Integrer API på få minutter

Installation & Base URL Opsætning

Konfigurer din klient til at pege på vores OpenAI-kompatible endpoint med det samme.

Vores API findes på https://api.codedeepseek.cc/v1. Du skal kun ændre base_url og angiv din API-nøgle. Denne opsætning fungerer med de officielle SDK'er til Python og Node.js, hvilket sikrer, at din eksisterende kode forbliver intakt. Ingen kompleks routing eller proxy-konfiguration er påkrævet.

Tilmeld dig via Google eller e-mail for at modtage din nøgle øjeblikkeligt. Der kræves ikke et telefonnummer, og nøglen vises på skærmen med det samme. Denne enkelhed gør, at du kan fokusere på integrationen frem for administrative hindringer.

Autentificering

Indsæt din nøgle i Authorization header til hver anmodning. Header-formatet er standard: Authorization: Bearer YOUR_API_KEY. Vi bruger ikke query-parametre til autentificering, hvilket holder dine URLs rene og sikre.

En aktiv nøgle pr. konto sikrer enkel brugssporing. Hvis du har brug for en ny nøgle, erstatter generering af en ny nøgle den gamle med det samme. Denne funktion er nyttig til at rotere legitimationsoplysninger i produktionsmiljøer uden nedetid.

Send din første anmodning

Lav en standard chat.completions opkald for at generere tekst fra den ucensurerede model.

Brug model-ID'et uncensored til alle anmodninger. Denne open-weight-model kører på vores servere og afviser ikke lovligt voksen-, fiktivt eller kontroversielt indhold. Den er designet til udviklere, der ønsker ubegrænset output til kodning og kreative opgaver.

Følgende eksempel demonstrerer en grundlæggende anmodning med cURL. Erstat YOUR_API_KEY med din faktiske nøgle.

Copycurl https://api.codedeepseek.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Fix the null pointer in the java service class"}]
  }'

Sørg for, at din request body indeholder en messages array med mindst én brugermelding. API'et forventer tekstinput og returnerer tekstoutput. Denne enkelhed gør det muligt at prototypere hurtigt uden at bekymre sig om komplekse payload-strukturer.

Du kan teste endpointet direkte i din terminal eller script. Denne umiddelbare feedbackløb hjælper dig med at verificere forbindelsen, før du integrerer det i større applikationer.

Streaming-svar med SSE

Aktivér realtidsgenerering af tokens ved at indstille stream: true i din request.

Server-Sent Events (SSE) leverer tokens, mens de genereres, hvilket reducerer den opfattede latens for lange outputs. Den sidste chunk i streamen indeholder den samlede token-forbrug for anmodningen. Denne funktion er essentiel for chat-grænseflader, hvor brugere forventer øjeblikkelige svar.

Copyfrom openai import OpenAI

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

Håndter strømmen ved at iterere gennem responsobjekterne. Hvert objekt repræsenterer et enkelt token eller delta. Du kan sammenkæde disse deltas for at opbygge den fulde svartekst. Denne tilgang holder din applikation responsiv selv under høj belastning.

Streaming understøttes for alle model-svar. Brug det til at forbedre brugeroplevelsen i kodeassistent eller værktøjer til indholdsgenerering. Den uncensored-model håndterer lange kontekster effektivt og sikrer jævn streaming selv for omfattende output.

Function Calling & Tools

Integrer eksterne værktøjer ved at definere funktioner i din anmodningspayload.

API'en understøtter standard OpenAI-lignende funktionssamtale. Definer dine værktøjer i tools parameter og lad modellen bestemme, hvornår de skal kaldes. Denne funktion muliggør komplekse arbejdsgange som kodeudførelse eller datahentning.

Copyimport OpenAI from "openai";

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

Angiv funktionsnavn og beskrivelse tydeligt. Modellen vil returnere et funktionskaldsobjekt, hvis den bestemmer, at værktøjet er nødvendigt. Du eksekterer derefter funktionen og fodrer resultatet tilbage i samtalen.

Denne funktion er særligt nyttig til coding-agenter, der skal køre kodeudsnit eller hente dokumentation. Den uncensored model forstår kontekst godt, hvilket reducerer false positives i tool-valg.

Sørg for, at dine tool-definitioner matcher det forventede input-schema. Uoverensstemmelser kan føre til fejl eller uventet adfærd. Test din tool-integration grundigt, før du deployer til produktion.

JSON-tilstand til struktureret output

Tving modellen til at udskrive gyldig JSON ved at indstille response_format til {"type": "json_object"}.

Denne tilstand er ideel til applikationer, der kræver strukturerede data, såsom konfigurationsfiler eller API-svar. Modellen vil forsøge at overholde JSON-syntaxen, hvilket reducerer behovet for efterbehandling.

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)

Brug JSON-tilstand i kombination med streaming til levering af strukturerede data i realtid. Denne kombination er kraftfuld til at bygge dynamiske webapplikationer, der forbruger API-data.

Selvom JSON-tilstanden forbedrer strukturen, kan den lejlighedsvis producere ugyldig JSON, hvis promptet er tvetydigt. Valider altid outputtet i din applikationskode. Dette ekstra trin sikrer pålidelighed i produktionsmiljøer.

Den ucensurerede model håndterer komplekse JSON-strukturer effektivt. Brug den til at generere kodeudsnit, konfigurationsobjekter eller datatransformationer.

Parametre: Temperatur, Top-P og Seed

Styr tilfældigheden og reproducerbarheden af dine outputs ved hjælp af standardparametre.

Indstil temperature mellem 0 og 2 for varieret kreativitet. Lavere værdier giver mere deterministiske resultater, mens højere værdier øger tilfældigheden. Brug top_p for nucleus sampling, hvilket begrænser sandsynlighedsmassen af overvejede tokens.

The seed parameter tillader reproducerbare output. Indstil en specifik seed-værdi for at få det samme svar på tværs af flere kald. Dette er nyttigt til fejlfinding og test.

Kombinér disse parametre for at finjustere modellens adfærd til dit specifikke brugstilfælde. For eksempel kan du bruge en lav temperatur og en fast seed til kodegenerering, hvor konsistens er afgørende.

Eksperimentér med forskellige indstillinger for at finde den optimale balance til din applikation. API'en understøtter alle standard OpenAI-parametre, hvilket sikrer kompatibilitet med eksisterende værktøjer.