Dolphin ia API 快速入门

基础 URL 和认证

我们的 API 位于 HTTPS://api.dolphinia.cc/v1，每个请求都需要一个简单的 API 密钥。在仪表板上使用 Google 或电子邮件注册后，您将立即获得此密钥，且永不过期。与将成本隐藏在订阅背后的聚合器不同，我们仅为您实际消耗的令牌收费。将密钥安全地保存在环境变量中，因为任何拥有该密钥的人都可以花费您的预付费余额。该服务对每个密钥强制执行每分钟 300 次请求的限制，以维持所有用户的稳定性。

发送聊天补全请求

使用标准的聊天补全端点进行您的第一次调用，模型 ID 为 "uncensored"。此请求将您的提示发送到我们的服务器，并返回文本响应，且没有其他模型中常见的拒绝。您可以在单个请求正文中发送多达 8MB 的数据，这足以满足大多数标准用例。如果您超出速率限制，服务器将返回 429 错误，表明您需要稍作退避。在处理之前，请始终验证您的响应是否包含有效的 message 对象。

流式响应与 Token 用量

通过将 stream 参数设置为 true 启用流式传输，通过服务器发送事件按生成顺序交付令牌。此方法显著降低了感知延迟，特别是在生成长输出时（每个请求最高 16,000 个令牌）。流中的最后一个数据块包含完整的令牌使用统计信息，使您可以实时跟踪成本。您可以在应用程序中处理这些事件，以逐步向用户显示文本，而无需等待完整生成结束。

函数调用与 JSON 模式

通过提供请求中的 tools 数组来利用原生函数调用，允许模型为您的应用返回结构化数据。您还可以使用 response_format 参数强制执行严格的 JSON 输出，这对于需要精确模式遵循的下游系统集成非常理想。模型支持 tool_choice 选项，以控制它是必须调用函数还是可以自由生成文本。利用这些功能构建与外部 API 或数据库交互的稳健代理，无需解析杂乱的文本来。

参数：温度、Top P、Seeds

使用 temperature、top_p 和 seed 参数控制输出的创造性和随机性，就像使用标准 OpenAI 客户端一样。较低的 temperature 会产生更确定的结果，而较高的值则鼓励更多样化和创造性的响应。设置 seed 可确保可复现性，这对于调试 uncensored LLM 工作流中的特定行为至关重要。您还可以定义 stop 序列以在特定标记处停止生成，从而精确控制输出边界。

限制、错误和上下文窗口

您的模型支持庞大的 100,000 token 上下文窗口，包含 prompt 和 completion 的总和。这允许您传递大型文档或广泛的对话历史而不会丢失早期信息。如果您发送了无效密钥，您将收到 401 错误，而 402 错误表示您的预付费余额已耗尽。如果您每分钟超过 300 次请求或同时尝试进行 8 个并发请求，将触发 429 速率限制。在代码中优雅地处理这些错误以确保平稳运行。

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);

流式传输

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)