Intégrez l'API en quelques minutes

Installation & Configuration de l'URL de base

Configurez votre client pour pointer vers notre point de terminaison compatible OpenAI immédiatement.

Notre API réside à https://api.codedeepseek.cc/v1. Vous n'avez besoin que de modifier le base_url et fournissez votre clé API. Cette configuration fonctionne avec les SDK officiels pour Python et Node.js, garantissant que votre code existant reste intact. Aucune configuration complexe de routage ou de proxy n'est requise.

Inscrivez-vous via Google ou e-mail pour recevoir votre clé instantanément. Aucun numéro de téléphone n'est requis et la clé apparaît à l'écran immédiatement. Cette simplicité vous permet de vous concentrer sur l'intégration plutôt que sur les démarches administratives.

Authentification

Incluez votre clé dans le Authorization header pour chaque requête. Le format du header est standard : Authorization: Bearer YOUR_API_KEY. Nous n'utilisons pas de paramètres de requête pour l'authentification, ce qui garde vos URL propres et sécurisées.

Une clé active par compte garantit un suivi simple de l'utilisation. Si vous avez besoin d'une nouvelle clé, la génération d'une nouvelle clé remplace immédiatement l'ancienne. Cette fonctionnalité est utile pour faire tourner les identifiants dans les environnements de production sans temps d'arrêt.

Envoi de votre première requête

Faites une demande standard chat.completions appel pour générer du texte à partir du modèle sans censure.

Utilisez l’ID du modèle uncensored pour toutes les requêtes. Ce modèle à poids ouverts s'exécute sur nos serveurs et ne refuse pas les sujets adultes, fictifs ou controversés licites. Il est conçu pour les développeurs qui souhaitent des sorties sans restriction pour le codage et les tâches créatives.

L'exemple suivant illustre une requête de base utilisant cURL. Remplacez YOUR_API_KEY avec votre clé réelle.

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"}]
  }'

Assurez-vous que le corps de votre requête inclut un messages tableau avec au moins un message utilisateur. L'API attend une entrée textuelle et retourne une sortie textuelle. Cette simplicité permet un prototypage rapide sans se soucier de structures de charge utile complexes.

Vous pouvez tester le point de terminaison directement dans votre terminal ou script. Cette boucle de rétroaction immédiate vous aide à vérifier la connectivité avant de l'intégrer dans des applications plus grandes.

Réponses en streaming avec SSE

Activez la génération de jetons en temps réel en définissant stream: true dans votre requête.

Les Server-Sent Events (SSE) délivrent les tokens au fur et à mesure de leur génération, réduisant la latence perçue pour les sorties longues. Le dernier fragment du flux contient l'utilisation totale des tokens pour la demande. Cette fonctionnalité est essentielle pour les interfaces de chat où les utilisateurs s'attendent à des réponses instantanées.

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)

Gérez le flux en itérant sur les objets de réponse. Chaque objet représente un seul jeton ou delta. Vous pouvez concaténer ces deltas pour reconstituer le texte de la réponse complète. Cette approche maintient la réactivité de votre application même sous forte charge.

Le streaming est pris en charge pour toutes les réponses des modèles. Utilisez-le pour améliorer l'expérience utilisateur dans les assistants de codage ou les outils de génération de contenu. Le modèle uncensored gère efficacement les longs contextes, garantissant un streaming fluide même pour des sorties étendues.

Appel de fonctions et outils

Intégrez des outils externes en définissant des fonctions dans la charge utile de votre requête.

L'API prend en charge l'appel de fonctions standard de style OpenAI. Définissez vos outils dans le tools parameter et laissez le modèle décider quand les invoquer. Cette capacité permet des workflows complexes comme l'exécution de code ou la récupération de données.

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.

Cette fonctionnalité est particulièrement utile pour les agents de codage qui doivent exécuter des extraits de code ou récupérer de la documentation. Le modèle uncensored comprend bien le contexte, réduisant les faux positifs dans la sélection d'outils.

Assurez-vous que vos définitions d'outils correspondent au schéma d'entrée attendu. Les incompatibilités peuvent entraîner des erreurs ou un comportement inattendu. Testez votre intégration d'outils de manière approfondie avant le déploiement en production.

Mode JSON pour les sorties structurées

Forcez le modèle à produire un JSON valide en définissant response_format à {"type": "json_object"}.

Ce mode est idéal pour les applications nécessitant des données structurées, comme les fichiers de configuration ou les réponses API. Le modèle tentera de se conformer à la syntaxe JSON, réduisant ainsi le besoin de post-traitement.

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)

Utilisez le mode JSON conjointement avec le streaming pour la livraison de données structurées en temps réel. Cette combinaison est puissante pour créer des applications web dynamiques qui consomment des données API.

Bien que le mode JSON améliore la structure, il peut parfois produire du JSON invalide si l'invite est ambiguë. Validez toujours la sortie dans le code de votre application. Cette étape supplémentaire garantit la fiabilité dans les environnements de production.

Le modèle sans censure gère efficacement les structures JSON complexes. Utilisez-le pour générer des extraits de code, des objets de configuration ou des transformations de données.

Paramètres : Température, Top-P et Seed

Contrôlez l’aléatoire et la reproductibilité de vos sorties à l’aide de paramètres standards.

Définir temperature entre 0 et 2 pour une créativité variable. Des valeurs plus basses produisent des résultats plus déterministes, tandis que des valeurs plus élevées augmentent l'aléatoire. Utilisez top_p pour l'échantillonnage par noyau, qui limite la masse de probabilité des tokens considérés.

Le seed parameter permet des sorties reproductibles. Définissez une valeur de seed spécifique pour obtenir la même réponse sur plusieurs appels. Cela est utile pour le débogage et les tests.

Combinez ces paramètres pour affiner le comportement du modèle pour votre cas d'utilisation spécifique. Par exemple, utilisez une température faible et une graine fixe pour la génération de code où la cohérence est essentielle.

Expérimentez avec différents paramètres pour trouver l’équilibre optimal pour votre application. L’API prend en charge tous les paramètres standard OpenAI, garantissant la compatibilité avec les outils existants.