Pengenalan: Integrasi API Tanpa Sensor

Persediaan URL Asas dan Pengesahan

Mula-mula, arahkan klien anda ke URL asas kami dan gunakan token Bearer. Endpoint adalah https://api.howmuchisdeepseekapi.com/v1. Anda mendapatkan kunci anda dengan mengklik 'Dapatkan Kunci API' pada halaman pendaftaran, di mana anda boleh log masuk dengan Google atau menggunakan e-mel dan kata laluan. Tiada nombor telefon diperlukan, dan kunci muncul serta-merta. Anda hanya memerlukan satu kunci aktif per akaun; menjana kunci baru akan menggantikan yang lama.

Pengesahihan adalah standard. Hantar kunci dalam Authorization header. Tetapan ini berfungsi dengan klien Python atau JS rasmi OpenAI. Anda hanya perlu mengkonfigurasi URL asas dan kunci API dalam objek klien anda. Ini memastikan kod sedia ada anda berjalan tanpa pembaharuan besar.

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"}]
  }'

Hujung Sambungan Penyelesaian Sembang (/v1/chat/completions)

Hantar arahan anda ke hujung penyelesaian chat. Di sinilah teks masuk menjadi teks keluar. ID model yang mesti anda gunakan ialah uncensored. Ia adalah model berat terbuka yang disesuaikan untuk menjawab tanpa penolakan untuk penggunaan dewasa yang sah. Ia bukan GPT, Claude, atau DeepSeek. Hantar mesej anda sebagai tatasusunan objek peranan dan kandungan.

API menjangkakan struktur JSON piawai. Anda boleh memasukkan peranan sistem, pengguna, dan pembantu. Respons akan mengandungi balasan model. Ralat seperti kredit yang hilang memulangkan status 402. Kunci yang tidak sah memulangkan 401. Kod-kod piawai ini membantu anda mengendalikan kegagalan dengan baik dalam logik aplikasi anda.

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)

Penamat Senarai Model (/v1/models)

Query endpoint model untuk mengesahkan sambungan. Hantar permintaan GET ke /v1/models. Respons menyenaraikan model yang tersedia. Anda akan melihat uncensored ID model yang disenaraikan di sini. Ini mengesahkan bahawa pengesahan diri anda berfungsi dengan betul.

Endpoint ini berguna untuk nyahpepijat. Jika anda mendapat ralat 404 atau 500, URL asas anda mungkin salah. Gunakan panggilan ini untuk memastikan klien anda boleh mencapai pelayan kami sebelum menghantar beban kerja berat. Ia mengembalikan objek senarai mudah yang mengandungi butiran model.

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);

Penggunaan Token Respons Streaming

Aktifkan aliran dengan menetapkan stream: true dalam permintaan anda. API mengembalikan Acara Diterusi Pelayan (SSE). Setiap potongan mengandungi teks separa. Potongan terakhir termasuk statistik penggunaan token. Ini membolehkan anda memaparkan teks kepada pengguna secara masa nyata.

Bilangan token adalah kritikal untuk pengebilan. Anda membayar $0.15 setiap 1M token input dan $0.50 setiap 1M token output. Kesilapan adalah percuma. Data penggunaan dalam pecahan terakhir membantu anda mengesan kos dengan tepat. Anda juga boleh menetapkan max_tokens untuk membatasi output. Jika tidak ditetapkan, maksimum ialah 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)

Panggilan Fungsi dan Mod JSON

Gunakan panggilan fungsi untuk output berstruktur. Takrifkan alat dalam badan permintaan anda. Model akan bertindak balas dengan panggilan fungsi apabila sesuai. Anda juga boleh memaksa mod JSON dengan menetapkan response_format ke {"type": "json_object"}. Ini memastikan output adalah JSON yang sah.

Parameter seperti temperature dan top_p kawal rawak. Gunakan stop jujukan untuk menghentikan penjanaan. Anda juga boleh menetapkan presence_penalty dan frequency_penalty untuk mengurangkan pengulangan. Alat-alat ini memberikan anda kawalan halus ke atas tingkah laku model.

Parameter: Suhu, Top-p, dan Jujukan Henti

Laraskan temperature untuk kreativiti. Nilai yang lebih tinggi menghasilkan output yang lebih pelbagai. Tetapkan top_p untuk mengawal pensampelan nukleus. Gunakan stop urutan untuk menghentikan penjanaan pada rentetan tertentu. Parameter ini membantu anda menala model untuk kes penggunaan khusus anda.

Anda juga boleh menetapkan seed untuk output deterministik. Ini berguna untuk nyahpepijat. Jendela konteks ialah 100,000 token untuk prompt dan penyelesaian digabungkan. Output maksimum ialah 16,000 token setiap permintaan. Ini membolehkan perbualan panjang tanpa kehilangan konteks.