API Llama : première requête en cinq minutes

llamaapis.com

Installation

Commencez par installer le client Python officiel OpenAI. Il gère les requêtes HTTP et l'analyse JSON pour vous.

• pip install openai

Vous pouvez également utiliser le SDK JavaScript pour Node.js. Les deux bibliothèques sont entièrement compatibles avec notre API car nous suivons exactement la spécification chat-completions d'OpenAI.

Configuration de l'authentification

Notre API utilise l'authentification standard par clé API. Après vous être inscrit sur https://llamaapis.com, vous recevez une clé immédiatement. Aucune carte bancaire n'est requise pour le niveau d'essai.

Conservez cette clé dans une variable d'environnement ou transmettez-la directement à votre client. La clé authentifie toutes les requêtes vers les endpoints /v1. Si vous perdez votre clé, vous pouvez la régénérer depuis votre tableau de bord, ce qui invalide immédiatement l'ancienne.

Requête de complétion de chat basique

Effectuez une requête vers l'endpoint de complétion de chat. Vous devez définir l'URL de base sur notre serveur et fournir votre clé API.

L'ID du modèle est uncensored. Ce modèle n'applique pas les filtres de contenu standards pour une utilisation adulte légale.

Voici comment effectuer une requête simple avec curl :

Copycurl https://api.llamaapis.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

La réponse retourne une chaîne de texte générée. Si vous avez besoin de l'appel de fonctions, la structure est identique au format d'OpenAI.

Réponses en streaming (SSE)

Pour une sortie en temps réel, activez le streaming en définissant stream: true. Le serveur envoie des Server-Sent Events (SSE) contenant des deltas partiels.

Ceci est utile pour les interfaces de chat où vous souhaitez afficher le texte au fur et à mesure de sa génération. La fenêtre de contexte prend en charge jusqu'à 100 000 tokens, donc le streaming fonctionne efficacement même pour de longues conversations.

Exemple d'implémentation en 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)

N'oubliez pas de gérer l'événement stop pour fermer la connexion proprement.

Prise en charge de l'appel de fonctions

Notre API prend en charge l'appel de fonctions structuré. Définissez vos fonctions dans le paramètre tools et définissez le modèle pour qu'il réponde avec des appels de fonctions.

La bibliothèque client analysera automatiquement les arguments JSON. Cela fonctionne exactement comme documenté dans la spécification OpenAI.

Exemple utilisant le SDK Python :

Copyfrom openai import OpenAI

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

Le modèle retournera le nom de la fonction et les arguments. Vous exécutez la fonction et envoyez le résultat dans le message suivant.

Limites, erreurs et contexte

Soyez conscient des limites suivantes :

• Limite de débit : 300 requêtes par minute par clé API.
• Taille maximale du corps de la requête : 8 Mo.
• Fenêtre de contexte : 100 000 tokens au total (entrée + sortie).

Erreurs courantes :

• 401 Non autorisé : Clé API invalide ou manquante.
• 402 Paiement requis : Crédit prépayé insuffisant.
• 429 Trop de requêtes : Vous avez dépassé la limite de 300 rpm.

Nous ne proposons pas d'embeddings, de génération d'images ni de traitement audio. Il s'agit d'une API LLM textuelle uniquement.

Node.js

Copyimport OpenAI from "openai";

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