Gyors bevezetés: Uncensored API integráció

Base URL és Hitelesítési Beállítás

Kezdje azzal, hogy az ügyfélklienst a bázis URL-címünkre irányítja, és használjon Bearer tokent. A végpont a https://api.howmuchisdeepseekapi.com/v1. A kulcsodat úgy kapod meg, hogy a regisztrációs oldalon kattintasz a 'API kulcs lekérése' gombra, ahol bejelentkezhetsz Google-fiókkal, vagy e-mailt és jelszót használhatsz. Nincs szükség telefonszámra, és a kulcs azonnal megjelenik. Fiókonként csak egy aktív kulcshoz van szükséged; egy új generálása lecseréli a régit.

A hitelesítés szabványos. Adja át a kulcsot a Authorization header. Ez a beállítás a hivatalos OpenAI Python vagy JS ügyfelekkel működik. Egyszerűen konfiguráld az alap URL-t és az API-kulcsot az ügyfélobjektumban. Ez biztosítja, hogy meglévő kódod nagy átalakítás nélkül fusson.

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"}]
  }'

Chat Completions végpont (/v1/chat/completions)

Küldje el a promptjait a chat completions végpontra. Itt válik a szöveges bemenet szöveges kimenetté. A használandó modellazonosító uncensored. Nyílt súlyú modell, amelyet arra hangoltak, hogy visszautasítások nélkül válaszoljon jogszerű felnőtt tartalmakra. Nem GPT, Claude vagy DeepSeek. Küldje üzeneteit szerep és tartalom objektumokból álló tömbként.

Az API szabványos JSON struktúrákat vár. Tartalmazhat rendszer, felhasználó és asszisztens szerepeket. A válasz tartalmazza a modell válaszát. A hibák, mint az elégtelen kredit, 402-es státuszt adnak vissza. Az érvénytelen kulcsok 401-es hibát adnak vissza. Ezek a szabványos kódok segítenek a hibák zökkenőmentes kezelésében az alkalmazás logikájában.

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)

Modell lista végpont (/v1/models)

Query a modellek végpontját a kapcsolódás ellenőrzésére. Küldjön egy GET kérést a /v1/models. A válasz felsorolja az elérhető modelleket. Látod a uncensored model ID itt felsorolva. Ez megerősíti, hogy a hitelesítés megfelelően működik.

Ez a végpont hasznos hibakereséshez. Ha 404 vagy 500 hibát kap, az alap URL-je lehet helytelen. Használja ezt a hívást annak biztosítására, hogy a kliens eljusson szervereinkhez nehéz payloadok küldése előtt. Egy egyszerű listát ad vissza, amely tartalmazza a modell részleteit.

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);

Streamelési válaszok és tokenfelhasználás

Engedélyezze a streamelést úgy, hogy stream: true a kérésben. Az API Server-Sent Events (SSE) formátumban adja vissza az adatokat. Minden darab parciális szöveget tartalmaz. Az utolsó darab tokenfelhasználási statisztikákat tartalmaz. Ez lehetővé teszi a szöveg valós idejű megjelenítését a felhasználók számára.

A tokenek száma kritikus a számlázáshoz. $0.15-öt fizet 1 millió bemeneti tokenért és $0.50-öt 1 millió kimeneti tokenért. A hibák ingyenesek. A felhasználási adatok az utolsó darabban segítenek a költségek pontos nyomon követésében. Beállíthatja max_tokens a kimenet korlátozására. Ha nincs beállítva, a maximum 2 048 token.

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)

Függvényhívás és JSON mód

Használjon függvényhívást strukturált kimenetekhez. Határozza meg az eszközeit a kérés törzsében. A modell megfelelő esetben függvényhívásokkal válaszol. Erőszakolhatja a JSON módot a response_format a {"type": "json_object"}. Ez biztosítja, hogy a kimenet érvényes JSON legyen.

Paraméterek, mint például temperature és top_p irányítsd a véletlenszerűséget. Használd stop sorozatokat a generálás leállításához. Beállíthat presence_penalty és frequency_penalty ismétlődés csökkentésére. Ezek az eszközök finom szabályozást biztosítanak a modell viselkedésében.

Paraméterek: Hőmérséklet, Top-p és Stop szekvenciák

Beállítás temperature kreativitás. Magasabb értékek sokszínűbb kimenetet eredményeznek. Állítsa top_p a nucleus mintavételezés vezérléséhez. Használja stop szekvenciákat a generálás lezárására adott sztringeknél. Ezek a paraméterek segítenek beállítani a modellt az Ön specifikus felhasználási esetére.

Beállíthatod a seed determinisztikus kimenetekhez. Ez hasznos hibakereséshez. A kontextusablak 100,000 token, prompt és kiegészítés együtt. A max. kimenet 16,000 token kérésenként. Ez lehetővé teszi a hosszú beszélgetéseket a kontextus elvesztése nélkül.