เอกสาร API

Authentication & Headers

ของคุณ glm api key อนุญาตทุกคำขอ ส่งมันใน Authorization header เป็น Bearer token นี่คือวิธีการมาตรฐานที่ใช้โดย SDK ทางการของ OpenAI และใช้งานได้กับไคลเอนต์ใดๆ ที่รองรับการตรวจสอบสิทธิ์ที่เข้ากันได้กับ OpenAI คุณจะได้รับคีย์นี้ทันทีหลังการสมัครด้วย Google หรืออีเมลบนแดชบอร์ด

รักษาคีย์ของคุณให้ปลอดภัย คีย์นี้ให้สิทธิ์เข้าถึงเครดิตพรีเพดของคุณอย่างเต็มรูปแบบ หากคุณทำหาย ให้สร้างคีย์ใหม่; คีย์เก่าจะหมดอายุทันที คุณสามารถมีคีย์ที่ใช้งานอยู่ได้เพียงคีย์เดียวต่อบัญชีเท่านั้น

จุดจบ API Chat Completions

ส่งข้อความไปยังโมเดลโดยใช้ POST /v1/chat/completions endpoint. endpoint. base URL สำหรับคำขอทั้งหมดคือ https://api.apiglm.com/v1.คุณต้องระบุ ID โมเดลเป็น uncensored ใน body ของ request จุดนี้จัดการกับการสนทนาแบบมาตรฐานและส่งกลับข้อความที่สร้างขึ้น

แต่ละคำขอจะบริโภค tokens จากยอดเงินคงเหลือของคุณ ข้อผิดพลาดและการปฏิเสธจะไม่หักเครดิตของคุณ โมเดลรองรับลำดับของข้อความ ทำให้สามารถสนทนาหลายรอบภายในหน้าต่างบริบท

Copycurl https://api.apiglm.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list the features"}]
  }'

เอนด์พอยต์โมเดล

ตรวจสอบโมเดลที่มีอยู่และการกำหนดค่าจุดเชื่อมต่อโดยการเรียก GET /v1/models. เอนด์พอยต์นี้ส่งคืนรายการโมเดลที่ API รองรับอยู่ในปัจจุบัน คุณสามารถใช้สิ่งนี้เพื่อยืนยันการเชื่อมต่อและตรวจสอบ ID ของโมเดลก่อนส่งคำขอเติมข้อความ มันมีประโยชน์สำหรับการแก้ไขข้อบกพร่องของการกำหนดค่าไคลเอนต์

การตอบสนองรวมถึงเมตาดาต้าเกี่ยวกับโมเดล เช่น ID ของโมเดลและฟิลด์ owned_by จุดสิ้นสุดนี้ไม่ใช้เครดิต ใช้เพื่อตรวจสอบให้แน่ใจว่าไคลเอนต์ของคุณชี้ไปยัง URL พื้นฐานที่ถูกต้องและหัวข้อความถูกต้องในการตรวจสอบสิทธิ์ของคุณ

การสตรีม & SSE

เปิดใช้งานการส่งออกโทเค็นแบบเรียลไทม์โดยการตั้งค่า stream: true ในการร้องขอของคุณ API จะส่งคืนสตรีม Server-Sent Events (SSE) แต่ละชิ้นมีค่าเบี่ยงเบนข้อความบางส่วน ชิ้นสุดท้ายรวมถึงสถิติการใช้โทเค็นที่สมบูรณ์สำหรับการร้องขอ

การสตรีมลดการรับรู้ความล่าช้าสำหรับผู้ใช้งาน ช่วยให้อุปกรณ์ของคุณแสดงโทเค็นเมื่อถูกสร้าง ซึ่งเหมาะสำหรับอินเทอร์เฟซแชทที่ต้องการข้อมูลป้อนกลับทันที จัดการสตรีมอย่างถูกต้องเพื่อให้แน่ใจว่าโทเค็นทั้งหมดได้รับการประมวลผล

Copyfrom openai import OpenAI

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

Function Calling

กำหนดเครื่องมือในคำขอเพื่อเปิดใช้งานการเรียกใช้ฟังก์ชัน โมเดลสามารถส่ง JSON ที่มีโครงสร้างซึ่งระบุฟังก์ชันที่จะเรียกและอาร์กิวเมนต์ของมัน ซึ่งอนุญาตให้แอปพลิเคชันของคุณดำเนินการโค้ดตามเจตนาของผู้ใช้ รองรับคำจำกัดความของเครื่องมือ การเลือกเครื่องมือ และโหมด JSON สำหรับการจัดรูปแบบผลลัพธ์อย่างเข้มงวด

ใช้ฟีเจอร์นี้เพื่อผสานรวม LLM เข้ากับเวิร์กโฟลว์ของคุณ กำหนดสคีมาของฟังก์ชันใน body ของคำขอ โมเดลจะตอบกลับด้วยรายการของการเรียกใช้เครื่องมือ แยกวิเคราะห์การเรียกใช้เหล่านี้ในโค้ดของคุณเพื่อกระตุ้นการกระทำภายนอก ทำให้สามารถทำงานที่ซับซ้อนและหลายขั้นตอนได้

Copyimport OpenAI from "openai";

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

Parameters & Limits

หน้าต่างบริบทรองรับ 100,000 tokens สำหรับ prompt และ completion รวมกัน ผลลัพธ์สูงสุดคือ 16,000 tokens ต่อการเรียกใช้ ตั้งค่า max_tokens เพื่อควบคุมความยาวของผลลัพธ์ ค่าเริ่มต้นคือ 2,048 tokens หากไม่ได้ระบุ คุณสามารถปรับอุณหภูมิ top_p และ seed เพื่อความหลากหลายได้

อัตราการใช้งานอนุญาต 300 คำขอต่อนาทีต่อคีย์ คำขอพร้อมกันถูกจำกัดไว้ที่ 8 คำขอต่อคีย์ body คำขอต้องไม่เกิน 8 MB ข้อผิดพลาดส่งกลับรหัสสถานะ HTTP มาตรฐาน 401 หมายถึงคีย์ไม่ถูกต้อง 402 หมายถึงเครดิตของคุณหมดแล้ว 429 หมายถึงเกินอัตราการใช้งานสูงสุด

การสตรีม

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)