Dolphin ai 模型 API 快速入门

安装你首选的 SDK

安装您所用语言的库。该软件包会自动处理序列化和身份验证。

为您的环境运行该命令。它将必要的依赖项添加到您的项目中。

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

这些 SDK 支持与主要提供商相同的接口。你获得标准的错误类型和响应对象。

配置 base URL 和密钥

将您的客户端指向我们的托管端点。将默认 URL 替换为我们的特定基础地址。

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

在环境变量 OPENAI_API_KEY. SDK 会自动读取此内容。身份验证使用标准的 bearer token 头。无需特殊头。

此配置适用于任何 OpenAI 兼容的客户端。通过直接使用标准接口，您可以避免代理的复杂性。

发送您的第一个补全

向...发起 POST 请求 /v1/chat/completions. 该模型对合法的成人用途自由作答。它默认不拒绝争议性或露骨话题。

将提示发送到 messages 数组。响应在 content 字段中包含生成的文本。您可以调整 temperature 和 top_p 以进行控制。

该端点仅处理文本生成。它不支持嵌入或图像生成。保持请求简单以获得最佳结果。

错误返回标准 HTTP 状态码。请查看响应正文以获取失败的详细信息。

处理流式传输响应

通过将 stream: true服务器通过服务器发送事件（SSE）发送块。每个块包含部分文本。

随到达处理每个数据块。这降低了长响应的感知延迟。最后一个数据块包含 token 使用统计信息。

流式传输支持所有参数。如果需要，您可以中途停止。连接会在完成后干净地关闭。

用于交互式应用程序。它为用户提供即时反馈，无需等待完整生成。

使用工具和 JSON 模式

在请求中定义函数定义。模型可以根据您的提示调用这些函数。使用 tool_choice 以强制特定行为。

启用带有 response_format. 输出严格格式化为 JSON 对象。这确保了在您的代码中解析的可靠性。

将工具与流式传输结合使用以处理复杂的工作流程。您可以在单个回合中处理多个函数调用。模型严格遵循您的模式。

先从简单工具开始测试。在集成到生产系统之前，验证输出结构。

管理令牌限制

上下文窗口总计 100,000 个 token。这包括输入和输出 token。请合理规划提示词。

最大输出为每次请求 16,000 个 token。若未设置 max_tokens, 限制默认为 2,048。调整此参数以获得更长的响应。

频率限制为每分钟 300 次请求。每个密钥可以有 8 个并发请求。超出这些限制将返回 429 状态码。

通过响应头监控使用情况。每个响应都包含令牌计数。这有助于您保持在预付费余额限制内。

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);

流式传输

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)