必须通过自定义http工具+assistants api接入商汤日日新模型，而非仅用prompt模拟，以真实验证中英文互译的token级质量、术语一致性与语序适配能力。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在扣子（Coze）中实际调用商汤日日新模型，并直接比对它在中英文互译任务中的输出质量，必须绕过平台无原生插件的限制，通过自定义HTTP工具+Assistants API接入；不能仅靠预设Prompt模拟，否则无法验证真实token级生成质量、术语一致性与语序适配能力。
获取商汤API凭据与模型权限
登录商汤日日新平台（https://www.php.cn/link/b856bd4b563970cc99208b7be3f74bf9）→「我的应用」→「API密钥」，确认已创建应用并获取【client_id 和 client_secret】；若未勾选「SenseChat-4.0」或「SenseChat-VL」系列模型权限，API请求将返回403错误且不提示具体原因——这是最常卡住的第一步。
进入「模型服务」页，启用至少两个模型：sensechat-4.0（纯文本强翻译）和sensechat-vl-caption（图文混合场景下带语境的翻译），后续评测需分别调用，不可混用model字段。
在扣子中搭建双模型HTTP插件
进入Bot编辑页 →「Bot设置」→「插件」→「自定义插件」→「+新建HTTP插件」。
为中文→英文翻译建第一个插件：名称填“日日新-中译英”，URL填https://api.sensenova.cn/v1/chat/completions，Method选POST；Headers添加：Content-Type: application/json 和 Authorization: Bearer {{access_token}}；Body填以下JSON（注意保留换行与缩进）：
{"model":"sensechat-4.0","messages":[{"role":"user","content":"请将以下中文句子准确翻译为英文，保持专业术语一致、语序符合英语母语习惯，不添加解释或注释：{{input}}"}],"temperature":0.3,"max_tokens":512}
为英文→中文翻译建第二个插件：名称填“日日新-英译中”，其余配置相同，仅Body中content字段改为：请将以下英文句子准确翻译为简体中文，保留原文技术术语（如API、OAuth2、token等不译），句式自然流畅，不添加额外说明：{{input}}。
【关键点】两个插件必须使用不同名称、不同Prompt模板，否则评测时无法区分模型行为差异；且temperature设为0.3而非0，避免因完全确定性导致漏掉模型在模糊语境下的真实决策倾向。
构建带对照组的评测工作流
第一步：添加「变量」节点，定义三个输入变量：zh_text（中文测试句）、en_text（英文测试句）、test_id（编号，用于归档结果）。
第二步：添加「HTTP请求」节点，调用OAuth2接口获取access_token，Body用x-www-form-urlencoded格式传：grant_type=client_credentials&client_id={{client_id}}&client_secret={{client_secret}}；响应体中提取access_token字段存入临时变量token。
第三步：并行触发两个HTTP插件——「日日新-中译英」传入zh_text，「日日新-英译中」传入en_text，两者的Authorization Header均绑定{{token}}。
第四步：添加「合并结果」节点，将两次响应中的choices[0].message.content分别提取为zh2en_result和en2zh_result，再拼接成一行结构化输出：[ID:{{test_id}}] 中→英：{{zh2en_result}} | 英→中：{{en2zh_result}}。
执行三类典型测试并记录原始输出
方法一：术语一致性测试
输入中文句：“该系统采用OAuth2.0协议进行客户端凭证授权，需动态刷新access_token。”
观察输出是否将“OAuth2.0”“access_token”原样保留，而非译作“OAuth 2.0协议”“访问令牌”；若出现后者，说明模型未严格遵循指令中“不译术语”的要求。
方法二：被动语态转换测试
输入英文句：“The dataset was preprocessed using a custom tokenizer trained on domain-specific corpora.”
检查中文输出是否避开“被”字句直译（如“数据集被……处理”），而采用主动化表达（如“我们使用……对数据集进行了预处理”）；这反映模型对中文表达惯性的掌握深度。
方法三：长句逻辑切分测试
输入中英文各一句含3个以上从句的复合句，例如中文：“尽管API调用频率受限于rate limit，但通过缓存机制与异步重试策略，仍可保障99.9%的服务可用性。”
对比两端输出是否维持原句因果/让步关系，且中文端未出现主谓割裂、连接词错位等硬伤——这类错误在GPT-4o中高频出现，却是日日新V6重点优化项。
