Dolphin 無審查 API 文件

先決條件與環境設定

在發送任何請求之前，確保您的環境已安裝必要的相依套件。您需要來自我們後台的活躍 API 金鑰以及支援的執行環境，如 Python 或 Node.js。我們的 API 要求您將請求發送到特定的基礎 URL，而不是預設的 OpenAI 端點。

妥善保管您的 API 金鑰，並將其儲存在環境變數中。這可防止金鑰意外暴露在您的程式碼儲存庫中。使用 Google 或電子郵件註冊後，您可以立即產生新的金鑰。

您不需要配置複雜的路由或選擇特定模型。該端點提供單一專為直接文字輸出設計的無審查大型語言模型。

安裝官方 OpenAI SDK

安裝官方 SDK 套件以自動處理身份驗證和請求格式化。此程式庫支援 Python 和 Node.js 環境，並提供一致的介面。

對於 Python 使用者，請執行標準的 pip install 命令以將函式庫新增至虛擬環境。Node.js 開發人員應使用 npm 安裝等效套件。

SDK 為您管理 JSON 載體結構，因此您只需專注於提示詞內容和參數（如 temperature 或 top_p）。

您可以透過在腳本或模組中匯入函式庫來驗證安裝。這確保客戶端已準備好連線至我們的伺服器。

配置基礎 URL 和 API 金鑰

將您的 SDK 客戶端指向我們特定的基礎 URL 以將請求路由至我們的無審查基礎設施。使用 https://api.dolphinuncensored.com/v1 作為您的端點。

將您的 API 金鑰設定在授權標頭或客戶端設定物件中。客戶端會自動將此金鑰附加到每個請求。

請確保在設定中指定模型 ID 為 "uncensored"。這會告知伺服器針對您的生成使用哪個模型版本。

進行首次聊天完成請求

發送簡單的訊息以驗證連線能力並接收回應。這可確認您的金鑰有效且端點可達。

使用 chat-completions 端點，搭配系統提示詞與使用者訊息。回應將在 content 欄位中包含生成的文字。

了解串流與 Token 使用量

啟用串流以隨著生成接收 Token，而非等待完整回應。這能改善長輸出的感知延遲。

API 在串流的最後一個區塊回傳使用統計數據。您可以追蹤輸入和輸出 token 計數，以確保計費透明。

在您的請求主體中將 stream 參數設為 true。遍歷各個區塊以建構最終文字或即時處理。

處理錯誤與拒絕

透過驗證 API 金鑰是否正確且未過期來處理 HTTP 401 錯誤。402 錯誤表示預付餘額不足；透過加密貨幣充值以繼續使用。

429 狀態表示您已達到每分鐘 300 次請求的速率限制。請稍候再重試或減少併發請求。

該模型拒絕涉及未成年人性內容的請求，這是硬性限制。其他爭議性或成人主題通常允許。錯誤與拒絕不會消耗您的 token 額度。

cURL

Copycurl https://api.dolphinuncensored.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "fetch the list of installed python packages"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.dolphinuncensored.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.dolphinuncensored.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);

串流

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)