Dolphin IA API 快速入門

基礎 URL 與驗證

我們的 API 位於 HTTPS://api.dolphinia.cc/v1，每個請求都需要簡單的 API 金鑰。您在儀表板上使用 Google 或電子郵件註冊後，即可立即獲得此金鑰，且永不過期。與將成本隱藏在訂閱後的聚合服務不同，我們僅按您實際消耗的 Token 收費。請將金鑰安全地保存在環境變數中，因為任何擁有金鑰的人都可以花費您的預付信用額度。該服務對每個金鑰實施嚴格的每分鐘 300 次請求限制，以確保所有用戶的服務穩定性。

發送聊天完成請求

使用標準聊天完成端點進行您的第一次呼叫，模型 ID 為 "uncensored"。此請求將您的提示傳送至我們的伺服器，並返回文本回應，且沒有其他模型常見的拒絕情況。您可以在單一請求主體中傳送最多 8MB 的資料，這足以滿足大多數標準用例。如果您超過速率限制，伺服器將返回 429 錯誤，表示您需要稍作停頓。在進一步處理之前，請務必驗證您的回應是否包含有效的訊息物件。

串流回應與 Token 用量

透過將 stream 參數設為 true 來啟用串流，這會透過伺服器發送事件交付產生中的 token。此方法顯著降低了感知延遲，特別是在產生長輸出時（每個請求最多 16,000 個 token）。串流中的最後一個片段包含完整的 token 使用統計數據，讓您可以即時追蹤成本。您可以在應用程式中處理這些事件，以逐步向使用者顯示文字，而無需等待完整生成結束。

函式呼叫與 JSON 模式

透過在請求中提供 tools 數組來利用原生函數調用，允許模型返回結構化數據供你的應用使用。你也可以使用 response_format 參數強制執行嚴格的 JSON 輸出，這非常適合與需要精確模式遵循的下遊系統集成。該模型支持 tool_choice 選項，以控制它是否必須調用函數或可以自由生成文本。利用這些功能構建健壯的代理，與外部 API 或數據庫交互，而無需解析凌亂的文本。

參數：溫度、Top P、Seeds

使用 temperature、top_p 和 seed 參數控制輸出的創意性與隨機性，就像使用標準 OpenAI 客戶端一樣。較低的 temperature 會產生更具確定性的結果，而較高的值則鼓勵更多樣化與創意的回應。設定 seed 可確保可重複性，這對於在您 uncensored LLM 工作流程中除錯特定行為至關重要。您也可以定義 stop sequences 以在特定標記處停止生成，從而精確控制輸出邊界。

限制、錯誤與上下文視窗

您的模型支援高達 100,000 個 token 的上下文視窗，涵蓋提示與補全的總和。這允許您傳遞大型文件或廣泛的對話歷史，而不遺失早期資訊。若您發送無效的金鑰，將收到 401 錯誤；402 錯誤表示您的預付額度已耗盡。若您超過每分鐘 300 次請求或嘗試同時進行 8 個並行請求，將觸發 429 速率限制。請在程式碼中優雅地處理這些錯誤，以確保順暢運作。

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);

串流

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)