Schnellstartanleitung für Dolphin ia

Basis-URL und Authentifizierung

Unsere API befindet sich unter HTTPS://api.dolphinia.cc/v1 und erfordert für jede Anfrage einen einfachen API-Schlüssel. Sie erhalten diesen Schlüssel sofort nach der Anmeldung mit Google oder E-Mail im Dashboard, und er läuft nie ab. Im Gegensatz zu Aggregatoren, die Kosten hinter Abonnements verstecken, berechnen wir nur für die Tokens, die Sie tatsächlich verbrauchen. Bewahren Sie Ihren Schlüssel sicher in Ihren Umgebungsvariablen auf, da jeder mit dem Schlüssel Ihr vorgeschossenes Guthaben ausgeben kann. Der Dienst erzwingt ein striktes Limit von 300 Anfragen pro Minute pro Schlüssel, um die Stabilität für alle Benutzer aufrechtzuerhalten.

Eine Chat Completion Request senden

Stellen Sie Ihren ersten Aufruf mit dem standardmäßigen Chat-Vervollständigungs-Endpunkt mit der Modell-ID „uncensored“ her. Diese Anfrage sendet Ihren Prompt an unseren Server und gibt eine Textantwort ohne die typischen Ablehnungen zurück, die bei anderen Modellen zu finden sind. Sie können bis zu 8 MB Daten in einem einzigen Anfragekörper senden, was für die meisten Standardanwendungsfälle ausreicht. Wenn Sie das Rate-Limit überschreiten, gibt der Server einen 429-Fehler zurück, der anzeigt, dass Sie kurzzeitig zurückweichen müssen. Überprüfen Sie immer, ob Ihre Antwort ein gültiges message-Objekt enthält, bevor Sie weiter verarbeiten.

Streaming-Antworten und Token-Nutzung

Aktivieren Sie das Streaming, indem Sie den Parameter „stream“ auf true setzen, was Tokens liefert, sobald sie über Server-Sent Events generiert werden. Dieser Ansatz reduziert die wahrgenommene Latenz erheblich, insbesondere beim Generieren langer Ausgaben mit bis zu 16.000 Token pro Anfrage. Der letzte Chunk im Stream enthält die vollständigen Token-Nutzungsstatistiken, sodass Sie die Kosten in Echtzeit verfolgen können. Sie können diese Ereignisse in Ihrer Anwendung verarbeiten, um Text schrittweise an den Benutzer anzuzeigen, ohne auf das Ende der gesamten Generierung zu warten.

Function Calling und JSON-Modus

Nutzen Sie natives Funktionsaufrufen, indem Sie ein tools-Array in Ihrer Anfrage bereitstellen, wodurch das Modell strukturierte Daten für Ihre Anwendungen zurückgeben kann. Sie können auch eine strikte JSON-Ausgabe erzwingen, indem Sie den response_format-Parameter verwenden, was ideal für die Integration mit nachgelagerten Systemen ist, die eine präzise Schema-Einhaltung erfordern. Das Modell unterstützt tool_choice-Optionen, um zu steuern, ob es eine Funktion aufrufen muss oder frei Text generieren kann. Nutzen Sie diese Funktionen, um robuste Agenten zu erstellen, die mit externen APIs oder Datenbanken interagieren, ohne unordentlichen Text analysieren zu müssen.

Parameter: Temperatur, Top P, Seeds

Steuern Sie die Kreativität und Zufälligkeit der Ausgabe mit Temperatur-, top_p- und Seed-Parametern, genau wie bei Standard-OpenAI-Clients. Eine niedrigere Temperatur liefert deterministischere Ergebnisse, während ein höherer Wert vielfältigere und kreativere Antworten fördert. Das Festlegen eines Seeds gewährleistet Reproduzierbarkeit, was für das Debuggen spezifischer Verhaltensweisen in Ihren uncensored-LLM-Workflows entscheidend ist. Sie können auch Stop-Sequenzen definieren, um die Generierung an bestimmten Markern zu stoppen, was Ihnen präzise Kontrolle über die Ausgabegrenzen gibt.

Limits, Fehler und Kontextfenster

Ihr Modell unterstützt ein massives Kontextfenster von 100.000 Tokens, das sowohl den Prompt als auch die Completion umfasst. Dies ermöglicht es Ihnen, große Dokumente oder umfangreiche Gesprächsverläufe zu übermitteln, ohne frühere Informationen zu verlieren. Wenn Sie einen ungültigen Schlüssel senden, erhalten Sie einen 401-Fehler, und ein 402-Fehler zeigt an, dass Ihr vorausbezahltes Guthaben aufgebraucht ist. Die 429-Ratenbegrenzung wird ausgelöst, wenn Sie mehr als 300 Anfragen pro Minute überschreiten oder versuchen, 8 gleichzeitige Anfragen gleichzeitig zu stellen. Behandeln Sie diese Fehler in Ihrem Code angemessen, um einen reibungslosen Betrieb zu gewährleisten.

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)