> For clean Markdown of any page, append .md to the page URL.
> For a complete documentation index, see https://docs.beatapi.io/llms.txt.
> For AI client integration (Claude Code, Cursor, etc.), connect to the MCP server at https://docs.beatapi.io/_mcp/server.

# Подключение BeatAPI к AnythingLLM

> Используйте модель BeatAPI в рабочем пространстве AnythingLLM, сохраняя документы и векторные представления локально.

# Подключение BeatAPI к AnythingLLM

AnythingLLM создаёт закрытую базу знаний по вашим документам и отвечает на вопросы на их основе. BeatAPI предоставляет модель для чата через поставщика **Generic OpenAI**. Документы и векторный индекс остаются там, где развёрнут AnythingLLM.

## Что понадобится

1. **Установленный AnythingLLM**: настольная версия для Windows, macOS или Linux либо развёртывание в Docker.
2. **API-ключ BeatAPI**: создайте его в [Dashboard → API Keys](https://beatapi.io/dashboard/apikeys).

## Шаг 1. Откройте настройки модели

Запустите AnythingLLM, нажмите **Open settings** в левом нижнем углу, затем выберите **LLM Preference** в меню слева.

## Шаг 2. Настройте BeatAPI

В поле LLM Provider выберите **Generic OpenAI** и заполните поля:

| Поле       | Значение                              |
| ---------- | ------------------------------------- |
| API Key    | Ваш API-ключ BeatAPI                  |
| Base URL   | `https://api.beatapi.io/v1`           |
| Chat Model | ID модели, например `claude-sonnet-5` |

> **Note**
>
> Здесь Base URL **обязательно** включает `/v1`, без дополнительного пути. AnythingLLM сам добавляет `/chat/completions`.

Нажмите **Save**. AnythingLLM проверит подключение и покажет результат.

| ID модели          | Для каких задач подходит                                  |
| ------------------ | --------------------------------------------------------- |
| `claude-sonnet-5`  | Вопросы по документам с балансом качества и стоимости     |
| `claude-fable-5-1` | Модель нового поколения для сложного обобщения материалов |
| `gpt-5.6-terra`    | Сильная универсальная альтернатива                        |
| `gemini-3.7-flash` | Быстрая и недорогая работа с большими наборами документов |
| `glm-5.3-flash`    | Самый дешёвый вариант для большого числа запросов         |
| `kimi-k3`          | Длинный контекст, когда поиск возвращает много фрагментов |

Полный каталог приведён в разделе [Text API](/text-api) и на [странице цен](https://beatapi.io/pricing).

## Шаг 3. Выберите модель для векторных представлений

> **Note**
>
> **У BeatAPI нет метода API для embeddings.** Оставьте встроенную модель AnythingLLM в поле Embedding Provider либо выберите другой сервис с поддержкой embeddings. Если в разделе Embedding Preference выбрать **Generic OpenAI** и указать адрес BeatAPI, запросы завершатся ошибкой: `/v1/embeddings` не входит в публичный API.

В AnythingLLM есть встроенная локальная модель для векторных представлений: она работает на той же машине и не требует ключа. Для закрытой базы знаний это обычно удобнее: текст документов остаётся в вашей среде, а модель для чата получает только найденные фрагменты.

## Шаг 4. Создайте рабочее пространство и добавьте документы

1. Нажмите **+ New Workspace** и задайте название.
2. Нажмите **Upload Documents** и выберите файлы либо перетащите их в окно.
3. Дождитесь обработки: документы будут разбиты на фрагменты, для которых локально создадутся векторные представления.

Поддерживаются `.txt`, `.md`, `.pdf`, `.docx`, исходный код, `.csv`, `.json` и страницы, загружаемые по URL.

## Шаг 5. Задавайте вопросы

Введите вопрос в рабочем пространстве. AnythingLLM найдёт подходящие фрагменты документов и отправит их модели BeatAPI вместе с вопросом.

У каждого рабочего пространства свои документы, системный промпт и история. Поэтому один экземпляр AnythingLLM может обслуживать несколько независимых баз знаний.

## Частые вопросы

### AnythingLLM не подключается

1. Base URL должен быть `https://api.beatapi.io/v1`: с `/v1`, без завершающего слеша.
2. Убедитесь, что ключ активен, в [Dashboard → API Keys](https://beatapi.io/dashboard/apikeys).
3. При работе в Docker проверьте, что сам контейнер может обращаться к `api.beatapi.io`. Успешная проверка на компьютере не подтверждает доступ из контейнера.

### Ошибка при настройке embeddings

Это ожидаемо: см. шаг 3. BeatAPI предоставляет модели для чата, но не embeddings. Используйте встроенную модель AnythingLLM.

### Поиск не находит полезных фрагментов

Это проблема поиска, а не модели для чата. Убедитесь, что документ корректно разобран, и загрузите его заново. Попробуйте снизить порог сходства или увеличить число возвращаемых фрагментов в настройках рабочего пространства. Смена модели для чата не поможет, если поиск ничего не возвращает.

### Ответы приходят медленно

Выберите более быструю модель, например `gemini-3.7-flash` или `glm-5.3-flash`, и уменьшите число фрагментов на вопрос. Их объём напрямую определяет число входных токенов.

### 402 insufficient_credits

На балансе недостаточно средств: он равен нулю или меньше стоимости запроса. Пополните его в панели управления.

### Где посмотреть использование и расходы

Панель управления показывает вызовы, токены и расходы по каждому API-ключу. Те же данные доступны через [`GET /v1/usage`](/quick-guide). Создайте отдельный ключ для AnythingLLM, чтобы его расходы было легко отделить от остальных.

## Поддержка

Создайте обращение в [панели управления](https://beatapi.io/dashboard) и укажите `request_id` из ответа с ошибкой.