API DeepSeek Coder: Przewodnik wprowadzający

Konfiguracja instalacji i base URL

Zaktualizuj konfigurację klienta, aby wskazywała na nasz endpoint hostowany. ID modelu to base_url musi zostać zmieniony z domyślnego dostawcy na https://api.apicoderdeepseek.com/v1 do prawidłowego kierowania żądań.

• Ustaw base_url do wartości powyżej.
• Zachowaj standardowe SDK dla kompatybilności.

Ta pojedyncza zmiana zapewnia, że wszystkie kolejne wywołania trafiają bezpośrednio do naszego modelu bez cenzury. Brak warstwy proxy oznacza spójne opóźnienia bez dodatkowych przeskoków.

Uwierzytelnianie i konfiguracja nagłówka

Przekazaj swój klucz w Authorization Nagłówek do weryfikacji dostępu. Utwórz konto za pomocą Google lub e-maila, aby natychmiast otrzymać unikalne dane logowania.

Dołącz nagłówek Authorization: Bearer YOUR_API_KEY w każdym żądaniu. Nasz system weryfikuje ten token przed przetworzeniem jakichkolwiek tokenów lub obliczeniem kosztów użycia.

Wysyłanie pierwszego żądania kompozycji czatu

Standardowe żądanie chat completion, aby wygenerować tekst lub kod. Użyj ID modelu uncensored do dostępu do dostosowanego modelu bez odrzucania treści.

API akceptuje standardowe struktury ładunków OpenAI. Możesz wysyłać prompty systemowe, wiadomości użytkownika oraz historię asystenta w jednym wywołaniu.

Upewnij się, że ciało żądania zawiera model i messages pola. Odpowiedź będzie zawierać wygenerowany tekst w content pole.

Odpowiedzi strumieniowe i zużycie tokenów

Włącz strumieniowanie, ustawiając stream do true w żądaniu. API zwraca fragmenty poprzez Wydarzenia Wysyłane Serwerem (SSE) dla wyjścia w czasie rzeczywistym.

Ostatni fragment zawiera szczegóły użycia tokenów dla przejrzystości rozliczeń. Możesz śledzić liczbę tokenów wejściowych i wyjściowych w miarę ich napływania.

Podejście to zmniejsza postrzeganą latencję dla długich odpowiedzi. Programiści preferują strumieniowanie dla asystentów kodujących i aplikacji interaktywnych.

Przykłady wywoływania funkcji i trybu JSON

Użyj response_format ustawione na json_object do wyjść strukturalnych. To zapewnia, że model zwróci poprawny JSON zamiast tekstu markdown.

Zdefiniuj schematy funkcji w tools parametr. Model będzie wywoływał te funkcje, gdy będzie to odpowiednie, na podstawie promptu.

Obsługuje temperature, top_p, a także stop parametry do dostosowywania wyjścia. Użyj seed dla odtwarzalnych wyników podczas testów.

Limity szybkości i obsługa błędów

Monitoruj szybkość zapytań, aby uniknąć throttlingu. API pozwala na 300 zapytań na minutę na klucz i 8 równoległych zapytań.

Obsłuż błędy HTTP 401 dla nieprawidłowych kluczy i 429 dla limitów szybkości. Obsługiwane są żądania o rozmiarze mniejszym niż 8 MB. Błędy nie zużywają środków.

Okno kontekstowe obsługuje do 100 000 tokenów łącznie. Maksymalna ilość wyjściowa wynosi 16 000 tokenów, chyba że max_tokens jest domyślnie ustawione na 2 048.

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);

Strumieniowanie

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)