Schnellstartanleitung für Dolphin API

Basis-URL und Authentifizierung

Ihr API-Schlüssel authentifiziert jede Anfrage an unseren Endpunkt. Verwenden Sie die Basis-URL HTTPS://api.apidolphin.com/v1 mit jedem OpenAI-kompatiblen SDK. Die Modellkennung ist "uncensored" für alle Vervollständigungen. Diese Einrichtung stellt sicher, dass Ihr Code ohne Änderungen mit unserer Infrastruktur funktioniert.

Wir unterstützen Standardparameter wie temperature und top_p. Sie können den JSON-Modus oder Function Calling nach Bedarf aktivieren. Fehler und Ablehnungen verbrauchen nicht Ihr vorausbezahltes Guthaben. Es werden nur tatsächliche Token-Nutzungen zu unseren transparenten Preisen berechnet.

Senden Sie Ihre erste Anfrage

Senden Sie eine grundlegende Chat-Vervollständigung, um Ihre Verbindung zu überprüfen. Verwenden Sie den folgenden curl-Befehl, um den Endpunkt zu testen. Ersetzen Sie YOUR_API_KEY durch Ihren tatsächlichen Schlüssel aus dem Dashboard. Die Antwort gibt die Textausgabe des Modells zurück.

Diese Anfrage verwendet das Standard-OpenAI-Format. Sie können System-Prompts oder Benutzernachrichten wie erforderlich anpassen. Die API gibt ein Antwortobjekt zurück, das den generierten Text enthält. Überprüfen Sie, ob die Ausgabe Ihren Erwartungen entspricht, bevor Sie skalieren.

Beispielnutzung:

Copycurl https://api.apidolphin.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Convert the attached JSON payload to YAML format"}]
  }'

Python SDK-Integration

Verwenden Sie die offizielle OpenAI-Python-Bibliothek, um mit unserer API zu interagieren. Legen Sie die Basis-URL und den API-Schlüssel in Ihrer Client-Konfiguration fest. Das folgende Codebeispiel zeigt einen einfachen Aufruf zur Textgenerierung.

Installieren Sie die Bibliothek über pip. Initialisieren Sie anschließend den Client mit Ihren Anmeldedaten. Rufen Sie chat.completions.create mit dem Modellnamen "uncensored" auf. Dieser Ansatz hält Ihren Code portabel über verschiedene LLM-Anbieter hinweg.

Codebeispiel:

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.apidolphin.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 SDK-Integration

Das Node SDK folgt demselben Konfigurationsmuster. Initialisieren Sie den OpenAI-Client mit Ihrer Basis-URL und Ihrem Schlüssel. Senden Sie eine Completion-Anfrage unter Verwendung des Modells "uncensored". Diese Methode ist ideal für serverseitige Anwendungen.

Stellen Sie sicher, dass Sie die Antwortdaten korrekt verarbeiten. Die API gibt ein Standard-Vervollständigungsobjekt zurück. Sie können den generierten Text aus dem Antwortobjekt abrufen. Diese Einrichtung funktioniert mit Express, Fastify oder jedem anderen Node.js-Framework.

Implementierungsbeispiel:

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.apidolphin.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-Antworten behandeln

Streaming für Echtzeit-Token-Ausgabe aktivieren. Legen Sie den stream-Parameter in Ihrer Anfrage auf true fest. Die API gibt Datenchunks zurück, sobald sie generiert wurden. Dies reduziert die wahrgenommene Latenz für Endnutzer.

Verarbeiten Sie jeden Chunk in Ihrer Anwendungslogik. Der letzte Chunk enthält die Details zur finalen Token-Nutzung. Streaming funktioniert mit allen unterstützten Parametern. Es ist ideal für Chat-Schnittstellen und Live-Textgenerierung.

Streaming-Beispiel:

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)

Limits, Fehler und Kontextfenster

Ihr Konto verfügt über einen Kontextfenster von 100.000 Tokens. Dies umfasst sowohl Prompt- als auch Completion-Tokens. Die maximale Ausgabe pro Anfrage beträgt 16.000 Tokens. Wenn Sie max_tokens nicht festlegen, beträgt das Limit 2.048 Tokens.

Rate-Limits erlauben 300 Anfragen pro Minute pro Schlüssel. Sie können 8 gleichzeitige Anfragen haben. Die Grenze für die Anfragekörpergröße beträgt 8 MB. Behandeln Sie HTTP 401 für ungültige Schlüssel, 402 für unzureichendes Guthaben und 429 für Rate-Limits. Fehler sind kostenlos, sodass Sie ohne Kosten wiederholen können.