文本生成与聊天

基于提示词生成文本
引入于 2025.11

函数 ai.text.completion 可用于根据文本提示生成内容。这类似于向大语言模型（LLM）提交提示词。

使用 CALL ai.text.completion.providers()（参见参考文档）查看支持的提供商及其配置选项。

`ai.text.completion` 的签名
函数引入于 2025.11
语法	`ai.text.completion(prompt, provider, configuration) :: STRING`
描述	根据提供的提示词生成文本输出。
输入	名称	类型	描述
	`prompt`	`STRING`	文本提示词。
	`provider`	`STRING`	第三方 AI 提供商的名称，参见提供商。
	`配置`	`MAP`	提供商特定的配置，参见提供商。
返回		`STRING`	基于所提供提示词生成的文本。

下面的示例选取了 5 部评分最高的电影，将它们的标题和剧情连接成一个由换行符分隔的字符串，并要求外部 AI 提供商从中选出最适合儿童观看的一部。

MATCH (n:Movie) WHERE n.imdbRating IS NOT NULL
ORDER BY n.imdbRating DESC LIMIT 50  (1)
WITH n.title + ': ' + n.plot AS movie  (2)
WITH
  reduce(acc = '', item IN collect(movie) | acc + item + '\n') AS movies,  (3)
  {
    token: $openaiToken,
    model: 'gpt-5-nano',
    vendorOptions: {
      instructions: 'Be short.'
    }
  } AS config  (4)
RETURN ai.text.completion(
  'Here is a list of movies with their titles and plots. Recommend the most child-friendly one.\n\n' + movies,  (5)
  'openai',
  config
) AS result

1	选取 50 部评分最高的电影。
2	将标题和剧情连接为 `<title>: <plot>`。
3	将所有电影连接成一个由换行符分隔的单一字符串。
4	提供商特定的配置，参见提供商 → OpenAI。
5	AI 模型的提示词。

结果
"《宇宙时空之旅》(Cosmos)。这是一部关于宇宙的科普纪录片，画面不血腥，是这里最适合儿童观看的选择（建议家长陪同较年幼的孩子观看）。"

结果

"《宇宙时空之旅》(Cosmos)。这是一部关于宇宙的科普纪录片，画面不血腥，是这里最适合儿童观看的选择（建议家长陪同较年幼的孩子观看）。"

MATCH (n:Movie) WHERE n.imdbRating IS NOT NULL
ORDER BY n.imdbRating DESC LIMIT 50  (1)
WITH n.title + ': ' + n.plot AS movie  (2)
WITH
  reduce(acc = '', item IN collect(movie) | acc + item + '\n') AS movies,  (3)
  {
    token: $azureOpenaiToken,
    resource: '<azure-openai-resource>',
    model: 'gpt-5-nano',
    vendorOptions: {
      instructions: 'Be short.'
    }
  } AS config  (4)
RETURN ai.text.completion(
  'Here is a list of movies with their titles and plots. Recommend the most child-friendly one.\n\n' + movies,  (5)
  'azure-openai',
  config
) AS result

1	选取 50 部评分最高的电影。
2	将标题和剧情连接为 `<title>: <plot>`。
3	将所有电影连接成一个由换行符分隔的单一字符串。
4	提供商特定的配置，参见提供商 → Azure OpenAI。
5	AI 模型的提示词。

结果
"《宇宙时空之旅》(Cosmos)。这是一部关于宇宙的科普纪录片，画面不血腥，是这里最适合儿童观看的选择（建议家长陪同较年幼的孩子观看）。"

结果

"《宇宙时空之旅》(Cosmos)。这是一部关于宇宙的科普纪录片，画面不血腥，是这里最适合儿童观看的选择（建议家长陪同较年幼的孩子观看）。"

MATCH (n:Movie) WHERE n.imdbRating IS NOT NULL
ORDER BY n.imdbRating DESC LIMIT 50  (1)
WITH n.title + ': ' + n.plot AS movie  (2)
WITH
  reduce(acc = '', item IN collect(movie) | acc + item + '\n') AS movies,  (3)
  {
    token: $vertexaiToken,
    model: 'gemini-2.5-flash-lite',
    publisher: 'google',
    project: '<google-cloud-project>',
    region: '<gcp-region>',
    vendorOptions: {
      systemInstruction: 'Be short.'
    }
  } AS config  (4)
RETURN ai.text.completion(
  'Here is a list of movies with their titles and plots. Recommend the most child-friendly one.\n\n' + movies,  (5)
  'vertexai',
  config
) AS result

1	选取 50 部评分最高的电影。
2	将标题和剧情连接为 `<title>: <plot>`。
3	将所有电影连接成一个由换行符分隔的单一字符串。
4	提供商特定的配置，参见提供商 → VertexAI。
5	AI 模型的提示词。

结果
"最适合儿童观看的电影是《宇宙时空之旅》。这是一部关于太空的科普纪录片，没有其他选项中的暴力或成人主题。您想了解《宇宙时空之旅》的建议观看年龄范围吗？"

结果

"最适合儿童观看的电影是《宇宙时空之旅》。

这是一部关于太空的科普纪录片，没有其他选项中的暴力或成人主题。

您想了解《宇宙时空之旅》的建议观看年龄范围吗？"

MATCH (n:Movie) WHERE n.imdbRating IS NOT NULL
ORDER BY n.imdbRating DESC LIMIT 50  (1)
WITH n.title + ': ' + n.plot AS movie  (2)
WITH
  reduce(acc = '', item IN collect(movie) | acc + item + '\n') AS movies,  (3)
  {
    accessKeyId: $awsAccessKeyId,
    secretAccessKey: $secretAccessKey,
    model: 'amazon.nova-micro-v1:0',
    region: '<region>',
    vendorOptions: {
      system: [{ text: 'Be short' }]
    }
  } AS config  (4)
RETURN ai.text.completion(
  'Here is a list of movies with their titles and plots. Recommend the most child-friendly one.\n\n' + movies,  (5)
  'bedrock-nova',
  config
) AS result

1	选取 50 部评分最高的电影。
2	将标题和剧情连接为 `<title>: <plot>`。
3	将所有电影连接成一个由换行符分隔的单一字符串。
4	提供商特定的配置，参见提供商 → Amazon Bedrock。
5	AI 模型的提示词。

结果
"《宇宙时空之旅》最适合儿童观看。这是一部关于太空和科学的教育系列片，非常适合年轻的头脑。"

结果

"《宇宙时空之旅》最适合儿童观看。这是一部关于太空和科学的教育系列片，非常适合年轻的头脑。"

为多个值生成文本
在 2026.03 中引入

函数 ai.text.aggregateCompletion 可用于根据文本提示为多个输入生成文本。它类似于对提供的每个值分别向 LLM 提交相同的提示词。

`ai.text.aggregateCompletion` 的签名
函数引入于 2026.03
语法	`ai.text.aggregateCompletion(value, prompt, provider, configuration = {}) :: STRING`
描述	一种聚合函数，用于跨分组行从指定提示词生成文本。
输入参数	名称	类型	描述
	`值`	`STRING`	要进行聚合的值。
	`prompt`	`STRING`	用于生成文本的提示词。
	`provider`	`STRING`	提供商标识符：'Azure-OpenAI', 'Bedrock', 'Bedrock-Nova', 'Bedrock-Titan', 'OpenAI', 'VertexAI'。
	`配置`	`MAP`	提供商特定的配置，请使用 `CALL ai.text.structuredCompletion.providers()` 查找每个提供商所需的配置。您可以通过添加 `vendorOptions`（包含一个值映射）来指定额外的供应商选项，这些选项将随请求一起传递。
返回		`STRING`	基于所提供提示词生成的文本。

下面的示例按产品类别聚合了产品描述，并要求外部 AI 提供商将关键主题总结为简短的要点列表。

MATCH (p:Product)
WITH p, {
    token: $openaiToken,
    model: 'gpt-5-nano'
  } AS config
RETURN p.category AS category,
       ai.text.aggregateCompletion(
         p.description,  (1)
         'Summarize the key themes in these product descriptions as a short bullet list.',
         'openai',
         config
       ) AS category_summary  (2)
ORDER BY category;

1	`value` 参数表示正在聚合的表达式（例如组内变化的列）。它必须是 `STRING` 类型——请使用 Cypher 的 `toString()` 函数将非字符串值进行转换。
2	该函数为每个组生成一个 `STRING`。

category	category_summary
"书籍"	"- 富有想象力的叙事\n- 深刻的人物发展\n- 关于友谊与冒险的主题"
"电子产品"	"- 电池续航和快速充电\n- 摄像头质量\n- 性价比"

category

category_summary

"书籍"

"- 富有想象力的叙事\n- 深刻的人物发展\n- 关于友谊与冒险的主题"

"电子产品"

"- 电池续航和快速充电\n- 摄像头质量\n- 性价比"

下面的示例按产品类别聚合了产品描述，并要求外部 AI 提供商将关键主题总结为简短的要点列表。

MATCH (p:Product)
WITH p, {
    token: $azureOpenaiToken,
    resource: '<azure-openai-resource>',
    model: 'gpt-5-nano'
  } AS config
RETURN p.category AS category,
       ai.text.aggregateCompletion(
         p.description,  (1)
         'Summarize the key themes in these product descriptions as a short bullet list.',
         'azure-openai',
         config
       ) AS category_summary  (2)
ORDER BY category;

1	`value` 参数表示正在聚合的表达式（例如组内变化的列）。它必须是 `STRING` 类型——请使用 Cypher 的 `toString()` 函数将非字符串值进行转换。
2	该函数为每个组生成一个 `STRING`。

category	category_summary
"书籍"	"- 引人入胜的情节\n- 易产生共鸣的角色\n- 励志信息"
"电子产品"	"- 性能和速度\n- 显示质量\n- 价格与功能比"

category

category_summary

"书籍"

"- 引人入胜的情节\n- 易产生共鸣的角色\n- 励志信息"

"电子产品"

"- 性能和速度\n- 显示质量\n- 价格与功能比"

下面的示例按产品类别聚合了产品描述，并要求外部 AI 提供商将关键主题总结为简短的要点列表。

MATCH (p:Product)
WITH p, {
    token: $vertexaiToken,
    model: 'gemini-2.5-flash-lite',
    publisher: 'google',
    project: '<google-cloud-project>',
    region: '<gcp-region>'
  } AS conf
RETURN p.category AS category,
       ai.text.aggregateCompletion(
         p.description,  (1)
         'Summarize the key themes in these product descriptions as a short bullet list.',
         'vertexai',
         conf
       ) AS category_summary  (2)
ORDER BY category;

1	`value` 参数表示正在聚合的表达式（例如组内变化的列）。它必须是 `STRING` 类型——请使用 Cypher 的 `toString()` 函数将非字符串值进行转换。
2	该函数为每个组生成一个 `STRING`。

category	category_summary
"书籍"	"- 奇幻与科幻视角\n- 英雄成长轨迹\n- 友谊与探索"
"电子产品"	"- 电池寿命\n- 摄像头与屏幕\n- 价值"

category

category_summary

"书籍"

"- 奇幻与科幻视角\n- 英雄成长轨迹\n- 友谊与探索"

"电子产品"

"- 电池寿命\n- 摄像头与屏幕\n- 价值"

下面的示例按产品类别聚合了产品描述，并要求外部 AI 提供商将关键主题总结为简短的要点列表。

MATCH (p:Product)
WITH p, {
    accessKeyId: $awsAccessKeyId,
    secretAccessKey: $secretAccessKey,
    model: 'amazon.nova-micro-v1:0',
    region: '<aws-region>'
  } AS conf
RETURN p.category AS category,
       ai.text.aggregateCompletion(
         p.description,  (1)
         'Summarize the key themes in these product descriptions as a short bullet list.',
         'bedrock-nova',
         conf
       ) AS category_summary  (2)
ORDER BY category;

1	`value` 参数表示正在聚合的表达式（例如组内变化的列）。它必须是 `STRING` 类型——请使用 Cypher 的 `toString()` 函数将非字符串值进行转换。
2	该函数为每个组生成一个 `STRING`。

category	category_summary
"书籍"	"- 冒险与奇迹\n- 角色成长\n- 积极的基调"
"电子产品"	"- 性能\n- 电池\n- 价格"

category

category_summary

"书籍"

"- 冒险与奇迹\n- 角色成长\n- 积极的基调"

"电子产品"

"- 性能\n- 电池\n- 价格"

适当地使用分组键：所有未聚合的内容必须包含在 RETURN 分组中。

聚合可能涉及每组多行数据，因此请从简洁的提示词开始并进行迭代。

上下文聊天
引入于 2025.12

函数 ai.text.chat 允许您作为单个会话的一部分与 LLM 交换多条消息。

聊天仅支持 OpenAI 和 Azure-OpenAI。使用 CALL ai.text.chat.providers()（参见参考文档）查看支持的提供商及其配置选项。

`ai.text.chat` 的签名
函数引入于 2025.12
语法	`ai.text.chat(prompt, chatId, provider, configuration = {}) :: MAP`
描述	基于指定提示词进行聊天，可选择继续之前的交互。
输入	名称	类型	描述
	`prompt`	`STRING`	要发送的用户消息。
	`chatId`	`STRING`	用于继续对话的前一个聊天 ID。如果这是对话中的第一条消息，请将其设置为 `null`。
	`provider`	`STRING`	提供商标识符：`'azure-openai'`, `'openai'`。参见提供商。
	`配置`	`MAP`	提供商特定的选项。参见提供商。
返回		`MAP`	包含 `message`（响应文本）和用于后续消息的 `chatId`。

开始新聊天

下面的示例选取了 5 部评分最高的电影，将它们的标题和剧情连接成一个由换行符分隔的字符串，并要求外部 AI 提供商推荐一部好的纪录片。

MATCH (n:Movie) WHERE n.imdbRating IS NOT NULL
ORDER BY n.imdbRating DESC LIMIT 50  (1)
WITH n.title + ': ' + n.plot AS movie  (2)
WITH
  reduce(acc = '', item IN collect(movie) | acc + item + '\n') AS movies,  (3)
  {
    token: $openaiToken,
    model: 'gpt-5-nano',
    vendorOptions: {
      instructions: 'Be short.'
    }
  } AS config  (4)
RETURN ai.text.chat(
  'Here is a list of movies with their titles and plots. I like space documentaries. Any recommendations?\n\n' + movies,  (5)
  null,  (6)
  'openai',
  config
) AS result

1	选取 50 部评分最高的电影。
2	将标题和剧情连接为 `<title>: <plot>`。
3	将所有电影连接成一个由换行符分隔的单一字符串。
4	提供商特定的配置，参见提供商 → OpenAI。
5	AI 模型的提示词。
6	将 `chatId` 设置为 `null` 以开始新对话。

结果

结果
`{ message: "If you want space-only docs from your list: - Cosmos (Carl Sagan) — classic, big-picture tour of the universe. - From the Earth to the Moon — docudrama about the Apollo program. Want more beyond this list? I can add newer options like Apollo 11 (2019) or The Farthest (Voyager missions).", chatId: "resp_091b98b67dee7acb006964c14aded4819490dc26975ceb91ce" }`

{
  message: "If you want space-only docs from your list:
- Cosmos (Carl Sagan) — classic, big-picture tour of the universe.
- From the Earth to the Moon — docudrama about the Apollo program.

Want more beyond this list? I can add newer options like Apollo 11 (2019) or The Farthest (Voyager missions).",
  chatId: "resp_091b98b67dee7acb006964c14aded4819490dc26975ceb91ce"
}

MATCH (n:Movie) WHERE n.imdbRating IS NOT NULL
ORDER BY n.imdbRating DESC LIMIT 50  (1)
WITH n.title + ': ' + n.plot AS movie  (2)
WITH
  reduce(acc = '', item IN collect(movie) | acc + item + '\n') AS movies,  (3)
  {
    token: $azureOpenaiToken,
    resource: '<azure-openai-resource>',
    model: 'gpt-5-nano',
    vendorOptions: {
      instructions: 'Be short.'
    }
  } AS config  (4)
RETURN ai.text.chat(
  'Here is a list of movies with their titles and plots. I like space documentaries. Any recommendations?\n\n' + movies, (5)
  null,  (6)
  'azure-openai',
  config
) AS result

1	选取 50 部评分最高的电影。
2	将标题和剧情连接为 `<title>: <plot>`。
3	将所有电影连接成一个由换行符分隔的单一字符串。
4	提供商特定的配置，参见提供商 → OpenAI。
5	AI 模型的提示词。
6	将 `chatId` 设置为 `null` 以开始新对话。

结果

结果
`{ message: "If you want space-only docs from your list: - Cosmos (Carl Sagan) — classic, big-picture tour of the universe. - From the Earth to the Moon — docudrama about the Apollo program. Want more beyond this list? I can add newer options like Apollo 11 (2019) or The Farthest (Voyager missions).", chatId: "resp_0c3bb8d81c23d3e5006964bec5ea68819593d9d55ee89357e2" }`

{
  message: "If you want space-only docs from your list:
- Cosmos (Carl Sagan) — classic, big-picture tour of the universe.
- From the Earth to the Moon — docudrama about the Apollo program.

Want more beyond this list? I can add newer options like Apollo 11 (2019) or The Farthest (Voyager missions).",
  chatId: "resp_0c3bb8d81c23d3e5006964bec5ea68819593d9d55ee89357e2"
}

使用现有聊天 ID 继续聊天

下面的示例继续上一个示例的聊天，要求推荐特定类别的纪录片。

返回的聊天 ID 每次调用都不一样，因此如果您希望模型始终保持整个聊天的上下文，则需要在每次请求时更新它。每个请求都允许您通过分叉（fork）到目前为止提供的上下文来开启一个新的线程。

即使聊天 ID 被限制在生成它们的 API 令牌范围内，也应将它们视为敏感信息，因为后续消息可能会要求披露之前提供的信息（例如：我最初的要求是什么？）。

WITH
  {
    token: $openaiToken,
    model: 'gpt-5-nano',
    vendorOptions: {
      instructions: 'Be short.'
    }
  } AS config
RETURN ai.text.chat(
  'Could you suggest something more animal oriented?',  (1)
  $chatId,  (2)
  'openai',
  config
) AS result

1	要发送的下一条提示词。
2	重复使用来自之前响应的聊天 ID 以继续对话。例如，通过参数传递它。

结果

结果
{ message: "Here are animal-oriented picks: - Planet Earth (2006) – Stunning wildlife across habitats; classic nature documentary. - Blue Planet II (2017) – Incredible marine life and ocean stories. - My Octopus Teacher (2020) – Intimate, poetic look at one octopus and its world. - The Cove (2009) – Investigative look at dolphin hunting; timely and provocative. - Our Planet (2019) – Global nature series with beautiful visuals and conservation context. Want streaming options or region help?", chatId: "resp_091b98b67dee7acb006964c4e9a6808194b6de0b1b00b307ec" }

{
  message: "Here are animal-oriented picks:

- Planet Earth (2006) – Stunning wildlife across habitats; classic nature documentary.
- Blue Planet II (2017) – Incredible marine life and ocean stories.
- My Octopus Teacher (2020) – Intimate, poetic look at one octopus and its world.
- The Cove (2009) – Investigative look at dolphin hunting; timely and provocative.
- Our Planet (2019) – Global nature series with beautiful visuals and conservation context.

Want streaming options or region help?",
  chatId: "resp_091b98b67dee7acb006964c4e9a6808194b6de0b1b00b307ec"
}

WITH
  {
    token: $azureOpenaiToken,
    resource: '<azure-openai-resource>',
    model: 'gpt-5-nano',
    vendorOptions: {
      instructions: 'Be short.'
    }
  } AS config
RETURN ai.text.chat(
  'Could you suggest something more animal oriented?',  (1)
  $chatId,  (2)
  'azure-openai',
  config
) AS result

1	要发送的下一条提示词。
2	重复使用来自之前响应的聊天 ID 以继续对话。例如，通过参数传递它。

结果

结果
{ message: "Here are animal-oriented picks: - Planet Earth (2006) – Stunning wildlife across habitats; classic nature documentary. - Blue Planet II (2017) – Incredible marine life and ocean stories. - My Octopus Teacher (2020) – Intimate, poetic look at one octopus and its world. - The Cove (2009) – Investigative look at dolphin hunting; timely and provocative. - Our Planet (2019) – Global nature series with beautiful visuals and conservation context. Want streaming options or region help?", chatId: "resp_091b98b67dee7acb006964c6476ee08194a3f6e5f2bad4ddb8" }

{
  message: "Here are animal-oriented picks:

- Planet Earth (2006) – Stunning wildlife across habitats; classic nature documentary.
- Blue Planet II (2017) – Incredible marine life and ocean stories.
- My Octopus Teacher (2020) – Intimate, poetic look at one octopus and its world.
- The Cove (2009) – Investigative look at dolphin hunting; timely and provocative.
- Our Planet (2019) – Global nature series with beautiful visuals and conservation context.

Want streaming options or region help?",
  chatId: "resp_091b98b67dee7acb006964c6476ee08194a3f6e5f2bad4ddb8"
}

并行运行多个请求

要并行运行多个提示词的文本补全，您有两种选择

使用 CALL {…} IN CONCURRENT TRANSACTIONS，每事务一行

WITH ['Name a movie', 'Name a book'] AS prompts
UNWIND prompts AS prompt
CALL(prompt) {
  WITH
  {
    token: $openaiToken,
    model: 'gpt-5-nano'
  } AS config
  RETURN ai.text.completion(prompt, 'openai', config) AS response
} IN CONCURRENT TRANSACTIONS OF 1 ROW
RETURN response

使用 Cypher 的并行运行时：企业版

CYPHER runtime=parallel
WITH
  {
    token: $openaiToken,
    model: 'gpt-5-nano'
  } AS config,
  ['Name a movie', 'Name a book'] AS prompts
UNWIND prompts AS prompt
RETURN ai.text.completion(prompt, 'openai', config) AS result

提供商

您可以通过以下提供商生成文本

OpenAI (openai)
Azure OpenAI (azure-openai)
Google Vertex AI (vertexai)
Amazon Bedrock Nova 模型 (bedrock-nova)

OpenAI

OpenAI 参数
名称	类型	默认	描述
`model`	`STRING`	-	模型 ID（参见 OpenAI → 模型）。
`令牌 (token)`	`STRING`	-	OpenAI API 密钥（参见 OpenAI → API 密钥）。
`chatHistory`	`LIST<ANY>`	`[]`	可选的对话历史记录，用于向模型提供上下文。传递一个 `MAP` 值列表，结构如下 `role`：`user`（用户）或 `assistant`（助手） `content`：表示消息的 `STRING`
`vendorOptions`	`MAP`	`{}`	可选的供应商选项，将按原样传递给 OpenAI 的请求（参见 OpenAI → 创建模型响应）。

用法示例

WITH
  {
    token: $openaiToken,
    model: 'gpt-5-nano',
    vendorOptions: {
      instructions: 'Be short.'
    },
    chatHistory: [
      {
        role: "user",
        content: "My favorite movies are in the Fantasy or Sci-fi genre."
      },
      {
        role: "assistant",
        content: "Nice! fantasy and sci-fi have great vibes. Want tailored recs?"
      }
    ]
  } AS conf
RETURN ai.text.completion('Yes, please recommend a movie to me', 'openai', conf) AS result

您可以通过 genai.openai.baseurl 设置更改 OpenAI 的基础 URL（默认：https://api.openai.com）。该更改适用于所有使用 OpenAI 的 ai.text.* 调用。参见配置设置 → genai.openai.baseurl。

Azure OpenAI

Azure OpenAI 参数
名称	类型	默认	描述
`model`	`STRING`	-	模型 ID（参见 Azure → Azure OpenAI Foundry 模型）。
`resource（资源）`	`STRING`	-	Azure 资源名称。
`令牌 (token)`	`STRING`	-	Azure OAuth2 持有者令牌 (bearer token)。
`chatHistory`	`LIST<ANY>`	`[]`	可选的对话历史记录，用于向模型提供上下文。传递一个 `MAP` 值列表，结构如下 `role`：`user`（用户）或 `assistant`（助手） `content`：表示消息的 `STRING`
`vendorOptions`	`MAP`	`{}`	可选的供应商选项，将按原样传递给 Azure 的请求。

用法示例

WITH
  {
    token: $azureToken,
    resource: 'my-azure-openai-resource',
    model: 'gpt-5-nano',
    vendorOptions: {
      instructions: 'Be short.'
    },
    chatHistory: [
      {
        role: "user",
        content: "My favorite movies are in the Fantasy or Sci-fi genre."
      },
      {
        role: "assistant",
        content: "Nice! fantasy and sci-fi have great vibes. Want tailored recs?"
      }
    ]
  } AS conf
RETURN ai.text.completion('Yes, please recommend a movie to me', 'azure-openai', conf) AS result

Google VertexAI

VertexAI 参数
名称	类型	默认	描述
`model`	`STRING`	-	模型资源名称（参见 Vertex AI → 模型库 (Model Garden)）。
`project`	`STRING`	-	Google Cloud 项目 ID。
`region`	`STRING`	-	Google Cloud 区域（参见 Vertex AI → 地点）。
`publisher`	`STRING`	'google'	模型发布者。
`apiKey`	`STRING`	-	Vertex AI API 密钥。
`令牌 (token)`	`STRING`	-	Vertex API 访问令牌。
`chatHistory`	`LIST<ANY>`	`[]`	可选的对话历史记录，用于向模型提供上下文。传递一个 `MAP` 值列表，结构如下 `role`：`user`（用户）或 `assistant`（助手） `parts`：一个 `LIST`，包含一个 `MAP`，其中键为 `text`，值为表示消息的字符串
`vendorOptions`	`MAP`	`{}`	可选的供应商选项，将按原样传递给 VertexAI 的请求（参见 Vertex AI → 方法: models.generateContent）。

必须提供 apiKey 或 token 中的其中一个。

用法示例

WITH
  {
    token: $vertexaiApiAccessKey,
    model: 'gemini-2.5-flash-lite',
    publisher: 'google',
    project: 'my-google-cloud-project',
    region: 'asia-northeast1',
    vendorOptions: {
      systemInstruction: 'Be short.'
    },
    chatHistory: [
      {
        role: "user",
        parts: [
          { text: "My favorite movies are in the Fantasy or Sci-fi genre." }
        ]
      },
      {
        role: "model",
        parts: [
          { text: "Nice! fantasy and sci-fi have great vibes. Want tailored recs?" }
        ]
      }
    ]
  } AS conf
RETURN ai.text.completion('Yes, please recommend a movie to me', 'vertexai', conf) AS result

Amazon Bedrock 模型

该提供商支持大多数 Bedrock 模型，并遵循 Converse API。

Amazon Bedrock 参数
名称	类型	默认	描述
`model`	`STRING`	-	模型 ID 或其 ARN。
`region`	`STRING`	-	Amazon 区域（参见 Amazon Bedrock → 模型支持）。
`accessKeyId`	`STRING`	-	Amazon 访问密钥 ID。
`secretAccessKey`	`STRING`	-	Amazon 私有访问密钥。
`chatHistory`	`LIST<ANY>`	`[]`	可选的对话历史记录，用于向模型提供上下文。传递一个 `MAP` 值列表，结构如下 `role`：`user`（用户）或 `assistant`（助手） `content`：一个 `LIST`，包含一个 `MAP`，其中键为 `text`，值为表示消息的字符串
`vendorOptions`	`MAP`	`{}`	可选的供应商选项，将按原样传递给 Bedrock 的请求（参见 Amazon Bedrock → 推理请求参数和响应字段）。

用法示例

WITH
  {
    accessKeyId: $awsAccessKeyId,
    secretAccessKey: $secretAccessKey,
    model: 'amazon.nova-micro-v1:0',
    region: 'eu-west-2',
    vendorOptions: {
      system: [{ text: 'Be short' }],
      inferenceConfig: { maxTokens: 1024 }
    },
    chatHistory: [
       {
         role: "user",
         content: [
           { text: "My favorite movies are in the Fantasy or Sci-fi genre." }
         ]
       },
       {
         role: "assistant",
         content: [
           { text: "Nice! fantasy and sci-fi have great vibes. Want tailored recs?" }
         ]
       }
    ]
  } AS conf
RETURN ai.text.completion('Yes, please recommend a movie to me', 'bedrock-nova', conf) AS result

Amazon Bedrock Nova 模型

该提供商支持所有使用与 Nova 文本模型相同请求参数和响应字段的模型。

Amazon Bedrock Nova 参数
名称	类型	默认	描述
`model`	`STRING`	-	模型 ID 或其 ARN。
`region`	`STRING`	-	Amazon 区域（参见 Amazon Bedrock → 模型支持）。
`accessKeyId`	`STRING`	-	Amazon 访问密钥 ID。
`secretAccessKey`	`STRING`	-	Amazon 私有访问密钥。
`chatHistory`	`LIST<ANY>`	`[]`	可选的对话历史记录，用于向模型提供上下文。传递一个 `MAP` 值列表，结构如下 `role`：`user`（用户）或 `assistant`（助手） `content`：一个 `LIST`，包含一个 `MAP`，其中键为 `text`，值为表示消息的字符串
`vendorOptions`	`MAP`	`{}`	可选的供应商选项，将按原样传递给 Bedrock 的请求（参见 Amazon Bedrock → 推理请求参数和响应字段）。

用法示例

WITH
  {
    accessKeyId: $awsAccessKeyId,
    secretAccessKey: $secretAccessKey,
    model: 'amazon.nova-micro-v1:0',
    region: 'eu-west-2',
    vendorOptions: {
      system: [{ text: 'Be short' }],
      inferenceConfig: { maxTokens: 1024 }
    },
    chatHistory: [
       {
         role: "user",
         content: [
           { text: "My favorite movies are in the Fantasy or Sci-fi genre." }
         ]
       },
       {
         role: "assistant",
         content: [
           { text: "Nice! fantasy and sci-fi have great vibes. Want tailored recs?" }
         ]
       }
    ]
  } AS conf
RETURN ai.text.completion('Yes, please recommend a movie to me', 'bedrock-nova', conf) AS result

Amazon Bedrock Titan 模型

AWS 已停止为文本生成提供 Amazon Bedrock Titan。

该提供商支持所有使用与 Titan 文本模型相同请求参数和响应字段的模型。配置和用法类似于 Bedrock Nova 模型，但不支持 `chatHistory`。

Titan 模型具有不同的 `vendorOptions`，参见 Amazon Bedrock → Titan 文本模型。

文本生成与聊天

基于提示词生成文本引入于 2025.11

为多个值生成文本在 2026.03 中引入

上下文聊天引入于 2025.12

开始新聊天

使用现有聊天 ID 继续聊天

并行运行多个请求

提供商

OpenAI

Azure OpenAI

Google VertexAI

Amazon Bedrock 模型

Amazon Bedrock Nova 模型

基于提示词生成文本
引入于 2025.11

为多个值生成文本
在 2026.03 中引入

上下文聊天
引入于 2025.12