> ## Documentation Index > Fetch the complete documentation index at: https://docs.acedata.cloud/llms.txt > Use this file to discover all available pages before exploring further. # Instrucciones de integración de AI Chat v2 API > AI Dialogue API guide - Ace Data Cloud AI Chat v2 API (`/aichat2/conversations`) es la nueva generación de interfaz de conversación, y es una versión completamente mejorada de [AI Chat API](https://platform.acedata.cloud/documents/aichat-conversations). Sobre la base de la simplicidad y las conversaciones multivuelta alojadas de v1, amplía: * **Entrada de usuario multimodal**: mediante el campo estructurado `message`, envía directamente bloques de texto + imágenes + archivos, sin necesidad de adjuntarlos indirectamente primero mediante `references`. * **Llamada de herramientas con agentes**: integra un conjunto de herramientas como búsqueda en internet, extracción de páginas web, lectura de archivos, etc., y puede montar servidores MCP autorizados por el usuario (Google Drive, Notion, Slack, GitHub, etc.); el modelo puede llamar autónomamente a herramientas varias veces en una sola solicitud para completar tareas complejas. * **Eventos de streaming estructurados**: mediante `accept: text/event-stream` o `application/x-ndjson`, se pueden obtener eventos como `text_delta`, `tool_use`, `tool_result`, `thinking`, `citation`, `card`, `artifact`, etc., token por token, lo que facilita renderizarlos por separado en el frontend según el tipo correspondiente. * **Interrumpible / reanudable**: cuando el modelo necesita que el usuario complemente información, emitirá un evento `ask_user_question` y se pausará; en la siguiente llamada, basta con rellenar la respuesta mediante `tool_results` para continuar. * **Nuevas acciones CRUD**: en el mismo endpoint, completa `retrieve` / `retrieve_batch` / `update` / `delete` mediante el campo `action`, sin necesidad de una API adicional de gestión de conversaciones. * **Lista de modelos en actualización continua**: por defecto integra modelos contemporáneos como GPT-5.4, Claude Opus 4.8, Claude Sonnet 4.6, Gemini 3.1 Pro, GLM 5.1, DeepSeek V4, Kimi K3, etc. Al mismo tiempo, a nivel de cuerpo de solicitud es **totalmente compatible hacia atrás con v1**: pasando únicamente `model` + `question` (+ opcionalmente `stateful` / `id` / `references` / `preset`) se puede obtener una respuesta JSON `{answer, id}` equivalente a v1; por lo tanto, para migrar desde `/aichat/conversations` no es necesario reescribir el cliente, solo hay que cambiar la ruta a `/aichat2/conversations`. > Si actualmente utilizas `/aichat/conversations`, la antigua interfaz seguirá prestando servicio y puedes migrar a tu propio ritmo. ## Proceso de solicitud Para utilizar AI Chat v2 API, primero obtén tu API Token en la [consola de Ace Data Cloud](https://platform.acedata.cloud/console/applications) y guárdalo como respaldo. ![](https://cdn.acedata.cloud/dvc3cg.jpg) Si aún no has iniciado sesión ni te has registrado, se te redirigirá automáticamente a la página de inicio de sesión para invitarte a registrarte e iniciar sesión; al completarlo, volverás automáticamente a la página actual. **Un solo API Token permite llamar a todos los servicios de la plataforma, sin necesidad de solicitar uno por separado para cada servicio.** La primera solicitud incluye crédito gratuito, lo que permite probarlo sin coste; cuando el crédito sea insuficiente, puedes recargar saldo general en la [consola](https://platform.acedata.cloud/console/coin). > 📘 Documentación completa: [AI Chat v2 API →](https://platform.acedata.cloud/documents/aichat2-conversations) ## Uso básico El uso más sencillo es exactamente igual que v1: pasa `model` + `question` y obtén `{answer, id}`. Ejemplo de CURL: ```shell theme={null} curl -X POST 'https://api.acedata.cloud/aichat2/conversations' \ -H 'accept: application/json' \ -H 'authorization: Bearer {token}' \ -H 'content-type: application/json' \ -d '{ "model": "gpt-5.4", "question": "用一句话介绍下 AceDataCloud。" }' ``` Resultado devuelto: ```json theme={null} { "answer": "AceDataCloud 是一个聚合主流 AI 模型与多模态服务的统一 API 平台，开发者通过一个密钥即可调用 GPT、Claude、Gemini、Midjourney、Suno、Veo 等多家服务。", "id": "f2f4b3e8-0c0a-4d3a-aaa2-7ff80c0a1c44" } ``` Ejemplo de Python: ```python theme={null} import requests url = "https://api.acedata.cloud/aichat2/conversations" headers = { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json", } payload = { "model": "gpt-5.4", "question": "用一句话介绍下 AceDataCloud。", } response = requests.post(url, json=payload, headers=headers) print(response.json()) ``` Los valores disponibles para `model` pueden verse directamente en el menú desplegable del panel Try de la derecha; las categorías comunes incluyen: * OpenAI: `gpt-5.4-mini`, `gpt-5.4-nano`, `gpt-5.2-pro`, `gpt-5.1-all`, `gpt-5-all`, `gpt-4.1`, `gpt-4o`, `gpt-4o-image`, `o3`, `o4-mini`, etc. * Anthropic: `claude-opus-4-8`, `claude-opus-4-7`, `claude-opus-4-6`, `claude-opus-4-5-20251101`, `claude-sonnet-4-6`, `claude-sonnet-4-5-20250929`, `claude-haiku-4-5-20251001`, etc. * Google: `gemini-3.1-pro-preview`, `gemini-3.1-pro-preview`, `gemini-3.1-flash-image`, `gemini-3.1-pro-preview`, `gemini-2.5-flash-lite`, etc. * xAI: `grok-4`, etc. * DeepSeek: `deepseek-v4-pro`, `deepseek-v4.1-flash`, `deepseek-v4-flash`, `deepseek-v3.2-exp`, `deepseek-r1-0528`, etc. * Moonshot: `kimi-k3`, `kimi-k2.6`, `kimi-k2.5`, etc. * Zhipu: `glm-5.3`, `glm-5.2`, `glm-5.1`, `glm-5`, `glm-5-turbo`, `glm-4.7`, `glm-4.5v`, etc. Para las reglas de facturación específicas, consulta la tarjeta Pricing de la página del servicio. ## Conversación multivuelta Al igual que en v1, pasa `stateful: true` para activar el guardado de la conversación; la API devolverá un `id`; en solicitudes posteriores, basta con incluir de nuevo el `id` para continuar la conversación, sin necesidad de mantener tú mismo el historial de messages. Primera solicitud: ```shell theme={null} curl -X POST 'https://api.acedata.cloud/aichat2/conversations' \ -H 'accept: application/json' \ -H 'authorization: Bearer {token}' \ -H 'content-type: application/json' \ -d '{ "model": "gpt-5.4", "stateful": true, "question": "记住一个数字：42。" }' ``` Devuelve: ```json theme={null} { "answer": "好的，我已经记住了 42。需要我用它做什么吗？", "id": "f2f4b3e8-0c0a-4d3a-aaa2-7ff80c0a1c44" } ``` Segunda solicitud, incluye el mismo `id`: ```shell theme={null} curl -X POST 'https://api.acedata.cloud/aichat2/conversations' \ -H 'accept: application/json' \ -H 'authorization: Bearer {token}' \ -H 'content-type: application/json' \ -d '{ "model": "gpt-5.4", "stateful": true, "id": "f2f4b3e8-0c0a-4d3a-aaa2-7ff80c0a1c44", "question": "我刚才让你记住的数字是多少？" }' ``` ```json theme={null} { "answer": "你让我记住的数字是 42。", "id": "f2f4b3e8-0c0a-4d3a-aaa2-7ff80c0a1c44" } ``` > `stateful` es `true` de forma predeterminada; omitirlo es equivalente a pasar explícitamente `true`. Si no deseas que el servidor guarde esta ronda de conversación, puedes establecer explícitamente `stateful: false`. ## Respuesta en streaming v2 admite dos formatos de streaming, seleccionados según la cabecera `accept`: | Escenario | `accept` | Forma de los datos | | ---------------------------------------------- | ---------------------------------- | --------------------------------------------------------- | | Frontend web / EventSource | `text/event-stream` | `data: {json}\n\n`, la última línea es `data: [DONE]\n\n` | | Servidor / CLI / análisis de streaming de Node | `application/x-ndjson` | Un objeto JSON por línea | | No se necesita streaming | `application/json`（predeterminado） | Devuelve `{answer, id}` de una sola vez | ### Ejemplo de NDJSON ```python theme={null} import json import requests url = "https://api.acedata.cloud/aichat2/conversations" headers = { "accept": "application/x-ndjson", "authorization": "Bearer {token}", "content-type": "application/json", } payload = { "model": "gpt-5.4", "stateful": True, "question": "用三句话介绍杭州。", } with requests.post(url, json=payload, headers=headers, stream=True) as resp: answer = "" for line in resp.iter_lines(): if not line: continue event = json.loads(line) if event.get("type") == "text_delta": # 与 v1 兼容：增量片段同时通过 delta_answer 字段提供 answer += event["content"] print(event["delta_answer"], end="", flush=True) elif event.get("type") == "done": print() print("usage =", event.get("usage")) ``` Cada línea de NDJSON es un evento estructurado; el más común es `text_delta`: ```json theme={null} {"type":"text_delta","content":"杭","delta_answer":"杭","id":"f2f4b3e8-..."} {"type":"text_delta","content":"州","delta_answer":"州","id":"f2f4b3e8-..."} {"type":"text_delta","content":"是","delta_answer":"是","id":"f2f4b3e8-..."} ... {"type":"done","conversation_id":"f2f4b3e8-...","usage":{"prompt_tokens":21,"completion_tokens":58,"total_tokens":79},"terminal_reason":"natural_stop"} ``` ### Ejemplo de SSE El uso de `EventSource` en el navegador no admite cuerpos de solicitud personalizados; se recomienda usar `fetch` + análisis manual por segmentos de `\n\n`: ```javascript theme={null} const resp = await fetch("https://api.acedata.cloud/aichat2/conversations", { method: "POST", headers: { accept: "text/event-stream", authorization: "Bearer {token}", "content-type": "application/json", }, body: JSON.stringify({ model: "gpt-5.4", stateful: true, question: "用三句话介绍杭州。", }), }); const reader = resp.body.getReader(); const decoder = new TextDecoder(); let buffer = ""; while (true) { const { value, done } = await reader.read(); if (done) break; buffer += decoder.decode(value, { stream: true }); const blocks = buffer.split("\n\n"); buffer = blocks.pop() ?? ""; for (const block of blocks) { const dataLine = block.split("\n").find((l) => l.startsWith("data: ")); if (!dataLine) continue; const payload = dataLine.slice(6); if (payload === "[DONE]") return; const event = JSON.parse(payload); if (event.type === "text_delta") process.stdout.write(event.content); } } ``` ### Tipos de eventos de streaming | `type` | Significado | | ------------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | `text_delta` | Fragmento de texto incremental de la respuesta del asistente. `content` es el contenido nuevo; para ser compatible con v1, el mismo evento también incluye `delta_answer` (igual a `content`) e `id`. | | `thinking` | El proceso de razonamiento del modelo (solo aparece cuando el modelo seleccionado expone reasoning). | | `tool_use` | El modelo decide llamar a una herramienta; el evento incluye `tool_id`, `tool_name`, `input`. | | `tool_result` | Resultado de la ejecución de la herramienta; se empareja con el `tool_use` anterior mediante `tool_id`, y `is_error` indica si falló. | | `card` | Tarjeta estructurada producida por una herramienta (como una imagen o una vista previa de enlace), apta para renderizarse directamente. | | `citation` | Se utiliza para complementar la URL de la fuente citada del fragmento de texto correspondiente. | | `ask_user_question` | Se emite cuando el modelo necesita que el usuario proporcione información adicional; la conversación entra en el estado `awaiting_user_input`. Consulta a continuación [reanudar una conversación pausada](#恢复暂停的对话). | | `artifact` | Producto independiente generado por el modelo (como un bloque de código o documento), que puede guardarse o descargarse. | | `system_message` | Información de aviso del sistema (no contenido del usuario ni del asistente), solo para avisos de UI. | | `compact` | Evento en el que se comprime el contexto interno; no requiere un tratamiento especial. | | `error` | Se produjo un error en esta ronda; `message` describe el contenido del error. | | `done` | Finaliza la respuesta en streaming; incluye `usage` (con `prompt_tokens` / `completion_tokens` / `total_tokens`) y `terminal_reason`. | Para los clientes que solo se preocupan por la respuesta final, concatenar el `content` de todos los `text_delta` equivale a `answer` en el modo `application/json`. ## Entrada multimodal Si la entrada del usuario incluye imágenes o archivos, pasa `message` (un array) en lugar de `question`. Cada elemento del array es un bloque de contenido: ```json theme={null} { "model": "gpt-5.4", "stateful": true, "message": [ { "type": "text", "text": "这张图片里有几只猫？" }, { "type": "image_url", "image_url": { "url": "https://cdn.acedata.cloud/cats.jpg" } } ] } ``` Tipos de bloques compatibles: * `text` — Texto normal; el campo `text` es obligatorio. * `image_url` — Imagen; `image_url.url` es obligatorio. * `file_url` — Archivo (PDF, CSV, TXT, etc.); `file_url.url` es obligatorio. ### Relación con `references` de v1 Para ser compatible con clientes antiguos, v2 sigue reconociendo el campo `references: ["https://...", ...]`: * Si el sufijo de la URL es `jpg / jpeg / png / gif / bmp / webp / svg / heic / heif`, se convierte automáticamente en un bloque `image_url`; * Otras extensiones se convierten en un bloque `file_url`; * Si también se proporciona `question`, se antepone como un bloque `text`. Por lo tanto, si solo quieres migrar desde v1 y no quieres modificar el cuerpo de la solicitud, basta con cambiar la ruta a `/aichat2/conversations`, y el uso original de `references` seguirá funcionando normalmente. Si necesitas un control más preciso (por ejemplo, colocar varias imágenes entre textos, o si el orden es muy importante), usa directamente el array `message`. ## Llamadas a herramientas y MCP La mejora principal de v2 es que el modelo puede llamar autónomamente a herramientas para completar tareas de varios pasos, **esto está habilitado de forma predeterminada**, y no requiere que el cliente haga ninguna configuración adicional en la solicitud. Escenarios comunes: * El usuario pregunta «Ayúdame a buscar qué nuevas exposiciones hay recientemente en Shanghái» → el modelo llama a la búsqueda web integrada → organiza los resultados en una respuesta. * El usuario pregunta «Lee este PDF y luego escribe un resumen» → el modelo llama a file\_read → escribe un resumen. * El usuario ya ha autorizado Google Drive / GitHub / Notion, etc. en [Connections](https://platform.acedata.cloud/connections) → el modelo puede llamar a las herramientas MCP correspondientes para leer y escribir sus datos. En el flujo NDJSON / SSE, las llamadas a herramientas se presentan mediante dos tipos de eventos: `tool_use` y `tool_result`, por ejemplo: ```json theme={null} {"type":"tool_use","tool_id":"toolu_01ABCDEF","tool_name":"web_search","input":{"query":"上海 2026 春季展览"},"id":"f2f4b3e8-..."} {"type":"tool_result","tool_id":"toolu_01ABCDEF","output":"...","is_error":false,"id":"f2f4b3e8-..."} {"type":"text_delta","content":"目前","delta_answer":"目前","id":"f2f4b3e8-..."} {"type":"text_delta","content":"上海","delta_answer":"上海","id":"f2f4b3e8-..."} ... ``` Si no quieres mostrar los detalles de las llamadas a herramientas en el frontend, basta con ignorar estos tipos de eventos: `tool_use` / `tool_result` / `card` / `citation`; la salida final del modelo seguirá fluyendo a través de `text_delta`. `max_turns` puede limitar el máximo de rondas en que el modelo puede llamarse a sí mismo mediante herramientas en esta solicitud; el límite predeterminado lo determina la plataforma. Establecerlo bajo (por ejemplo, `max_turns: 1`) puede forzar una respuesta única y no permitir ninguna llamada a herramientas. ## Ejecución asíncrona y autorización sin supervisión Si tu llamada proviene de un Webhook de alertas, CI/CD, sistema de monitorización u otras tareas de backend, puedes establecer `async: true` para que la interfaz devuelva inmediatamente un ID de tarea y continúe ejecutándose en segundo plano: ```json theme={null} { "model": "gpt-5.5", "async": true, "question": "我的服务报警了，用个人微信通知微信群「AceDataCloud团队」……" } ``` Ejemplo de respuesta: ```json theme={null} { "task_id": "f2f4b3e8-0c0a-4d3a-aaa2-7ff80c0a1c44", "conversation_id": "f2f4b3e8-0c0a-4d3a-aaa2-7ff80c0a1c44", "id": "f2f4b3e8-0c0a-4d3a-aaa2-7ff80c0a1c44", "status": "queued" } ``` Después, puedes usar `action: retrieve` + `id` para consultar el resultado de la conversación; también puedes proporcionar `callback_url`, y cuando la tarea se complete, la plataforma hará POST de `{ status, answer, usage, error }` a tu dirección de callback. `callback_url` debe usar `http` / `https`, y no puede indicar directamente `localhost` ni una dirección literal de IP privada. Normalmente no hay nadie que pueda hacer clic para confirmar las tareas en segundo plano. Si deseas que ciertos Skill o MCP Server ejecuten acciones como enviar, publicar o escribir en modo sin supervisión, pasa explícitamente una lista de preautorización en el cuerpo de la solicitud: ```json theme={null} { "model": "gpt-5.5", "async": true, "allowed_skills": ["acedatacloud/personal-wechat"], "allowed_mcp_servers": [], "question": "我的服务报警了，用个人微信通知微信群「AceDataCloud团队」……" } ``` Los valores en `allowed_skills` son los slug de los Skill conectados; los valores en `allowed_mcp_servers` son los slug de los MCP Server conectados. Los Skill / MCP Server que no estén incluidos en la preautorización en modo sin supervisión solo podrán seguir previsualizando, hacer dry-run o rechazar operaciones de escritura. Si necesitas un control más granular, también puedes usar el objeto equivalente `unattended_policy`: ```json theme={null} { "unattended_policy": { "allowed_skills": ["acedatacloud/personal-wechat"], "allowed_mcp_servers": [], "expires_at": 1790000000 } } ``` La preautorización son estas dos listas en sí mismas: una lista vacía significa que no se autoriza ninguna capacidad, sin necesidad de campos de activación adicionales. Nota: la preautorización solo significa «esta solicitud permite que estas capacidades omitan la confirmación humana en modo sin supervisión». El Skill concreto debe seguir admitiendo `--unattended-confirm` o el mecanismo de seguridad correspondiente; de lo contrario, seguirá haciendo dry-run y no ejecutará directamente operaciones de escritura. ## Reanudar conversaciones pausadas Algunas herramientas hacen que el modelo «vuelva a preguntar al usuario»; en ese momento, el modelo emitirá un evento `ask_user_question`, y la conversación quedará congelada en el estado `awaiting_user_input`: ```json theme={null} { "type": "ask_user_question", "tool_id": "toolu_01XYZW", "tool_name": "ask_user_question", "question": "你希望生成的报告是中文还是英文？", "options": ["中文", "英文"], "id": "f2f4b3e8-..." } ``` En el frontend, renderiza este evento como una tarjeta para que el usuario elija una respuesta y, a continuación, inicia la siguiente solicitud con el mismo `id`, rellenando la respuesta mediante `tool_results`: ```shell theme={null} curl -X POST 'https://api.acedata.cloud/aichat2/conversations' \ -H 'accept: text/event-stream' \ -H 'authorization: Bearer {token}' \ -H 'content-type: application/json' \ -d '{ "model": "gpt-5.4", "stateful": true, "id": "f2f4b3e8-0c0a-4d3a-aaa2-7ff80c0a1c44", "tool_results": [ { "tool_use_id": "toolu_01XYZW", "output": "中文" } ] }' ``` El `tool_use_id` en el cuerpo de la solicitud **debe** ser exactamente igual al `tool_id` del momento de la pausa; si no coincide, devolverá 400. Cuando `tool_results` existe simultáneamente en la solicitud, `question` / `message` / `references` se ignorarán todos. Si el usuario decide abandonar esta pregunta, basta con pasar un nuevo `question` / `message`, y la plataforma marcará automáticamente la llamada a herramienta pausada como «omitida por el usuario». ## Gestión de conversaciones (CRUD) v2 proporciona una gestión ligera de conversaciones mediante el campo `action` en el mismo endpoint, sin necesidad de abrir otra API. ### `action: retrieve` —— Obtener una conversación ```shell theme={null} curl -X POST 'https://api.acedata.cloud/aichat2/conversations' \ -H 'accept: application/json' \ -H 'authorization: Bearer {token}' \ -H 'content-type: application/json' \ -d '{ "action": "retrieve", "id": "f2f4b3e8-0c0a-4d3a-aaa2-7ff80c0a1c44" }' ``` Devuelve el documento completo de la conversación (incluye el historial de `messages`, `model`, `title`, `tools_used`, etc.). ### `action: retrieve_batch` —— Listar resúmenes de conversaciones ```json theme={null} { "action": "retrieve_batch", "model_group": "chatgpt", "limit": 20, "offset": 0 } ``` Devuelve `{ items: [...], total }`. **Los resúmenes no incluyen `messages`**, son adecuados para listas de barra lateral; si el usuario abre una conversación, use después `action: retrieve` para obtener por separado sus mensajes completos. Parámetros de filtrado opcionales: `user_id`, `application_id`, `model_group`, `model`. ### `action: update` —— Cambiar el título o reescribir el historial ```json theme={null} { "action": "update", "id": "f2f4b3e8-0c0a-4d3a-aaa2-7ff80c0a1c44", "title": "Plan de viaje a Hangzhou" } ``` También se puede pasar `messages`, pero el servidor realizará una validación estricta del schema (debe tener la forma de `ToolUseContent` contraída); si no cumple, devolverá 400. Por lo general, solo se recomienda usarlo para cambiar `title`. ### `action: delete` —— Eliminar una conversación ```json theme={null} { "action": "delete", "id": "f2f4b3e8-0c0a-4d3a-aaa2-7ff80c0a1c44" } ``` Devuelve `{ id, success: true }`. No se puede recuperar después de eliminarla; confirme antes de realizar la llamada. ## Migración fluida desde v1 Si ya está utilizando [`/aichat/conversations`](https://platform.acedata.cloud/documents/aichat-conversations), migrar a v2 casi no requiere cambios de código: 1. Cambie la URL de `https://api.acedata.cloud/aichat/conversations` a `https://api.acedata.cloud/aichat2/conversations`. 2. Si antes enviaba nombres de modelos v1 (como `gpt-3.5`, `gpt-4-browsing`, etc.), al cambiar a v2 se recomienda actualizar a modelos contemporáneos (como `gpt-5.4`, `claude-opus-4-8`, `gemini-3.1-pro-preview`, etc.). 3. Los campos del flujo NDJSON mantienen compatibilidad con versiones anteriores: cada evento `text_delta` sigue incluyendo `delta_answer` e `id`, por lo que los clientes existentes que analizan `delta_answer` línea por línea no requieren cambios. Después de la migración, puede habilitar según sea necesario las nuevas capacidades de v2 (`message` multimodal, SSE, llamadas a herramientas, CRUD mediante `action`), y avanzar al ritmo que prefiera. ## Manejo de errores La respuesta de error se unifica como: ```json theme={null} { "error": { "code": "chat_error", "message": "model service returned an error" }, "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89" } ``` Errores comunes: * `400 bad_request`: faltan campos obligatorios, `tool_use_id` no coincide, el schema de `messages` no es válido, etc. * `401 invalid_token`: el encabezado `authorization` es incorrecto. * `404 not_found`: la conversación correspondiente al `id` no existe al usar `action: retrieve / update / delete`. * `429 too_many_requests`: se activó el límite de velocidad. * `500 chat_error`: error del LLM ascendente o `completion_tokens=0` en esta ronda (se trata como no consumido y no se cobra). En la respuesta de flujo, los errores se emiten como eventos `{"type":"error","message":"..."}`, tras lo cual el flujo finalizará inmediatamente. ## Conclusión AI Chat v2 API, manteniendo la compatibilidad con v1, actualiza las conversaciones de «preguntas y respuestas de una sola ronda / múltiples rondas» a «conversaciones observables orientadas a agentes»: entrada multimodal, llamadas a herramientas, pausa / reanudación, eventos estructurados en flujo y CRUD integrado. Se recomienda usar directamente v2 para nuevas integraciones; las integraciones existentes de v1 pueden migrarse fluidamente por etapas. Si tiene alguna pregunta, no dude en ponerse en contacto con nuestro equipo de soporte técnico.