Démarrage rapide de l'API Dolphin models ai

1. Prérequis : SDK et clé API

Inscrivez-vous avec votre compte Google ou votre adresse e-mail pour recevoir une clé API instantanément. Vous avez besoin du SDK officiel pour votre langage préféré pour communiquer avec le point de terminaison. La clé authentifie chaque requête que vous envoyez.

2. Configurez votre URL de base

Définissez l'URL de base sur HTTPS://api.dolphinmodelsai.com/v1 dans la configuration de votre client. Cette URL achemine vos requêtes vers nos serveurs d'inférence uncensored. Assurez-vous que votre clé API est transmise dans l'en-tête d'autorisation. Le point de terminaison suit les modèles standard OpenAI pour la compatibilité.

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. Envoyez votre première requête de complétion de chat

Envoyez une requête POST à /v1/chat/completions avec l'ID de modèle "uncensored". Incluez l'historique de vos messages dans le tableau messages. L'API renvoie une réponse textuelle sans refus de contenu pour une utilisation adulte légale. Vous pouvez ajuster des paramètres comme la température pour contrôler l'aléatoire.

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. Activez le streaming et gérez l'utilisation des tokens

Définissez streaming sur true pour recevoir des jetons au fur et à mesure de leur génération. Chaque chunk contient du texte partiel et des métadonnées d'utilisation. Le dernier chunk inclut le nombre total de jetons pour une facturation précise. Cette approche réduit la latence perçue pour les réponses longues.

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. Utilisez le mode JSON pour des sorties structurées

Passez response_format comme {"type": "json_object"} pour imposer une sortie structurée. Le modèle garantit une syntaxe JSON valide dans la réponse. Cette fonctionnalité est idéale pour analyser les données dans la logique de votre application. Elle élimine le besoin de validation regex manuelle.

6. Implémentez l'appel de fonctions (Outils)

Définissez les outils dans votre requête pour activer les capacités d'appel de fonctions. Le modèle peut renvoyer des appels d'outils au lieu de texte brut. Vous exécutez la fonction et renvoyez le résultat au modèle. Ce pattern prend en charge des workflows complexes à plusieurs étapes.

7. Comprenez les limites de débit et les paramètres

Chaque clé API est limitée à 300 requêtes par minute. Vous pouvez avoir 8 requêtes simultanées à tout moment. La fenêtre de contexte prend en charge jusqu'à 100 000 tokens pour l'entrée et la sortie combinées. Les requêtes dépassant ces limites reçoivent un code d'erreur 429. Les erreurs de crédit renvoient un statut 402.

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)