image analysis, PDF processing, and citation generation"）覆盖本章前四课：扩展思考、图片、PDF、引用。

📖 逐课精译

课时 1 · Extended thinking

🎯 本课学习目标（据精译反推）

1. 能说出扩展思考（extended thinking）的定义：模型在作答前先做推理，推理过程以思考块的形式返回。
2. 能说出开启的代价（思考 token 计费、延迟增加、响应处理更复杂）与"先优化提示、再开启思考"的使用顺序。
3. 能说出签名（signature）与脱敏块（redacted）的作用，并知道 thinking_budget 与 max_tokens 的约束关系。

类型：🎬 视频 ｜ lesson ID：287773 ｜ 官方直链

• 精译状态：✅ 已精译（2026-10-27，用户粘贴讲稿）
• 官方原句：
• Extended thinking is the AI's advanced reasoning feature that gives the model time to work through complex problems before generating a final response.
• Think of it as the AI's "scratch paper" - you can see the reasoning process that leads to the answer, which helps with transparency and often results in better quality responses.
• Important Note: Extended Thinking is not compatible with some other features, notable message pre-filling and temperature.
• The decision is straightforward: use your prompt evaluations. Run your prompts without thinking first, and if the accuracy isn't meeting your requirements after you've already optimized your prompt, then consider enabling extended thinking.
• The signature is a cryptographic token that ensures you haven't modified the thinking text.
• 精译：
• 是什么：扩展思考（Extended thinking）是 the AI 的高级推理功能，让模型在生成最终回答之前有时间逐步处理复杂问题。可以把它理解为 AI 的"草稿纸"：你能看到得出答案的推理过程，这既有助于透明度，也常让回答质量更高。
• 响应结构：启用后，回复从单一文本块变为结构化的两部分：推理过程（思考块）与最终答案。
• 优点：复杂任务的推理能力更强；难题上的准确率更高；推理过程更透明。
• 代价：成本更高（思考 token 同样计费）；延迟增加（思考需要时间）；代码中的响应处理更复杂。
• 使用时机（考点）：先用提示词评估来决定是否开启。先关闭思考运行提示词；只有在提示词已充分优化、准确率仍不达标时，才考虑开启。它是标准提示工程不够用时的工具，不是默认配置。
• 签名（signature）：思考块附带一个密码学令牌，用来确认思考文本没有被修改。这防止开发者篡改 AI 的推理过程，而篡改可能把模型引向不安全的方向。
• 脱敏思考（redacted thinking）：通常发生在思考过程被内部安全系统标记时，你收到的是脱敏块而不是可读文本。脱敏内容以加密形式保存了真实思考；你可以把完整消息原样传回给模型，后续对话不会丢失上下文。
• 实现要点：聊天函数增加两个参数，thinking（布尔值，默认 False）和 thinking_budget（默认 1024）。thinking_budget 是模型用于推理的 token 上限，最小值 1024，且 max_tokens 必须大于该预算。开启时在请求参数中加入 thinking 配置，调用方式为 chat(messages, thinking=True)。
• 测试脱敏响应：可以用一个特定触发字符串强制模型返回脱敏块，验证应用能否优雅地处理它而不崩溃。
• 本章新生词：已回灌 30-单词表/04- 第 8 章速查分组（课时 1，8 条）
• 考点映射：映射表把本课标为 D1 1.1（思考作为 Orient/Plan 环节）⭐，次命中 D3。
• ⚠️ 核对项：讲稿示例把预算参数写作 budget，而我所知的官方 Messages API 字段名是 budget_tokens。实际编码前需以官方文档为准。
• ⚠️ 限制：启用思考与修改 temperature、消息预填（pre-filling）不兼容，完整清单见讲稿中的兼容性链接。

课时 2 · Image support

🎯 本课学习目标（据精译反推）

1. 能说出单次请求的图片限制：数量、单图大小、像素上限（单图 8000px，多图 2000px）与 token 公式。
2. 能写出图片块与文本块并列的消息结构，并说出 base64 与 URL 两种传入方式。
3. 能用分步分析、单样本示例改进简单提问的准确率。

类型：🎬 视频 ｜ lesson ID：287778 ｜ 官方直链

• 精译状态：✅ 已精译（2026-10-27，用户粘贴讲稿）
• 官方原句：
• the AI's vision capabilities let you include images in your messages and ask the AI to analyze them in countless ways.
• Each image counts as tokens based on its dimensions: tokens = (width px × height px) / 750
• Simple prompts often lead to poor results. For example, asking "How many marbles are in this image?" might return an incorrect count.
• Using one-shot or multi-shot examples
• Rather than a simple prompt like "provide a fire risk score," a well-structured prompt breaks down the analysis into specific steps.
• 精译：
• 能力：视觉能力让你可在消息中附带图片，要求 AI 以多种方式分析：描述内容、比较多张图、计数，或做复杂的视觉分析。
• 限制（考点）：单个请求中所有消息合计最多 100 张图；单图最大 5MB；单张图高宽上限 8000px，多张图时上限 2000px；图片可用 base64 编码或 URL 传入；图片 token 数按公式计算：tokens = (宽 px × 高 px) / 750。
• 消息结构：用户消息中，图片块（type: image，source 为 base64，带 media_type）与文本块并列。图片块在前、文本块在后是示例写法，不是强制顺序。
• 消息流：与纯文本一样，服务端发送含图片块与文本块的用户消息，模型以文本块回复分析结果。
• 提示技巧（核心）：图像任务同样适用文本的提示工程方法。简单提问容易出错（例：问"这张图里有几颗弹珠"可能数错），常用手段有三类：提供详细的指导与分析步骤；使用单样本或多样本示例；把复杂任务拆成小步骤。
• 分步分析：把问题改为方法论，例如先逐个识别并编号，再从左下角开始逐行左到右复核，最后给出经验证的确切数字。
• 单样本示例：在消息里先放一张已知答案的图和正确答案，再放目标图片，为模型提供分析类型的参照。
• 实战案例（火灾风险评估）：保险公司用卫星图评估住宅火灾风险，而不是派人逐户勘察。好的提示词把任务拆成五步：先定位主住宅（最大的有顶结构、车道连接、与车库/棚屋/泳池区分）；再检查树冠对屋顶的覆盖比例（0–25%、25–50%、50–75%、75%+）；评估火灾脆弱点（余烬着落点、连续燃料路径、烟囱和通风口的邻近度）；检查防御空间（树冠是否连成一片、是否存在燃料梯）；最后按 1–4 级评级。每一步写一句结论，最终回复只给数字评级。
• 要点：同样的提示技巧适用于文本与图片。想要可靠结果，就写结构化的详细提示，而不是依赖简单提问。
• 本章新生词：已回灌 30-单词表/04- 第 8 章速查分组（课时 2，见下方统计）
• 考点映射：映射表标 D3 支撑（多模态输入处理）；本课与 D3 3.1（结构化提示）的分步写法直接相关。
• ⚠️ 核对项：讲稿中的 add_user_message 与 chat 是课程示例的自定义辅助函数，不是官方 SDK 的函数名，实际编码时以官方 SDK 为准。
• ⚠️ 核对项：讲稿给出的图片限制（100 张、5MB、8000px / 2000px、/750 计算公式）来自课程原文，实际使用前请以官方文档为准，因为这些数字可能随版本变化。

课时 3 · PDF support

🎯 本课学习目标（据精译反推）

1. 能说出从图片代码改为 PDF 代码需要改的四处：扩展名、变量名、内容块类型、媒体类型。
2. 能说出 PDF 处理能覆盖的内容：文字、图表、表格与文档结构。

类型：🎬 视频 ｜ lesson ID：287768 ｜ 官方直链

• 精译状态：✅ 已精译（2026-10-27，用户粘贴讲稿）
• 官方原句：
• the AI can read and analyze PDF files directly, making it a powerful tool for document processing.
• This capability works similarly to image processing, but with a few key differences in how you structure your code.
• the AI's PDF processing capabilities go beyond simple text extraction.
• Text content throughout the document / Images and charts embedded in the PDF / Tables and their data relationships / Document structure and formatting
• 精译：
• 能力：模型可以直接读取并分析 PDF 文件，是文档处理的有力工具。它的用法与图片处理相似，区别在于代码结构上的几处细节。
• 代码改动（核心）：在图片代码的基础上做四处修改。文件扩展名由 .png 改为 .pdf；变量名由 image_bytes 改为 file_bytes，以求清晰；内容块类型由 "image" 改为 "document"；媒体类型由 "image/png" 改为 "application/pdf"。
• 消息结构：用户消息中，文档块（type: document，source 为 base64，media_type 为 application/pdf）与文本块并列，示例文本为"用一句话总结这份文档"。
• 能力范围：不止于抽取纯文本。模型可以理解整份文档的文字内容、嵌入的图片与图表、表格及其数据关系，以及文档结构与排版。
• 适用场景：摘要、数据分析、特定内容抽取，都可以用同一套方法完成。
• 示例：讲稿演示的是把一篇维基百科"地球"条目存成 PDF 后，用一句话完成总结。
• 本章新生词：已回灌 30-单词表/04- 第 8 章速查分组（课时 3，见下方统计）
• 考点映射：映射表标 D3 支撑（多模态输入处理）；本课与第 2 课图片的消息结构相同，是同一类多模态输入。
• ⚠️ 核对项：讲稿中的 add_user_message 与 chat 仍是课程示例的自定义辅助函数，不是官方 SDK 函数名，实际编码时以官方 SDK 为准。
• ⚠️ 核对项：讲稿说"Images and charts embedded in the PDF"与"Tables"等能力是课程的描述，PDF 的页数上限、体积上限等限制讲稿未提及，实际使用前请查官方文档。

课时 4 · Citations

🎯 本课学习目标（据精译反推）

1. 能说出启用引用的两个字段（title 与 citations.enabled），并说出引用的五项信息。
2. 能区分 PDF 来源（按页码定位）与纯文本来源（按字符位置定位）。

类型：🎬 视频 ｜ lesson ID：287771 ｜ 官方直链

• 精译状态：✅ 已精译（2026-10-27，用户粘贴讲稿）
• 官方原句：
• When the AI answers questions based on documents you provide, users might assume it's just drawing from its training data.
• Citations solve this transparency problem by creating a clear trail from the AI's response back to your source material.
• The title field gives your document a readable name, while citations: {"enabled": True} tells the AI to track where it finds information.
• With plain text sources, instead of page numbers, you'll get character positions that pinpoint exactly where in the text the AI found each piece of information.
• By implementing citations, you transform the AI from a "black box" that provides answers into a transparent research assistant that shows its work.
• 精译：
• 为什么需要：当 AI 基于你提供的文档回答时，用户可能以为它只是在调用训练数据。引用（citations）让 AI 指出每条信息具体来自原文的哪一部分，从而在回答与原始材料之间建立可追溯的证据链。
• 启用方式（核心）：在文档块中增加两个字段。title 给文档一个可读的名字；citations: {"enabled": True} 告诉模型记录每条信息的来源位置。
• 引用结构：启用后，回复从纯文本变为结构化数据，每条陈述附带引用信息。每条引用包含五项：cited_text（支持该陈述的原文）、document_index（引用的是哪份文档，多文档时有用）、document_title（你设定的标题）、start_page_number（引文起始页）、end_page_number（引文结束页）。
• 界面价值：引用的真正价值在前端。用户可以把鼠标悬停在引用标记上，看到信息的确切出处。由此，用户能确认回答有据可依、核对原文，并了解每条事实的上下文。
• 纯文本来源：引用不限于 PDF。文本来源用 source.type: "text"，media_type: "text/plain"，同样设置 title 与 citations。区别在于定位方式：纯文本没有页码，引用会给出字符位置，精确指出每条信息在文本中的位置。
• 适用场景：用户需要核对准确性；文档本身权威、用户需要引用它；应用对信息来源的透明度要求高；用户想进一步了解某个事实的背景。
• 意义：有了引用，AI 不再是"黑箱"，而是能展示推理依据的研究助手。这既建立用户信任，也方便用户深入原始材料。
• 本章新生词：已回灌 30-单词表/04- 第 8 章速查分组（课时 4，见下方统计）
• 考点映射：映射表标 D3 3.3（强制引用 <quotes> 抗幻觉）⭐⭐，本课是这一条的主命中课时。
• ⚠️ 核对项：讲稿中的引用字段名（cited_text、document_index、document_title、start_page_number、end_page_number）与纯文本的字符位置字段，实际 API 返回结构请以官方文档为准。
• ⚠️ 核对项：True 是 Python 写法；JSON 请求体中应为 true。编码时以官方 SDK 与文档为准。

课时 5 · Prompt caching

🎯 本课学习目标（据精译反推）

1. 能说出提示词缓存的定义：复用已做过的计算工作，降低成本与延迟。
2. 能说出缓存的两个前提：内容重复出现，且在一小时的有效期内。

类型：🎬 视频 ｜ lesson ID：287772 ｜ 官方直链

• 精译状态：✅ 已精译（2026-10-27，用户粘贴讲稿）
• 官方原句：
• Prompt caching is a feature that speeds up the AI's responses and reduces the cost of text generation by reusing computational work from previous requests.
• After sending you the response, the AI throws away all this computational work.
• The cache acts like a lookup table that says "If I ever see this message again, I'll reuse this work I already did."
• Cache duration: Cached content only lives for one hour.
• 精译：
• 定义：提示词缓存通过复用之前请求中的计算工作，加快响应并降低文本生成成本。与其每次请求后丢弃全部处理结果，模型可以在你再次发送相似内容时保存并复用它们。
• 不用缓存时的流程：模型收到输入后先做大量预处理（分词、为每个词元生成向量、结合上下文分析），然后才生成输出；回复发出后，这些预处理成果全部被丢弃。
• 问题所在：后续请求若包含同一段内容（例如反复润色同一篇长文的摘要），模型要把刚处理过的预处理再做一遍，效率低。
• 缓存的工作方式：首次请求时，模型照常预处理，但把结果存入缓存而非丢弃。缓存像一张查找表：如果再次遇到同一内容，就复用已做过的工作。
• 优势：响应更快（命中缓存的请求执行更快）；成本更低（缓存部分按更低费用计）；自动优化（首次请求写缓存，后续请求读缓存）。
• 限制（考点）：缓存只保留一小时；只有在反复发送同一内容时才有收益；需要相同内容高频出现，效果才明显。
• 适用场景：对同一份大文档连续提问的文档分析工作流，或基础内容保持不变、只是反复调整局部的迭代编辑任务。
• 本章新生词：已回灌 30-单词表/04- 第 8 章速查分组（课时 5，见下方统计）
• 考点映射：映射表标 D5 5.1（缓存机制）⭐⭐，本课是这一条的概念主课时；与第 6、7 课合成三连。
• ⚠️ 核对项：讲稿说缓存"只保留一小时"。我知道的官方文档对缓存生命周期的描述是每次命中会续期（约 5 分钟，可续期），两者不一致；实际使用前请以官方文档为准。
• ⚠️ 核对项：讲稿说"节省成本"但未给比例。我不在本文件里补充折扣数字，以官方定价页为准。

课时 6 · Rules of prompt caching

🎯 本课学习目标（据精译反推）

1. 能说出缓存断点的放置方法：展开形式的文本块加 cache_control。
2. 能说出缓存失效的条件（断点之前的内容任何改动）与断点数量上限（4 个）。
3. 能说出 1024 token 的最小长度门槛，并知道它按所有缓存内容的总和计算。

类型：🎬 视频 ｜ lesson ID：287770 ｜ 官方直链

• 精译状态：✅ 已精译（2026-10-27，用户粘贴讲稿）
• 官方原句：
• Caching isn't enabled automatically - you need to manually add cache breakpoints to specific blocks in your messages.
• To add a cache breakpoint, you need to use the longhand form for writing text blocks instead of the shorthand.
• Even small changes like adding the word "please" will invalidate the cache and force the AI to reprocess everything.
• You can add up to four cache breakpoints total.
• There's a minimum threshold for caching: content must be at least 1024 tokens long to be cached.
• 精译：
• 总规则：缓存的是消息中已做过的计算工作；它只在重复发送相同内容时有收益，且缓存只保留一小时。
• 不自动开启（核心）：缓存不会自动生效，必须手动在特定块上加上缓存断点（cache breakpoint）。断点之前的全部计算工作会被缓存；后续请求只有在断点之前（含断点）的内容完全相同时，才能命中缓存。
• 写法：要加断点，文本块必须使用展开形式（longhand），不能用简写（shorthand），因为简写没有放置 cache_control 字段的位置。展开形式中设置 cache_control: {"type": "ephemeral"}。
• 敏感性：内容哪怕只多一个词（例如加上"please"），缓存都会失效，模型必须全部重算。
• 跨消息缓存：断点可以跨越多条消息与消息类型。把断点放在较后的消息上，之前的所有消息（用户、助手等）都会被包含在缓存中。这适合要缓存某个点之前全部上下文的对话。
• 可加断点的位置：系统提示、工具定义、图片块、工具调用与工具结果块。系统提示与工具定义很少在请求间变化，通常是收益最大的缓存对象。
• 处理顺序：模型按"工具 → 系统提示 → 消息"的顺序处理请求各部分。理解这个顺序，有助于放置断点。
• 数量上限：一次请求最多 4 个缓存断点。例如，可以先缓存工具，再在对话历史中途加一个断点，使不同部分变化时各自的缓存互不影响。
• 最小长度（考点）：可缓存的内容至少 1024 个 token。这是你想缓存的所有消息与块的总和，而不是单个块的长度。"Hi there!" 这样的短消息达不到门槛；把内容重复 500 次，或使用真正的长提示，才能超过门槛。
• 核心：找出多次调用之间保持不变的部分，在合适的位置放断点，在最大化复用的同时尽量减少缓存失效。
• 本章新生词：已回灌 30-单词表/04- 第 8 章速查分组（课时 6，见下方统计）
• 考点映射：映射表标 D5 5.1 的 ⭐⭐ 条目：前缀一致、1,024 token 门槛、断点位置；本课是 5.1 的规则主课时。
• ⚠️ 核对项：讲稿中的 cache_control: {"type": "ephemeral"} 与"最多 4 个断点"是课程描述，实际 API 参数与上限以官方文档为准。
• ⚠️ 核对项：1024 token 门槛为讲稿所述，不同模型的最小长度可能不同，编码前请查官方文档。

课时 7 · Prompt caching in action

🎯 本课学习目标（据精译反推）

1. 能写出在工具列表最后一个工具上加缓存字段的做法，并说出为何要复制而非直接修改。
2. 能读懂 cache_creation_input_tokens 与 cache_read_input_tokens 两个用量字段的含义。
3. 能判断部分缓存命中的情形（只改系统提示时，工具命中、系统提示写入）。

类型：🎬 视频 ｜ lesson ID：287774 ｜ 官方直链

• 精译状态：✅ 已精译（2026-10-27，用户粘贴讲稿）
• 官方原句：
• When you enable prompt caching, the first request writes content to a cache that lives for one hour.
• Large system prompts (like a 6K token coding assistant prompt) / Complex tool schemas (around 1.7K tokens for multiple tools)
• The cache is extremely sensitive - changing even a single character in your tools or system prompt invalidates the entire cache for that component.
• If you change your system prompt but keep the same tools, you'll see a partial cache read (for tools) and a cache write (for the new system prompt).
• 精译：
• 总述：开启缓存后，首次请求把内容写入缓存（有效期一小时），后续请求从缓存读取，不必重复处理相同内容。最适合反复发送的内容：大型系统提示（讲稿例：6K token 的编程助手提示）、复杂的工具模式（讲稿例：多个工具约 1.7K token）、重复出现的消息内容。
• 工具模式缓存（代码要点）：在工具列表的最后一个工具上加 cache_control: {"type": "ephemeral"}。讲稿的写法是先复制工具列表与最后一个工具，再在副本上加字段，而不是直接修改原定义，这样之后调整工具顺序时不会出问题。
• 系统提示缓存（代码要点）：系统提示要从纯字符串改写为文本块列表，并在该文本块上设置 cache_control。
• 用量字段（考点）：首次请求返回 cache_creation_input_tokens（写入缓存的 token 数，讲稿例 1772）；后续请求返回 cache_read_input_tokens（从缓存读取的 token 数）；内容变化时会出现新的写入量。
• 极度敏感：工具或系统提示中哪怕改一个字符，该部分的整个缓存都会失效。
• 分段命中：若只改系统提示、工具不变，则工具部分命中读取、新系统提示部分写入。缓存是分段的，只为真正变化的部分付费。
• 断点顺序：可以在一次请求中设置多个断点，顺序为：工具（若有）→ 系统提示（若有）→ 消息。
• 适用条件：工具模式跨请求保持一致、系统提示稳定、请求频繁且上下文相似。缓存只保留一小时，适合调用频繁的应用，而不是长期存储。
• 本章新生词：已回灌 30-单词表/04- 第 8 章速查分组（课时 7，见下方统计）
• 考点映射：映射表标 D5 5.1（成本与延迟收益）⭐；本课是缓存三连的实操课时，对应用量字段与分段命中。
• ⚠️ 核对项：讲稿的代码通过 params["tools"]、params["system"] 组装请求，这是课程自己的辅助结构，不是官方 SDK 的参数名，编码时以官方 SDK 为准。
• ⚠️ 核对项：cache_creation_input_tokens 与 cache_read_input_tokens 是讲稿所示的用量字段名，实际返回结构请以官方文档为准。
• ⚠️ 核对项：讲稿说"一小时"有效期，与第 5 课的"只保留一小时"一致，但与我知道的"命中时续期、约 5 分钟"的官方描述不一致，请以官方文档为准。

课时 8 · Code execution and the Files API

🎯 本课学习目标（据精译反推）

1. 能说出 Files API 与 base64 直接内嵌的区别，以及何时选用文件 ID 引用。
2. 能说出代码执行工具的三个特点：服务端运行、Docker 隔离、无网络访问。
3. 能说出响应中三种块（文本、服务端工具调用、代码执行结果）各自的作用，并知道如何找到生成文件的 ID。

类型：🎬 视频 ｜ lesson ID：287777 ｜ 官方直链

• 精译状态：✅ 已精译（2026-10-27，用户粘贴讲稿）
• 官方原句：
• The Files API provides an alternative way to handle file uploads.
• Code execution is a server-based tool that doesn't require you to provide an implementation.
• the AI can optionally execute Python code in an isolated Docker container.
• Since the Docker containers have no network access, the Files API becomes the primary way to get data in and out of the execution environment.
• Look for blocks with type: "code_execution_output" in the response - these contain file IDs for generated content.
• 精译：
• Files API：另一种处理文件上传的方式。不再把图片或 PDF 以 base64 直接塞进消息，而是先单独调用接口上传，拿到含唯一文件 ID 的元数据对象，之后在消息里引用该 ID。适合同一文件被多次引用，或文件较大、每次都内嵌很麻烦的场景。
• 代码执行工具（核心）：服务端工具，无需你提供实现。请求中只需包含预定义的工具模式，模型就可以在隔离的 Docker 容器中执行 Python 代码（可选）。特点：容器隔离；无网络访问（不能发起外部 API 调用）；同一会话中可多次执行；执行结果由模型读取并用于最终回答。
• 两者结合：因为容器没有网络，Files API 成为把数据送入、送出执行环境的主要通道。
• 典型流程：① 用 Files API 上传数据文件（如 CSV）；② 在消息中加入 container_upload 块并附上文件 ID；③ 让模型分析；④ 模型编写并执行代码处理文件；⑤ 模型生成的输出（如图表）可以下载。
• 案例：流媒体用户数据 CSV，包含订阅等级、观看习惯，以及是否流失（取消订阅）。任务是找出流失的主要驱动因素，并至少生成一张详细图表。
• 响应结构（考点）：使用代码执行时，回复包含多种块：文本块（分析与解释）；服务端工具调用块（server_tool_use，即模型决定运行的代码）；代码执行工具结果块（代码的输出）。模型可能在一次回复中多次执行，逐步积累分析，每一轮包含代码与结果。
• 下载生成文件：模型生成的图表或报告会存入容器，可通过 Files API 下载。在响应中查找 type: "code_execution_output" 的块，其中包含生成内容的文件 ID。
• 更广的用途：图片处理与操作、文档解析与转换、数学计算与建模、带自定义格式的报告生成。
• 核心理念：把复杂的计算任务交给模型，同时通过 Files API 掌控输入与输出。模型因此成为能真正执行并迭代方案的编程助手。
• 本章新生词：已回灌 30-单词表/04- 第 8 章速查分组（课时 8，见下方统计）
• 考点映射：映射表标 D4 4.3（代码执行与 Files API 的工具边界）⭐，次命中 D1 1.1（执行-观察循环）。
• ⚠️ 核对项：讲稿中的 code_execution_20250522 是版本化的工具类型名，实际以官方文档当前版本为准，版本号会变化。
• ⚠️ 核对项：讲稿中的 upload(...)、download_file(...)、add_user_message、chat 是课程示例辅助函数，不是官方 SDK 函数名。
• ⚠️ 核对项：讲稿说容器"无网络访问"，实际的网络与运行时限制请以官方文档为准。

课时 9 · Quiz on features of the AI

类型：📝 测验 ｜ lesson ID：289124 ｜ 官方直链

• 精译状态：⬜ 待补（讲稿待贴；本课为测验，题目需登录态）
• 官方原句：待补
• 精译：待补
• 本章新生词：待补（讲稿贴入后回灌 30-单词表/04-）

📝 本章小结

本章 9 个课时里，前 8 课是功能讲解，第 9 课是测验。可以按三组来记：

1. 多模态输入（课时 2–3）：图片与 PDF 都以内容块的形式放进用户消息，与文本块并列；差别在于块类型、媒体类型和限制。
2. 可追溯输出（课时 4）：引用让回答可以指回原文，这是 D3 3.3 抗幻觉的落地方式。
3. 成本与延迟（课时 5–7）：提示词缓存靠断点、前缀一致与最小长度三条规则生效，用量字段可以验证命中情况；工具与系统提示是收益最大的缓存对象。
4. 执行与文件（课时 1、8）：扩展思考让模型先推理再作答；代码执行在无网络的容器中运行，数据经由 Files API 进出。

⚠️ 本章核对项汇总

以下各项在对应课时中已有标注，集中列在这里便于统一核对。

• 示例辅助函数：add_user_message、chat、upload、download_file、params["tools"]、params["system"] 都是课程示例的自定义函数或结构，不是官方 SDK 的名字，编码时以官方 SDK 为准。
• 参数与字段名：budget 与官方字段 budget_tokens 的差异（课时 1）；引用的五项字段与纯文本的字符位置（课时 4）；cache_creation_input_tokens 与 cache_read_input_tokens（课时 7）；code_execution_20250522 的版本化名称（课时 8）。
• 数值与限制：图片的 100 张、5MB、8000px / 2000px 与 /750 公式（课时 2）；PDF 的页数与体积上限，讲稿未提及（课时 3）；cache_control 与最多 4 个断点、1024 token 门槛（课时 6）。
• 缓存有效期：讲稿说一小时（课时 5、7），与我知道的“命中时续期、约 5 分钟”的官方描述不一致，需以官方文档为准。
• 容器网络：讲稿说无网络访问（课时 8），实际运行限制以官方文档为准。
• 布尔值写法：True 是 Python 写法，JSON 请求体中是 true（课时 4）。

✅ 本章进度

• [x] 抓取本章讲稿/字幕（课时 1–8 用户粘贴；课时 9 测验讲稿待贴）
• [x] 逐课精译（8/9 课时，课时 9 为测验，见下）
• [x] 生词回灌 30-单词表/04-（第 8 章速查分组，课时 1–8）
• [ ] 章节测验（课时 9，待讲稿）

🔗 关联

• 上级：课程 004 README
• 导读：01-课程导读与大纲全景
• 生词表：30-单词表/04-（已建 · 第 8 章分组 课时 1–8）
• 登录 SOP：40-认证事务/08-Partner SSO