GLM API kulcs: Hibaelhárítási útmutató

Miért ad vissza a kulcsod 'Unauthorized' hibát

A 'Hatalmazatlan' hiba általában a konfigurált API-kulcs és a base URL végpont közötti eltérésből adódik. Amikor egy új LLM-t integrálsz egy szerkesztőbe, mint például a Zed vagy a Trae, biztosítanod kell, hogy a base URL közvetlenül a szolgáltató chat completion végpontjára mutasson, nem pedig egy általános proxy-ra. Ha OpenAI-kompatibilis klienst használsz, a szolgáltatásunk base URL-je a HTTPS://api.apiglm.com/v1. A helytelen URL vagy a lejárt kulcs átadása azonnal 401 választ vált ki.

A másik gyakori ok a kulcs rossz fejlécformátumban történő elküldése. Egyes kliensek 'Authorization: Bearer ' formátumot várnak, míg mások félreérthetik a bemeneti mezőt. Győződjön meg róla, hogy a kulcsot pontosan úgy másolta, ahogy a műszerfalon látható, a Google vagy e-mail segítségével történő bejelentkezés után. Nincs telefonszám ellenőrzés, így ha a kulcs érvényes, bármely szabványos OpenAI SDK implementációban működnie kell.

• Ellenőrizze, hogy az alap URL a /v1 végződést használja.
• Győződjön meg arról, hogy nincsenek trailing slash karakterek az URL karakterláncban.
• Ellenőrizze, hogy a kulcsot nem vonták vissza vagy cserélték ki.

A 'Gondolkodási blokk' probléma kezelése

Az erősen érvelő modelleket használók gyakran üres 'gondolkodási' blokkokkal szembesülnek, ahol a modell egy címkét ad ki, de szöveget nem. Ez nem mindig hiba a kódjában, hanem az alapvető uncensored modellarchitektúra viselkedése. A modell úgy dönthet, hogy egy olyan érvelési blokkot ad ki, amely csak whitespace vagy null karaktereket tartalmaz, amit a parserje üres válaszként értelmezhet.

Ennek kezelésére állítsd be az ügyfélt, hogy figyelmen kívül hagyja az üres gondolkodási címkéket, vagy távolítsa el a szóközöket feldolgozás előtt. Ha egyéni gondolkodási transzformátort használsz, győződj meg róla, hogy az helyesen kezeli ezeket a szélsőséges eseteket. A modellt a közvetlen válaszokra hangolták, így a túlzott gondolkodási blokkok néha arra utalhatnak, hogy a 'temperature' vagy 'top_p' paramétereket kell beállítani a közvetlenebb válaszok ösztönzésére.

Ez a hibakeresés a nyers válaszbyte-ok naplózását igényli. Ha a gondolkodási blokk jelen van, de üres, biztonságosan átugorható, és folytatható a tényleges tartalomgenerálással. Ez biztosítja, hogy az alkalmazás nem akadjon meg a nem létező szöveg várásakor.

Az alap URL-címek konfigurálása szerkesztőkben

Egy cenzúrázatlan LLM integrálása helyi szerkesztőkbe, mint a Zed vagy a Claude Code, a alapértelmezett környezeti változók felülírását igényli. A legtöbb szerkesztő az OpenAI alap URL-jét használja alapértelmezettként. Explicit módon be kell állítania az alap URL-t erre: HTTPS://api.apiglm.com/v1 a konfigurációs fájlokban.

A .env.development vagy config.js fájlokban győződjön meg arról, hogy az API kulcs változó helyesen van leképezve. Például állítsa be a base URL változót, hogy a végpontunkra mutasson. Ez biztosítja, hogy minden kérés, beleértve a funkcióhívást és a streamelést, az infrastruktúránkba irányuljon. Ha a szerkesztő nem támogatja a testreszabott base URL-eket, előfordulhat, hogy proxyt vagy egy wrapper szkriptet kell használnia, amely lefordítja a szabványos OpenAI protokollt a végpontunkra.

Ellenőrizze az integrációt egy egyszerű 'ping' kérés küldésével. Ha érvényes JSON választ kap, a konfigurációja helyes. Ez a lépés kritikus összetett, többfordalos beszélgetések megkezdése előtt.

Sebességkorlátok és párhuzamossági hibák

Az infrastruktúránk szigorú sebességkorlátokat érvényesít a stabilitás biztosítása érdekében nagy terhelés esetén. Minden API-kulcs percenként 300 kérésre van korlátozva, és akár 8 párhuzamos kérést is kezelhet. Ha túlléped ezeket a korlátokat, 429 Too Many Requests hibát kapsz.

Ezeknek a hibáknak elkerülése érdekében implementálj exponenciális backoff-ot az ügyfélkódodban. Figyeld a 'Retry-After' fejlécet a válaszban, ha elérhető. Emellett győződj meg róla, hogy az alkalmazásod nem tapasztal forgalomcsúcsot a csúcsidőszakokban. Ha több példányt futtatsz, oszd meg a terhelést különböző kulcsok között, vagy kezeld a párhuzamosságot az alkalmazás szintjén.

A kérés törzse mérete szintén 8 MB-ban van korlátozva. Nagy prompt-ok vagy sok eszköz hívás meghaladhatja ezt a határt. Oszd fel a bemenetet, vagy csökkentsd a párhuzamos kérések számát, hogy maradjon a határokon belül. Ezek a határok átláthatók és a erőforrás-kimerülés megelőzésére lettek tervezve.

Token számlálás és kontextusablakok

A tokenfelhasználás megértése kritikus a költségkezelés szempontjából. Modellünk 100 000 tokenes kontextusablakot támogat, amely magában foglalja a promptot és a kiegészítést. A kérésenkénti maximális kimenet 16 000 token, vagy 2 048, ha nem adja meg a 'max_tokens' paramétert.

Az árak a tényleges tokenfelhasználáson alapulnak: $0,15 millió bemeneti tokenenként és $0,50 millió kimeneti tokenenként. A hibák és a visszautasítások ingyenesek, így csak a sikeres tartalomgenerálásért fizet. Ez az előre fizetett modell azt jelenti, hogy a hitel sosem jár le, és bármikor töltheted fel kriptovalutával.

Token használat nyomon követése az alkalmazásban a válasz metaadatainak elemzésével. A streamelt válasz utolsó darabja tartalmazza a teljes token számot. Ez lehetővé teszi a költségek valós idejű figyelését és a promptok beállítását a költségkereten belül maradáshoz. A hatékony token használat kulcsfontosságú az előre fizetett kredit értékének maximalizálásához.

Streamelési válasz feldolgozása

A streamelt válaszok Server-Sent Events (SSE) segítségével érkeznek. Minden darab a válasz egy részét tartalmazza, de a token használati adatok csak az utolsó darabban szerepelnek. Ez azt jelenti, hogy a teljes token használatot csak a stream befejezése után számolhatja ki.

Elemzés a stream 'data' események figyelésével. Halmozza fel a szövegdarabokat a teljes válasz kialakításához. Amikor megkapja az utolsó darabot, kinyeri az 'usage' mezőt a helyi token szám frissítéséhez. Ez a megközelítés biztosítja a pontos számlázást és segít monitorozni az erőforrás-felhasználást.

Kezelje a hálózati megszakításokat gracefully. Ha a stream lekapcsol, újra kell próbálnia a kérést. Győződjön meg arról, hogy az ügyfél képes kezelni a részleges válaszokat és helyesen újraösszeállítani őket. A streamelés ideális valós idejű alkalmazásokhoz, de robusztus hibakezelést igényel.

Paraméterhibák a függvényhívásnál

A function calling precíz paraméterkonfigurációt igényel. Győződjön meg arról, hogy a 'tools' tömb helyesen definiálja a függvény sémáját, beleértve a paramétereket és leírásokat. A 'tool_choice' paraméter beállítható 'auto', 'required' vagy egy specifikus függvény névre.

A gyakori hibák közé tartoznak a hiányzó kötelező mezők vagy a helytelen adattípusok az eszköz sémában. Ellenőrizze, hogy a kliens elküldi-e a 'response_format'-ot 'json_object' értékre, ha strukturált kimenetet vár. Ez biztosítja, hogy a modell érvényes JSON-t adjon vissza, amelyet az alkalmazása feldolgozhat.

Próbálja ki a függvényhívást először egyszerű eszközökkel. Fokozatosan növelje a komplexitást a sémaeltérések azonosításához. Ha a modell nem hívja meg az eszközt, ellenőrizze a 'tool_calls' mezőt a válaszban a hibákért. A megfelelő konfiguráció elengedhetetlen a megbízható függvényhíváshoz.

Kriptós feltöltés késések javítása

A kreditfeltöltés kriptovalutával történik, konkrétan USDT (TRC20) vagy USDC (Base) segítségével. A tranzakcióknak néhány percbe telhet, amíg megerősítik a blokkláncon. Ha a kredit nem jelenik meg azonnal, várja meg a hálózati megerősítést.

A bónusz kredit automatikusan kerül alkalmazásra $50 vagy nagyobb feltöltésekre: $50 esetén +5%, $100 esetén +10%, és $200 esetén +15%. Győződjön meg arról, hogy pontos összeget utaljon a helyes bónusz érdekében. A $20 alatti vagy $500 feletti tranzakciók nem kapnak bónuszt, vagy elutasításra kerülhetnek.

Ha dupla terhelést tapasztalsz, keresd fel a támogatást a Támogatási oldalon. A hitelek nem téríthetők meg, de igazíthatók. Készíts másolatot a tranzakciós azonosítóról a gyorsabb rendezés érdekében. Ez az előre fizetett modell biztosítja, hogy soha ne veszíts el hitelt a lejárat miatt.

Modell ID hibák

A rossz modellazonosító gyakori hibaforrás. Az uncensored modellünk esetén az ID egyszerűen 'uncensored'. 'gpt-4' vagy 'claude-3' küldése 'Model Not Found' hibát eredményez.

Győződjön meg arról, hogy az ügyfél kifejezetten a 'model' mezőt 'uncensored' értékre állítja be minden kérésben. Ez kritikus fontosságú, amikor olyan OpenAI-kompatibilis SDK-kat használ, amelyek alapértelmezetten más modellekre állhatnak át. Ellenőrizze a modell azonosítóját a konfigurációs fájlokban és a teszt kérésekben.

Szolgáltatásunk nem kínál modell átirányítást vagy több modell választékot. Egyetlen modell végpont, amely az uncensored szöveggenerálásra specializálódott. Ez az egyszerűség csökkenti a komplexitást és biztosítja a konzisztens teljesítményt. Mindig ellenőrizd a modell azonosítót éles környezetbe telepítés előtt.