Dolphin models ai API 快速入門

1. 前置條件：SDK 與 API 金鑰

使用您的 Google 帳戶或電子郵件註冊，即可立即獲得 API 金鑰。您需要首選語言的官方 SDK 來與端點通信。金鑰將驗證您發送的每項請求。

2. 設定您的 Base URL

在您的客戶端配置中將基礎 URL 設定為 HTTPS://api.dolphinmodelsai.com/v1。此 URL 將您的請求路由至我們的 uncensored 推理伺服器。請確保在授權標頭中傳遞您的 API 金鑰。該端點遵循標準的 OpenAI 模式以確保相容性。

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. 發送您的第一個聊天完成請求

向 /v1/chat/completions 發送 POST 請求，使用模型 id "uncensored"。將您的對話歷史包含在 messages 陣列中。API 會回傳文本回應，對於合法成人用途不會進行內容拒絕。您可以調整 temperature 等參數來控制隨機性。

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. 啟用串流並處理 Token 使用量

設定 streaming 為 true 以接收生成的 token。每個 chunk 包含部分文字和使用元數據。最後一個 chunk 包含總 token 計數以確保計費準確性。這種方法降低了長回應的感知延遲。

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. 使用 JSON 模式進行結構化輸出

傳遞 response_format 為 {"type": "json_object"} 以強制執行結構化輸出。模型保證回應中的 JSON 語法有效。此功能非常適合將資料解析到您的應用程式邏輯中。它消除了手動 regex 驗證的需求。

6. 實作函數呼叫（工具）

在請求中定義工具以啟用函式呼叫功能。模型可回傳工具呼叫而非純文字。您執行該函式並將結果回傳給模型。此模式支援複雜的多步驟工作流程。

7. Understand Rate Limits and Parameters

每個 API 金鑰的限額為每分鐘 300 次請求。您同時最多可擁有 8 個並行請求。上下文視窗支援最多 100,000 個 token，輸入與輸出合計。超出這些限額的請求會收到 429 錯誤代碼。信用錯誤則返回 402 狀態碼。

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)