Dolphin ai model API 快速入門

安裝您偏好的 SDK

安裝您語言的程式庫。此套件會自動處理序列化和身份驗證。

運行適合您環境的命令。它將必要的依賴項添加到您的項目中。

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

這些 SDK 支援與主要供應商相同的介面。您將獲得標準的錯誤類型和回應物件。

配置 base URL 和金鑰

將您的客戶端指向我們的託管端點。將預設 URL 替換為我們的特定基礎地址。

• 基礎 URL： https://api.dolphinaimodel.com/v1
• 模型 ID： uncensored

在環境變數 OPENAI_API_KEY. SDK 會自動讀取此內容。身份驗證使用標準的 bearer token 標頭。不需要特殊的標頭。

此設定適用於任何 OpenAI 相容的客戶端。透過直接使用標準介面，您可避免代理的複雜性。

傳送您的第一個補全

向 POST 請求 /v1/chat/completions. 模型針對合法的成人用途自由回答。它預設不會拒絕爭議性或露骨主題。

在 messages 陣列中發送您的提示詞。回應在 content 欄位中包含生成的文字。您可以調整 temperature 和 top_p 以進行控制。

此端點僅處理文字生成。它不支援嵌入或影像生成。保持請求簡單以獲得最佳結果。

錯誤回傳標準 HTTP 狀態代碼。請檢查回應主體以獲取失敗的詳細資訊。

處理串流回應

在請求主體中將 stream: true.伺服器透過 Server-Sent Events (SSE) 傳送區塊。每個區塊包含部分文字。

隨到隨處理每個數據塊。這減少了長回應的感知延遲。最後一個數據塊包含 token 使用統計信息。

串流支援所有參數。如有需要，您可以在中途停止。完成後連線會乾淨地關閉。

用於互動式應用程式。它為用戶提供即時回饋，無需等待完整生成。

使用工具和 JSON 模式

在請求中定義函數結構。模型可根據你的提示呼叫這些函數。使用 tool_choice 以強制執行特定行為。

啟用帶有 response_format. 輸出嚴格格式化為 JSON 物件。這確保了程式碼中解析的可靠性。

將工具與串流傳輸結合，用於複雜的工作流程。您可以在單個回合中處理多個函式呼叫。模型會精確遵循您的結構。

先使用簡單的工具進行測試。在整合到生產系統之前，驗證輸出結構。

管理 token 限制

提示與補全的總上下文視窗為 100,000 tokens。這包含輸入與輸出的 tokens。請妥善規劃提示內容。

最大輸出為每次請求 16,000 個 token。若未設定 max_tokens, 限制預設為 2,048。調整此參數以獲得更長的回應。

每分鐘的速率限制為 300 次請求。您可以每組金鑰擁有 8 個並發請求。超出這些限制將返回 429 狀態碼。

您可以透過回應標頭來監控您的使用情況。每個回應都包含計數資訊。這有助於您保持在預付信用額度限制之內。

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);

串流

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)