几分钟内集成 API

安装 & 基础 URL 设置

立即配置你的客户端指向我们的 OpenAI 兼容端点。

我们的 API 位于 https://api.codedeepseek.cc/v1. 您只需更改 base_url 并提供您的 API 密钥。此设置适用于 Python 和 Node.js 的官方 SDK，确保您的现有代码保持不变。无需复杂的路由或代理配置。

通过 Google 或邮箱注册，即可即时获得密钥。无需电话号码，密钥会立即显示在屏幕上。这种简便性使您能够专注于集成，而非行政障碍。

认证

将您的密钥包含在 Authorization 每次请求时的请求头。请求头格式为标准格式： Authorization: Bearer YOUR_API_KEY. 我们不使用查询参数进行身份验证，使您的 URL 保持简洁和安全。

每个账户一个活跃密钥可确保简单的使用追踪。如果您需要新密钥，生成新密钥会立即替换旧密钥。此功能在生产环境中轮换凭证而无需停机时非常有用。

发送您的第一个请求

进行标准 chat.completions 调用以从无审查模型生成文本。

使用模型 ID uncensored 适用于所有请求。此开源模型在我们的服务器上运行，不会拒绝合法的成人、虚构或争议性话题。它专为希望获得无限制输出以用于编码和创意任务的开发者设计。

以下示例演示了使用 cURL 的基本请求。替换 YOUR_API_KEY 附带您的实际密钥。

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"}]
  }'

确保您的请求体包含一个 messages 包含至少一条用户消息的数组。API 期望文本输入并返回文本输出。这种简洁性允许快速原型设计，无需担心复杂的负载结构。

您可以在终端或脚本中直接测试端点。这种即时反馈循环有助于您在将 API 集成到更大的应用程序之前验证连通性。

使用 SSE 的流式响应

通过将 stream: true 在请求中。

Server-Sent Events (SSE) 在生成 token 时即时交付，从而降低长输出的感知延迟。流中的最后一个块包含请求的总 token 使用情况。此功能对于期望即时响应的聊天界面至关重要。

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)

通过迭代响应对象来处理流。每个对象代表单个令牌或增量。您可以连接这些增量以构建完整的响应文本。这种方法即使在重负载下也能保持应用程序的响应能力。

所有模型响应都支持流式传输。使用它来增强代码助手或内容生成工具的用户体验。uncensored 模型高效处理长上下文，确保即使对于大量输出也能实现流畅的流式传输。

函数调用 & 工具

通过在请求负载中定义函数来集成外部工具。

该 API 支持标准的 OpenAI 风格函数调用。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);

明确指定函数名称和描述。如果模型确定需要该工具，它将返回一个函数调用对象。然后您执行该函数并将结果反馈到对话中。

此功能对于需要运行代码片段或获取文档的编码代理特别有用。uncensored 模型对上下文的理解很好，减少了工具选择中的误报。

确保您的工具定义与预期的输入模式匹配。不匹配可能导致错误或意外行为。在部署到生产环境之前，请彻底测试您的工具集成。

用于结构化输出的 JSON 模式

通过设置 response_format 到 {"type": "json_object"}.

此模式非常适合需要结构化数据的应用程序，例如配置文件或 API 响应。模型将尝试符合 JSON 语法，从而减少后处理的需求。

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)

将 JSON 模式与流式传输结合使用，以实时交付结构化数据。这种组合对于构建消耗 API 数据的动态 Web 应用程序非常强大。

虽然 JSON 模式改善了结构，但如果提示模糊，它偶尔会产生无效的 JSON。始终在您的应用程序代码中验证输出。这额外的步骤确保了生产环境中的可靠性。

无审查模型有效处理复杂的 JSON 结构。使用它来生成代码片段、配置对象或数据转换。

参数：温度、Top-P、Seed

使用标准参数控制输出的随机性和可复现性。

设置 temperature 在 0 到 2 之间调整创造力。较低的值产生更确定的结果，而较高的值增加随机性。使用 top_p 用于核采样，这限制了所考虑 token 的概率质量。

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.

结合这些参数以针对您的特定用例微调模型行为。例如，在代码生成中使用低温度和固定种子，因为一致性至关重要。

实验不同设置，为你的应用找到最佳平衡。API 支持所有标准 OpenAI 参数，确保与现有工具的兼容性。