Llama API：五分鐘內完成首次請求

llamaapis.com

安裝

首先安裝官方的 OpenAI Python 用戶端。它會為你處理 HTTP 請求與 JSON 解析。

• pip install openai

你也可以使用 Node.js 的 JavaScript SDK。這兩個程式庫都與我們的 API 完全相容，因為我們完全遵循 OpenAI chat-completions 規範。

驗證設定

我們的 API 使用標準 API 金鑰驗證。在 https://llamaapis.com 註冊後，你會立即獲得金鑰。試用層級不需要信用卡。

將此金鑰儲存於環境變數中，或直接傳遞給你的用戶端。該金鑰用於驗證所有指向 /v1 端點的請求。如果你遺失金鑰，可以從你的儀表板重新產生，舊金鑰將立即失效。

基本聊天完成請求

向聊天完成端點發送請求。你必須將基礎 URL 設定為我們的伺服器並提供 API 金鑰。

模型 ID 為 uncensored。此模型不對法律允許的成人用途套用標準內容篩選。

以下是使用 curl 發送簡單請求的方式：

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."}]
  }'

回應會回傳生成的文字字串。如果你需要函式呼叫，結構與 OpenAI 的格式完全相同。

串流回應（SSE）

若要取得即時輸出，請透過設定 stream: true 啟用串流輸出。伺服器會發送包含部分增量內容的 SSE。

這對於想要顯示生成文字的聊天介面很有用。上下文視窗支援最多 100,000 個 token，因此即使對於長對話，串流也能高效運作。

串流實作範例：

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)

請記得處理 stop 事件以妥善關閉連線。

工具/函式呼叫支援

我們的 API 支援結構化工具呼叫。在 tools 參數中定義你的函式，並將模型設定為回應函式呼叫。

用戶端程式庫會自動解析 JSON 參數。此行為與 OpenAI 規範中的文件所述完全一致。

Python SDK 使用範例：

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)

模型將回傳函式名稱與參數。你執行該函式並將結果傳回下一則訊息中。

限制、錯誤與上下文

請注意以下限制：

• 速率限制：每個 API 金鑰每分鐘 300 個請求。
• 最大請求主體：8 MB。
• 上下文視窗：總計 100,000 個 token（輸入 + 輸出）。

常見錯誤：

• 401 未授權： API 金鑰無效或缺失。
• 402 需要付款： 預付額度不足。
• 429 請求過多： 你超出了每分鐘 300 個請求的限制。

我們不提供嵌入、圖像生成或音訊處理。這是一個純文字 LLM API。

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);