SDK

SDK 把检测器放进你自己的程序：给已经收集的回答评分，生成随机挑战，或者向一个 API 渠道发一轮挑战再评分。四种语言提供同样的功能：

• 离线评分：给一到三条回答评分，结果和 fpd --input FILE --json 相同。
• 生成挑战：和网页、命令行用同一个生成器，每道挑战随机选语言和措辞，要求 292–332 个整数。
• 在线检测：发一轮挑战并评分，取样规则和命令行的检测相同，支持 Responses、Chat Completions 和 Messages。

SDK 不做分词器探测，也不提供多轮检测；需要多轮时，在自己的程序里循环调用。

安装复制锚点链接

TypeScript 版发布在 npm，Rust 版在 crates.io，Python 版在 PyPI，Go 版是仓库里的模块：

npm install lmfpd-sdk

TypeScript 版在 Node.js 22+ 和 Bun 1.4.4+ 上运行，打包后没有依赖。Rust 版的调用都是阻塞的。Go 版要求 Go 1.23+。Python 版要求 Python 3.10+，依赖 httpx、zstandard 和 numpy。

安装包里不带参考数据。第一次加载时，SDK 下载约 3.6 MB 的压缩数据并缓存，之后参考库更新也不需要升级 SDK，见参考数据。

给回答评分复制锚点链接

analyze 接受一到三条回答，每条带上回答文本和挑战要求的整数个数 expected_count：

import { loadDetector } from 'lmfpd-sdk'

const detector = await loadDetector()
const analysis = detector.analyze([
  { text: reply1, expected_count: 300 },
  { text: reply2, expected_count: 311 },
  { text: reply3, expected_count: 296 },
])
console.log(analysis.decision, analysis.prediction, analysis.probability)

加载一次就可以反复评分。加载要解析约 4.5 MB 的检测参数，比一次评分慢得多（见性能），所以不要每次评分都重新加载。

检测一个 API 渠道复制锚点链接

detect 生成挑战、并发请求、检查回答再评分。请求失败不会抛出错误，而是记在每条样本和结果的 error 里：

const result = await detector.detect({
  baseUrl: 'https://api.example.com/v1', apiKey: process.env.API_KEY!, model: 'gpt-5.6-sol', api: 'chat_completions',
})
console.log(result.error ?? result.analysis!.prediction)

只有配置无效时 detect 才报错，这时还没有发出任何请求。error 为空时，analysis 一定有排名。全部参数见 API。

读结果复制锚点链接

decision 说明这次给出了什么：

一条回答至少要有 max(80, ceil(expected_count × 0.55)) 个 1–355 之间的整数才算有效。宽松模式下超出 expected_count 的部分会被截掉；严格模式不截断，要求三条完整的回答。

性能复制锚点链接

在一台 Apple Silicon Mac 上测的耗时，评分取预热后 20 次的中位数：

Python 版用 NumPy 计算，求和顺序和其他语言不同，分数相差在 10⁻¹⁵ 左右。在线检测的耗时主要是等模型生成，和语言无关。

结果一致性复制锚点链接

四种语言的实现都对照同一组测试数据检查：数字解析、请求构造、13 种流式和 JSON 响应的处理，以及 12 组评分结果。评分结果的相对误差不超过 10⁻⁹，文字和状态必须完全相同。在仓库里运行 bun run sdk:check 会依次检查四种语言。