Dolphin AI API Quickstart

Base URL & autentificering

Start med at indstille base URL og API-nøgle i din klientkonfiguration. Alle forespørgsler autentificeres via Authorization header ved brug af din unikke nøgle. Vores service fungerer som en uafhængig udbyder for openrouter dolphin AI modelvariant, hvilket betyder, at du ikke har brug for en konto på OpenRouter for at bruge dette endepunkt. Hent blot din nøgle fra dashboardet, og indsæt den i dine miljøvariabler.

• Base URL: https://api.openrouterdolphinai.com/v1
• Header: Authorization: Bearer YOUR_API_KEY

Denne opsætning virker med enhver standard OpenAI SDK, fordi vi efterligner deres præcise endpoint-struktur. Du vil kun interagere med chat-completions endpoint, hvilket holder din integration enkel og fokuseret på tekstgenerering.

Første anmodning

Send din første besked for at generere tekst ved hjælp af den simple POST Metode. Model-ID er altid uncensored, hvilket sikrer, at du får den specifikke uncensored-variant, der er finjusteret til ubegrænset dialog. Du behøver ikke angive komplekse routing-parametre, da vi hoster denne enkelt model direkte.

Brug følgende curl-kommando til at teste din forbindelse øjeblikkeligt:

Copycurl https://api.openrouterdolphinai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Fix the syntax error in this python function"}]
  }'

Hvis du modtager et JSON-svar med indhold, er din nøgle aktiv, og kredit trækkes korrekt fra. Fejl som 401 indikerer en ugyldig nøgle, mens 402 betyder, at du skal opfylde via krypto. Denne direkte tilgang undgår variabiliteten fra multi-model routere.

Python SDK-integration

Integrér hurtigt ved hjælp af det officielle OpenAI Python-bibliotek ved at pege det på vores base URL. Dette giver dig mulighed for at bruge velkendte metoder som chat.completions.create() uden at omskrive din hele logik. Biblioteket håndterer serialiseringen automatisk, så du kan fokusere på prompt-design frem for HTTP-detajler.

Konfigurer klienten med din base-URL og nøgle:

Copyfrom openai import OpenAI

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

Husk, at vores context-vindue er 100,000 tokens, så du kan sende betydelig samtalehistorik. SDK'en håndterer tokenisering og transmission effektivt og sikrer, at dine prompts når modellen uden unødvendig overhead eller formatteringsfejl.

Node SDK-brug

Node-udviklere kan opnå de samme resultater ved at bruge openai npm-pakke. Ligesom Python-versionen skal du overskrive standard base-URL'en for at pege på vores dedikerede servere. Dette sikrer, at dine anmodninger går direkte til den ucensurerede model uden at ramme tredjeparts hastighedsbegrænsninger eller routing-forsinkelser.

Initialiser klienten med det korrekte endpoint:

Copyimport OpenAI from "openai";

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

Denne metode fungerer til både synkronopkald og async/await-mønstre. Du kan streame svar eller anmode om JSON-tilstand direkte i det samme funktionskald, hvilket giver dig fleksibilitet til forskellige applikationsarkitekturer uden at ændre din grundlæggende godkendelsesopsætning.

Streaming-svar

Aktiver real-time tekstgenerering ved at indstille stream: true i dine request-parametre. API'et returnerer en Server-Sent Events (SSE) stream, der giver dig mulighed for at vise tokens, mens de genereres. Dette reducerer den opfattede latens for brugere og gør oplevelsen meget hurtigere end at vente på et fuldt svar.

Håndter strømmen korrekt i din kode for at akkumulere den endelige tekst:

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)

Hver chunk indeholder tokenforbrugsdata i den sidste del, så du kan spore omkostninger præcist. Streaming er ideel til chatgrænseflader, hvor øjeblikkelig feedback forbedrer brugerengagementet. Du kan stoppe streamen til enhver tid, hvis brugeren sender en ny besked, hvilket sparer credits på delvise svar.

Begrænsninger, fejl & kontekst

Forstå de tekniske grænser for at undgå uventede afbrydelser i din applikation. Vores API håndhæver et kontekstvindue på 100.000 tokens for hver anmodning, der kombinerer både prompt og completion. Hvis du overskrider grænsen på 16.000 tokens output, stoppes genereringen, så indstil max_tokens i overensstemmelse med at kontrollere omkostninger.

Almindelige HTTP-statuskoder inkluderer 401 for ugyldige nøgler, 402 for utilstrækkelig kredit og 429 for rate limits. Du er begrænset til 300 anmodninger i minuttet pr. nøgle. Disse begrænsninger sikrer rimelig brug for alle brugere. Brug den 429 fejl for at implementere eksponentiel backoff i din klientkode, hvilket sikrer jævn drift i perioder med høj trafik.