Dolphin ia API Quickstart

Base URL og autentificering

Vores API leveres på HTTPS://api.dolphinia.cc/v1 og kræver en simpel API-nøgle til hver anmodning. Du får denne nøgle øjeblikkeligt efter tilmelding med Google eller e-mail på dashboardet, og den udløber aldrig. I modsætning til aggregators, der skjuler omkostninger bag abonnementer, opkræver vi kun for de tokens, du faktisk forbruger. Hold din nøgle sikker i dine miljøvariabler, da enhver med nøglen kan bruge din forudbetalte kredit. Tjenesten håndhæver en streng grænse på 300 anmodninger i minuttet pr. nøgle for at opretholde stabilitet for alle brugere.

At sende en Chat Completion Request

Lav dit første kald ved hjælp af standard chat-completions-endepunktet med model-ID'et "uncensored". Denne anmodning sender din prompt til vores server og returnerer en tekstrespons uden de typiske afvisninger, der findes i andre modeller. Du kan sende op til 8 MB data i en enkelt request body, hvilket er tilstrækkeligt til de fleste standard use cases. Hvis du overskrider rate-limited, returnerer serveren en 429-fejl, der indikerer, at du skal trække dig tilbage kortvarigt. Verificér altid, at dit svar indeholder et gyldigt message-objekt, før du behandler yderligere.

Streaming-svar og tokenforbrug

Aktivér streaming ved at indstille stream-parameteren til true, hvilket leverer tokens, mens de genereres via Server-Sent Events. Denne tilgang reducerer den opfattede latens betydeligt, især når der genereres lange output op til 16,000 tokens maks pr. request. Den sidste chunk i streamen indeholder de fulde tokenforbrugsstatistikker, hvilket giver dig mulighed for at spore omkostninger i real-time. Du kan behandle disse events i din applikation til at vise tekst progressivt til brugeren uden at vente på, at hele genereringen er færdig.

Function Calling og JSON-tilstand

Udnyt indbygget funktionskald ved at angive et tools-array i din anmodning, hvilket giver modellen mulighed for at returnere struktureret data til dine applikationer. Du kan også håndhæve strengt JSON-output ved hjælp af response_format-parameteren, hvilket er ideelt til integration med downstream-systemer, der kræver præcis skemaoverholdelse. Modellen understøtter tool_choice-indstillinger til at kontrollere, om den skal kalde en funktion, eller om den kan generere tekst frit. Brug disse funktioner til at bygge robuste agenter, der interagerer med eksterne API'er eller databaser uden at parse rodet tekst.

Parametre: Temperatur, Top P og Seeds

Styr kreativitet og tilfældighed i outputtet ved hjælp af temperature, top_p og seed-parametre, præcis som du ville med standard OpenAI-klienter. En lavere temperatur giver mere deterministiske resultater, mens en højere værdi opmuntrer til mere varierede og kreative svar. Indstilling af en seed sikrer reproducerbarhed, hvilket er afgørende for fejlfinding af specifik adfærd i dine uncensored LLM-arbejdsgange. Du kan også definere stopsekvenser til at afbryde genereringen ved specifikke markører, hvilket giver dig præcis kontrol over outputgrænserne.

Begrænsninger, fejl og kontekstvindue

Din model understøtter et massivt kontekstvindue på 100.000 tokens, der omfatter både prompt og completion tilsammen. Dette giver dig mulighed for at sende store dokumenter eller omfattende samtalehistorier uden at miste tidligere information. Hvis du sender en ugyldig nøgle, modtager du en 401-fejl, og en 402-fejl indikerer, at din forudbetalte kredit er opbrugt. 429 rate limit udløses, hvis du overskrider 300 anmodninger i minuttet eller forsøger at lave 8 samtidige anmodninger. Håndter disse fejl elegant i din kode for at sikre smidig drift.

cURL

Copycurl https://api.dolphinia.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the three main benefits of using Redis for caching."}]
  }'

Python

Copyfrom openai import OpenAI

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