Integrieren Sie die API in Minuten

Installation & Basis-URL-Einrichtung

Konfigurieren Sie Ihren Client so, dass er sofort auf unseren OpenAI-kompatiblen Endpunkt zeigt.

Unsere API befindet sich unter https://api.codedeepseek.cc/v1. Sie müssen nur die base_url und geben Sie Ihren API-Schlüssel ein. Dieses Setup funktioniert mit den offiziellen SDKs für Python und Node.js und stellt sicher, dass Ihr bestehender Code intakt bleibt. Keine komplexe Routing- oder Proxy-Konfiguration ist erforderlich.

Melden Sie sich über Google oder E-Mail an, um Ihren Schlüssel sofort zu erhalten. Es wird keine Telefonnummer benötigt, und der Schlüssel erscheint sofort auf dem Bildschirm. Diese Einfachheit ermöglicht es Ihnen, sich auf die Integration zu konzentrieren, anstatt sich mit administrativen Hürden herumschlagen zu müssen.

Authentifizierung

Fügen Sie Ihren Schlüssel in den Authorization header für jede Anfrage. Das Header-Format ist standardisiert: Authorization: Bearer YOUR_API_KEY. Wir verwenden keine Abfrageparameter für die Authentifizierung, sodass Ihre URLs sauber und sicher bleiben.

Ein aktiver Schlüssel pro Konto gewährleistet eine einfache Nutzungsnachverfolgung. Wenn Sie einen neuen Schlüssel benötigen, ersetzt das Generieren eines neuen Schlüssels den alten sofort. Dieses Feature ist nützlich, um Anmeldeinformationen in Produktionsumgebungen ohne Ausfallzeit zu rotieren.

Senden Ihrer ersten Anfrage

Eine Standard- chat.completions Anfrage zur Textgenerierung vom unzensierten Modell.

Verwenden Sie die Modell-ID uncensored für alle Anfragen. Dieses Open-Weight-Modell läuft auf unseren Servern und lehnt legale erwachsene, fiktive oder kontroverse Themen nicht ab. Es wurde für Entwickler entwickelt, die uneingeschränkte Ausgaben für Coding- und kreativen Aufgaben wünschen.

Das folgende Beispiel demonstriert eine grundlegende Anfrage mit cURL. Ersetzen YOUR_API_KEY mit Ihrem tatsächlichen Schlüssel.

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"}]
  }'

Stellen Sie sicher, dass Ihr Request-Body eine messages array mit mindestens einer Benutzer-Nachricht. Die API erwartet Texteingaben und gibt Textausgaben zurück. Diese Einfachheit ermöglicht schnelles Prototyping, ohne sich um komplexe Payload-Strukturen kümmern zu müssen.

Sie können den Endpunkt direkt in Ihrem Terminal oder Skript testen. Diese unmittelbare Feedback-Schleife hilft Ihnen, die Konnektivität zu überprüfen, bevor Sie ihn in größere Anwendungen integrieren.

Streaming-Antworten mit SSE

Aktivieren Sie die Echtzeit-Token-Generierung, indem Sie stream: true in Ihrer Anfrage.

Server-Sent Events (SSE) liefern Tokens, sobald sie generiert werden, und reduzieren so die wahrgenommene Latenz für lange Ausgaben. Der letzte Chunk im Stream enthält die gesamten Token-Nutzungsdaten für die Anfrage. Dieses Feature ist essenziell für Chat-Schnittstellen, bei denen Benutzer sofortige Antworten erwarten.

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)

Verarbeiten Sie den Stream, indem Sie durch die Antwortobjekte iterieren. Jedes Objekt repräsentiert ein einzelnes Token oder Delta. Sie können diese Deltas verketten, um den vollständigen Antworttext zu erstellen. Dieser Ansatz hält Ihre Anwendung auch unter hoher Last reaktionsfähig.

Streaming wird für alle Modellantworten unterstützt. Nutzen Sie es, um das Benutzererlebnis in Code-Assistenten oder Content-Generierungstools zu verbessern. Das uncensored-Modell verarbeitet lange Kontexte effizient und gewährleistet ein reibungsloses Streaming auch bei umfangreichen Ausgaben.

Funktionsaufruf & Tools

Integrieren Sie externe Tools, indem Sie Funktionen in Ihrem Anfrage-Payload definieren.

Die API unterstützt Standard-OpenAI-Style-Function Calling. Definieren Sie Ihre Tools in der tools parameter und lassen Sie das Modell entscheiden, wann sie aufgerufen werden sollen. Diese Fähigkeit ermöglicht komplexe Workflows wie Code-Ausführung oder Datenabruf.

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);

Specify the function name and description clearly. The model will return a function call object if it determines the tool is necessary. You then execute the function and feed the result back into the conversation.

Diese Funktion ist besonders nützlich für Coding-Agenten, die Code-Snippets ausführen oder Dokumentation abrufen müssen. Das unzensierte Modell versteht den Kontext gut und reduziert False Positives bei der Tool-Auswahl.

Stellen Sie sicher, dass Ihre Tool-Definitionen mit dem erwarteten Eingabe-Schema übereinstimmen. Diskrepanzen können zu Fehlern oder unerwartetem Verhalten führen. Testen Sie Ihre Tool-Integration gründlich, bevor Sie in die Produktion gehen.

JSON-Modus für strukturierte Ausgabe

Zwingen Sie das Modell dazu, gültiges JSON auszugeben, indem Sie response_format zu {"type": "json_object"}.

Dieser Modus ist ideal für Anwendungen, die strukturierte Daten erfordern, wie Konfigurationsdateien oder API-Antworten. Das Modell versucht, der JSON-Syntax zu entsprechen, wodurch der Nachbearbeitungsaufwand reduziert wird.

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)

Verwenden Sie den JSON-Modus in Verbindung mit Streaming für die Echtzeit-Übertragung strukturierter Daten. Diese Kombination ist leistungsstark für den Aufbau dynamischer Webanwendungen, die API-Daten konsumieren.

Während der JSON-Modus die Struktur verbessert, kann er gelegentlich ungültiges JSON produzieren, wenn der Prompt mehrdeutig ist. Validieren Sie die Ausgabe immer in Ihrem Anwendungscode. Dieser zusätzliche Schritt stellt die Zuverlässigkeit in Produktionsumgebungen sicher.

Das unzensierte Modell verarbeitet komplexe JSON-Strukturen effektiv. Verwenden Sie es zur Generierung von Code-Snippets, Konfigurationsobjekten oder Datentransformationen.

Parameter: Temperatur, Top-P und Seed

Steuern Sie die Zufälligkeit und Reproduzierbarkeit Ihrer Ausgaben über Standardparameter.

Festlegen temperature zwischen 0 und 2 für unterschiedliche Kreativität. Niedrigere Werte führen zu deterministischeren Ergebnissen, während höhere Werte die Zufälligkeit erhöhen. Verwenden top_p für Nucleus-Sampling, das die Wahrscheinlichkeitsmasse der betrachteten Tokens begrenzt.

The seed parameter ermöglicht reproduzierbare Ausgaben. Legen Sie einen bestimmten Seed-Wert fest, um bei mehreren Aufrufen dieselbe Antwort zu erhalten. Dies ist nützlich für Debugging und Tests.

Kombinieren Sie diese Parameter, um das Modellverhalten für Ihren spezifischen Anwendungsfall anzupassen. Verwenden Sie beispielsweise eine niedrige Temperatur und einen festen Seed für die Codegenerierung, bei der Konsistenz entscheidend ist.

Experimentiere mit verschiedenen Einstellungen, um das optimale Gleichgewicht für deine Anwendung zu finden. Die API unterstützt alle Standard-OpenAI-Parameter und gewährleistet so die Kompatibilität mit bestehenden Tools.