Início rápido da API Dolphin llm
O Dolphin LLM oferece uma API sem censura com janela de contexto de 100k. Este guia mostra aos desenvolvedores como integrar o serviço usando clientes padrão compatíveis com OpenAI.
Autenticação & Configuração da URL Base
A API utiliza autenticação padrão Bearer token. Você recebe sua chave imediatamente após o cadastro com Google ou endereço de e-mail. Armazene esta chave com segurança nas variáveis de ambiente do seu sistema. Todas as solicitações devem direcionar a URL base dedicada para o modelo sem censura.
- URL Base: HTTPS://api.llmdolphin.com/v1
- Cabeçalho de Autenticação: Authorization: Bearer SUA_CHAVE_API
curl 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"}]
}'O Endpoint de Completions de Chat
Envie prompts de texto para o endpoint POST /v1/chat/completions. O ID do modelo é 'uncensored'. Você pode transmitir respostas ou recebê-las como blocos de texto completos. A API aceita formatos de mensagem padrão com roles system, user e assistant.
from 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)Respostas em Streaming e Uso de Tokens
Habilite o streaming definindo stream=true. O servidor retorna Server-Sent Events (SSE). Os dados de uso de tokens aparecem no último chunk do stream. Isso permite que você rastreie os custos em tempo real sem esperar pela resposta completa.
import 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);Function Calling & JSON Mode
O modelo suporta function calling com definições de ferramentas. Você também pode forçar saída JSON usando response_format. Isso garante análise consistente para seus pipelines de automação. Defina ferramentas no array de mensagens ou no objeto de solicitação.
stream = 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)Parâmetros: Temperatura, Top P e Seed
Controle a criatividade com temperature e a diversidade com top_p. Use seed para saídas reproduzíveis. O modelo aceita parâmetros padrão como sequências de parada e penalidade de presença. Ajuste esses valores para se adequar ao seu caso de uso específico.
Tratamento de Erros & Limites de Taxa
Lide com erros 401 para chaves inválidas e 402 para crédito insuficiente. Limites de taxa são de 300 solicitações por minuto. A janela de contexto é de 100.000 tokens. Erros e recusas não consomem crédito. Verifique o status da resposta para obter detalhes.
Perguntas frequentes
Qual é a janela de contexto para o LLM Dolphin?
O modelo suporta uma janela de contexto de 100.000 tokens. Isso inclui tanto o prompt quanto a conclusão. Você pode solicitar até 16.000 tokens por saída.
Como eu pago pela API?
Você pode recarregar com USDT na TRC20 ou USDC na Base. Os créditos não expiram e são cobrados com base no uso real. O valor mínimo de recarga é $20.
O modelo sem censura é o mesmo que o GPT?
Não, é um modelo de pesos abertos ajustado para respostas sem restrições. Não é GPT, Claude ou qualquer modelo de outro fornecedor. Ele funciona com o mesmo código de cliente.
Gere sua chave de API
Registre-se, recupere a chave e atualize sua URL base. É só isso que você precisa para configurar.
