DeepSeek-Coder-API: Schnellstartanleitung

Installation und Basis-URL-Konfiguration

Aktualisieren Sie Ihre Client-Konfiguration, um auf unseren gehosteten Endpunkt zu zeigen. Die base_url muss vom Standardanbieter zu https://api.apicoderdeepseek.com/v1 um Anfragen korrekt zu leiten.

• Festlegen base_url an den oben genannten Wert.
• Behalten Sie das SDK für die Kompatibilität unverändert.

Diese einzelne Änderung stellt sicher, dass alle nachfolgenden Aufrufe direkt unser unzensiertes Modell treffen. Keine Proxy-Schicht bedeutet konsistente Latenz ohne zusätzliche Hops.

Authentifizierung und Header-Einrichtung

Übergeben Sie Ihren Schlüssel im Authorization header, um den Zugriff zu überprüfen. Erstellen Sie ein Konto über Google oder E-Mail, um Ihre eindeutigen Zugangsdaten sofort zu erhalten.

Schließen Sie den Header Authorization: Bearer YOUR_API_KEY in jeder Anfrage. Unser System validiert dieses Token, bevor es Tokens verarbeitet oder Nutzungskosten berechnet.

Ihre erste Chat Completion-Anfrage senden

Senden Sie eine Standard-Chat-Vervollständigungsanfrage, um Text oder Code zu generieren. Verwenden Sie die Modell-ID uncensored auf das optimierte Modell ohne Inhaltsablehnungen zugreifen.

Die API akzeptiert Standard-OpenAI-Payload-Strukturen. Sie können System-Prompts, Benutzer-Nachrichten und Assistenten-Verlauf in einem einzigen Aufruf senden.

Stellen Sie sicher, dass Ihr Request-Body den model und messages Felder. Die Antwort enthält den generierten Text im content Feld.

Streaming-Antworten und Token-Nutzung

Aktivieren Sie Streaming, indem Sie stream auf true in Ihrer Anfrage. Die API gibt Chunks über Server-Sent Events (SSE) für Echtzeit-Ausgabe zurück.

Das letzte Chunk enthält Details zur Token-Nutzung für die Abrechnungstransparenz. Sie können Input- und Output-Tokens verfolgen, sobald sie eintreffen.

Dieser Ansatz reduziert die wahrgenommene Latenz bei langen Antworten. Entwickler bevorzugen Streaming für Coding-Assistenten und interaktive Anwendungen.

Beispiele für Function Calling und JSON-Modus

Verwenden response_format gesetzt auf json_object für strukturierte Ausgaben. Dies stellt sicher, dass das Modell gültiges JSON anstelle von Markdown-Text zurückgibt.

Definieren Sie Funktionsschemata in der tools Parameter. Das Modell ruft diese Funktionen bei Bedarf basierend auf dem Prompt auf.

Unterstützt temperature, top_p, und stop Parameter zur Feinabstimmung der Ausgabe. Verwenden seed für reproduzierbare Ergebnisse beim Testen.

Ratenbegrenzungen und Fehlerbehandlung

Überwachen Sie Ihre Anfrage-Rate, um Drosselung zu vermeiden. Die API erlaubt 300 Anfragen pro Minute pro Schlüssel und 8 gleichzeitige Anfragen.

Behandeln Sie HTTP 401 für ungültige Schlüssel und 429 für Ratenbegrenzungen. Anfragen unter 8 MB werden unterstützt. Fehler verbrauchen kein Guthaben.

Der Context-Window unterstützt bis zu 100.000 Tokens insgesamt. Maximaler Output sind 16.000 Tokens, es sei denn max_tokens ist standardmäßig auf 2.048 eingestellt.

cURL

Copycurl https://api.apicoderdeepseek.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the available endpoints for the chat completion service."}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.apicoderdeepseek.com/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)

Node.js

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.apicoderdeepseek.com/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);

Streaming

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)