Dokumentacja dewelopera dla API gapgpt

Bazowy URL i autoryzacja

API gapgpt wykorzystuje standardową strukturę punktu końcowego zgodnego z OpenAI. Wskaż swojego klienta na https://api.gapgptapi.com/v1 i podaj swój klucz API w Authorization Nagłówek. System wymaga ważnego klucza dla każdego żądania. Generujesz ten klucz natychmiast przez panel za pomocą poświadczeń Google lub e-mail.

Szybki start: Pierwsze żądanie z cURL

Wyślij pierwszy prompt do modelu uncensored używając dowolnego klienta HTTP. Ten przykład żąda odpowiedzi JSON, aby zapewnić strukturalne dane dla logiki Twojej aplikacji.

Copycurl https://api.gapgptapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list the top five python libraries for async web scraping"}]
  }'

Zamień YOUR_API_KEY z Twoimi rzeczywistymi danymi logowania. Punkt końcowy akceptuje standardowe model parametr ustawiony na uncensored. Otrzymujesz odpowiedź tekstową natychmiast.

Zintegruj z Pythonem

Użyj oficjalnego openai Pakiet Python do interakcji z API. Musisz nadpisać adres bazowy, aby wskazywał na nasze serwery. Pozwala to używać znanych metod SDK bez znaczącej zmiany struktury kodu.

Copyfrom openai import OpenAI

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

Ustaw model na uncensored. SDK automatycznie obsługuje strumieniowanie i parsowanie. Upewnij się, że zainstalowano najnowszą wersję pakietu.

Zintegruj się z Node.js

Zainicjuj klienta, podając prawidłowy base URL. Zapewnia to, że aplikacja Node.js kieruje żądania do naszego modelu uncensored zamiast do OpenAI. Reszta kodu odzwierciedla standardowe wzorce OpenAI.

Copyimport OpenAI from "openai";

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

Przekaż uncensored ID modelu. To podejście działa zarówno z konfiguracjami CommonJS, jak i ES module. Możesz natychmiast zacząć wysyłać prompty.

Odpowiedzi strumieniowe

Włącz strumieniowanie, ustawiając stream: true w Twoim żądaniu. API zwraca strumień zdarzeń wysłanych przez serwer. Każdy fragment zawiera częściowy tekst oraz dane o użyciu tokenów. Zmniejsza to postrzeganą opóźnienie dla dużych odpowiedzi.

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)

Ostatni fragment zawiera całkowitą liczbę tokenów dla żądania. Możesz przetwarzać tokeny w czasie rzeczywistym lub buforować je do późniejszego użycia. Ta metoda dobrze sprawdza się w interfejsach czatu.

Obsługa błędów i limity

Monitoruj kody statusu HTTP, aby gracefulnie obsługiwać błędy. A 401 błąd oznacza, że Twój klucz API jest nieprawidłowy lub brakujący. A 402 błąd wskazuje na niewystarczający kredyt zaliczkowy. A 429 błąd sygnalizuje, że przekroczyłeś limit 300 żądań na minutę.

Okno kontekstowe obsługuje łącznie 100 000 tokenów. Możesz zażądać do 16 000 tokenów wyjściowych. Jeśli nie określisz max_tokens, domyślnie to 2 048 tokenów. Zaimplementuj wykładnicze opóźnienie ponownych prób dla limitów szybkości. Twój kredyt nigdy nie wygasa, więc możesz spróbować ponownie później.