Szybki start API Dolphin AI

Bazowy URL & Autoryzacja

Zacznij od ustawienia adresu bazowego i klucza API w konfiguracji klienta. Wszystkie żądania uwierzytelniają się poprzez Authorization Nagłówek przy użyciu unikalnego klucza. Nasza usługa działa jako niezależny dostawca dla OpenRouter Dolphin AI model variant, co oznacza, że nie potrzebujesz konta na OpenRouter, aby korzystać z tego endpointu. Po prostu pobierz swój klucz z panelu i podłącz go do zmiennych środowiskowych.

• URL bazowy: https://api.openrouterdolphinai.com/v1
• Nagłówek: Authorization: Bearer YOUR_API_KEY

To rozwiązanie działa z dowolnym standardowym SDK OpenAI, ponieważ naśladujemy ich dokładną strukturę punktów końcowych. Będziesz interagować tylko z punktem końcowym uzupełnień czatu, utrzymując integrację prostą i skupioną na generowaniu tekstu.

Pierwsze żądanie

Wyślij pierwszą wiadomość, aby wygenerować tekst używając prostego POST metoda. ID modelu to zawsze uncensored, co zapewnia dostęp do konkretnej wersji bez cenzury, dostrojonej do swobodnej rozmowy. Nie musisz określać złożonych parametrów routingu, ponieważ hostujemy ten pojedynczy model bezpośrednio.

Użyj poniższego polecenia curl, aby natychmiast przetestować połączenie:

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"}]
  }'

Jeśli otrzymasz odpowiedź JSON z treścią, Twój klucz jest aktywny, a kredyty są poprawnie pobierane. Błędy takie jak 401 wskazują na nieprawidłowy klucz, a 402 oznacza konieczność doładowania za pomocą kryptowalut. To bezpośrednie podejście eliminuje zmienność typową dla routerów wielomodelowych.

Integracja SDK Python

Zintegruj szybko za pomocą oficjalnej biblioteki Python OpenAI, wskazując ją na nasz base URL. Pozwala to na użycie znanych metod takich jak chat.completions.create() bez przepisywania całej logiki. Biblioteka automatycznie obsługuje serializację, więc możesz skupić się na projektowaniu promptów, a nie na szczegółach HTTP.

Skonfiguruj klienta z Twoim podstawowym adresem URL i kluczem:

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)

Pamiętaj, że nasze okno kontekstowe wynosi 100,000 tokenów, więc możesz przekazać znaczną historię rozmowy. SDK obsłuży tokenizację i transmisję wydajnie, zapewniając, że Twoje prompty dotrą do modelu bez niepotrzebnego narzutu lub błędów formatowania.

Użycie SDK Node

Deweloperzy Node mogą osiągnąć ten sam wynik, używając openai pakiet npm. Podobnie jak w wersji Python, musisz nadpisać domyślny URL bazowy, aby wskazywał na nasze dedykowane serwery. Zapewnia to, że Twoje żądania trafiają bezpośrednio do modelu bez cenzury, omijając limity szybkości stron trzecich lub opóźnienia routingu.

Zainicjuj klienta, podając prawidłowy 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);

Ten wzorzec działa zarówno dla wywołań synchronicznych, jak i wzorców async/await. Możesz strumieniować odpowiedzi lub żądać trybu JSON bezpośrednio w ramach tego samego wywołania funkcji, co daje elastyczność dla różnych architektur aplikacji bez zmiany podstawowej konfiguracji uwierzytelniania.

Odpowiedzi strumieniowe

Włącz generowanie tekstu w czasie rzeczywistym, ustawiając stream: true w parametrach żądania. API zwraca strumień zdarzeń wysyłanych serwerowo (SSE), pozwalający wyświetlać tokeny w miarę ich generowania. Zmniejsza to postrzeganą opóźnienie dla użytkowników, sprawiając, że doświadczenie wydaje się znacznie szybsze niż oczekiwanie na pełną odpowiedź.

Obsłuż strumień, aby zebrać końcowy 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)

Każdy chunk zawiera dane o zużyciu tokenów w ostatniej części, więc możesz dokładnie śledzić koszty. Strumieniowanie jest idealne dla interfejsów czatu, gdzie natychmiastowa informacja zwrotna poprawia zaangażowanie użytkownika. Możesz zatrzymać strumień w dowolnym momencie, jeśli użytkownik wyśle nową wiadomość, oszczędzając kredyty na częściowych odpowiedziach.

Limity, Błędy & Kontekst

Zrozum granice techniczne, aby uniknąć nieoczekiwanych przerw w działaniu aplikacji. Nasz interfejs API narzuca okno kontekstowe 100 000 tokenów dla każdego żądania, obejmujące zarówno polecenie, jak i uzupełnienie. Jeśli przekroczysz limit odpowiedzi 16 000 tokenów, generowanie zostanie zatrzymane, więc ustaw max_tokens odpowiednio do kontrolowania kosztów.

Typowe kody statusu HTTP obejmują 401 dla nieprawidłowych kluczy, 402 dla niewystarczających środków i 429 dla limitów częstości. Jesteś ograniczony do 300 żądań na minutę na klucz. Ograniczenia te zapewniają uczciwe użytkowanie przez wszystkich użytkowników. Użyj 429 błąd do zaimplementowania wykładniczego backoffu w kodzie klienta, zapewniając płynną pracę podczas szczytowych okresów ruchu.