Llama API：五分钟发起首个请求

llamaapis.com

安装

首先安装官方 OpenAI Python 客户端。它负责为你处理 HTTP 请求和 JSON 解析。

• pip install openai

你也可以使用 Node.js 的 JavaScript SDK。这两个库都与我们的 API 完全兼容，因为我们完全遵循 OpenAI chat-completions 规范。

身份验证设置

我们的 API 使用标准的 API 密钥认证。在 https://llamaapis.com 注册后，你将立即获得密钥。试用层级无需信用卡。

将此密钥存储在环境变量中或直接传递给客户端。该密钥对所有指向 /v1 接口的请求进行身份验证。如果你丢失了密钥，可以从仪表板重新生成，旧密钥将立即失效。

基本聊天补全请求

向聊天补全接口发起请求。你必须将基础 URL 设置为我们服务器，并提供 API 密钥。

模型 ID 为 uncensored。该模型不应用标准内容过滤器，适用于合法成人用途。

以下是使用 curl 发起简单请求的方法：

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."}]
  }'

响应返回生成的文本字符串。如果需要函数调用，结构与 OpenAI 格式相同。

流式响应 (SSE)

如需实时输出，请通过设置 stream: true 启用流式输出。服务器会发送包含部分增量数据的 Server-Sent Events (SSE)。

这在聊天界面中非常有用，你可以看到文本生成的过程。上下文窗口支持多达 100,000 个 token，因此即使对于长对话，流式输出也能高效工作。

流式输出实现示例：

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)

记得处理 stop 事件以干净地关闭连接。

工具/函数调用支持

我们的 API 支持结构化函数调用。在 tools 参数中定义你的函数，并将模型设置为响应函数调用。

客户端库会自动解析 JSON 参数。这完全按 OpenAI 规范文档所述工作。

使用 Python SDK 的示例：

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)

模型将返回函数名称和参数。你执行该函数并将结果在下一条消息中发回。

限制、错误与上下文

请注意以下限制：

• 速率限制：每个 API 密钥每分钟 300 个请求。
• 最大请求体：8 MB。
• 上下文窗口：总共 100,000 个 token（输入 + 输出）。

常见错误：

• 401 未授权： API 密钥无效或缺失。
• 402 Payment Required: 预付额度不足。
• 429 Too Many Requests: 你超过了 300 rpm 限制。

我们不提供嵌入、图像生成或音频处理。这是一个纯文本 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);