Γρήγορη Έναρξη: Ενσωμάτωση Uncensored API

Ρύθμιση Βασικού URL και Αυθεντικοποίησης

Ξεκινήστε κατευθύνοντας τον πελάτη σας στη βάση URL μας και χρησιμοποιώντας ένα Bearer token. Το endpoint είναι https://api.howmuchisdeepseekapi.com/v1.Ανακτήστε το κλειδί σας κάνοντας κλικ στο 'Get API key' στη σελίδα εγγραφής, όπου μπορείτε να συνδεθείτε με Google ή να χρησιμοποιήσετε email και κωδικό. Δεν απαιτείται αριθμός τηλεφώνου, και το κλειδί εμφανίζεται αμέσως. Χρειάζεστε μόνο ένα ενεργό κλειδί ανά λογαριασμό· η δημιουργία ενός νέου αντικαθιστά το παλιό.

Η πιστοποίηση είναι πρότυπη. Περάστε το κλειδί στην Authorization header. Αυτή η ρύθμιση λειτουργεί με τα επίσημα Python ή JS clients της OpenAI. Απλώς διαμορφώστε το base URL και το API key στο αντικείμενο του client σας. Αυτό διασφαλίζει ότι ο υπάρχων κώδικάς σας τρέχει χωρίς μεγάλη αναδιάρθρωση.

Copycurl https://api.howmuchisdeepseekapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "What is the current pricing for the deepseek api endpoint"}]
  }'

Τερματικό Συμπληρώματος Συζήτησης (/v1/chat/completions)

Στείλτε τα prompts σας στο endpoint ολοκλήρωσης συνομιλίας. Εδώ το κείμενο εισόδου γίνεται κείμενο εξόδου. Το ID μοντέλου που πρέπει να χρησιμοποιήσετε είναι uncensored. Είναι ένα μοντέλο ανοιχτού βάρους, βελτιστοποιημένο για απάντηση χωρίς απορρίψεις για νόμιμη χρήση ενήλικων. Δεν είναι GPT, Claude ή DeepSeek. Στείλτε τα μηνύματά σας ως πίνακα αντικειμένων ρόλου και περιεχομένου.

Η API αναμένει τυπικές δομές JSON. Μπορείτε να συμπεριλάβετε ρόλους system, user και assistant. Η απόκριση θα περιέχει την απάντηση του μοντέλου. Σφάλματα όπως η έλλειψη πιστωτικού ισοζυγίου επιστρέφουν κατάσταση 402. Τα άκυρα κλειδιά επιστρέφουν 401. Αυτοί οι τυπικοί κωδικοί σας βοηθούν να διαχειριστείτε τις αποτυχίες ομαλά στη λογική της εφαρμογής σας.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.howmuchisdeepseekapi.com/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)

Τελικό Σημείο Καταλόγου Μοντέλων (/v1/models)

Κάντε ερώτημα στο endpoint των μοντέλων για να επαληθεύσετε τη συνδεσιμότητα. Στείλτε ένα αίτημα GET στο /v1/models. Η απάντηση καταλέγει τα διαθέσιμα μοντέλα. Θα δείτε το uncensored το ID του μοντέλου που αναφέρεται εδώ. Αυτό επιβεβαιώνει ότι η πιστοποίησή σας λειτουργεί σωστά.

Αυτό το endpoint είναι χρήσιμο για debugging. Αν λάβετε σφάλμα 404 ή 500, η βασική σας διεύθυνση URL μπορεί να είναι λανθασμένη. Χρησιμοποιήστε αυτή την κλήση για να διασφαλίσετε ότι ο πελάτης σας μπορεί να φτάσει στους servers μας πριν στείλετε βαριά payloads. Επιστρέφει ένα απλό αντικείμενο λίστας που περιέχει τις λεπτομέρειες του μοντέλου.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.howmuchisdeepseekapi.com/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 Αποκρίσεις και Χρήση Token

Ενεργοποιήστε streaming ρυθμίζοντας stream: true στην αίτησή σας. Το API επιστρέφει Server-Sent Events (SSE). Κάθε κομμάτι περιέχει μερικό κείμενο. Το τελευταίο κομμάτι περιλαμβάνει τα στατιστικά χρήσης token. Αυτό σας επιτρέπει να εμφανίζετε κείμενο στους χρήστες σε πραγματικό χρόνο.

Οι αριθμοί tokens είναι κρίσιμοι για τη χρέωση. Πληρώνετε $0.15 ανά 1M tokens εισόδου και $0.50 ανά 1M tokens εξόδου. Τα σφάλματα είναι δωρεάν. Τα δεδομένα χρήσης στο τελευταίο κομμάτι σας βοηθούν να παρακολουθείτε το κόστος με ακρίβεια. Μπορείτε επίσης να ορίσετε max_tokens για να περιορίσετε την έξοδο. Αν δεν οριστεί, η μέγιστη τιμή είναι 2.048 tokens.

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)

Function Calling και JSON Mode

Χρησιμοποιήστε κλήση συναρτήσεων για δομημένες εξόδους. Ορίστε τα εργαλεία στο σώμα της αίτησής σας. Το μοντέλο θα απαντήσει με κλήσεις συναρτήσεων όταν κρίνεται σκόπιμο. Μπορείτε επίσης να επιβάλετε λειτουργία JSON ορίζοντας response_format για {"type": "json_object"}. Αυτό εξασφαλίζει ότι η έξοδος είναι έγκυρο JSON.

Παράμετροι όπως temperature και top_p έλεγχος της τυχαιότητας. Χρησιμοποιήστε stop ακολουθίες για να διακόψετε τη δημιουργία. Μπορείτε επίσης να ορίσετε presence_penalty και frequency_penalty για να μειώσετε την επανάληψη. Αυτά τα εργαλεία σας δίνουν λεπτομερή έλεγχο της συμπεριφοράς του μοντέλου.

Παράμετροι: Θερμοκρασία, Top-p, και Ακολουθίες Stop

Ρύθμιση temperature για τη δημιουργικότητα. Οι υψηλότερες τιμές παράγουν πιο ποικίλα αποτελέσματα. Ορίστε top_p για τον έλεγχο του nucleus sampling. Χρησιμοποιήστε stop ακολουθίες για να τερματίσετε τη δημιουργία σε συγκεκριμένα κείμενα. Αυτές οι παράμετροι σας βοηθούν να ρυθμίσετε το μοντέλο για την συγκεκριμένη περίπτωσή σας.

Μπορείτε επίσης να ορίσετε ένα seed για ντετερμινιστικά αποτελέσματα. Αυτό είναι χρήσιμο για debugging. Το παράθυρο πλαισίου είναι 100,000 tokens για prompt και ολοκλήρωση συνολικά. Μέγιστη έξοδος είναι 16,000 tokens ανά αίτηση. Αυτό επιτρέπει μακροσκελείς συνομιλίες χωρίς απώλεια πλαισίου.