API Llamy: pierwsze zapytanie w pięć minut

llamaapis.com

Instalacja

Zacznij od zainstalowania oficjalnego klienta OpenAI dla Pythona. Obsługuje on za Ciebie żądania HTTP i parsowanie JSON.

• pip install openai

Możesz również użyć SDK JavaScript dla Node.js. Obie biblioteki są w pełni kompatybilne z naszym API, ponieważ ściśle przestrzegamy specyfikacji uzupełniania czatu OpenAI.

Konfiguracja uwierzytelniania

Nasze API używa standardowego uwierzytelniania kluczem API. Po rejestracji w https://llamaapis.com otrzymujesz klucz natychmiast. Nie jest wymagana karta kredytowa dla warstwy próbnej.

Przechowuj ten klucz w zmiennej środowiskowej lub przekaż go bezpośrednio do klienta. Klucz uwierzytelnia wszystkie zapytania do endpointów /v1. Jeśli zgubisz klucz, możesz go wygenerować ponownie z panelu, co natychmiast unieważnia stary.

Podstawowe zapytanie o uzupełnienie czatu

Wyślij zapytanie do endpointu uzupełniania czatu. Musisz ustawić bazowy URL na nasz serwer i podać swój klucz API.

ID modelu to uncensored. Model ten nie stosuje standardowych filtrów treści dla prawnego użytku dorosłego.

Oto jak złożyć proste zapytanie za pomocą 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."}]
  }'

Odpowiedź zwraca wygenerowany ciąg tekstowy. Jeśli potrzebujesz wywoływania funkcji, struktura jest identyczna z formatem OpenAI.

Odpowiedzi strumieniowe (SSE)

Aby uzyskać wynik w czasie rzeczywistym, włącz strumieniowanie, ustawiając stream: true. Serwer wysyła zdarzenia SSE (Server-Sent Events) zawierające częściowe delta.

Jest to przydatne w interfejsach czatu, gdzie chcesz pokazywać tekst w miarę jego generowania. Okno kontekstu obsługuje do 100 000 tokenów, więc strumieniowanie działa wydajnie nawet przy długich rozmowach.

Przykładowa implementacja strumieniowania:

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)

Pamiętaj o obsłudze zdarzenia stop, aby zamknąć połączenie w sposób czysty.

Wsparcie dla wywoływania narzędzi/funkcji

Nasze API obsługuje strukturalne wywoływanie narzędzi. Zdefiniuj swoje funkcje w parametrze tools i ustaw model tak, aby odpowiadał wywołaniami funkcji.

Biblioteka klienta automatycznie przeanalizuje argumenty JSON. Działa to dokładnie tak, jak opisano w specyfikacji OpenAI.

Przykład użycia 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)

Model zwróci nazwę funkcji i argumenty. Wykonujesz funkcję i wysyłasz wynik z powrotem w kolejnej wiadomości.

Limity, błędy i kontekst

Bądź świadomy następujących limitów:

• Limit zapytań: 300 zapytań na minutę na klucz API.
• Maksymalna treść zapytania: 8 MB.
• Okno kontekstu: 100 000 tokenów łącznie (wejście + wyjście).

Typowe błędy:

• 401 Unauthorized: Nieprawidłowy lub brakujący klucz API.
• 402 Payment Required: Niewystarczający przedpłacony kredyt.
• 429 Too Many Requests: Przekroczyłeś limit 300 zapytań na minutę.

Nie oferujemy embeddingów, generowania obrazów ani przetwarzania audio. To jest API LLM tylko do tekstu.

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);