Dokumentasi API DeepSeek: Panduan Permulaan Pantas

URL Asas dan Pengesahan

API kami berfungsi dengan mana-mana klien serasi OpenAI hanya dengan mengubah base URL dan memberikan kunci API anda. Kami tidak mengalirkan beberapa model; kami menempatkan satu model bahasa besar uncensored yang disesuaikan untuk kes penggunaan dewasa dan pengekod. Pengesahan bergantung pada satu kunci API per akaun, yang anda terima serta-merta selepas mendaftar melalui Google atau e-mel. Tiada nombor telefon diperlukan, dan tiada yuran langganan. Prompt anda tidak digunakan untuk data latihan, memastikan privasi semasa anda mengintegrasikan endpoint kami ke dalam asas kod sedia ada anda.

Copycurl https://api.deepseekapidocumentation.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Explain the difference between supervised fine-tuning and RLHF."}]
  }'

POST /v1/chat/completions: Hujung titik teras

Hantar perbualan anda ke hujung sambungan tunggal kami untuk respons teks masuk, teks keluar. Anda tidak perlu menguruskan pengalihan model atau risau tentang latensi gerbang kerana kami melayani satu hujung sambungan yang disesuaikan secara langsung. ID model ialah uncensored, dan ia bertindak balas terhadap parameter penyelesaian chat standard. Pendekatan ini menghapuskan kerumitan memilih daripada kolam model. Anda mendapat tingkah laku yang boleh diramal tanpa hingar daripada pelbagai versi vendor.

Copyfrom openai import OpenAI

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

GET /v1/models: Sahkan model tanpa sensor anda

Sahkan sambungan anda dan model aktif dengan menghantar permintaan ke endpoint models. Ini mengembalikan konfigurasi khusus LLM uncensored kami, berbeza daripada GPT, Claude, atau pembekal lain. Anda boleh mengesahkan tetingkap konteks dan had token secara langsung daripada respons ini. Ia adalah pemeriksaan pantas untuk memastikan klien SDK anda menunjuk ke pelayan kami dengan betul. Gunakan ini untuk mengesahkan kerosakan sambungan sebelum menghantar beban kerja berat.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.deepseekapidocumentation.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);

Parameter: Suhu, Top P, dan Aliran

Kawal kreativiti dengan suhu dan top_p, atau aktifkan aliran melalui Peristiwa Dihantar Pelayan (SSE). Aliran menyediakan kemas kini token masa nyata, yang penting untuk membina antara muka chat yang responsif. Anda juga boleh menetapkan benih untuk output deterministik atau menentukan jujukan hentian. API kami mengembalikan penggunaan token dalam segmen akhir aliran. Ketelaran ini membantu anda menjejaki kos dengan tepat semasa model menjana teks.

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)

Mod JSON dan Pemanggilan Fungsi

Struktur output anda untuk kegunaan programatik dengan mod JSON atau integrasikan alat luaran melalui panggilan fungsi. Tetapkan format respons kepada json_object untuk memaksa pematuhan JSON yang ketat. Panggilan fungsi membolehkan model memanggil alat dengan hujah khusus. Persediaan ini sangat sesuai untuk membina agen atau menguraikan data berstruktur. Anda juga boleh menggunakan penalti kehadiran dan kekerapan untuk mengurangkan pengulangan dalam teks yang dijana.

Had had laju dan kiraan token

Setiap kunci menyokong 300 permintaan setiap minit dan membolehkan 8 permintaan serentak. Tetingkap konteks memegang 100,000 token secara keseluruhan, dengan output maksimum 16,000 token setiap permintaan. Jika anda tidak menetapkan max_tokens, had ini lalai kepada 2,048 token. Badan permintaan tidak boleh melebihi 8 MB. Had ini ketat tetapi boleh ramalkan, membantu anda mereka bentuk logik cuba semula yang kukuh tanpa penapisan tidak dijangka. Ralat tidak menggunakan kredit, jadi anda boleh menguji dengan bebas.