Parámetros de consulta

LibreChat puede configurar una conversación de chat directamente desde la URL. Añade parámetros de consulta a una ruta de chat para elegir el endpoint y el modelo, rellenar previamente la entrada o anular la configuración de la conversación antes de que se cargue el chat.

Rutas de chat

Los parámetros de consulta deben seguir una ruta de chat válida:

• Nuevas conversaciones: /c/new?
• Conversaciones existentes: /c/[conversation-id]? (donde conversation-id es una existente)

https://your-domain.com/c/new?endpoint=ollama&model=llama3%3Alatest
https://your-domain.com/c/03debefd-6a50-438a-904d-1a806f82aad4?endpoint=openAI&model=o1-mini

Uso básico

Los parámetros endpoint y model cubren la mayoría de los casos. Configura ambos para obtener resultados predecibles:

https://your-domain.com/c/new?endpoint=azureOpenAI&model=o1-mini

Selección de endpoint

Utilice endpoint por sí solo para cambiar de endpoint sin especificar un modelo:

https://your-domain.com/c/new?endpoint=google

Cuando solo se configura endpoint, LibreChat recurre al último modelo seleccionado para ese endpoint (desde localStorage). Si no hay una selección previa, utiliza el primer modelo en la lista del endpoint.

El valor de endpoint debe ser uno de los siguientes:

openAI, azureOpenAI, google, anthropic, assistants, azureAssistants, bedrock, agents

Para un custom endpoint, utilice su nombre configurado como valor (sin distinguir entre mayúsculas y minúsculas):

# endpoint=perplexity for a custom endpoint named `Perplexity`
https://your-domain.com/c/new?endpoint=perplexity&model=llama-3.1-sonar-small-128k-online

Selección de modelos

Usa model por sí solo para cambiar de modelo dentro del endpoint actual:

https://your-domain.com/c/new?model=gpt-4o

Cuando solo se configura model, LibreChat lo aplica únicamente si el modelo existe en el endpoint actual. El endpoint actual es el endpoint predeterminado o el último seleccionado.

Prompt

El parámetro prompt prellena la entrada de chat:

https://your-domain.com/c/new?prompt=Explain quantum computing

q es una abreviatura intercambiable para prompt:

https://your-domain.com/c/new?q=Explain quantum computing

Combínalo con otros parámetros:

https://your-domain.com/c/new?endpoint=anthropic&model=claude-3-5-sonnet-20241022&prompt=Explain quantum computing

Envío automático

Agregue submit=true para enviar el prompt automáticamente, sin confirmación manual:

https://your-domain.com/c/new?prompt=Explain quantum computing&submit=true

Esto es útil para flujos de trabajo automatizados (Raycast, Alfred, Automator) e integraciones externas. Combínalo con los otros parámetros para un inicio totalmente programado:

https://your-domain.com/c/new?endpoint=openAI&model=gpt-4&prompt=Explain quantum computing&submit=true

Codificación de URL

Los caracteres especiales en los valores de consulta deben estar codificados en URL. Sustituciones comunes:

Por ejemplo:

Original: `Write a function: def hello()`
Encoded: `/c/new?prompt=Write%20a%20function%3A%20def%20hello()`

La función encodeURIComponent() integrada de JavaScript maneja la codificación por ti:

const prompt = "Write a function: def hello()";
const encodedPrompt = encodeURIComponent(prompt);
const url = `/c/new?prompt=${encodedPrompt}`;
console.log(url);

Ejecute esto en la consola de su navegador (Ctrl+Shift+I) para ver la URL codificada.

Specs, Agents, and Assistants

Model Specs

Seleccione un model spec por nombre:

https://your-domain.com/c/new?spec=meeting-notes-gpt4

Esto carga cada configuración definida por la spec. Otros parámetros de modelo en la URL son ignorados cuando spec está presente.

Agentes

Cargar un agente por ID sin nombrar un endpoint:

https://your-domain.com/c/new?agent_id=your-agent-id

Esto establece el endpoint a agents automáticamente.

Assistants

Cargue un asistente por ID de la misma manera:

https://your-domain.com/c/new?assistant_id=your-assistant-id

Esto configura el endpoint a assistants automáticamente.

Parámetros admitidos

Ajustes de LibreChat

Parámetros del modelo

Los parámetros de modelo admitidos varían según el endpoint. Los valores deben ser válidos de acuerdo con la API del proveedor.

OpenAI, Custom, Azure OpenAI:

temperature, presence_penalty, frequency_penalty, stop, top_p, max_tokens,
reasoning_effort, reasoning_summary, verbosity, useResponsesApi, web_search, disableStreaming

Google, Anthropic:

topP, topK, maxOutputTokens, thinking, thinkingBudget, thinkingLevel, web_search, url_context

Para los endpoints de Google, establece url_context=true para permitir que los modelos de texto de Gemini compatibles lean las URLs incluidas en el mensaje del usuario. Las URLs de YouTube se gestionan con comprensión de video nativa cuando URL Context está habilitado.

Anthropic, Bedrock (modelos de Anthropic), endpoints personalizados de OpenRouter:

Establezca promptCache en true o false para activar o desactivar el almacenamiento en caché de prompts. Establezca promptCacheTtl en 5m o 1h para elegir el tiempo de vida de la caché cuando el almacenamiento en caché de prompts esté habilitado:

promptCache
promptCacheTtl=1h

Consulta la documentación de almacenamiento en caché de prompts de Anthropic y la documentación de almacenamiento en caché de prompts de Bedrock para obtener más detalles.

Bedrock:

# Bedrock region
region=us-west-2
# Bedrock equivalent of `max_tokens`
maxTokens=200
# Bedrock reasoning effort (for supported models like ZAI, MoonshotAI)
reasoning_effort=medium

Assistants / Azure Assistants:

# Overrides existing assistant instructions for the current run
instructions=your+instructions

# Adds the current date and time to `additional_instructions` for each run
append_current_datetime=true

La mayoría de estos parámetros se comparten con Model Spec Preset Fields; consulte allí para obtener la referencia completa.

Ejemplos

Múltiples parámetros en una sola URL:

https://your-domain.com/c/new?endpoint=google&model=gemini-2.0-flash-exp&temperature=0.7&prompt=Oh hi mark

Cargando un Model Specs con un prompt:

https://your-domain.com/c/new?spec=meeting-notes-gpt4&prompt=Here%20is%20the%20transcript...

Al usar spec, otros parámetros del modelo se ignoran en favor de la configuración de la especificación.

Validación

Todos los parámetros son validados contra el esquema de LibreChat antes de ser aplicados. Los parámetros y valores no válidos son ignorados; los ajustes válidos se aplican a la conversación.

Mejores prácticas

1. Establezca tanto endpoint como model siempre que sea posible.
2. Confirme que el endpoint admite cada parámetro que usted pase.
3. Mantenga los valores dentro de los límites del proveedor.
4. Prueba las combinaciones de parámetros antes de compartir las URLs.

Los parámetros de consulta facilitan compartir configuraciones de conversación específicas, marcar diferentes configuraciones de chat y automatizar el inicio de chats desde herramientas externas.