Dolphin Models AI API-Schnellstart

1. Voraussetzungen: SDK und API-Schlüssel

Melden Sie sich mit Ihrem Google-Konto oder Ihrer E-Mail-Adresse an, um sofort einen API-Schlüssel zu erhalten. Sie benötigen das offizielle SDK für Ihre bevorzugte Sprache, um mit dem Endpunkt zu kommunizieren. Der Schlüssel authentifiziert jede gesendete Anfrage.

2. Ihre Basis-URL konfigurieren

Legen Sie die Basis-URL auf HTTPS://api.dolphinmodelsai.com/v1 in Ihrer Client-Konfiguration fest. Diese URL leitet Ihre Anfragen an unsere unzensierten Inferenzserver weiter. Stellen Sie sicher, dass Ihr API-Schlüssel im Authorization-Header übergeben wird. Der Endpunkt folgt den Standard-Mustern von OpenAI für Kompatibilität.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.dolphinmodelsai.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

3. Erste Chat-Vervollständigungsanfrage senden

Sende eine POST-Anfrage an /v1/chat/completions mit der Modell-ID "uncensored". Füge deinen Nachrichtenverlauf in das messages-Array ein. Die API gibt eine Textantwort ohne Inhaltsablehnungen für legale erwachsene Nutzungen zurück. Du kannst Parameter wie die Temperatur anpassen, um die Zufälligkeit zu steuern.

Copycurl https://api.dolphinmodelsai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Calculate the time complexity of this sorting algorithm"}]
  }'

4. Streaming aktivieren und Token-Nutzung verarbeiten

Setze Streaming auf true, um Tokens zu erhalten, sobald sie generiert werden. Jeder Chunk enthält teilweise Text und Nutzungs-Metadaten. Der letzte Chunk enthält die gesamte Token-Anzahl für die Abrechnungsgenauigkeit. Dieser Ansatz reduziert die wahrgenommene Latenz für lange Antworten.

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

5. JSON-Modus für strukturierte Ausgaben verwenden

Übergeben Sie response_format als {"type": "json_object"}, um eine strukturierte Ausgabe zu erzwingen. Das Modell garantiert gültige JSON-Syntax in der Antwort. Diese Funktion ist ideal zum Parsen von Daten in Ihre Anwendungslogik. Sie eliminiert die Notwendigkeit manueller Regex-Validierung.

6. Implementieren Sie Function Calling (Tools)

Definieren Sie Tools in Ihrer Anfrage, um Function Calling-Funktionen zu aktivieren. Das Modell kann Tool-Aufrufe statt reinen Textes zurückgeben. Sie führen die Funktion aus und senden das Ergebnis zurück an das Modell. Dieses Muster unterstützt komplexe Multi-Step-Workflows.

7. Understand Rate Limits and Parameters

Jeder API-Schlüssel ist auf 300 Anfragen pro Minute begrenzt. Sie können jederzeit 8 gleichzeitige Anfragen haben. Das Kontextfenster unterstützt bis zu 100.000 Tokens für Eingabe und Ausgabe zusammen. Anfragen, die diese Grenzen überschreiten, erhalten den Fehlercode 429. Guthabenfehler geben den Status 402 zurück.

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.dolphinmodelsai.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)