Avvio rapido API Dolphin models ai

1. Prerequisiti: SDK e chiave API

Iscriviti con il tuo account Google o con email per ricevere istantaneamente una chiave API. È necessario l'SDK ufficiale per il linguaggio di tua scelta per comunicare con l'endpoint. La chiave autentica ogni richiesta che invii.

2. Configura il tuo URL di base

Imposta l'URL base a HTTPS://api.dolphinmodelsai.com/v1 nella configurazione del tuo client. Questo URL instrada le tue richieste ai nostri server di inferenza uncensored. Assicurati che la tua chiave API sia passata nell'header authorization. L'endpoint segue gli standard di OpenAI per la compatibilità.

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. Inviare la prima richiesta di completamento chat

Invia una richiesta POST a /v1/chat/completions con l'ID del modello "uncensored". Inserisci la cronologia dei messaggi nell'array messages. L'API restituisce una risposta testuale senza rifiuti di contenuto per l'uso adulto lecito. Puoi regolare parametri come la temperatura per controllare la casualità.

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. Abilita lo streaming e gestisci l'utilizzo dei token

Imposta streaming su true per ricevere i token man mano che vengono generati. Ogni chunk contiene testo parziale e metadati di utilizzo. L'ultimo chunk include il conteggio totale dei token per l'accuratezza della fatturazione. Questo approccio riduce la latenza percepita per le risposte lunghe.

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. Usa la modalità JSON per output strutturati

Passa response_format come {"type": "json_object"} per forzare un output strutturato. Il modello garantisce una sintassi JSON valida nella risposta. Questa funzione è ideale per analizzare i dati nella logica della tua applicazione. Elimina la necessità di convalida manuale con regex.

6. Implementa Function Calling (Strumenti)

Definisci gli strumenti nella richiesta per abilitare le funzionalità di richiamo delle funzioni. Il modello può restituire chiamate agli strumenti invece di testo normale. Esecuti la funzione e invii il risultato al modello. Questo pattern supporta flussi di lavoro multi-step complessi.

7. Comprendi i limiti di velocità e i parametri

Ogni chiave API è limitata a 300 richieste al minuto. Puoi avere 8 richieste concorrenti in qualsiasi momento. La finestra di contesto supporta fino a 100.000 token per input e output combinati. Le richieste che superano questi limiti ricevono un codice di errore 429. Gli errori di credito restituiscono lo stato 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)