Dolphin llm API 快速入门

认证与基础 URL 设置

API 使用标准的 Bearer token 认证。注册 Google 或电子邮件地址后立即获得密钥。将此密钥安全地存储在你的环境变量中。所有请求必须针对 uncensored 模型的专用基础 URL。

• 基础 URL：HTTPS://api.llmdolphin.com/v1
• Auth 标头：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 端点

向 POST /v1/chat/completions 端点发送文本提示。模型 ID 为 'uncensored'。您可以流式传输响应或接收完整文本块。API 接受带有 system、user 和 assistant 角色的标准消息格式。

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)

流式响应与 Token 用量

通过在请求中将 stream=true 来启用流式传输。服务器返回服务器发送事件 (SSE)。令牌使用数据出现在流的最后一个数据块中。这允许您在不等待完整响应的情况下实时跟踪成本。

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);

函数调用 & JSON 模式

该模型支持带有工具定义的函数调用。您还可以使用 response_format 强制执行 JSON 输出。这可确保您的自动化管道具有一致的解析。在 messages 数组或请求对象中定义工具。

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)

参数：温度、Top P、Seed

使用 temperature 控制创造力，使用 top_p 控制多样性。使用 seed 生成可重复的输出。模型接受 stop sequences 和 presence penalty 等标准参数。调整这些值以适应您的特定用例。

错误处理 & 速率限制

处理无效密钥的 401 错误和余额不足的 402 错误。速率限制为每分钟 300 次请求。上下文窗口为 100,000 个 token。错误和拒绝不会消耗信用额度。检查响应状态以获取详细信息。