Panduan Pemecahan Masalah Kunci API GLM

Mengapa Kunci Anda Mengembalikan 'Unauthorized'

Kesalahan 'Unauthorized' (Tidak Diotorisasi) biasanya disebabkan oleh ketidakcocokan antara kunci API yang dikonfigurasi dan endpoint URL dasar. Saat mengintegrasikan LLM baru ke editor seperti Zed atau Trae, Anda harus memastikan URL dasar mengarah langsung ke endpoint penyelesaian chat penyedia daripada proxy generik. Jika Anda menggunakan klien kompatibel OpenAI, URL dasar untuk layanan kami adalah HTTPS://api.apiglm.com/v1. Melewati URL yang salah atau kunci yang kedaluwarsa akan memicu respons 401 segera.

Penyebab umum lainnya adalah mengirimkan kunci dalam format header yang salah. Beberapa klien mengharapkan 'Authorization: Bearer ' sementara yang lain mungkin salah menginterpretasikan bidang input. Verifikasi bahwa kunci Anda disalin persis seperti yang ditampilkan di dasbor setelah masuk dengan Google atau email. Tidak ada langkah verifikasi nomor telepon, jadi jika kunci valid, itu akan berfungsi di semua implementasi SDK OpenAI standar.

• Periksa bahwa URL dasar berakhir dengan /v1.
• Pastikan tidak ada garis miring akhir dalam string URL.
• Verifikasi kunci tidak telah dicabut atau diganti.

Menangani Masalah 'Blokir Berpikir'

Pengguna model yang mengandalkan penalaran sering mengalami blok 'berpikir' kosong di mana model menghasilkan tag tetapi tidak ada teks. Ini bukan selalu bug dalam kode Anda tetapi perilaku dari arsitektur model uncensored. Model mungkin memutuskan untuk menghasilkan blok penalaran yang berisi spasi atau karakter null, yang dapat ditafsirkan oleh parser Anda sebagai respons kosong.

Untuk menangani ini, konfigurasikan klien Anda untuk mengabaikan tag alasan kosong atau menghapus spasi sebelum diproses. Jika Anda menggunakan transformer alasan kustom, pastikan itu menangani kasus tepi dengan benar. Model disesuaikan untuk jawaban langsung, sehingga blok pemikiran yang berlebihan terkadang dapat menunjukkan perlunya menyesuaikan parameter 'suhu' atau 'top_p' untuk mendorong respons yang lebih langsung.

Debugging ini melibatkan pencatatan byte respons mentah. Jika blok pemikiran ada tetapi kosong, aman untuk melewatinya dan melanjutkan ke generasi konten sebenarnya. Ini memastikan aplikasi Anda tidak macet menunggu teks yang tidak ada.

Mengkonfigurasi URL Dasar di Editor

Mengintegrasikan LLM tanpa sensor ke editor lokal seperti Zed atau Claude Code memerlukan penimpaan variabel lingkungan default. Sebagian besar editor secara default menggunakan URL dasar OpenAI. Anda harus secara eksplisit mengatur URL dasar ke HTTPS://api.apiglm.com/v1 di file konfigurasi Anda.

Untuk file .env.development atau config.js, pastikan variabel kunci API dipetakan dengan benar. Misalnya, atur variabel base URL untuk menunjuk ke endpoint kami. Ini memastikan bahwa semua permintaan, termasuk pemanggilan fungsi dan streaming, dialihkan melalui infrastruktur kami. Jika editor tidak mendukung base URL kustom, Anda mungkin perlu menggunakan proxy atau skrip pembungkus yang menerjemahkan protokol OpenAI standar ke endpoint kami.

Verifikasi integrasi dengan mengirim permintaan 'ping' sederhana. Jika Anda menerima respons JSON yang valid, konfigurasi Anda benar. Langkah ini sangat penting sebelum mencoba percakapan multi-gilir yang kompleks.

Batas Laju dan Kesalahan Konvergensi

Infrastruktur kami memberlakukan batas laju ketat untuk memastikan stabilitas selama penggunaan volume tinggi. Setiap kunci API dibatasi hingga 300 permintaan per menit dan dapat menangani hingga 8 permintaan bersamaan. Jika Anda melebihi batas ini, Anda akan menerima kesalahan 429 Too Many Requests.

Untuk menghindari kesalahan ini, terapkan backoff eksponensial dalam kode klien Anda. Pantau header 'Retry-After' dalam respons jika tersedia. Selain itu, pastikan aplikasi Anda tidak mengalami lonjakan lalu lintas selama jam sibuk. Jika Anda menjalankan beberapa instance, distribusikan beban kerja di antara kunci yang berbeda atau kelola konkurensi di tingkat aplikasi.

Ukuran badan permintaan juga dibatasi hingga 8 MB. Prompt besar atau banyak panggilan alat dapat melebihi batas ini. Bagi input Anda atau kurangi jumlah permintaan konkuensi untuk tetap berada dalam batas ini. Batas-batas ini transparan dan dirancang untuk mencegah kehabisan sumber daya.

Penghitungan Token dan Jendela Konteks

Memahami penggunaan token sangat penting untuk manajemen biaya. Model kami mendukung jendela konteks 100.000 token, yang mencakup prompt dan penyelesaian. Output maksimum per permintaan adalah 16.000 token, atau 2.048 jika Anda tidak menentukan 'max_tokens'.

Harga didasarkan pada penggunaan token aktual: $0.15 per juta token input dan $0.50 per juta token output. Kesalahan dan penolakan gratis, jadi Anda hanya membayar untuk generasi konten yang berhasil. Model prabayar ini berarti kredit Anda tidak pernah kedaluwarsa, dan Anda dapat mengisi ulang dengan kripto kapan saja.

Lacak penggunaan token di aplikasi Anda dengan mengurai metadata respons. Potongan terakhir dari respons streaming berisi jumlah token total. Ini memungkinkan Anda memantau biaya secara real-time dan menyesuaikan prompt Anda agar tetap berada dalam anggaran. Penggunaan token yang efisien adalah kunci untuk memaksimalkan nilai kredit prabayar Anda.

Parsing Respons Streaming

Responsi streaming dikirimkan melalui Server-Sent Events (SSE). Setiap potongan data berisi sebagian dari respons, tetapi data penggunaan token hanya disertakan di potongan data terakhir. Ini berarti Anda tidak dapat menghitung total penggunaan token hingga aliran selesai.

Parse stream dengan mendengarkan peristiwa 'data'. Akumulasi chunk teks untuk membentuk respons penuh. Saat Anda menerima chunk terakhir, ekstrak bidang 'usage' untuk memperbarui jumlah token lokal Anda. Pendekatan ini memastikan penagihan yang akurat dan membantu Anda memantau konsumsi sumber daya.

Tangani gangguan jaringan dengan anggun. Jika stream terputus, Anda mungkin perlu mencoba permintaan lagi. Pastikan klien Anda dapat menangani respons parsial dan merakitnya dengan benar. Streaming ideal untuk aplikasi waktu nyata, tetapi memerlukan penanganan kesalahan yang kuat.

Kesalahan Parameter Pemanggilan Fungsi

Pemanggilan fungsi memerlukan konfigurasi parameter yang presisi. Pastikan array 'tools' Anda mendefinisikan skema fungsi dengan benar, termasuk parameter dan deskripsi. Parameter 'tool_choice' dapat diatur ke 'auto', 'required', atau nama fungsi tertentu.

Kesalahan umum termasuk 401 untuk kunci tidak valid dan 402 untuk kredit tidak cukup. Kesalahan 429 menunjukkan Anda telah mencapai batas kecepatan.

Uji pemanggilan fungsi dengan alat sederhana terlebih dahulu. Tingkatkan kompleksitas secara bertahap untuk mengidentifikasi ketidaksesuaian skema. Jika model gagal memanggil alat, periksa bidang 'tool_calls' dalam respons untuk mencari kesalahan. Konfigurasi yang tepat sangat penting untuk pemanggilan fungsi yang andal.

Perbaikan Penundaan Isi Saldo Kripto

Mengisi ulang kredit Anda dilakukan melalui kripto, khususnya USDT (TRC20) atau USDC (Base). Transaksi mungkin memerlukan beberapa menit untuk dikonfirmasi di blockchain. Jika kredit Anda tidak muncul segera, tunggu konfirmasi jaringan.

Kredit bonus diterapkan secara otomatis untuk pengisian ulang sebesar $50 atau lebih: +5% untuk $50, +10% untuk $100, dan +15% untuk $200. Pastikan Anda mengirim jumlah yang tepat untuk menerima bonus yang sesuai. Transaksi di bawah $20 atau di atas $500 mungkin tidak menerima bonus atau mungkin ditolak.

Jika Anda mengalami pengisian ganda, hubungi dukungan melalui halaman Dukungan. Kredit tidak dikembalikan tetapi dapat disesuaikan. Simpan catatan ID transaksi Anda untuk resolusi yang lebih cepat. Model prabayar ini memastikan Anda tidak pernah kehilangan kredit karena kedaluwarsa.

Konfigurasi Salah ID Model

Menggunakan ID model yang salah adalah sumber kesalahan yang sering terjadi. Untuk model uncensored kami, ID-nya hanyalah 'uncensored'. Mengirim permintaan dengan 'gpt-4' atau 'claude-3' akan menghasilkan kesalahan 'Model Tidak Ditemukan'.

Pastikan klien Anda secara eksplisit menetapkan bidang 'model' menjadi 'uncensored' dalam setiap permintaan. Ini sangat penting saat menggunakan SDK kompatibel OpenAI yang mungkin secara default menggunakan model lain. Verifikasi ID model dalam file konfigurasi dan permintaan uji Anda.

Layanan kami tidak menawarkan routing model atau pilihan model ganda. Ini adalah endpoint model tunggal yang didedikasikan untuk generasi teks uncensored. Kesederhanaan ini mengurangi kompleksitas dan memastikan kinerja yang konsisten. Selalu periksa ID model sebelum menerapkan ke produksi.