Panduan Awal Cepat Dolphin ia

URL Dasar dan Autentikasi

API kami berada di HTTPS://api.dolphinia.cc/v1 dan memerlukan kunci API sederhana untuk setiap permintaan. Anda mendapatkan kunci ini segera setelah mendaftar dengan Google atau email di dasbor, dan kunci ini tidak pernah kedaluwarsa. Tidak seperti agregator yang menyembunyikan biaya di balik langganan, kami hanya membebankan biaya untuk token yang benar-benar Anda konsumsi. Simpan kunci Anda dengan aman di variabel lingkungan, karena siapa saja yang memiliki kunci tersebut dapat menghabiskan kredit prabayar Anda. Layanan ini memberlakukan batas ketat 300 permintaan per menit per kunci untuk menjaga stabilitas bagi semua pengguna.

Mengirimkan Permintaan Penyelesaian Chat

Buat panggilan pertama Anda menggunakan endpoint penyelesaian chat standar dengan ID model "uncensored". Permintaan ini mengirim prompt Anda ke server kami dan mengembalikan respons teks tanpa penolakan tipikal yang ditemukan pada model lain. Anda dapat mengirim hingga 8MB data dalam satu body permintaan, yang cukup untuk sebagian besar kasus penggunaan standar. Jika Anda melebihi batas laju, server mengembalikan kesalahan 429 yang menunjukkan Anda perlu mundur sebentar. Selalu verifikasi respons Anda menyertakan objek pesan yang valid sebelum memproses lebih lanjut.

Respons Streaming dan Penggunaan Token

Aktifkan streaming dengan mengatur parameter stream menjadi true, yang mengirimkan token saat token tersebut dihasilkan melalui Server-Sent Events. Pendekatan ini secara signifikan mengurangi latensi yang dirasakan, terutama saat menghasilkan output panjang hingga batas maksimum 16,000 token per permintaan. Potongan terakhir dalam aliran berisi statistik penggunaan token lengkap, memungkinkan Anda melacak biaya secara real-time. Anda dapat memproses peristiwa ini dalam aplikasi Anda untuk menampilkan teks secara bertahap kepada pengguna tanpa menunggu generasi penuh selesai.

Pemanggilan Fungsi dan Mode JSON

Manfaatkan pemanggilan fungsi bawaan dengan menyediakan array alat dalam permintaan Anda, memungkinkan model mengembalikan data terstruktur untuk aplikasi Anda. Anda juga dapat memaksakan output JSON ketat menggunakan parameter response_format, yang sangat ideal untuk mengintegrasikan dengan sistem hilir yang memerlukan kepatuhan skema yang presisi. Model mendukung opsi tool_choice untuk mengontrol apakah model harus memanggil fungsi atau dapat menghasilkan teks secara bebas. Gunakan fitur-fitur ini untuk membangun agen yang kuat yang berinteraksi dengan API atau basis data eksternal tanpa harus melakukan parsing teks yang berantakan.

Parameter: Suhu, Top P, dan Seeds

Kendalikan kreativitas dan acak output menggunakan parameter suhu, top_p, dan seed seperti yang Anda lakukan dengan klien OpenAI standar. Suhu yang lebih rendah menghasilkan hasil yang lebih deterministik, sementara nilai yang lebih tinggi mendorong respons yang lebih beragam dan kreatif. Menetapkan seed memastikan reproduktibilitas, yang sangat penting untuk men-debug perilaku tertentu dalam alur kerja LLM uncensored Anda. Anda juga dapat menentukan urutan stop untuk menghentikan generasi pada penanda tertentu, memberi Anda kontrol presisi atas batas output.

Batas, Error, dan Jendela Konteks

Model Anda mendukung jendela konteks 100,000 token yang besar, mencakup prompt dan completion secara bersamaan. Ini memungkinkan Anda mengirimkan dokumen besar atau riwayat percakapan ekstensif tanpa kehilangan informasi sebelumnya. Jika Anda mengirimkan kunci yang tidak valid, Anda akan menerima error 401, dan error 402 menunjukkan bahwa kredit prabayar Anda telah habis. Batas laju 429 akan aktif jika Anda melebihi 300 permintaan per menit atau mencoba membuat 8 permintaan simultan secara bersamaan. Tangani error ini dengan hati-hati dalam kode Anda untuk memastikan operasi yang lancar.

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)