Szybki start API Dolphin models ai

1. Wymagania wstępne: SDK i Klucz API

Zarejestruj się, używając konta Google lub adresu e-mail, aby natychmiast otrzymać klucz API. Do komunikacji z endpointem potrzebujesz oficjalnego SDK dla wybranego języka. Klucz uwierzytelnia każde wysyłane przez Ciebie żądanie.

2. Skonfiguruj swój Base URL

Ustaw URL bazowy na HTTPS://api.dolphinmodelsai.com/v1 w konfiguracji klienta. Ten URL kieruje Twoje żądania do naszych serwerów wnioskowania uncensored. Upewnij się, że Twój klucz API jest przekazywany w nagłówku autoryzacji. Punkt końcowy podąża za standardowymi wzorcami OpenAI dla kompatybilności.

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. Wyślij pierwsze żądanie Chat Completion

Wyślij żądanie POST do /v1/chat/completions z identyfikatorem modelu "uncensored". Dołącz historię swoich wiadomości w tablicy messages. API zwraca odpowiedź tekstową bez odmów treści dla legalnego użytku dorosłego. Możesz dostosować parametry takie jak temperatura, aby kontrolować losowość.

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. Włącz Strumieniowanie i Obsłuż Użycie Tokenów

Ustaw streaming na true, aby otrzymywać tokeny w miarę ich generowania. Każdy fragment zawiera częściowy tekst i metadane użycia. Ostatni fragment zawiera całkowitą liczbę tokenów dla dokładności rozliczeń. To podejście zmniejsza postrzeganą latencję dla długich odpowiedzi.

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. Użyj trybu JSON dla danych strukturalnych

Przekaż response_format jako {"type": "json_object"}, aby wymusić wyjście ustrukturyzowane. Model gwarantuje poprawną składnię JSON w odpowiedzi. Ta funkcja jest idealna do parsowania danych w logice Twojej aplikacji. Eliminuje potrzebę ręcznej walidacji regex.

6. Zaimplementuj Wywoływanie Funkcji (Narzędzia)

Zdefiniuj narzędzia w żądaniu, aby włączyć możliwości wywoływania funkcji. Model może zwracać wywołania narzędzi zamiast zwykłego tekstu. Wykonujesz funkcję i zwracasz wynik z powrotem do modelu. Ten wzorzec obsługuje złożone workflow wieloetapowe.

7. Zrozumienie limitów szybkości i parametrów

Każdy klucz API jest ograniczony do 300 żądań na minutę. Możesz mieć 8 żądań równoległych w dowolnym momencie. Okno kontekstowe obsługuje do 100 000 tokenów dla danych wejściowych i wyjściowych łącznie. Żądania przekraczające te limity otrzymują kod błędu 429. Błędy kredytu zwracają status 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)