เริ่มต้นใช้งาน: การผสานรวม API แบบไม่เซ็นเซอร์

การตั้งค่า URL ฐานและการตรวจสอบสิทธิ์

เริ่มต้นโดยชี้ client ของคุณไปยัง base URL ของเราและใช้ Bearer token endpoint คือ https://api.howmuchisdeepseekapi.com/v1. คุณดึงคีย์ของคุณโดยคลิก 'Get API key' บนหน้าลงทะเบียน ซึ่งคุณสามารถลงชื่อเข้าใช้ด้วย Google หรือใช้อีเมลและรหัสผ่าน ไม่จำเป็นต้องใช้หมายเลขโทรศัพท์ และคีย์จะปรากฏทันที คุณต้องการคีย์ที่ใช้งานเพียงหนึ่งต่อบัญชีเท่านั้น การสร้างคีย์ใหม่จะแทนที่คีย์เก่า

การตรวจสอบสิทธิ์เป็นมาตรฐาน ส่งคีย์ใน Authorization header. การตั้งค่านี้ใช้งานได้กับไคลเอนต์ Python หรือ JS ทางการของ OpenAI เพียงแค่กำหนดค่า URL พื้นฐานและคีย์ API ในออบเจกต์ไคลเอนต์ของคุณ เพื่อให้โค้ดที่มีอยู่ทำงานได้โดยไม่ต้องแก้ไขโครงสร้างใหญ่

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"}]
  }'

จุดจบ API Chat Completions (/v1/chat/completions)

ส่งพรอมต์ของคุณไปยังจุดสิ้นสุด chat completions นี่คือที่ที่ข้อความเข้ากลายเป็นข้อความออก รหัสโมเดลที่คุณต้องใช้คือ uncensored. เป็นโมเดล open-weight ที่ปรับแต่งเพื่อตอบคำถามโดยไม่มีการปฏิเสธเนื้อหา สำหรับการใช้งานผู้ใหญ่ที่ถูกต้องกฎหมาย ไม่ใช่ GPT, Claude หรือ DeepSeek ส่งข้อความของคุณเป็นอาร์เรย์ของวัตถุ role และ content

API คาดหวังโครงสร้าง JSON มาตรฐาน คุณสามารถรวมบทบาท system, user และ assistant ได้ การตอบกลับจะประกอบด้วยข้อความตอบกลับของโมเดล ข้อผิดพลาดเช่นเครดิตไม่เพียงพอจะส่งสถานะ 402 คีย์ที่ไม่ถูกต้องจะส่ง 401 รหัสมาตรฐานเหล่านี้ช่วยให้คุณสามารถจัดการกับความล้มเหลวได้อย่างราบรื่นในตรรกะแอปพลิเคชันของคุณ

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)

เอนด์พอยต์รายการโมเดล (/v1/models)

สอบถาม endpoint ของโมเดลเพื่อยืนยันการเชื่อมต่อ ส่ง GET request ไปยัง /v1/models. การตอบสนองจะแสดงรายการโมเดลที่มีให้ คุณจะเห็น uncensored model ID ที่ระบุไว้ที่นี่ สิ่งนี้ยืนยันว่าการตรวจสอบสิทธิ์ของคุณทำงานได้อย่างถูกต้อง

เอนด์พอยต์นี้มีประโยชน์สำหรับการดีบัก หากคุณได้รับข้อผิดพลาด 404 หรือ 500 URL พื้นฐานของคุณอาจไม่ถูกต้อง ใช้การเรียกนี้เพื่อให้แน่ใจว่าไคลเอนต์ของคุณสามารถเข้าถึงเซิร์ฟเวอร์ของเราได้ก่อนที่จะส่ง payload ขนาดใหญ่ มันจะส่งกลับออบเจกต์รายการแบบง่ายที่ประกอบด้วยรายละเอียดโมเดล

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);

การตอบกลับแบบสตรีมมิ่งและการใช้งานโทเค็น

เปิดใช้งานการสตรีมโดยตั้งค่า stream: true ในการร้องขอของคุณ API จะส่งคืน Server-Sent Events (SSE) แต่ละชิ้นมีข้อความบางส่วน ชิ้นสุดท้ายรวมถึงสถิติการใช้โทเค็น สิ่งนี้ช่วยให้คุณแสดงข้อความให้ผู้ใช้แบบเรียลไทม์

จำนวนโทเค็นมีความสำคัญต่อการเรียกเก็บเงิน คุณจ่าย $0.15 ต่อ 1M โทเค็นอินพุตและ $0.50 ต่อ 1M โทเค็นเอาต์พุต การผิดพลาดฟรี ข้อมูลการใช้งานในชิ้นข้อมูลสุดท้ายช่วยให้คุณติดตามค่าใช้จ่ายได้อย่างแม่นยำ คุณยังสามารถตั้งค่า max_tokens เพื่อจำกัดผลลัพธ์ หากไม่ได้ตั้งค่า ค่าสูงสุดคือ 2,048 โทเค็น

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 และโหมด JSON

ใช้ฟังก์ชันคอลลิงสำหรับผลลัพธ์ที่มีโครงสร้าง กำหนดเครื่องมือในบอดีคำขอของคุณ โมเดลจะตอบสนองด้วยการเรียกใช้ฟังก์ชันเมื่อเหมาะสม คุณยังสามารถบังคับใช้โหมด JSON ได้โดยการตั้งค่า response_format เพื่อ {"type": "json_object"}สิ่งนี้ช่วยให้ผลลัพธ์เป็น JSON ที่ถูกต้อง

Parameters like temperature และ top_p ควบคุมความสุ่ม ใช้ stop ลำดับเพื่อหยุดสร้าง คุณยังสามารถตั้งค่า presence_penalty และ frequency_penalty เพื่อลดการทำซ้ำ เครื่องมือเหล่านี้ให้คุณควบคุมพฤติกรรมของโมเดลได้อย่างละเอียด

พารามิเตอร์: อุณหภูมิ, Top-p และ Stop Sequences

ปรับ temperature สำหรับความคิดสร้างสรรค์ ค่าที่สูงขึ้นจะผลิตผลลัพธ์ที่หลากหลายมากขึ้น ตั้ง top_p เพื่อควบคุมการสุ่มแบบ nucleus ใช้ stop ลำดับเพื่อสิ้นสุดการสร้างที่สตริงเฉพาะ พารามิเตอร์เหล่านี้ช่วยให้คุณปรับแต่งโมเดลให้เหมาะกับกรณีการใช้งานเฉพาะของคุณ

คุณสามารถตั้งค่า seed สำหรับผลลัพธ์ที่มีความแน่นอน สิ่งนี้มีประโยชน์สำหรับการดีบัก หน้าต่างบริบทคือ 100,000 tokens สำหรับ prompt และ completion รวมกัน ผลลัพธ์สูงสุดคือ 16,000 tokens ต่อคำขอ ซึ่งอนุญาตให้มีการสนทนาที่ยาวนานโดยไม่สูญเสียบริบท