Mistral api doc：快速入门指南

安装 SDK 并设置你的基础 URL

首先安装你所用语言的官方 SDK 并将其指向我们的端点。基础 URL 是 HTTPS://api.mistralapidoc.com/v1。这一项更改将所有调用定向到我们的无审查基础设施，而无需更改你现有的逻辑。你可以使用任何支持 OpenAI 兼容性的标准客户端。设置只需几秒钟，不需要复杂的配置文件。

请确保在 Authorization 请求头中传递您的唯一 API 密钥。我们的系统在处理任何 token 之前，会根据您的预付费余额验证此密钥。这种方法确保您只为实际使用的部分付费。请妥善保管密钥，如果怀疑泄露，请轮换密钥。密钥在通过 Google 或电子邮件注册后立即发放。

向 uncensored 模型发起首次请求

向 /v1/chat/completions 发送 POST 请求，将模型 ID 设置为 "uncensored"。该模型对合法的成人内容、虚构作品和争议性话题作出响应，且没有标准的拒绝机制。它是一个针对直接回答进行微调的开源权重模型。你无需指定版本号或在不同供应商之间路由。响应在 content 字段中返回文本。

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"}]
  }'

请求体包含你的消息数组和可选参数。我们的 API 会优雅地忽略额外字段。如果你发送简单提示，你将收到直接补全。使用此功能在添加复杂逻辑之前验证你的集成是否正常工作。该模型可高效处理高达 100,000 token 的上下文。

启用流式传输并处理令牌用量

将 stream 设置为 true 以通过 Server-Sent Events 接收令牌。这种方法降低了长回复的感知延迟。流中的最后一个数据块包含该请求的完整令牌使用统计信息。您可以记录这些指标以准确跟踪预付费额度的消耗。流式传输非常适合聊天界面和实时应用程序。

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)

通过累积内容增量来处理部分响应。我们的 API 确保总 token 数与实际使用情况相符。流式传输期间的错误不会为不完整的 token 收费。此功能在保持成本透明的同时提供流畅的用户体验。如果用户中断生成，您可以提前停止流。

使用函数调用和 JSON 模式

传递 tools 数组以启用函数调用。模型将在适当时输出结构化的工具调用。您还可以通过将 response_format 设置为 json_object 来强制执行 JSON 模式。这保证了输出是有效的 JSON，从而简化了应用程序中的解析。这两个功能都支持标准的 OpenAI SDK 语法。

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);

定义包含名称、描述和参数的函数模式。API 在响应中返回函数名和参数。这允许你的代码根据模型的决策执行外部逻辑。当你需要严格的数据结构时，JSON 模式很有用。结合这些功能可实现强大、自动化的工作流。

配置参数：temperature、top_p 和 seed

调整 temperature 以控制随机性。较低的值使响应更具确定性。top_p 将核采样限制在最可能的 token 范围内。seed 确保调试时可复现的输出。这些参数让你能精细控制模型行为。利用它们来平衡创意与准确性。

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)

设置 presence_penalty 和 frequency_penalty 以减少重复。该模型支持所有标准的 OpenAI 参数。您可以传递 stop 序列以在特定标记处停止生成。这些控制有助于您获得所需的确切输出格式。尝试不同的组合以找到适合您用例的最佳设置。

限制、错误和上下文窗口

我们的 API 支持 100,000 token 的上下文窗口。每次请求的最大输出为 16,000 token，若省略 max_tokens 则为 2,048。每分钟限制 300 次请求，每个密钥最多 8 个并发请求。请求体必须小于 8 MB。这些限制确保所有预付费客户的公平使用。

通过验证 API 密钥来处理 HTTP 401 错误。402 错误表示预存余额不足。通过加密货币充值以恢复服务。429 错误表示您已超出速率限制。稍作等待后重试。我们的系统不将提示词用于训练，从而保护您的数据隐私。错误和拒绝免费，因此您只需为成功的补全付费。