Dolphin sensuroimaton LLM API-dokumentaatio

Todennus ja base URL

API-avaimesi todentaa jokaisen pyynnön infrastruktuurillemme. Löydät tämän avaimen Osaa API-avaimesi -sivulta kirjautumisen jälkeen Google- tai sähköpostitunnuksella. Pidä tämä merkkijono salaisena, koska se myöntää täyden pääsyn esimaksuvaroihisi.

Osoita SDK- tai HTTP-asiakkaasi base URLiimme. Korvaat oletusarvoisen OpenAI-päätepisteen tällä osoitteella varmistaaksesi, että kutsusi reititetään uncensored-malliimme.

https://api.dolphinuncensoredllm.com/v1

chat.completions-päätepiste

Lähetä promptisi chat-completions-päätepisteeseen saadaksesi tekstitulosteen. Tämä standardipäätepiste hyväksyy järjestelmäohjeesi ja käyttäjäviestisi. Sinun on määritettävä mallin tunnistetiedot muotoon uncensored jokaisessa pyynnössä.

Tässä on peruspyyntö curl-komennolla:

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 -integraatio

Käytä virallista OpenAI:n Python-kirjastoa API-käyttöön. Alusta asiakasohjelma base URL:lläsi ja API-avaimesi. Tämä mahdollistaa tutkujen menetelmien, kuten chat.completions.create, käytön.

Seuraava koodi demonstroi yksinkertaista tekstin generointipyyntöä:

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-asiakkaan määritys

Asenna OpenAI:n npm-paketti ja määritä se käyttämään base URL:ia. Tämä varmistaa, että Node.js-sovelluksesi lähettää pyynnöt oikeaan uncensored-malliin.

Alusta asiakas kirjautumistiedoillasi ja lähetä viesti:

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.' }] });

Streamausvastaukset ja merkkimäärät

Ota suoratoisto käyttöön asettamalla stream-parametri arvoksi true. Tämä palauttaa tokenit progressiivisesti, mikä parantaa kokemaa viiveettä pitkissä tulosteissa. Suoratoiston viimeinen palsta sisältää täydet tokenkäyttötilastot.

Tämä lähestymistapa on erityisen hyvä reaaliaikaisiin käyttöliittymiin:

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 || ''); }

Virhekoodit ja nopeusrajoitukset

Kohtaat tiettyjä HTTP-virhekoodin arvoja, kun jokin menee pieleen. Virhekoodi 401 tarkoittaa, että API-avaimesi on virheellinen tai puuttuva. Virhekoodi 402 tarkoittaa, että esimaksusaltoni on liian alhainen pyyntöä varten.

Nopeusrajoitukset suojaavat infrastruktuuria. Sinulla on oikeus tehdä 300 pyyntöä minuutissa avainta kohden. Jos ylität tämän, saat virheen 429 Too Many Requests. Voit myös tehdä 8 pyyntöä samanaikaisesti. Kontekstiikkunasi on 100,000 tokenia yhteensä promptin ja täydennyksen yhdistettynä.

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);

Virtaus

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)