幾分鐘內整合 API

安裝與基礎 URL 設定

立即設定您的客戶端指向我們的 OpenAI 相容端點。

我們的 API 位於 https://api.codedeepseek.cc/v1. 您只需更改 base_url 並提供您的 API 金鑰。此設定適用於 Python 和 Node.js 的官方 SDK，確保您現有的程式碼保持不變。無需複雜的轉碼或代理伺服器設定。

透過 Google 或電子郵件註冊，即可立即獲得您的金鑰。無需電話號碼，金鑰會立即顯示在螢幕上。這種簡便性讓您能專注於整合，而非行政障礙。

驗證

將您的金鑰包含在 Authorization 每次請求的標頭。標頭格式為標準格式： Authorization: Bearer YOUR_API_KEY. 我們不使用查詢參數進行認證，保持 URL 乾淨且安全。

每個帳戶一個有效金鑰可確保清晰的使用追蹤。如果您需要新金鑰，生成新金鑰會立即取代舊金鑰。此功能對於在生產環境中無縫輪換憑證非常有用。

發送您的第一個請求

進行標準 chat.completions 呼叫以從無審查模型生成文本。

使用模型 ID uncensored 適用於所有請求。此開源模型運行在我們的伺服器上，不會拒絕合法的成人、虛構或爭議性主題。它專為希望獲得無限制輸出的開發人員設計，適用於編碼和創意任務。

以下範例演示了使用 cURL 的基本請求。請替換 YOUR_API_KEY 搭配您的實際金鑰。

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"}]
  }'

確保您的請求主體包含一個 messages 至少包含一條使用者訊息的陣列。API 預期文字輸入並回傳文字輸出。這種簡易性允許快速原型開發，無需擔心複雜的有效載荷結構。

您可以在終端機或腳本中直接測試端點。這種即時的回饋迴路有助於您在將 API 整合到更大的應用程式之前驗證連線性。

帶有 SSE 的串流回應

在請求中將 stream: true 在您的請求中。

Server-Sent Events (SSE) 在 token 生成時即時交付，減少長輸出時的感知延遲。串流中的最後一個區塊包含該請求的總 token 用量。此功能對於期望即時回應的聊天介面至關重要。

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)

透過迭代回應物件來處理串流。每個物件代表單一 token 或增量。您可以將這些增量串連起來以構建完整的回應文字。這種方法即使在重負載下也能保持應用程式的響應性。

所有模型回應都支援串流。請使用它來增強程式碼助手或內容生成工具的使用者體驗。uncensored 模型能高效處理長上下文，確保即使對於大量輸出也能順暢串流。

函式呼叫 & 工具

透過在請求載荷中定義函式來整合外部工具。

API 支援標準 OpenAI 風格的 function calling。請在 tools parameter and let the model decide when to invoke them. This capability enables complex workflows like code execution or data retrieval.

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);

明確指定函數名稱和描述。如果模型判斷需要該工具，它將返回一個函數調用對象。然後您執行該函數並將結果反饋到對話中。

此功能對於需要執行程式碼片段或取得文件的程式碼代理程式特別有用。uncensored 模型能很好地理解上下文，減少工具選擇中的誤報。

確保您的工具定義符合預期的輸入 schema。不匹配可能導致錯誤或意外行為。在部署至生產環境前，請徹底測試您的工具整合。

用於結構化輸出的 JSON 模式

透過設定 response_format 以 {"type": "json_object"}.

此模式適合需要結構化數據的應用程式，例如配置文件或 API 回應。模型將嘗試符合 JSON 語法，從而減少後處理的需求。

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)

將 JSON 模式與串流傳輸結合使用，以即時交付結構化資料。這種組合對於構建消耗 API 資料的動態網頁應用程式非常強大。

雖然 JSON 模式改善了結構，但如果提示含糊不清，偶爾可能會產生無效的 JSON。請始終在應用程式程式碼中驗證輸出。這額外的步驟確保了生產環境中的可靠性。

該無審查模型能有效處理複雜的 JSON 結構。您可以使用它來生成程式碼片段、配置對象或資料轉換。

參數：Temperature、Top-P 與 Seed

使用標準參數控制輸出的隨機性與可重複性。

設定 temperature 介於 0 和 2 之間以調整創意。較低的值產生更具確定性的結果，而較高的值增加隨機性。使用 top_p 用於核採樣，這限制了所考慮 token 的概率質量。

The seed parameter allows for reproducible outputs. Set a specific seed value to get the same response across multiple calls. This is useful for debugging and testing.

結合這些參數以針對您的特定用例微調模型行為。例如，在代碼生成中使用低溫度和固定種子，因為一致性至關重要。

實驗不同設定以找到應用程式的最佳平衡點。API 支援所有標準 OpenAI 參數，確保與現有工具的相容性。