Codex API 快速入门

安装与设置

The codex api 需要有效的密钥和正确的基础 URL。通过 Google 或电子邮件注册以立即获取密钥。不需要电话号码。使用官方 OpenAI SDK，设置 base_url 到 https://api.codexfiyat.com/v1.

认证使用标准的 Authorization: Bearer 。每个账户持有一个活跃密钥。生成新密钥会立即撤销旧密钥。这简化了轮换过程，无需管理多个凭证。

基本请求示例

发送到 uncensored 使用任何 HTTP 客户端调用模型。该端点接受标准参数，例如 temperature 和 top_p. 配置您的客户端以高效处理 JSON 响应。

• 将模型设置为 uncensored.
• 包含您的 system prompt 以提供上下文。
• 在 messages 数组。

响应包含生成的文本和令牌使用统计信息。错误会返回带有描述性消息的标准 HTTP 代码。在扩展之前，你可以使用简单查询测试连通性。

流式响应

通过将 stream: true 在您的请求中。API 返回用于实时 Token 交付的服务器发送的事件 (SSE)。解析每个数据块以向用户增量显示文本。

此方法显著降低了感知延迟。大型响应在生成时立即显示。最后一个数据块包含总 token 使用量，以便准确计费。

工具调用（函数调用）

在 tools 用于启用工具调用。模型以结构化 JSON 格式返回函数调用。使用 tool_choice: auto 用于自动检测。

在后端执行请求的函数。将结果作为新消息传回模型。然后模型根据工具输出生成自然语言响应。这使复杂工作流无需手动解析即可实现。

JSON 模式

通过设置 response_format 到 {"type": "json_object"}. 该模型保证响应中的 JSON 有效。这消除了对正则表达式解析或重试逻辑的需求。

使用此模式进行可靠的数据提取。它与工具定义无缝配合。确保您的提示清楚描述预期的模式。在此模式下，无效的 JSON 结构很少见。

限制和界限

API 实施严格限制以确保稳定性。每个密钥每分钟可以发送 300 次请求。并发上限为 8 个同时请求。最大上下文窗口为 100,000 个 token。

每次请求最大输出为 16,000 个 Token。如果 max_tokens 未设置时，限制降至 2,048。超过 8 MB 请求体限制的请求将返回错误。通过仪表板监控您的使用情况以避免中断。

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);

流式传输

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)