Документация API для разработчиков

Аутентификация и установка базового URL

Начните с настройки клиента с правильным базовым URL и ключом. Наш API находится по адресу HTTPS://api.llamaapikey.com/v1. Эта настройка работает с официальными SDK OpenAI и любым совместимым клиентом. Вам нужно только изменить базовый URL и указать ключ. Мы не используем маршрутизацию моделей или привязку к вендору.

• Базовый URL: HTTPS://api.llamaapikey.com/v1
• Идентификатор модели: "uncensored"
• Аутентификация: Заголовок 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"}]
  }'

Отправка запросов на /v1/chat/completions

Отправьте стандартный POST-запрос в конечный пункт chat completions. Идентификатор модели — "uncensored". Он эффективно обрабатывает ввод и вывод текста. Вы можете настроить параметры, такие как temperature или top_p. Ошибки не расходуют кредиты. Отказы за стандартный контент бесплатны.

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)

Потоковые ответы через SSE

Включите потоковую передачу, установив stream: true. Вы получаете Server-Sent Events (SSE) для вывода в реальном времени. Последний фрагмент содержит детали использования токенов. Этот подход идеален для интерфейсов чата. Вы получаете немедленную обратную связь, не ожидая полного ответа.

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)

Вызов функций и использование инструментов

Используйте стандартный формат tools для вызова функций. Определите ваши функции в tools массив. Модель поддерживает tool_choice для принудительного или автоматического выполнения. Вы также можете принудительно включить режим JSON с response_format. Это обеспечивает структурированные выходные данные для ваших приложений.

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);

режим JSON и форматирование ответа

Принудительно заставляйте модель выводить корректный JSON. Установите response_format для {"type": "json_object"}. Это предотвращает некорректные ответы в вашем парсере. Это работает вместе с вызовом функций. Вы получаете надежные структуры данных для логики вашего бэкенда.

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"}]
  }'

Понимание использования токенов и выставления счетов

Вы платите за реальное использование токенов. Ошибки и отказы бесплатны. Контекстное окно составляет 100,000 токенов. Максимальный вывод — 16,000 токенов. Лимит скорости — 300 запросов в минуту. Обработка 401 для недействительных ключей. Обработка 402 для отсутствия кредита. Обработка 429 для лимитов скорости.

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)