DeepSeek Unchained API را یکپارچه کنید

تنظیم احراز هویت و URL پایه

از کلید API خود با آدرس پایه HTTPS://api.deepseekunchained.com/v1 استفاده کنید. این نقطه پایانی با SDKهای رسمی OpenAI و هر کلاینت سازگار با OpenAI کار می‌کند. کلید خود را با ثبت‌نام با Google یا ایمیل دریافت کنید. کلید بلافاصله در صفحه دریافت API key نمایش داده می‌شود. برای ثبت‌نام نیازی به شماره تلفن نیست. پرامپت‌های شما برای آموزش استفاده نمی‌شوند. حریم خصوصی بدون مراحل اضافی حفظ می‌شود. تنها به یک آدرس ایمیل برای ایجاد حساب نیاز دارید. کلید دسترسی به نقطه پایانی chat-completions را فراهم می‌کند. دسترسی به embeddings یا تولید تصویر را فراهم نمی‌کند. کلید خود را ایمن نگه دارید. در صورت نیاز آن را از طریق داشبورد تغییر دهید. یک کلید جدید بلافاصله کلید قبلی را جایگزین می‌کند. برای هر حساب تنها یک کلید فعال مجاز است. خطاها و رد شدن‌ها اعتبار مصرف نمی‌کنند. این تضمین می‌کند که تنها برای توکن‌های مصرف‌شده واقعی پرداخت می‌کنید.

نقطه پایانی تکمیل چت (POST)

ارسال متن و دریافت متن با استفاده از POST /v1/chat/completions. این نقطه پایانی یک بدنه JSON با آرایه messages را می‌پذیرد. هر پیام یک فیلد role و content دارد. نقش system رفتار را تعیین می‌کند. نقش user پرامپت را ارائه می‌دهد. فیلد model باید روی "uncensored" تنظیم شود. این مدل برای انطباق به جای فیلترهای شرکتی تنظیم شده است. آن مستقیماً بدون نصیحت پاسخ می‌دهد. می‌توانید temperature و top_p را برای خلاقیت تنظیم کنید. دنباله‌های توقف تولید را زودتر متوقف می‌کنند. جریمه‌های حضور و تکرار تکرار را تنظیم می‌کنند. پاسخ شامل آمار استفاده است. این آمار تعداد توکن‌های ورودی و خروجی را نشان می‌دهد. خطاها کدهای وضعیت HTTP استاندارد را برمی‌گردانند. 401 به معنای کلید نامعتبر است. 402 به معنای بدون اعتبار است. 429 به معنای تجاوز از محدودیت نرخ است.

پاسخ‌های استریم با SSE

استریمینگ را با تنظیم stream به true در بدنه درخواست فعال کنید. API رویدادهای Server-Sent (SSE) را برمی‌گرداند. هر قطعه شامل محتوای متنی جزئی است. این امکان نمایش بلادرنگ پاسخ‌ها را فراهم می‌کند. قطعه نهایی شامل داده‌های مصرف توکن است. این داده‌ها کل توکن‌های مصرف شده را نشان می‌دهند. استریمینگ تأخیر ادراک‌شده را برای کاربران کاهش می‌دهد. این روش برای رابط‌های چت ایده‌آل است. SDK تجزیه قطعات را به صورت خودکار مدیریت می‌کند. نیازی به مدیریت دستی SSE ندارید. مدل از استریمینگ کامل پشتیبانی می‌کند. پارامترهایی مانند temperature به صورت عادی کار می‌کنند. توالی‌های توقف همچنان رویدادهای پایان را فعال می‌کنند. خطاها نیز به عنوان رویدادهای SSE ارسال می‌شوند. این اطمینان از مدیریت خطای قوی است. از استریمینگ برای تجربه کاربری بهتر استفاده کنید. این کار اتصال را تا تکمیل باز نگه می‌دارد.

فراخوانی تابع و استفاده از ابزار

ابزارها را در بدنه درخواست برای فراخوانی تابع تعریف کنید. مدل فراخوانی‌های ابزار را در پاسخ برمی‌گرداند. این فراخوانی‌ها شامل نام توابع و آرگومان‌ها هستند. کد شما تابع را اجرا می‌کند و نتایج را ارسال می‌کند. مدل از نتایج برای تولید متن نهایی استفاده می‌کند. این کار رفتار شبیه به عامل (agent) را امکان‌پذیر می‌سازد. می‌توانید چندین ابزار تعریف کنید. مدل انتخاب می‌کند که از کدام‌ها استفاده کند. انتخاب ابزار می‌تواند اجباری یا خودکار باشد. حالت خودکار به مدل اجازه می‌دهد تصمیم بگیرد. حالت اجباری نیازمند یک ابزار خاص است. این کار برای کارکردهای ساختاریافته مفید است. آرگومان‌ها به صورت رشته برمی‌گردند. آن‌ها را در کد خود به عنوان JSON تجزیه کنید. مدل از تعاریف پیچیده ابزار پشتیبانی می‌کند. از این قابلیت برای یکپارچه‌سازی API استفاده کنید. این قابلیت قابلیت‌های مدل را گسترش می‌دهد. خطاهای اجرای ابزار توسط کد شما مدیریت می‌شوند. مدل در صورت نیاز تلاش مجدد می‌کند.

حالت JSON برای خروجی ساختاریافته

خروجی JSON را با تنظیم response_format روی json_object مجبور کنید. مدل رشته‌های JSON معتبر برمی‌گرداند. این برای مصرف برنامه‌نویسی ایده‌آل است. خطای تجزیه رخ نمی‌دهد. خروجی به شدت قالب‌بندی شده است. این را برای وظایف استخراج داده استفاده کنید. مدل نشانه‌های طرحواره را دنبال می‌کند. ویژگی‌ها را در پرامپت خود تعریف کنید. مدل این محدودیت‌ها را رعایت می‌کند. دما بر اعتبار JSON تأثیر می‌گذارد. مقادیر پایین‌تر ثبات را تضمین می‌کنند. این را برای پایپ‌لاین‌های داده قابل اعتماد استفاده کنید. پخش زنده با حالت JSON کار می‌کند. قطعه نهایی شامل شیء کامل است. استفاده از توکن به دقت گزارش می‌شود. خطاها به صورت JSON استاندارد برمی‌گردند. این مدیریت خطای آسان را تضمین می‌کند. از حالت JSON برای APIها استفاده کنید. این بار پردازش پس از تولید را کاهش می‌دهد. مدل برای این قالب بهینه شده است.

محدودیت‌های نرخ و محدودیت‌های درخواست

محدودیت ۳۰۰ درخواست در دقیقه به ازای هر کلید است. می‌توانید ۸ درخواست را همزمان ارسال کنید. حداکثر اندازه بدنه درخواست ۸ مگابایت است. پنجره زمینه در مجموع ۱۰۰,۰۰۰ توکن است. این شامل prompt و تکمیل است. حداکثر خروجی به ازای هر درخواست ۱۶,۰۰۰ توکن است. برای کنترل طول، max_tokens را تنظیم کنید. اگر تنظیم نشود، پیش‌فرض ۲,۰۴۸ است. محدودیت‌های نرخ به شدت اعمال می‌شوند. تجاوز از آن‌ها خطای 429 را برمی‌گرداند. اعتبار در طول خطاهای 429 مصرف نمی‌شود. خطاها اعتبار مصرف نمی‌کنند. این از موجودی شما محافظت می‌کند. درخواست‌ها اگر محدودیت‌ها فعال شوند، صف‌بندی می‌شوند. صبر کنید و پس از یک تأخیر دوباره تلاش کنید. برای استحکام بیشتر از کاهش بازه نمایی استفاده کنید. مصرف خود را از طریق داشبورد پایش کنید. اعتبار هرگز منقضی نمی‌شود. فقط با ارزهای دیجیتال شارژ کنید. USDT یا USDC روی Base. اعتبار بونوس روی شارژها اعمال می‌شود.

cURL

Copycurl https://api.deepseekunchained.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list ten open source libraries for rust async io"}]
  }'

پایتون

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

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

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)