API DeepSeek Coder : Guide de démarrage rapide

Installation et configuration de l'URL de base

Mettez à jour la configuration de votre client pour pointer vers notre point de terminaison hébergé. Le base_url doit passer du fournisseur par défaut à https://api.apicoderdeepseek.com/v1 pour acheminer correctement les requêtes.

• Définir base_url à la valeur ci-dessus.
• Conservez le SDK standard tel quel pour la compatibilité.

Ce seul changement garantit que tous les appels ultérieurs atteignent directement notre modèle sans censure. L'absence de couche proxy signifie que vous obtenez une latence constante sans sauts supplémentaires.

Authentification et configuration des en-têtes

Transmettez votre clé dans le Authorization header pour vérifier l'accès. Créez un compte via Google ou e-mail pour recevoir vos identifiants uniques instantanément.

Incluez l'en-tête Authorization: Bearer YOUR_API_KEY dans chaque requête. Notre système valide ce jeton avant de traiter des tokens ou de calculer les coûts d'utilisation.

Envoi de votre première requête de complétion de chat

Envoyez une requête standard de complétion de chat pour générer du texte ou du code. Utilisez l'ID du modèle uncensored pour accéder au modèle ajusté sans refus de contenu.

L'API accepte les structures de charge utile standard d'OpenAI. Vous pouvez envoyer des invites système, des messages utilisateur et l'historique de l'assistant dans un seul appel.

Assurez-vous que le corps de votre requête inclut le model et messages champs. La réponse contiendra le texte généré dans le content champ.

Réponses en streaming et consommation de jetons

Activez le streaming en définissant stream à true dans votre requête. L'API renvoie des fragments via des Server-Sent Events (SSE) pour une sortie en temps réel.

Le dernier chunk contient les détails d'utilisation des jetons pour la transparence de la facturation. Vous pouvez suivre les jetons d'entrée et de sortie à mesure qu'ils arrivent.

Cette approche réduit la latence perçue pour les longues réponses. Les développeurs préfèrent le streaming pour les assistants de codage et les applications interactives.

Exemples d'appel de fonction et de mode JSON

Utiliser response_format défini à json_object pour des sorties structurées. Cela garantit que le modèle renvoie du JSON valide au lieu de texte markdown.

Définissez des schémas de fonctions dans la tools paramètre. Le modèle appellera ces fonctions lorsque cela sera approprié en fonction de l'invite.

Prend en charge temperature, top_p, et stop paramètres pour affiner la sortie. Utilisez seed pour des résultats reproductibles lors des tests.

Limites de débit et gestion des erreurs

Surveillez votre taux de requêtes pour éviter le throttling. L'API autorise 300 requêtes par minute par clé et 8 requêtes simultanées.

Gérez le code HTTP 401 pour les clés invalides et 429 pour les limites de débit. Les requêtes inférieures à 8 Mo sont prises en charge. Les erreurs ne consomment pas de crédit.

La fenêtre de contexte prend en charge jusqu'à 100 000 tokens au total. La sortie maximale est de 16 000 tokens sauf max_tokens est défini à 2 048 par défaut.

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)