몇 분 안에 API 통합

설치 및 베이스 URL 설정

클라이언트를 즉시 우리 OpenAI 호환 엔드포인트로 연결하세요.

당사의 API 주소는 https://api.codedeepseek.cc/v1. 다음만 변경하면 됩니다. base_url API 키를 입력하세요. 이 설정은 Python 및 Node.js용 공식 SDK와 호환되므로 기존 코드를 그대로 유지할 수 있습니다. 복잡한 라우팅이나 프록시 구성이 필요하지 않습니다.

Google 또는 이메일로 가입하여 즉시 키를 받으세요. 전화번호가 필요 없으며 키가 화면에 즉시 표시됩니다. 이 단순함으로 인해 관리적 장벽보다 통합에 집중할 수 있습니다.

인증

에 키를 포함하세요 Authorization 모든 요청에 대한 header. header 형식은 표준입니다: Authorization: Bearer YOUR_API_KEY인증에 쿼리 매개변수를 사용하지 않아 URL을 깔끔하고 안전하게 유지합니다.

계정당 하나의 활성 키는 명확한 사용 추적을 보장합니다. 새 키가 필요한 경우 새 키를 생성하면 기존 키가 즉시 대체됩니다. 이 기능은 다운타임 없이 프로덕션 환경에서 자격 증명을 교체하는 데 유용합니다.

첫 번째 요청 보내기

표준 chat.completions 무검열 모델에서 텍스트 생성을 위한 호출.

모델 ID를 사용하세요 uncensored 모든 요청에 대해. 이 오픈 웨이트 모델은 서버에서 실행되며 합법적인 성인, 픽션, 또는 논쟁적인 주제를 거절하지 않습니다. 코딩 및 창의적 작업에 제한 없는 출력을 원하는 개발자를 위해 설계되었습니다.

다음 예시는 cURL을 사용한 기본 요청을 보여줍니다. Replace YOUR_API_KEY 실제 키를 사용합니다.

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"}]
  }'

요청 본문에 messages 최소 하나의 사용자 메시지가 있는 배열입니다. API는 텍스트 입력을 기대하고 텍스트 출력을 반환합니다. 이 단순성은 복잡한 페이로드 구조에 대해 걱정하지 않고도 신속한 프로토타이핑을 가능하게 합니다.

터미널이나 스크립트에서 엔드포인트를 직접 테스트할 수 있습니다. 이 즉각적인 피드백 루프는 더 큰 애플리케이션에 통합하기 전에 연결성을 검증하는 데 도움이 됩니다.

SSE를 사용한 스트리밍 응답

실시간 토큰 생성을 활성화하려면 stream: true 요청에 포함됩니다.

서버 전송 이벤트(SSE)는 생성되는 대로 토큰을 전달하여 긴 출력의 지각된 지연 시간을 줄입니다. 스트림의 마지막 청크에는 요청의 총 토큰 사용량이 포함됩니다. 이 기능은 즉각적인 응답을 기대하는 채팅 인터페이스에 필수적입니다.

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)

응답 객체를 반복하여 스트림을 처리하세요. 각 객체는 단일 토큰 또는 델타를 나타냅니다. 이러한 델타를 연결하여 전체 응답 텍스트를 구축할 수 있습니다. 이 방식은 부하가 많이 걸려도 애플리케이션이 응답성을 유지합니다.

스트리밍은 모든 모델 응답에 대해 지원됩니다. 코딩 어시스턴트나 콘텐츠 생성 도구에서 사용자 경험을 향상시키기 위해 사용하세요. uncensored 모델은 긴 컨텍스트를 효율적으로 처리하여 광범위한 출력에서도 원활한 스트리밍을 보장합니다.

함수 호출 & 도구

요청 페이로드에 함수를 정의하여 외부 도구를 통합하세요.

API는 표준 OpenAI 스타일의 함수 호출을 지원합니다. 도구를 다음에 정의하세요. tools 매개변수를 사용하고 모델이 호출 시기를 결정하도록 하세요. 이 기능은 코드 실행 또는 데이터 검색과 같은 복잡한 워크플로우를 가능하게 합니다.

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.

이 기능은 코드 스니펫 실행이나 문서 검색이 필요한 코딩 에이전트에 특히 유용합니다. 비검열 모델은 컨텍스트를 잘 이해하므로 도구 선택에서 위양성(false positive)을 줄입니다.

툴 정의가 예상 입력 스키마와 일치해야 합니다. 불일치는 오류나 예기치 않은 동작을 초래할 수 있습니다. 프로덕션 배포 전에 툴 통합을 철저히 테스트하세요.

구조화된 출력을 위한 JSON 모드

response_format을 설정하여 유효한 JSON 출력을 강제하세요. response_format 수신하여 {"type": "json_object"}.

이 모드는 구성 파일이나 API 응답과 같은 구조화된 데이터가 필요한 애플리케이션에 이상적입니다. 모델은 JSON 구문에 맞추려 시도하여 후처리 필요성을 줄입니다.

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)

실시간 구조화된 데이터 전달을 위해 스트리밍과 함께 JSON 모드를 사용하세요. 이 조합은 API 데이터를 소비하는 동적 웹 애플리케이션 구축에 강력합니다.

JSON 모드는 구조를 개선하지만 프롬프트가 모호할 경우 가끔 유효하지 않은 JSON을 생성할 수 있습니다. 애플리케이션 코드에서 출력을 항상 검증하십시오. 이 추가 단계는 프로덕션 환경에서의 신뢰성을 보장합니다.

uncensored 모델은 복잡한 JSON 구조를 효과적으로 처리합니다. 코드 스니펫, 구성 객체 또는 데이터 변환 생성에 사용하세요.

파라미터: Temperature, Top-P, Seed

표준 파라미터를 사용하여 출력의 무작위성과 재현성을 제어하세요.

設定 temperature 0과 2 사이에서 다양하게 조정하여 창의성을 조절하세요. 낮은 값은 더 결정론적인 결과를 생성하는 반면, 높은 값은 무작위성을 증가시킵니다. 사용 top_p 고려되는 토큰의 확률 질량을 제한하는 nucleus sampling을 위해

The seed 매개변수는 재현 가능한 출력을 제공합니다. 특정 시드 값을 설정하여 여러 호출에서 동일한 응답을 얻으세요. 이는 디버깅 및 테스트에 유용합니다.

이러한 파라미터를 결합하여 특정 사용 사례에 맞게 모델 동작을 미세 조정하세요. 예를 들어, 일관성이 중요한 코드 생성에는 낮은 온도와 고정된 시드를 사용하세요.

애플리케이션에 최적의 균형을 찾기 위해 다양한 설정을 실험하세요. 이 API는 기존 도구와의 호환성을 보장하는 모든 표준 OpenAI 매개변수를 지원합니다.