Szybki start API Codex

Instalacja i konfiguracja

The codex api wymaga ważnego klucza i poprawnego bazowego URL. Zarejestruj się przez Google lub e-mail, aby natychmiast otrzymać klucz. Nie jest potrzebny numer telefonu. Użyj oficjalnych SDK OpenAI, ustawiając base_url do https://api.codexfiyat.com/v1.

Uwierzytelnianie opiera się na standardowym Authorization: Bearer Nagłówek. Każde konto posiada jeden aktywny klucz. Wygenerowanie nowego klucza natychmiast unieważnia poprzedni. Upraszcza to rotację bez zarządzania wieloma poświadczeniami.

Przykładowe żądanie podstawowe

Wyślij żądanie completion do uncensored model za pomocą dowolnego klienta HTTP. Endpoint akceptuje standardowe parametry takie jak temperature i top_p. Skonfiguruj swojego klienta do efektywnego przetwarzania odpowiedzi JSON.

• Ustaw model na uncensored.
• Dołącz swoją podpowiedź systemową dla kontekstu.
• Zdefiniuj wiadomości użytkownika w messages tablicę.

Odpowiedź zawiera wygenerowany tekst oraz statystyki użycia tokenów. Błędy zwracają standardowe kody HTTP z opisowymi komunikatami. Możesz przetestować łączność prostym zapytaniem przed skalowaniem.

Strumieniowanie odpowiedzi

Włącz strumieniowanie, ustawiając stream: true w Twoim żądaniu. API zwraca zdarzenia wysyłane przez serwer (SSE) dla dostarczania tokenów w czasie rzeczywistym. Parsuj każdą cząstkę, aby wyświetlać tekst inkrementalnie swoim użytkownikom.

Podejście to znacząco redukuje postrzeganą latencję. Duże odpowiedzi pojawiają się natychmiast w miarę ich generowania. Ostatni fragment zawiera całkowite zużycie tokenów do dokładnych rozliczeń.

Wywoływanie Narzędzi (Wywoływanie Funkcji)

Zdefiniuj funkcje w tools parametr włączający wywoływanie narzędzi. Model zwraca wywołania funkcji w strukturalnym formacie JSON. Użyj tool_choice: auto dla automatycznego wykrywania.

Wykonaj żądaną funkcję na swoim backendzie. Wyślij wynik z powrotem do modelu w nowej wiadomości. Model generuje następnie naturalną odpowiedź językową na podstawie wyniku narzędzia. Umożliwia to złożone przepływy pracy bez ręcznego parsowania.

Tryb JSON

Wymuś dane strukturalne, ustawiając response_format do {"type": "json_object"}. Model gwarantuje poprawny JSON w odpowiedzi. To eliminuje potrzebę parsowania regexem lub logiki ponawiania.

Użyj tego trybu do niezawodnej ekstrakcji danych. Działa bezproblemowo z definicjami narzędzi. Upewnij się, że Twój prompt wyraźnie opisuje oczekiwany schemat. Nieprawidłowe struktury JSON są rzadkie w tym trybie.

Limitler ve Sinirlar

API narzuca ścisłe limity, aby zapewnić stabilność. Możesz wysyłać 300 żądań na minutę na klucz. Współbieżność jest ograniczona do 8 jednoczesnych żądań. Maksymalne okno kontekstowe wynosi 100 000 tokenów.

Maks. wyjście to 16,000 tokenów na żądanie. Jeśli max_tokens jest nieustawione, limit spada do 2,048. Żądania przekraczające limit rozmiaru ciała 8 MB zwrócą błąd. Monitoruj swoje użycie przez panel, aby uniknąć przerw.

cURL

Copycurl https://api.codexfiyat.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list available server configurations for ubuntu"}]
  }'

Python

Copyfrom openai import OpenAI

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

Strumieniowanie

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)