Hurtigstart: Chat Completions API

Forudsætninger og base URL

Vores API er fuldt kompatibel med standard OpenAI chat-completions-grænsefladen. Du har kun brug for en base URL og en API-nøgle for at begynde at sende requests. Base URL'en er HTTPS://api.howmuchisanapikey.com/v1. Dette single endpoint håndterer al tekstgenerering uden at kræve, at du administrerer flere service-URL'er eller proxy-konfigurationer.

Autentificeringen er ligetil. Du skal inkludere en Authorization-header med Bearer-schemat efterfulgt af din unikke nøgle. Hvert request til chat completions-endpointet kræver denne header for at validerer din konto og spore token-forbrug mod din forudbetalte kreditsaldo.

Autentificering og headers

Inkluder Authorization-headeren i hver anmodning for at verificere din identitet. Header-formatet er Authorization: Bearer YOUR_API_KEY. Hvis nøglen er ugyldig eller udløbet, returnerer API'en en 401-fejl med det samme. Dette sikrer, at kun autoriserede konti kan forbruge din forudbetalte kredit.

Du behøver ikke at passere yderligere headers til grundlæggende tekstgenerering. Hvis du dog bruger specifikke funktioner som JSON-tilstand eller function calling, skal du indstille Content-Type headeren til application/json. Dette fortæller serveren, hvordan den skal parse din request body korrekt.

At sende din første chat completion

Send en POST-anmodning til /v1/chat/completions med din beskedhistorik og modelidentifikator. Model-id'et er "uncensored". Denne model er finjusteret til at svare uden afslag på lovligt voksenindhold, fiktion eller kontroversielle emner. Den filtrerer ikke baseret på standard politiske eller sociale normer.

Her er et grundlæggende curl-eksempel for at komme i gang:

Copycurl https://api.howmuchisanapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a simple hello world function in python"}]
  }'

Svaret vil indeholde den genererede tekst i choices-arrayet. Du kan parse dette direkte ind i din applikationslogik. Hver anmodning forbruger inputtokens til din prompt og outputtokens til modellens svar.

Streaming-respons og tokenforbrug

Brug Server-Sendte Begivenheder (SSE) til at modtage tokens, mens de genereres. Dette reducerer den opfattede forsinkelse for lange output. Indstil stream-parameteren til true i din request body. Serveren sender flere chunks, hvor hver indeholder en delvis delta af svaret.

Den sidste chunk indeholder brugsdata. Dette objekt indeholder det samlede input- og output-tokens, der er forbrugt af anmodningen. Du kan bruge disse data til at opdatere din lokale kreditbalance eller overvåge dine udgifter i realtid. Streaming er ideelt til chatgrænseflader, hvor brugere forventer øjeblikkelig feedback.

Function calling og JSON-mode

API'en understøtter struktureret output via JSON-tilstand og function calling. Indstil response_format til {"type": "json_object"} for at tvinge modellen til at returnere gyldig JSON. Dette er nyttigt til at udtrække data eller generere strukturerede konfigurationer uden parsing-fejl.

Til function calling skal du angive et tools-array i din request. Modellen vil svare med tool_calls, hvis den afgør, at en funktion er nødvendig. Du kan derefter eksekvere funktionen og sende resultatet tilbage til modellen. Dette muliggør komplekse multi-step workflows uden ekstern parsing logic.

Håndtering af begrænsninger og fejl

Du er begrænset til 300 anmodninger i minuttet per nøgle og 8 samtidige anmodninger. Hvis du overskrider disse grænser, modtager du en 429 Too Many Requests-feil. Anmodningskroppen vil indeholde retry-after-oplysninger. Justér din client-side throttling for at undgå unødvendige retries.

Hvis din forudbetalte kredit er opbrugt, returnerer API'en en 402 Payment Required-fejl. Du kan toppe op via kryptovaluta når som helst. Fejl og afvisninger er gratis, så du betaler kun for succesfuld token-generering. Context-vinduet er 100,000 tokens for prompt og completion tilsammen.

Python

Copyfrom openai import OpenAI

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