Dolphin llm API 快速入門

驗證與 Base URL 設定

API 使用標準 Bearer token 驗證。您在透過 Google 或電子郵件地址註冊後會立即獲得金鑰。請將此金鑰安全地儲存於環境變數中。所有請求必須針對無審查模型的專屬基礎 URL 進行。

• 基礎 URL：HTTPS://api.llmdolphin.com/v1
• Auth Header: 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"}]
  }'

Chat Completions 端點

將文字提示发送至 POST /v1/chat/completions 端點。模型 ID 為 'uncensored'。您可以串流回應或接收完整文字區塊。API 接受包含 system、user 和 assistant 角色的標準訊息格式。

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)

串流回應與用量

透過設定 stream=true 來啟用串流。伺服器回傳 Server-Sent Events (SSE)。token 使用資料出現在串流的最後一個區塊中。這允許您在不等待完整回應的情況下即時追蹤成本。

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);

函式呼叫 & JSON 模式

該模型支援帶有工具定義的函式呼叫。您也可以使用 response_format 強制輸出 JSON。這可確保您的自動化管線具有一致的解析。在 messages 陣列或請求物件中定義工具。

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)

參數：溫度、Top P、Seed

使用 temperature 控制創造力，使用 top_p 控制多樣性。使用 seed 產生可重複的輸出。該模型接受標準參數，如停止序列和存在懲罰。調整這些值以適應您的特定用例。

錯誤處理 & 速率限制

處理無效金鑰的 401 錯誤和額度不足的 402 錯誤。速率限制為每分鐘 300 個請求。上下文視窗為 100,000 個 token。錯誤和拒絕不會消耗額度。檢查回應狀態以獲取詳細資訊。