Démarrage rapide de l'API Dolphin llm

Authentification & Configuration de l'URL de base

L'API utilise une authentification standard par jeton Bearer. Vous recevez votre clé immédiatement après vous être inscrit avec Google ou une adresse e-mail. Stockez cette clé en toute sécurité dans vos variables d'environnement. Toutes les requêtes doivent cibler l'URL de base dédiée au modèle non censurable.

• URL de base : HTTPS://api.llmdolphin.com/v1
• En-tête Auth : Authorization: Bearer YOUR_API_KEY

Copycurl https://api.llmdolphin.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Set variable x to 5"}]
  }'

L'endpoint Chat Completions

Envoyez des prompts textuels à l'endpoint POST /v1/chat/completions. L'ID du modèle est 'uncensored'. Vous pouvez streamer les réponses ou les recevoir sous forme de blocs de texte complets. L'API accepte les formats de messages standard avec les rôles system, user et assistant.

Copyfrom openai import OpenAI

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

Réponses en streaming et consommation de jetons

Activez le streaming en définissant stream=true. Le serveur renvoie des événements envoyés par le serveur (SSE). Les données d'utilisation des jetons apparaissent dans le dernier fragment du flux. Cela vous permet de suivre les coûts en temps réel sans attendre la réponse complète.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.llmdolphin.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);

Appel de fonctions et mode JSON

Le modèle prend en charge l'appel de fonctions avec des définitions d'outils. Vous pouvez également forcer une sortie JSON à l'aide de response_format. Cela garantit une analyse cohérente pour vos pipelines d'automatisation. Définissez les outils dans le tableau messages ou l'objet de requête.

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)

Paramètres : Température, Top P et Seed

Contrôlez la créativité avec temperature et la diversité avec top_p. Utilisez seed pour des sorties reproductibles. Le modèle accepte des paramètres standards comme les séquences d'arrêt et la pénalité de présence. Ajustez ces valeurs pour vous adapter à votre cas d'utilisation spécifique.

Gestion des erreurs & Limites de débit

Gérez les erreurs 401 pour les clés invalides et 402 pour le crédit insuffisant. Les limites de débit sont de 300 requêtes par minute. La fenêtre de contexte est de 100 000 tokens. Les erreurs et les refus ne consomment pas de crédit. Vérifiez le statut de réponse pour plus de détails.