API เอกสาร และ เริ่มต้นอย่างรวดเร็ว

Authentication และ Base URL การกำหนดค่า

ขั้นตอนแรกคือการรับข้อมูลรับรองของคุณ ลงทะเบียนผ่าน Google หรืออีเมลที่หน้า Get API key เพื่อรับโทเค็นของคุณทันที ไม่ต้องใช้หมายเลขโทรศัพท์ ใช้โทเค็นนี้เพื่อตรวจสอบสิทธิ์ทุกคำขอ

ตั้งค่า URL ฐานของคุณเป็น HTTPS://api.lamaapikey.com/v1 สิ่งนี้ทำให้แน่ใจว่าคำเรียกของคุณกำหนดเส้นทางไปยังโมเดล uncensored เฉพาะของเรา คุณไม่จำเป็นต้องจัดการพร็อกซีหรือเปลี่ยนจุดปลายสำหรับโมเดลต่างๆ

Copycurl https://api.lamaapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Check the current latency for my key."}]
  }'

แชท การครบถ้วน จุดปลาย (Endpoint) (POST /v1/chat/completions)

ส่งข้อความโดยใช้ endpoint chat-completions มาตรฐาน คีย์ API ของคุณอยู่ใน header Authorization ตัวระบุโมเดลคือ "uncensored" เสมอ

การตั้งค่านี้ใช้งานได้กับไคลเอนต์ที่เข้ากันได้กับ OpenAI ทุกตัว คุณสามารถใช้ SDK ทางการหรือไลบรารี HTTP โดยตรง API จะส่งคืนข้อความตาม prompt ของคุณ

Copyfrom openai import OpenAI

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

รองรับ พารามิเตอร์: อุณหภูมิ, Top-P, และ เครื่องมือ

ควบคุมความคิดสร้างสรรค์ด้วย temperature และ top_p ใช้ temperature เพื่อปรับความสุ่ม ค่าที่สูงกว่าสร้างผลลัพธ์ที่หลากหลายมากขึ้น ค่าต่ำทำให้การตอบสนองมีความกำหนดมากขึ้น

เปิดใช้งานการเรียกใช้ฟังก์ชันพร้อมพารามิเตอร์ tools กำหนดสคีมา JSON สำหรับฟังก์ชันของคุณ โมเดลจะคืนค่าการเรียกใช้เครื่องมือที่มีโครงสร้าง นอกจากนี้คุณสามารถเปิดใช้งานโหมด JSON ด้วย response_format json_object ซึ่งช่วยให้การแยกวิเคราะห์สำหรับแอปพลิเคชันของคุณมีความน่าเชื่อถือ

Copyimport OpenAI from "openai";

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

การสตรีม ผลลัพธ์ และ การใช้งาน เมตาดาต้า

เปิดใช้งานการสตรีมด้วยพารามิเตอร์ stream คุณจะรับชิ้นข้อมูลเมื่อสร้างเสร็จ สิ่งนี้ช่วยลดความล่าช้าที่ผู้ใช้รู้สึกเมื่อการตอบกลับยาว

ชิ้นข้อมูลสุดท้ายประกอบด้วยเมตาดาต้าการใช้งาน ซึ่งรวมถึงจำนวนโทเค็นสำหรับการเรียกเก็บเงิน ข้อผิดพลาดและการปฏิเสธไม่ทำให้เครดิตหมดไป คุณจ่ายเฉพาะสำหรับโทเค็นเอาต์พุตที่สำเร็จเท่านั้น

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)

JSON โหมด และ มีโครงสร้าง ผลลัพธ์

บังคับใช้ข้อมูลที่มีโครงสร้างด้วย response_format json_object โมเดลจะส่งคืนเฉพาะ JSON ที่ถูกต้อง สิ่งนี้ป้องกันข้อผิดพลาดในการแยกวิเคราะห์ในโค้ดของคุณ

ใช้สิ่งนี้สำหรับการแยกข้อมูลที่มีความสม่ำเสมอ กำหนดสคีมาของคุณให้ชัดเจนในพรอมต์ โมเดลจะปฏิบัติตามโครงสร้างของคุณ สิ่งนี้ทำงานได้ดีกับการเรียกใช้ฟังก์ชันเช่นกัน

ตั้งค่า top_p เป็น 1.0 เพื่อความหลากหลายสูงสุด ปรับ temperature เพื่อความแม่นยำ สร้างสมดุลระหว่างความคิดสร้างสรรค์กับโครงสร้าง

ข้อจำกัด, ข้อผิดพลาด, และ บริบท หน้าต่าง

context window: 100,000 tokens รวม การตอบกลับสูงสุด: 16,000 tokens ค่า max_tokens เริ่มต้นคือ 2,048 หากไม่ได้ตั้งค่า ขีดจำกัดขนาด body คำขอคือ 8 MB

อัตราการใช้งาน: 300 คำขอต่อนาที ความพร้อมใช้งานพร้อมกัน: 8 คำขอพร้อมกัน ข้อผิดพลาด: 401 หมายถึงคีย์ไม่ถูกต้อง 402 หมายถึงไม่มีเครดิต 429 หมายถึงเกินอัตราการใช้งานสูงสุด

ชำระ $0.15 ต่อ 1M input tokens ชำระ $0.50 ต่อ 1M output tokens ชำระด้วยคริปโตเท่านั้น