תיעוד API של Dolphin uncensored llm

אימות וכתובת בסיס

מפתח ה-API שלך מאמת כל בקשה לתשתית המאוחסנת שלנו. אתה מוצא מפתח זה בדף קבלת מפתח API לאחר כניסה עם Google או סיסמת אימייל. שמור על מחרוזת זו בסוד כי היא מעניקה גישה מלאה לאשראי ששולם מראש שלך.

כוון את ה-SDK או לקוח ה-HTTP שלך לכתובת הבסיס שלנו. אתה מחליף את נקודת הקצה הסטנדרטית של OpenAI עם כתובת זו כדי להבטיח שהקריאות שלך יועברו למודל ללא הצנזורה שלנו.

https://api.dolphinuncensoredllm.com/v1

נקודת הקצה להשלחות צ'אט

שלחו את הפרומפט שלכם אל נקודת הקצה להשלמת צ'אט כדי לקבל פלט טקסט. נקודת קצה סטנדרטית זו מקבלת את הוראות המערכת והודעות המשתמש שלכם. עליכם לציין את מזהה המודל כ-uncensored בכל בקשה.

להלן בקשה בסיסית בשימוש בפקודת curl:

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 }'

אינטגרציית SDK Python

השתמשו בספריית הפיתון הרשמית של OpenAI כדי ליצור אינטראקציה עם ה-API שלנו. אתחלו את הלקוח עם כתובת ה-Base URL ומפתח ה-API שלכם. זה מאפשר לכם להשתמש בשיטות מוכרות כמו chat.completions.create.

קוד זה מדגים בקשה פשוטה ליצירת טקסט:

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 )

הגדרת לקוח Node.js

התקן את חבילת npm של OpenAI והגדר אותה להשתמש בכתובת הבסיס שלנו. זה מבטיח שאפליקציית Node.js שלך תשלח בקשות למודל ללא צנזורה הנכון.

אתחל את הלקוח עם האישורים שלך ושלח הודעה:

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.' }] });

תגובות בסטרימינג וספירת טוקנים

אפשרו זרמת נתונים על ידי הגדרת הפרמטר stream לערך true. פעולה זו מחזירה אסימונים בהדרגה, ומשפרת את זמן ההמתנה התפוס עבור פלט ארוך. הנתון החלקי האחרון בזרימה מכיל את סטטיסטיקות השימוש המלאות באסימונים.

גישה זו אידיאלית לממשקים בזמן אמת:

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 || ''); }

קודי שגיאה ומגבלות קצב

תתקלו בקודי סטטוס HTTP ספציפיים כאשר משהו משתבש. שגיאת 401 אומרת שמפתח ה-API שלכם לא תקף או חסר. שגיאת 402 מציינת שיתרת האשראי המוקדמת נמוכה מדי לבקשה.

מגבלות הקצב מגנות על התשתית. מותר לך לבצע 300 בקשות לדקה לכל מפתח. אם תחרוג ממגבלה זו, תקבל שגיאת 429 Too Many Requests. ניתן גם לשלוח 8 בקשות בו-זמנית. חלון ההקשר שלך הוא 100,000 טוקנים בסך הכל עבור הקלט והפלט משולבים.

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);

זרימה

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)