Mistral api doc: Hurtigstartsguide

Installer SDK og indstil din base URL

Start med at installere det officielle SDK til dit sprog og pege det mod vores endpoint. Base URL er HTTPS://api.mistralapidoc.com/v1. Denne enkelt ændring dirigerer alle kald til vores uncensored-infrastruktur uden at ændre din eksisterende logik. Du kan bruge enhver standard klient, der understøtter OpenAI-kompatibilitet. Opsætningen tager sekunder og kræver ingen komplekse konfigurationsfiler.

Sørg for, at du angiver dit unikke API-nøgle i Authorization-headeren. Vores system validerer dette nøgle mod din forudbetalte saldo, før nogen tokens behandles. Denne tilgang sikrer, at du kun betaler for det, du bruger. Hold dit nøgle sikkert, og roter det, hvis du formoder eksponering. Nøglen udstedes øjeblikkeligt ved tilmelding via Google eller e-mail.

Lav din første anmodning til den uncensored-model

Send en POST-anmodning til /v1/chat/completions med model-id'et indstillet til "uncensored". Denne model svarer på lovligt voksenindhold, fiktion og kontroversielle emner uden standard afslag. Det er en open-weight-model finjusteret til direkte svar. Du behøver ikke angive en version eller vælge mellem forskellige udbydere. Svaret returnerer tekst i content-feltet.

Copycurl https://api.mistralapidoc.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List all available models and their context windows"}]
  }'

Foresprgselskroppen indeholder dit beskedarray og valgfrie parametre. Vores API ignorerer ekstra felter pænt. Hvis du sender en simpel prompt, modtager du en direkte completion. Brug dette til at verificere, at din integration virker, før du tilføjer kompleks logik. Modellen håndterer kontekst op til 100,000 tokens effektivt.

Aktivér streaming og håndter tokenforbrug

Indstil stream til true for at modtage tokens via Server-Sent Events. Denne metode reducerer den opfattede latens for lange svar. Det sidste chunk i streamen indeholder de fulde tokenforbrugsstatistikker for den anmodning. Du kan logge disse metrikker for at spore dit forbrug af forudbetalt kredit præcist. Streaming er ideel til chatgrænseflader og realtidsapplikationer.

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)

Håndter delvise svar ved at akkumulere content-deltaet. Vores API sikrer, at det samlede tokenantal matcher den faktiske brug. Fejl under streaming opkræver ikke for ufuldstændige tokens. Denne funktion giver en glidende brugeroplevelse, mens omkostningerne forbliver gennemsigtige. Du kan afbryde streamet tidligt, hvis brugeren afbryder genereringen.

Brug funktionssamtale og JSON-tilstand

Angiv et tools-array for at aktivere funktionssamtale. Modellen vil udskrive strukturerede værktjskald, når det er passende. Du kan også tvinge JSON-tilstand ved at indstille response_format til json_object. Dette garanterer, at outputtet er gyldig JSON, hvilket forenkler parsing i din applikation. Begge funktioner fungerer med standard OpenAI SDK-syntax.

Copyimport OpenAI from "openai";

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

Definér dit funktionskema med navn, beskrivelse og parametre. API'et returnerer funktionsnavnet og argumenterne i svaret. Dette tillader din kode at eksekvere ekstern logik baseret på modellens beslutning. JSON-tilstand er nyttig, når du har brug for strenge datastrukturer. Kombiner disse funktioner for robuste, automatiserede arbejdsgange.

Konfigurér parametre: temperatur, top_p og seed

Juster temperatur for at kontrollere tilfældighed. Lavere værdier gør svarene mere deterministiske. Top_p begrænser nucleus-sampling til de mest sandsynlige tokens. Seed sikrer reproducerbare output til debugging. Disse parametre giver dig finjusteret kontrol over modellens adfærd. Brug dem til at indstille balancen mellem kreativitet og nøjagtighed.

Copyfrom openai import OpenAI

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

Indstil presence_penalty og frequency_penalty for at reducere gentagelse. Modellen understøtter alle standard OpenAI-parametre. Du kan angive en stopsekvens til at afslutte genereringen ved specifikke markører. Disse kontroller hjælper dig med at opnå den nøjagtige outputformat, du har brug for. Eksperimenter med forskellige kombinationer for at finde de optimale indstillinger til dit brugstilfælde.

Begrænsninger, fejl og kontekstvindue

Vores API understøtter et kontekstvindu på 100.000 tokens. Det maksimale output pr. anmodning er 16.000 tokens, eller 2.048, hvis du udelader max_tokens. Du har begrænsning til 300 anmodninger i minuttet og 8 samtidige anmodninger pr. nøgle. Anmodningskroppen skal være under 8 MB. Disse grænser sikrer rimelig brug for alle forudbetalte kunder.

Håndter HTTP 401-fejl ved at verificere din API-nøgle. En 402-fejl indikerer utilstrækkelig forudbetalt kredit. Top op med krypto for at genoptage servicen. En 429-fejl betyder, at du har overskredet hastighedsbegrænsningen. Vent kort, før du prøver igen. Vores system bruger ikke prompts til træning, hvilket bevarer din dataprivacy. Fejl og afvisninger er gratis, så du betaler kun for succesfulde completioner.