شروع سریع: ادغام API بدون سانسور

تنظیم URL پایه و احراز هویت

ابتدا کلاینت خود را به URL پایه ما اشاره دهید و از یک توکن Bearer استفاده کنید. نقطه پایانی https://api.howmuchisdeepseekapi.com/v1. کلید خود را با کلیک بر روی 'دریافت کلید API' در صفحه ثبت‌نام بازیابی می‌کنید، جایی که می‌توانید با گوگل وارد شوید یا از ایمیل و رمز عبور استفاده کنید. شماره تلفن لازم نیست و کلید بلافاصله ظاهر می‌شود. برای هر حساب فقط به یک کلید فعال نیاز دارید؛ تولید یک کلید جدید، کلید قبلی را جایگزین می‌کند.

احراز هویت استاندارد است. کلید را در Authorization header. این پیکربندی با کلاینت‌های رسمی Python یا JS OpenAI کار می‌کند. شما فقط باید URL پایه و کلید API را در شیء کلاینت خود پیکربندی کنید. این تضمین می‌کند که کد موجود شما بدون بازنگری عمیق اجرا می‌شود.

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"}]
  }'

نقطه پایانی تکمیل چت (/v1/chat/completions)

پرامپت‌های خود را به نقطه پایانی تکمیل چت ارسال کنید. اینجا جایی است که متن ورودی به خروجی متنی تبدیل می‌شود. شناسه مدلی که باید استفاده کنید uncensored. این یک مدل با وزن باز است که برای پاسخ‌دهی بدون رد محتوای بزرگسالان قانونی بهینه‌سازی شده است. این مدل GPT، Claude یا DeepSeek نیست. پیام‌های خود را به صورت آرایه‌ای از اشیاء نقش و محتوا ارسال کنید.

API ساختارهای JSON استاندارد را انتظار دارد. می‌توانید نقش‌های system، user و assistant را شامل شوید. پاسخ شامل پاسخ مدل خواهد بود. خطاهایی مانند اعتبار ناکافی کد وضعیت ۴۰۲ را برمی‌گردانند. کلیدهای نامعتبر ۴۰۱ را برمی‌گردانند. این کدهای استاندارد به شما کمک می‌کنند تا شکست‌ها را به‌خوبی در منطق برنامه خود مدیریت کنید.

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)

نقطه پایانی فهرست مدل‌ها (/v1/models)

نقطه پایانی مدل‌ها را برای تأیید اتصال فراخوانی کنید. یک درخواست GET به /v1/models. پاسخ لیست مدل‌های موجود را نشان می‌دهد. شما uncensored شناسه مدل که در اینجا فهرست شده است. این موضوع تأیید می‌کند که احراز هویت شما به‌درستی کار می‌کند.

این اندپوینت برای اشکال‌زدایی مفید است. اگر خطای 404 یا 500 دریافت می‌کنید، ممکن است آدرس پایه شما اشتباه باشد. از این فراخوانی برای اطمینان از اینکه کلاینت شما می‌تواند به سرورهای ما دسترسی داشته باشد، پیش از ارسال payloadهای سنگین استفاده کنید. این یک آبجکت لیست ساده شامل جزئیات مدل را برمی‌گرداند.

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);

پاسخ‌های استریم و مصرف توکن

استریمینگ را با تنظیم stream: true در درخواست شما. API رویدادهای ارسالی سرور (SSE) را برمی‌گرداند. هر قطعه شامل متن جزئی است. قطعه نهایی شامل آمار مصرف توکن است. این به شما امکان می‌دهد متن را به صورت بلادرنگ به کاربران نمایش دهید.

تعداد توکن‌ها برای صورتحساب حیاتی است. شما بابت هر 1M توکن ورودی $0.15 و بابت هر 1M توکن خروجی $0.50 پرداخت می‌کنید. خطاها رایگان هستند. داده‌های مصرف در قطعه آخر به شما کمک می‌کند هزینه‌ها را به‌دقت ردیابی کنید. همچنین می‌توانید تنظیم کنید max_tokens برای محدود کردن خروجی. در صورت تنظیم نشده، حداکثر 2,048 توکن است.

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)

فراخوانی تابع و حالت JSON

از فراخوانی تابع برای خروجی‌های ساختاریافته استفاده کنید. ابزارها را در بدنه درخواست خود تعریف کنید. مدل در صورت لزوم با فراخوانی توابع پاسخ می‌دهد. همچنین می‌توانید حالت JSON را با تنظیم response_format به {"type": "json_object"}. این امر تضمین می‌کند که خروجی JSON معتبر است.

پارامترهایی مانند temperature و top_p تصادفی بودن را کنترل کنید. از stop sequences برای توقف تولید. همچنین می‌توانید presence_penalty و frequency_penalty برای کاهش تکرار. این ابزارها کنترل دقیق‌تری بر رفتار مدل به شما می‌دهند.

پارامترها: دما، Top-p و Stop Sequences

تنظیم temperature برای خلاقیت. مقادیر بالاتر خروجی‌های متنوع‌تری تولید می‌کنند. مقدار top_p برای کنترل نمونه‌گیری هسته. استفاده stop توالی‌ها برای پایان دادن به تولید در رشته‌های خاص استفاده کنید. این پارامترها به شما کمک می‌کنند مدل را برای مورد استفاده خاص خود تنظیم کنید.

همچنین می‌توانید یک seed برای خروجی‌های قطعی. این مورد برای اشکال‌زدایی مفید است. پنجره زمینه ۱۰۰,۰۰۰ توکن برای مجموع ورودی و خروجی است. حداکثر خروجی ۱۶,۰۰۰ توکن در هر درخواست است. این امکان مکالمات طولانی بدون از دست دادن زمینه را فراهم می‌کند.