场景示例

三个端到端例子，展示不同模型线能拿来做什么。请求均可直接跑通，把 $CHRONO_API_KEY 换成你的 Key。

一、运维根因分析 · chrono-ops-1

给它带时间线的告警上下文，它关联指标、日志与变更，输出根因判断、证据链与置信度。关键：喂真实数据，不要口头转述——带时间戳的指标跃变 + 关联变更，模型才有据可推。

curl https://api.aiops.red/v1/chat/completions \
  -H "Authorization: Bearer $CHRONO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "chrono-ops-1",
    "messages": [{"role": "user", "content":
      "关联下面的信号判断根因，给出证据与置信度：\n[14:03:11] api-gateway 5xx 0.3%→12.7% 持续6分钟\n[13:58:02] 变更 CHG-07：连接池 maxIdle 200→50 已全量\n列出可先执行的只读验证命令。"}]
  }'

模型会指出 5xx 上升与 13:58 连接池变更的时间强关联，给出根因假设、引用原文的证据、置信度，以及仍需补充的信息——证据不足时明说缺什么，不臆测。

二、编码 Agent · chrono-code-1-fast + 工具调用

编码线支持完整 function calling，推荐默认用 fast 别名（同价、更快、计费 token 更少）。第一步带工具定义发起，模型返回 tool_calls：

-d '{
  "model": "chrono-code-1-fast",
  "messages": [{"role": "user", "content": "读取 config.yaml 看看端口配置"}],
  "tools": [{"type": "function", "function": {
    "name": "read_file", "description": "读取文件内容",
    "parameters": {"type":"object","properties":{"path":{"type":"string"}},"required":["path"]}
  }}]
}'

响应 finish_reason 为 tool_calls。第二步：你的代码执行工具，把结果作为 role:"tool" 消息回传，模型据此作答。Claude Code / Cursor 内部就是这套循环，用它们时不用手写——直接改 base_url。复杂难题攻坚可换 chrono-code-1（深度思考默认开启）。

三、结构化输出 · 稳定 JSON

在 system 约束输出结构，配合 response_format 返回机器可消费的稳定 JSON：

-d '{
  "model": "chrono-1",
  "messages": [
    {"role": "system", "content": "抽取字段，只返回 JSON：{severity: high|medium|low, summary: string, affected: string[]}"},
    {"role": "user", "content": "凌晨订单服务大面积超时，波及支付和履约"}
  ],
  "response_format": {"type": "json_object"}
}'

返回稳定 JSON，可直接进工作流。运维线内置更完整的结构化契约（根因/严重级/证据链/置信度/缺失信息），供自动化编排消费。

每个例子都自带回执

每次调用响应头有 X-Chrono-Inference-Id，响应体有 chrono 回执块。输入输出哈希可独立复算、账单逐条对到调用——对需要审计的团队是刚需。