Documentazione API per gli sviluppatori

Impostazione dell'URL di base e autenticazione

Inizia configurando il tuo client con l'URL base e la chiave corretti. La nostra API risiede su HTTPS://api.llamaapikey.com/v1. Questa configurazione funziona con gli SDK ufficiali OpenAI e qualsiasi client compatibile. Devi solo modificare l'URL base e fornire la tua chiave. Non utilizziamo instradamento dei modelli né lock-in del fornitore.

• URL Base: HTTPS://api.llamaapikey.com/v1
• ID modello: "uncensored"
• Autenticazione: Intestazione 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"}]
  }'

Invio di richieste a /v1/chat/completions

Invia una richiesta POST standard all'endpoint chat completions. L'ID del modello è "uncensored". Gestisce efficientemente input e output testuali. Puoi regolare parametri come temperature o top_p. Gli errori non consumano credito. I rifiuti per contenuti standard sono gratuiti.

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)

Risposte in streaming tramite SSE

Abilita lo streaming impostando stream: true. Ricevi Server-Sent Events (SSE) per l'output in tempo reale. L'ultimo chunk contiene i dettagli sull'utilizzo dei token. Questo approccio è ideale per le interfacce chat. Ottieni feedback immediato senza attendere l'intera risposta.

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)

Chiamata di funzioni e utilizzo degli strumenti

Utilizza il formato standard degli strumenti per il function calling. Definisci le tue funzioni in tools array. Il modello supporta tool_choice per l'esecuzione forzata o automatica. Puoi anche imporre la modalità JSON con response_format. Questo garantisce output strutturati per le tue applicazioni.

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);

modalità JSON e formattazione della risposta

Forza il modello a restituire JSON validi. Imposta response_format a {"type": "json_object"}. Questo evita risposte non valide nel tuo parser. Funziona insieme al function calling. Ottieni strutture dati affidabili per la logica del tuo backend.

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"}]
  }'

Comprendere l'utilizzo e la fatturazione dei token

Paghi per l'utilizzo reale dei token. Errori e rifiuti sono gratuiti. La finestra di contesto è di 100.000 token. L'output massimo è di 16.000 token. Il limite di velocità è di 300 richieste al minuto. Gestisci 401 per chiavi non valide. Gestisci 402 per credito insufficiente. Gestisci 429 per limiti di velocità.

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)