Integrera API:t på några minuter

Installation & Bas-URL-konfiguration

Konfigurera din klient att peka mot vår OpenAI-kompatibla slutpunkt omedelbart.

Vårt API finns på https://api.codedeepseek.cc/v1. Du behöver bara ändra base_url och ange ditt API-nyckel. Denna konfiguration fungerar med de officiella SDK:erna för Python och Node.js, vilket säkerställer att din befintliga kod förblir intakt. Ingen komplex routning eller proxykonfiguration krävs.

Registrera dig via Google eller e-post för att få din nyckel omedelbart. Inget telefonnummer krävs, och nyckeln visas på skärjen direkt. Denna enkelhet gör att du kan fokusera på integrationen snarare än administrativa hinder.

Autentisering

Inkludera din nyckel i Authorization header för varje begäran. Header-formatet är standard: Authorization: Bearer YOUR_API_KEY. Vi använder inte frågeparametrar för autentisering, vilket håller dina URL:er rena och säkra.

En aktiv nyckel per konto säkerställer enkel användningsspårning. Om du behöver en ny nyckel ersätter generering av en ny omedelbart den gamla. Denna funktion är användbar för att rotera autentiseringsuppgifter i produktionsmiljöer utan driftstopp.

Skicka din första förfrågan

Gör en standard chat.completions anrop för att generera text från den censorfria modellen.

Använd modell-ID:t uncensored för alla förfrågningar. Denna modell med öppna vikter körs på våra servrar och vägrar inte lagliga vuxna, fiktiva eller kontroversiella ämnen. Den är utformad för utvecklare som vill ha obegränsad output för kodnings- och kreativa uppgifter.

Följande exempel demonstrerar en grundläggande begäran med cURL. Ersätt YOUR_API_KEY med din faktiska nyckel.

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"}]
  }'

Se till att din request body inkluderar en messages array med minst ett användarmeddelande. API:et förväntar sig textinmatning och returnerar textutdata. Denna enkelhet möjliggör snabb prototyping utan att oroa sig för komplexa payload-strukturer.

Du kan testa slutpunkten direkt i din terminal eller skript. Detta omedelbara feedbackloop hjälper dig att verifiera anslutningen innan du integrerar i större applikationer.

Strömningsresponser med SSE

Aktivera realtidsgenerering av tokens genom att ställa in stream: true i din begäran.

Server-sända händelser (SSE) levererar token när de genereras, vilket minskar upplevd latens för långa utdata. Den sista biten i strömmen innehåller total tokenanvändning för förfrågan. Denna funktion är avgörande för chattgränssnitt där användare förväntar sig omedelbara 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)

Hantera strömmen genom att iterera genom svarobjekten. Varje objekt representerar en enda token eller delta. Du kan konkatenera dessa deltas för att bygga hela svarets text. Denna metod håller din applikation responsiv även under hög belastning.

Streaming stöds för alla modellsv. Använd det för att förbättra användarupplevelsen i kodassistenter eller verktyg för innehållsgenerering. Den obegränsade modellen hanterar långa kontexter effektivt och säkerställer smidig streaming även för omfattande utdata.

Function Calling & Tools

Integrera externa verktyg genom att definiera funktioner i din förfrågan.

API:en stöder standard OpenAI-stilade funktionsanrop. Definiera dina verktyg i tools parameter och låt modellen bestämma när de ska anropas. Denna funktion möjliggör komplexa arbetsflöden som kodkörning eller datahämtning.

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.

Denna funktion är särskilt användbar för kodningsagenter som behöver köra kodsnuttar eller hämta dokumentation. Den obegränsade modellen förstår kontext väl, vilket minskar falska positiva resultat vid verktygsval.

Se till att dina tool definitions matchar det förväntade input-schemat. Felmatchningar kan leda till fel eller oväntat beteende. Testa din tool-integration noggrant innan du distribuerar till produktion.

JSON-läge för strukturerade utdata

Tvinga modellen att returnera giltig JSON genom att ställa in response_format för {"type": "json_object"}.

Detta läge är idealiskt för applikationer som kräver strukturerad data, såsom konfigurationsfiler eller API-svar. Modellen kommer att försöka anpassa sig efter JSON-syntax, vilket minskar behovet av 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)

Använd JSON-läge tillsammans med strömning för realtidsleverans av strukturerad data. Denna kombination är kraftfull för att bygga dynamiska webbapplikationer som konsumerar API-data.

Medan JSON-läget förbättrar strukturen kan det ibland producera ogiltig JSON om prompten är tvetydig. Validera alltid utmatningen i din applikationskod. Detta extra steg säkerställer tillförlitlighet i produktionsmiljöer.

Den icke-censurerade modellen hanterar komplexa JSON-strukturer effektivt. Använd den för att generera kodsnuttar, konfigurationsobjekt eller datatransformationer.

Parametrar: Temperatur, Top-P och Seed

Styr slumpmässigheten och reproducerbarheten i dina utdata med standardparametrar.

Ställ in temperature mellan 0 och 2 för varierande kreativitet. Lägre värden ger mer deterministiska resultat, medan högre värden ökar slumpmässigheten. Använd top_p för nucleus sampling, vilket begränsar sannolikhetsmassan av beaktade token.

The seed parameter gör reproducerbara utdata möjliga. Ställ in ett specifikt seed-värde för att få samma svar vid flera anrop. Detta är användbart för felsökning och testning.

Kombinera dessa parametrar för att finjustera modellens beteende för ditt specifika användningsfall. Använd till exempel en låg temperatur och en fast seed för kodgenerering där konsekvens är avgörande.

Experimentera med olika inställningar för att hitta den optimala balansen för din applikation. API:t stöder alla standard OpenAI-parametrar, vilket säkerställer kompatibilitet med befintliga verktyg.