快速上手：整合 API

前置條件：SDK 設定

在配置連接之前，請為您的首選語言安裝官方客戶端庫。該庫會自動處理 JSON 序列化、重試和串流協議。

對於 Python，透過 pip 安裝套件。對於 Node.js，使用 npm 或 yarn 將相依性新增至專案。

請確保使用最新版本的 SDK，以支援函式呼叫和 JSON 模式等功能。

設定：基礎 URL & 金鑰

將您的 SDK 客戶端指向我們特定的基礎 URL，並提供您在註冊期間取得的 API 金鑰。

基礎網址為 HTTPS://api.claudellmapi.com/v1。這可確保所有請求都傳送至我們的無審查模型伺服器，而非預設供應商。

將 API 金鑰設為環境變數或直接傳遞給客戶端建構子。不需要額外的標頭。

發送您的第一個請求

發送簡單的聊天完成請求以驗證連線和回應品質。使用模型 ID 'uncensored' 來存取無限制模型。

請求結構與標準 OpenAI 格式一致，便於替換現有整合。

預期包含模型對您提示的回答的文本回應。

處理串流回應

啟用串流以隨著生成接收 Token，降低長輸出的感知延遲。

在您的請求中將 stream 參數設為 true。SDK 將在可用時產生文字區塊。

這非常適合期望在模型仍在思考時立即獲得回饋的使用者的聊天介面。

實作函式呼叫

在請求中定義工具以讓模型回傳結構化資料而非純文字。

指定函數架構並將 tool_choice 設置為 'auto' 或特定的函數名稱。

該模型將回應一個函式呼叫物件，您可以在程式碼中執行它。這與我們的 uncensored 模型無縫運作。

錯誤處理 & 限制

妥善處理常見的 HTTP 錯誤，以維持流暢的使用者體驗。401 狀態表示 API 金鑰無效或缺失。402 狀態表示您的預付信用額度已耗盡。429 狀態表示您已超過每分鐘 300 次請求的速率限制。

您的上下文視窗為 100,000 個 token（提示與補完合計）。超過 8 MB 主體限制的請求也會失敗。

cURL

Copycurl https://api.claudellmapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "What are the current rate limits for large context windows"}]
  }'

Python

Copyfrom openai import OpenAI

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