Codex API: Step-by-Step Integration Guide

ทำไมต้องใช้ API Codex สำหรับการสร้างเนื้อหาแบบไม่มีเซ็นเซอร์

LLM มาตรฐานมักใช้ตัวกรองเนื้อหาแบบแข็งเกรงที่ขัดขวางการไหลของเรื่องหรือบล็อกผลลัพธ์ทางเทคนิคเฉพาะทาง API codex ให้โมเดลโอเพนเวตโมเดลเดียวที่ปรับแต่งเพื่อการปฏิเสธขั้นต่ำสำหรับเนื้อหาผู้ใหญ่ที่ถูกต้องตามกฎหมาย นิยาย และหัวข้อที่ก่อให้เกิดข้อโต้แย้ง คุณส่งข้อความเข้า รับข้อความออก โดยที่โมเดลไม่ได้ตัดสินว่าหัวข้อของคุณละเอียดอ่อนเกินไปสำหรับการใช้งานจริง

ต่างจากประตูองค์กรที่เปลี่ยนเส้นทางคำขอผ่านผู้ขายหลายราย จุดปลายนี้ให้บริการโมเดลเดียวโดยตรง หน้าต่างบริกซ์ครอบคลุม 100,000 โทเค็นทั้งสำหรับพรอมต์และคำตอบ ขีดจำกัดเอาท์พุตจำกัดที่ 16,000 โทเค็นต่อคำขอ เพื่อรับประกันเวลาแฝงที่คาดการณ์ได้ การเรียกใช้ฟังก์ชัน โหมด JSON และการสตรีมได้รับการสนับสนุนอย่างเต็มที่ คุณจ่ายเฉพาะโทเค็นที่ใช้จริง; ข้อผิดพลาดและการปฏิเสธไม่เสียค่าใช้จ่าย การตั้งค่านี้ขจัดความยุ่งยากในการเจรจาการเข้าถึงหรือรอการอนุมัติโควตา

ขั้นตอนที่ 1: ติดตั้ง OpenAI SDK

เริ่มต้นด้วยการติดตั้ง SDK ทางการของ OpenAI สำหรับภาษาโปรแกรมที่คุณต้องการ ไลบรารีนี้จะจัดการการแปลงข้อมูล การจัดการการลองใหม่ และโปรโตคอลการสตรีมโดยอัตโนมัติ สิ่งนี้ช่วยให้การผสานรวมของคุณเข้ากันได้กับพฤติกรรม API มาตรฐาน ในขณะที่อนุญาตให้กำหนดค่าพารามิเตอร์การเชื่อมต่อได้อย่างเต็มที่

• Python: pip install openai
• Node.js: npm install openai
• ไปที่: go get github.com/openai/openai-go

SDK จัดการชั้น HTTP ทำให้คุณโฟกัสที่โครงสร้าง payload ไม่จำเป็นต้องใช้ client แบบ proprietary ไลบรารีมาตรฐานรองรับ authentication headers และการ parse JSON ที่จำเป็น ซึ่งช่วยลด boilerplate code และเร่งวงจรการพัฒนา ตรวจสอบการติดตั้งของคุณโดยการ import client module ในสคริปต์ง่ายๆ

ขั้นตอนที่ 2: กำหนดค่า base url และ API key

ชี้ SDK instance ของคุณไปยัง endpoint เฉพาะ ทับ URL พื้นฐานเริ่มต้นเพื่อกำหนดเส้นทางจราจรไปยังเซิร์ฟเวอร์แบบไม่มีเซนเซอร์ กำหนดค่า API key ของคุณให้กับ header การตรวจสอบสิทธิ์เพื่อเข้าถึงทันที การกำหนดค่านี้นิขมคำขอทั้งหมดให้ข้ามการกำหนดเส้นทางมาตรฐานของ OpenAI

• Base URL: https://api.unsupportedcodexauthmethodapikey.com/v1
• ID โมเดล: uncensored
• Auth: Bearer token ผ่านคีย์ที่สร้างของคุณ

ดึงคีย์ของคุณจากแดชบอร์ดหลังจากสมัครสมาชิกด้วย Google หรืออีเมล ไม่จำเป็นต้องใช้หมายเลขโทรศัพท์ คีย์จะแสดงทันทีหลังจากการสร้าง แทนที่จุดปลายเริ่มต้นในโค้ดของคุณ ขั้นตอนนี้แยกการจราจรของคุณจากโครงสร้างพื้นฐานสาธารณะ รับประกันพฤติกรรมโมเดลที่สม่ำเสมอ ตอนนี้คุณสามารถตรวจสอบการเชื่อมต่อโดยแสดงรายการโมเดลที่มีอยู่

ขั้นตอนที่ 3: ส่งคำขอ Chat Completion ครั้งแรกของคุณ

สร้างโหลดข้อมูลการสร้างการสนทนามาตรฐาน กำหนดโมเดล ข้อความจากผู้ใช้ และพารามิเตอร์เสริม เอนด์พอยต์จะประมวลผลคำขอและส่งการตอบสนอง JSON ที่มีโครงสร้าง ซึ่งยืนยันว่าการผสานรวมของคุณทำงานได้อย่างถูกต้องกับโมเดลแบบไม่เซ็นเซอร์

Copyfrom openai import OpenAI

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

การตอบสนองรวมถึงข้อความที่สร้างขึ้นมา สถิติการใช้งานโทเค็น และเหตุผลการสิ้นสุด คุณสามารถแยกวิเคราะห์เนื้อหาลงในลอจิกแอปพลิเคชันของคุณได้โดยตรง ค่า temperature และ top_p มีอิทธิพลต่อความคิดสร้างสรรค์ ลำดับหยุดอนุญาตให้ควบคุมความยาวของเอาต์พุตได้อย่างแม่นยำ โครงสร้างคำขอนี้เหมือนกับคำขอ OpenAI มาตรฐาน ทำให้สามารถพกพาได้ คุณสามารถสลับโมเดลในภายหลังโดยไม่ต้องเปลี่ยนลอจิกหลักของคุณ

ขั้นตอนที่ 4: จัดการการตอบกลับแบบ streaming

เปิดใช้งานการสตรีมโดยการตั้งค่าพารามิเตอร์ stream เป็น true เซิร์ฟเวอร์จะส่งข้อมูลแบบเพิ่มทีละส่วนผ่าน Server-Sent Events (SSE) ซึ่งอนุญาตให้คุณแสดงโทเค็นให้ผู้ใช้แบบเรียลไทม์ ช่วยลดความล่าช้าที่รู้สึกได้อย่างมีนัยสำคัญสำหรับผลลัพธ์ที่ยาวนาน

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)

แต่ละชิ้นส่วนประกอบด้วยเนื้อหาบางส่วนและข้อมูลการใช้งาน ชิ้นส่วนสุดท้ายรวมถึงจำนวนโทเค็นทั้งหมด คุณสามารถสะสมข้อความเมื่อได้รับ วิธีการนี้รองรับแอปพลิเคชันแบบโต้ตอบเช่นอินเทอร์เฟซแชท นอกจากนี้ยังช่วยให้คุณหยุดการสร้างได้ก่อนหากผู้ใช้แทรกแซง การสตรีมเป็นสิ่งสำคัญสำหรับประสบการณ์ผู้ใช้ที่ราบรื่น มันคงการเชื่อมต่อไว้จนกว่าโมเดลจะเสร็จสิ้น

ขั้นตอนที่ 5: จัดการการใช้งานและต้นทุนของ token

ติดตามการบริโภค token เพื่อเพิ่มประสิทธิภาพการใช้จ่าย API เรียกเก็บ $0.15 ต่อ input token ล้านตัว และ $0.50 ต่อ output token ล้านตัว คุณจ่ายเฉพาะการใช้งานจริง; ข้อผิดพลาดฟรี เครดิตพรีเพดไม่มีวันหมดอายุ ดังนั้นคุณสามารถใช้ได้ตลอดเวลา

• ต้นทุนอินพุต: $0.15 / 1M โทเค็น
• ต้นทุนผลลัพธ์: $0.50 / 1M โทเค็น
• เติมเงิน: คริปโทเคอร์เรนซีเท่านั้น (USDT TRC20 หรือ USDC Base)

โบนัสเครดิตสำหรับการเติมเงินจำนวนมากขึ้น: +5% จาก $50, +10% จาก $100 และ +15% จาก $200 โครงสร้างนี้มอบรางวัลให้ผู้ใช้หนัก คุณสามารถติดตามการใช้งานผ่าน response headers ตั้งค่าขีดจำกัดสูงสุดในโค้ดของคุณเพื่อป้องกันค่าใช้จ่ายที่เกินควบคุม ขีดจำกัดขนาด body request 8 MB ช่วยควบคุมขนาดอินพุต ความโปร่งใสนี้ทำให้คุณรู้ exact ว่าต้องจ่ายเท่าไหร่

ขั้นตอนที่ 6: การแก้ไขปัญหาข้อผิดพลาดทั่วไป

การเกิดข้อผิดพลาดเป็นส่วนหนึ่งของการผสานรวม API ปัญหาทั่วไป ได้แก่ ขีดจำกัดอัตราการใช้งาน คีย์ที่ไม่ถูกต้อง หรือขนาดข้อมูลเกินกำหนด API จะส่งรหัสสถานะ HTTP มาตรฐาน来帮助คุณแก้ไขข้อผิดพลาด รหัส 429 หมายความว่าคุณได้เกินขีดจำกัด 300 คำขอต่อนาทีแล้ว ให้ลดความถี่ในการส่งคำขอหรือใช้เทคนิคการกลับคืนแบบทวีคูณ

Copycurl https://api.unsupportedcodexauthmethodapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Parse the JSON string in the request body"}]
  }'

ข้อผิดพลาด 400 มักหมายถึงโหลด JSON ของคุณมีรูปแบบไม่ถูกต้อง ตรวจสอบไวยากรณ์และตรวจสอบให้แน่ใจว่าฟิลด์ที่จำเป็นทั้งหมดมีอยู่ ข้อผิดพลาด 413 บ่งชี้ว่าร่างกายคำขอของคุณมีขนาดเกิน 8 MB ลดขนาดอินพุตหรือแบ่งออกเป็นชิ้นที่เล็กลงกว่า ข้อผิดพลาด 500 พบได้ยากแต่บ่งชี้ถึงปัญหาฝั่งเซิร์ฟเวอร์ ลองเรียกใช้อีกครั้งหลังจากหยุดพักสั้นๆ ข้อผิดพลาดเหล่านี้สามารถคาดการณ์และจัดการได้ด้วยการบันทึกข้อมูลที่เหมาะสม

ขั้นตอนที่ 7: พารามิเตอร์ขั้นสูงสำหรับการปรับแต่งผลลัพธ์

ควบคุมพฤติกรรมของโมเดลโดยใช้พารามิเตอร์ขั้นสูง Temperature ปรับความสุ่ม โดยค่าที่สูงขึ้นจะเพิ่มความสร้างสรรค์ Top_p กรองโทเคพตามความน่าจะเป็นสะสม ใช้ลำดับ stop เพื่อหยุดการสร้างเมื่อพบเครื่องหมายเฉพาะ พารามิเตอร์ seed รับประกันผลลัพธ์ที่ซ้ำกันได้สำหรับการแก้ไขข้อบกพร่อง

• อุณหภูมิ: 0.7 (ค่าเริ่มต้น) ถึง 1.5 (เชิงสร้างสรรค์)
• Top_p: 0.9 สำหรับคำตอบที่มีความเฉพาะเจาะจง
• โหมด JSON: ใช้ response_format: json_object

การเรียกใช้ฟังก์ชันช่วยให้โมเดลส่งข้อมูลที่มีโครงสร้าง กำหนดเครื่องมือในคำขอของคุณเพื่อเปิดใช้งานฟีเจอร์นี้ การปรับค่าความถี่และการปรากฏตัวจะลดการทำซ้ำ พารามิเตอร์เหล่านี้ให้คุณควบคุมผลลัพธ์ได้อย่างละเอียด ผสมผสานพารามิเตอร์เหล่านี้เพื่อให้ตรงกับกรณีการใช้งานเฉพาะของคุณ โมเดลจัดการคำแนะนำที่ซับซ้อนได้ดีเมื่อได้รับคำแนะนำอย่างถูกต้อง