Llama ai api: Guia de início rápido

Autenticação & URL Base

Conecte-se atualizando a configuração do seu cliente para apontar para nosso endpoint dedicado. Sua chave de API autentica todas as solicitações, então mantenha-a segura, mas acessível ao seu aplicativo.

A URL base é HTTPS://api.llamaaiapi.com/v1. Você não precisa modificar os cabeçalhos além do cabeçalho Authorization padrão. Nosso sistema valida suas credenciais instantaneamente. Se sua chave estiver ausente ou expirada, o servidor retorna um erro 401. Uma resposta 402 significa que seu crédito pré-pago foi esgotado. Uma resposta 429 indica que você atingiu o limite de taxa de 300 solicitações por minuto.

Lembre-se de que o crédito é pré-pago apenas via criptomoeda. Não há assinaturas mensais. Seu crédito nunca expira, então você pode pausar o uso indefinidamente.

O Endpoint de Completions de Chat

Envie sua primeira solicitação para o endpoint de conclusões de chat para receber saída de texto. Use o id do modelo "uncensored" para acessar nosso modelo específico de peso aberto. Não é GPT, Claude ou qualquer outro modelo de fornecedor.

O endpoint aceita parâmetros padrão. Você fornece um prompt de sistema e mensagens do usuário. O modelo retorna uma conclusão. Esta é uma interface de texto como entrada e texto como saída. Não há embeddings, imagens ou áudio gerados aqui.

Configure sua solicitação com os parâmetros necessários. O modelo suporta uma janela de contexto de 100,000 tokens. Isso inclui tanto o prompt de entrada quanto a conclusão de saída. A saída máxima é de 16,000 tokens por solicitação.

Integração do SDK Python

Use a biblioteca oficial da OpenAI para Python para interagir com nossa API. Ela requer alterações mínimas de configuração. Você simplesmente define a URL base e fornece sua chave de API.

Inicialize o cliente com sua chave. Defina o URL base para o nosso endpoint. Passe suas mensagens para o método chat.completions.create. A biblioteca lida com a serialização e a análise da resposta.

Integração do SDK Node

Integrar com seu aplicativo Node.js instalando o pacote OpenAI. Configure o cliente para usar nossa URL base. Isso permite usar métodos familiares no seu código JavaScript ou TypeScript.

Defina as propriedades apiKey e baseURL. Chame a função chat.completions.create. A resposta contém o texto gerado. Você pode lidar com erros de forma elegante dentro de suas funções assíncronas.

Respostas em Streaming via SSE

Ative o streaming para geração de tokens em tempo real. Isso é útil para interfaces de chat que exibem texto conforme é produzido. O servidor envia Server-Sent Events (SSE) para cada bloco.

Defina o parâmetro stream como true na sua solicitação. Itere sobre os chunks de resposta. Concatene o conteúdo para construir a mensagem final. O último chunk contém as estatísticas de uso de tokens.

Modo JSON e Parâmetros

Solicite saída estruturada definindo o response_format como json_object. Isso força o modelo a retornar JSON válido. Use parâmetros como temperature e top_p para controlar a criatividade. O parâmetro stop permite definir sequências de término.

O suporte a chamadas de função também está disponível. Você pode definir ferramentas e deixar o modelo escolher chamá-las. Isso amplia a utilidade do modelo uncensored para tarefas complexas.

cURL

Copycurl https://api.llamaaiapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Show me a list of 5 recent server errors."}]
  }'

Python

Copyfrom openai import OpenAI

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