شروع سریع: Drop-in API سازگار با OpenAI

تغییر base_url و تنظیم کلید API

اولین مرحله اشاره SDK شما به انتهای نقطه ماست. استفاده از https://api.whatisopenrouterai.com/v1 به‌عنوان آدرس پایه (base URL) خود تنظیم کنید و کلید خود را از داشبورد در آن قرار دهید. این تغییر واحد، تمام درخواست‌ها را به مدل زبانی بزرگ بدون سانسور ما هدایت می‌کند، در حالی که هدرهای استاندارد سازگار با OpenAI شما را حفظ می‌نماید.

• یک کلید از طریق گوگل یا ایمیل تولید کنید.
• آن را در متغیرهای محیطی خود ذخیره کنید.
• بررسی کنید که کلید با یک درخواست ساده کار می‌کند.

Copycurl https://api.whatisopenrouterai.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Set variable x to five"}]
  }'

درخواست‌ها را به /v1/chat/completions ارسال کنید

Our API accepts standard chat completions with text input and returns text output. You send a POST request to the /v1/chat/completions اندپوینت با شناسه مدل و تاریخچه پیام‌های شما. شناسه مدل به سادگی uncensored, که مدل را برای پاسخ دادن بدون رد برای محتوای بزرگسالان قانونی تنظیم می‌کند.

Copyfrom openai import OpenAI

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

ابزارها و tool_choice را با SSE پخش کنید

استریمینگ بازخورد بلادرنگ را از طریق رویدادهای ارسالی سرور فراهم می‌کند. هر قطعه شامل متن جزئی است و قطعه نهایی شامل آمار مصرف توکن می‌باشد. این رویکرد رابط کاربری شما را هنگام انتظار برای تکمیل پاسخ‌های طولانی‌محتوا، واکنش‌گرا نگه می‌دارد.

Copyimport OpenAI from "openai";

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

json_object را با response_format مجبور کنید

از response_format پارامتر روی {"type": "json_object"} برای اجبار به خروجی JSON سخت‌گیرانه. این تجزیه‌ی قابل‌پیش‌بینی را برای برنامه‌های شما تضمین می‌کند و نیازی به حدس زدن ساختار صحیح توسط مدل در هر زمان ندارد.

از ابزارها و tool_choice استفاده کنید

فراخوانی تابع دقیقاً مانند پیاده‌سازی استاندارد API OpenAI کار می‌کند. ابزارهای خود را در درخواست تعریف کنید و مدل در صورت نیاز استدلال‌های ساختاریافته را برمی‌گرداند. می‌توانید استفاده از ابزار را با tool_choice یا اجازه دهید مدل بر اساس زمینه تصمیم بگیرد.

بررسی مدل‌های موجود

پرس‌وجو GET /v1/models برای مشاهده مدل بدون سانسور موجود. این نقطه پایانی (Endpoint) شناسه مدل و جزئیات را برمی‌گرداند و تأیید می‌کند که سرویس ما فعال است و آماده دریافت درخواست‌هاست. ما گزینه‌های چندگانه مدل ارائه نمی‌دهیم تا یکپارچه‌سازی ساده و متمرکز باقی بماند.

جریان‌سازی

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)