Schnellstartanleitung für Dolphin ai Model API

Installieren Sie Ihr bevorzugtes SDK

Erstellen Sie zunächst die Bibliothek für Ihre Sprache. Dieses Paket behandelt Serialisierung und Authentifizierung automatisch.

Führen Sie den Befehl für Ihre Umgebung aus. Er fügt die erforderlichen Abhängigkeiten zu Ihrem Projekt hinzu.

• Python: pip install openai
• Node.js: npm install openai

Diese SDKs unterstützen die gleichen Schnittstellen, die von großen Anbietern verwendet werden. Sie erhalten Standardfehlerarten und Antwortobjekte.

Konfigurieren Sie die Basis-URL und den Schlüssel

Richten Sie Ihren Client auf unseren gehosteten Endpunkt aus. Ersetzen Sie die Standard-URL durch unsere spezifische Basisadresse.

• Base URL: https://api.dolphinaimodel.com/v1
• Modell-ID: uncensored

Legen Sie Ihren API-Schlüssel in der Umgebungsvariable OPENAI_API_KEY. Das SDK liest dies automatisch. Die Authentifizierung verwendet Standard-Bearer-Token-Header. Es sind keine speziellen Header erforderlich.

Diese Konfiguration funktioniert mit jedem OpenAI-kompatiblen Client. Sie vermeiden Proxy-Komplexität, indem Sie die Standard-Schnittstelle direkt verwenden.

Senden Sie Ihre erste Vervollständigung

Machen Sie eine POST-Anfrage an /v1/chat/completions. Das Modell antwortet frei für die rechtmäßige erwachsene Nutzung. Es lehnt kontroverse oder explizite Themen standardmäßig nicht ab.

Senden Sie Ihren Prompt in das Nachrichten-Array. Die Antwort enthält den generierten Text im content-Feld. Sie können Temperatur und top_p zur Steuerung anpassen.

Dieser Endpunkt behandelt nur Textgenerierung. Er unterstützt keine Embeddings oder Bildgenerierung. Halten Sie Ihre Anfragen für beste Ergebnisse einfach.

Fehler geben standardmäßige HTTP-Statuscodes zurück. Prüfen Sie den Antworttext für Details zu Fehlern.

Streaming-Antworten behandeln

Aktivieren Sie Streaming, indem Sie stream: true. Der Server sendet Chunks über Server-Sent Events (SSE). Jeder Chunk enthält teilweise Text.

Verarbeiten Sie jeden Chunk, wie er eintrifft. Dies reduziert die wahrgenommene Latenz für lange Antworten. Der letzte Chunk enthält Token-Nutzungsstatistiken.

Das Streaming funktioniert mit allen Parametern. Sie können den Stream bei Bedarf unterbrechen. Die Verbindung wird nach Abschluss sauber getrennt.

Verwenden Sie dies für interaktive Anwendungen. Es bietet sofortiges Feedback an Benutzer, ohne auf die vollständige Generierung warten zu müssen.

Nutzen Sie Tools und JSON-Modus

Definieren Sie Funktionsdefinitionen in der Anfrage. Das Modell kann diese Funktionen basierend auf Ihrem Prompt aufrufen. Verwenden Sie tool_choice spezifisches Verhalten zu erzwingen.

Aktivieren Sie den JSON-Modus mit response_format. Die Ausgabe ist streng als JSON-Objekt formatiert. Dies gewährleistet ein zuverlässiges Parsen in Ihrem Code.

Kombinieren Sie Tools mit Streaming für komplexe Workflows. Sie können mehrere Function Calls in einem einzigen Schritt verarbeiten. Das Modell hält sich präzise an Ihr Schema.

Testen Sie zunächst mit einfachen Tools. Überprüfen Sie die Ausgabestruktur, bevor Sie sie in Produktionssysteme integrieren.

Token-Limits verwalten

Das Context-Window umfasst insgesamt 100.000 Tokens. Dies umfasst sowohl Input- als auch Output-Tokens. Planen Sie Ihre Prompts entsprechend.

Die maximale Ausgabe beträgt 16.000 Tokens pro Anfrage. Wenn Sie nicht festlegen max_tokens, das Limit beträgt standardmäßig 2.048. Passen Sie diesen Parameter für längere Antworten an.

Die Ratenbegrenzung beträgt 300 Anfragen pro Minute. Sie können 8 gleichzeitige Anfragen pro Schlüssel haben. Das Überschreiten dieser Grenzen gibt einen 429-Statuscode zurück.

Überwachen Sie Ihre Nutzung über die Antwort-Header. Token-Anzahlen sind in jeder Antwort enthalten. Dies hilft Ihnen, innerhalb Ihrer vorgeschossenen Guthabengrenzen zu bleiben.

cURL

Copycurl https://api.dolphinaimodel.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Calculate the factorial of 42"}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

Streaming

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)