API de DeepSeek coder: Guía de inicio rápido

Configuración de la URL base e instalación

Actualiza la configuración de tu cliente para que apunte a nuestro endpoint alojado. El base_url debe cambiar del proveedor predeterminado a https://api.apicoderdeepseek.com/v1 para enrutar las solicitudes correctamente.

• Establecer base_url al valor anterior.
• Mantén el SDK estándar tal cual para la compatibilidad.

Este único cambio asegura que todas las llamadas subsiguientes lleguen directamente a nuestro modelo sin censura. No haber una capa de proxy significa que obtienes una latencia consistente sin saltos adicionales.

Configuración de autenticación y encabezados

Pasa tu clave en el Authorization header para verificar el acceso. Crea una cuenta con Google o correo electrónico para recibir tu credencial única al instante.

Incluye el encabezado Authorization: Bearer YOUR_API_KEY en cada solicitud. Nuestro sistema valida este token antes de procesar cualquier token o calcular los costos de uso.

Enviar tu primera solicitud de finalización de chat

Envía una solicitud estándar de completación de chat para generar texto o código. Utiliza el ID del modelo uncensored acceder al modelo ajustado sin rechazos de contenido.

La API acepta estructuras de carga útil estándar de OpenAI. Puedes enviar prompts del sistema, mensajes del usuario y el historial del asistente en una sola llamada.

Asegúrate de que el cuerpo de la solicitud incluya el model y messages campos. La respuesta contendrá el texto generado en el content campo.

Respuestas en streaming y uso de tokens

Habilita la transmisión estableciendo stream a true en tu solicitud. La API devuelve fragmentos mediante Eventos Enviados por el Servidor (SSE) para salida en tiempo real.

El último fragmento contiene los detalles de uso de tokens para la transparencia en la facturación. Puedes rastrear los tokens de entrada y salida a medida que llegan.

Este enfoque reduce la latencia percibida para respuestas largas. Los desarrolladores prefieren la transmisión para asistentes de código y aplicaciones interactivas.

Ejemplos de Llamada de Función y Modo JSON

Usar response_format establecido a json_object para salidas estructuradas. Esto asegura que el modelo devuelva JSON válido en lugar de texto markdown.

Define esquemas de función en la tools parámetro. El modelo llamará a estas funciones cuando sea apropiado según el prompt.

Compatible temperature, top_p, y stop parámetros para ajustar la salida. Usa seed para resultados reproducibles durante las pruebas.

Límites de velocidad y manejo de errores

Monitora la tasa de tus solicitudes para evitar la limitación de velocidad. La API permite 300 solicitudes por minuto por clave y 8 solicitudes concurrentes.

Gestiona HTTP 401 para claves inválidas y 429 por límites de tasa. Se admiten solicitudes de menos de 8 MB. Los errores no consumen crédito.

La ventana de contexto admite hasta 100.000 tokens en total. La salida máxima es de 16.000 tokens a menos que max_tokens se establece en 2,048 de forma predeterminada.

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);

Transmisión

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)