डेवलपर्स के लिए API दस्तावेज़

प्रमाणीकरण और बेस URL सेटअप

सही बेस यूआरएल और कुंजी के साथ अपने क्लाइंट को कॉन्फ़िगर करके शुरू करें। हमारा API HTTPS://api.llamaapikey.com/v1 पर है। यह सेटअप आधिकारिक OpenAI SDKs और किसी भी संगत क्लाइंट के साथ काम करता है। आपको केवल बेस यूआरएल बदलने और अपनी कुंजी प्रदान करने की आवश्यकता है। हम मॉडल रूटिंग या वेंडर लॉक-इन का उपयोग नहीं करते हैं।

• बेस URL: HTTPS://api.llamaapikey.com/v1
• मॉडल ID: "uncensored"
• प्रमाणीकरण: हेडर Authorization: Bearer YOUR_API_KEY

Copycurl https://api.llamaapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate API key for llama model usage"}]
  }'

/v1/chat/completions पर रिक्वेस्ट भेजना

चैट कंप्लीशन्स एंडपॉइंट पर एक मानक POST रिक्वेस्ट भेजें। मॉडल ID "uncensored" है। यह टेक्स इन और टेक्स आउट को कुशलता से संभालता है। आप तापमान या top_p जैसे पैरामीटर समायोजित कर सकते हैं। त्रुटियाँ क्रेडिट नहीं खाती हैं। मानक सामग्री के लिए अस्वीकृतियाँ मुफ्त हैं।

Copyfrom openai import OpenAI

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

SSE के माध्यम से स्ट्रीमिंग प्रतिक्रियाएं

सेटिंग करके स्ट्रीमिंग सक्षम करें stream: true. आप रियल-टाइम आउटपुट के लिए सर्वर-सेंट इवेंट्स (SSE) प्राप्त करते हैं। अंतिम चंक टोकन उपयोग विवरण रखता है। यह दृष्टिकोण चैट इंटरफेस के लिए आदर्श है। आपको पूर्ण प्रतिक्रिया की प्रतीक्षा किए बिना तुरंत फीडबैक मिलता है।

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)

फ़ंक्शन कॉलिंग और टूल उपयोग

फंक्शन कॉलिंग के लिए मानक टूल्स प्रारूप का उपयोग करें। अपने फंक्शनों को tools array. मॉडल tool_choice फोर्स्ड एक्जीक्यूशन के लिए। आप JSON मोड को भी लागू कर सकते हैं जिसके साथ response_format. यह आपके एप्लिकेशन के लिए संरचित आउटपुट सुनिश्चित करता है।

Copyimport OpenAI from "openai";

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

JSON मोड और प्रतिक्रिया फॉर्मेटिंग

मॉडल को वैध JSON आउटपुट करने के लिए फोर्स करें। सेट करें response_format को {"type": "json_object"}. यह आपके पार्सर में खराब प्रतिक्रियाओं को रोकता है। यह फंक्शन कॉलिंग के साथ काम करता है। आपको अपने बैकएंड लॉजिक के लिए विश्वसनीय डेटा संरचनाएं मिलती हैं।

Copycurl https://api.llamaapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate API key for llama model usage"}]
  }'

टोकन उपयोग और बिलिंग को समझना

आप वास्तविक टोकन उपयोग के लिए भुगतान करते हैं। त्रुटियां और रिफ्यूजल मुफ्त हैं। संदर्भ विंडो 100,000 टोकन है। अधिकतम आउटपुट 16,000 टोकन है। रेट लिमिट प्रति मिनट 300 रिक्वेस्ट है। अमान्य कुंजियों के लिए 401 हैंडल करें। क्रेडिट न होने के लिए 402 हैंडल करें। रेट लिमिट्स के लिए 429 हैंडल करें।

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)