Dolphin ongecensureerde llm API-documentatie

Authenticatie en basis-URL

Je API-sleutel authenticeert elk verzoek aan onze gehoste infrastructuur. Je vindt deze sleutel op de pagina 'API-sleutel ophalen' na het inloggen met Google of een e-mailwachtwoord. Bewaar deze tekenreeks geheim, omdat deze volledige toegang geeft tot je voorbetaalde krediet.

Wijs uw SDK- of HTTP-client naar onze basis-URL. U vervangt het standaard OpenAI-eindpunt door dit adres om ervoor te zorgen dat uw aanroepen naar ons ongefilterde model worden gerouteerd.

https://api.dolphinuncensoredllm.com/v1

Het chat.completions Endpoint

Stuur je prompt naar het chat-completie-eindpunt om tekstoutput te ontvangen. Dit standaard eindpunt accepteert je systeem-instructies en gebruikersberichten. Je moet de model-ID in elk verzoek specificeren als uncensored.

Hier is een basisverzoek met de curl-opdracht:

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 Integratie

Gebruik de officiële OpenAI Python-bibliotheek om verbinding te maken met onze API. U initialiseert de client met uw basis-URL en API-sleutel. Zo kunt u bekende methoden gebruiken zoals chat.completions.create.

De volgende code demonstreert een eenvoudige tekstgeneratieaanvraag:

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-clientinstelling

Installeer het OpenAI npm-pakket en configureer het om onze basis-URL te gebruiken. Dit zorgt ervoor dat je Node.js-toepassing verzoeken naar het juiste uncensored-model stuurt.

Initialiseer de client met je inloggegevens en stuur een bericht:

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-responsen en tokenaantallen

Schakel streaming in door de stream-parameter in te stellen op true. Dit retourneert tokens progressief, wat de waargenomen latentie voor lange uitvoeren verbetert. De laatste chunk in de stream bevat de volledige statistieken voor tokengebruik.

Deze aanpak is ideaal voor realtime interfaces:

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 || ''); }

Foutcodes en Rate Limits

Je zult specifieke HTTP-statuscodes tegenkomen als er iets misgaat. Een 401-fout betekent dat je API-sleutel ongeldig of ontbrekend is. Een 402-fout geeft aan dat je tegoedbalans vooraf betaald te laag is voor het verzoek.

Rate limits beschermen de infrastructuur. Je mag 300 verzoeken per minuut per key doen. Als je dit overschrijdt, ontvang je een 429 Too Many Requests fout. Je kunt ook 8 verzoeken gelijktijdig versturen. Je context window is 100,000 tokens in totaal voor prompt en completion samen.

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)