Dolphin ubegrænset llm API-dokumentation

Autentificering og Base URL

Din API-nøgle autentificerer hver anmodning til vores infrastruktur. Du finder denne nøgle på siden 'Hent API-nøgle' efter at have logget ind med Google eller en e-mail-adresse. Gem denne streng hemmelig, da den giver fuld adgang til dine forudbetalede kreditter.

Peg din SDK- eller HTTP-klient på vores base URL. Du erstatter standard OpenAI-endpointet med denne adresse for at sikre, at dine opkald dirigeres til vores ubegrænsede model.

https://api.dolphinuncensoredllm.com/v1

chat.completions Endpoint

Send din prompt til chat completion-endepunktet for at modtage tekstoutput. Dette standard endepunkt accepterer dine systeminstruktioner og brugermeldinger. Du skal angive model-ID'et som uncensored i hver anmodning.

Her er en grundlæggende anmodning med curl-kommandoen:

curl -X POST https://api.dolphinuncensoredllm.com/v1/chat/completions \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "uncensored", "messages": [{"role": "user", "content": "Tell me a dark story."}], "max_tokens": 500 }'

Python SDK-integration

Brug det officielle OpenAI Python-bibliotek til at interagere med vores API. Du initialiserer klienten med din base-URL og API-nøgle. Dette giver dig mulighed for at bruge velkendte metoder som chat.completions.create.

Følgende kode demonstrerer en simpel tekstgenereringsanmodning:

import openai client = openai.OpenAI( base_url="https://api.dolphinuncensoredllm.com/v1", api_key="YOUR_API_KEY" ) response = client.chat.completions.create( model="uncensored", messages=[{"role": "user", "content": "Explain quantum computing."}], max_tokens=1024 )

Node.js-klientopsætning

Installer OpenAI npm-pakken og konfigurer den til at bruge vores base URL. Dette sikrer, at din Node.js-applikation sender anmodninger til den korrekte uprægede model.

Initialiser klienten med dine legitimationsoplysninger og send en besked:

import OpenAI from 'openai'; const client = new OpenAI({ baseURL: 'https://api.dolphinuncensoredllm.com/v1', apiKey: 'YOUR_API_KEY' }); const response = await client.chat.completions.create({ model: 'uncensored', messages: [{ role: 'user', content: 'Write code for a scraper.' }] });

Streaming-svar og tokenantal

Aktivér streaming ved at indstille stream-parameteren til true. Dette returnerer tokens progressivt, hvilket forbedrer den opfattede forsinkelse for lange output. Den sidste chunk i streamet indeholder de fulde tokenforbrugsstatistikker.

Denne tilgang er ideel til realtidsgrænseflader:

const stream = await client.chat.completions.create({ model: 'uncensored', messages: [{ role: 'user', content: 'Write a long poem.' }], stream: true }); for await (const chunk of stream) { process.stdout.write(chunk.choices[0]?.delta?.content || ''); }

Fejlkoder og hastighedsbegrænsninger

Du vil støde på specifikke HTTP-statuskoder, når der opstår fejl. En 401-fejl betyder, at din API-nøgle er ugyldig eller mangler. En 402-fejl indikerer, at din forudbetalte kreditbalance er for lav til forespørgslen.

Ratebegrænsninger beskytter infrastrukturen. Du har tilladelse til 300 anmodninger i minuttet per nøgle. Hvis du overskrider dette, modtager du en 429 Too Many Requests-fejl. Du kan også sende 8 anmodninger samtidigt. Dit kontekstvindue er 100,000 tokens i alt for prompt og completion kombineret.

cURL

Copycurl https://api.dolphinuncensoredllm.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Summit the meeting notes to bullet points"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.dolphinuncensoredllm.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)

Node.js

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.dolphinuncensoredllm.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);

Streaming

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)