कैसे DeepSeek API को एकीकृत करने के लिए

आवश्यकताएँ: पर्यावरण सेटअप

सुनिश्चित करें कि आपका डेवलपमेंट एनवायरनमेंट आवश्यक SDK इंस्टॉल हो। आपको Python या Node.js जैसी एक भाषा रनटाइम और अपने API क्रेडेंशियल्स को सुरक्षित रूप से स्टोर करने का एक तरीका चाहिए। यह सेटअप किसी अन्य OpenAI-संगत सेवा का उपयोग करने के समान है।

आपको वेंडर-विशिष्ट ड्राइवर इंस्टॉल करने की आवश्यकता नहीं है। प्रॉक्सी सभी मॉडल इनफरेंस संभालता है, इसलिए आपके मशीन को केवल HTTP अनुरोध भेजने और JSON प्रतिक्रियाओं को पार्स करने की आवश्यकता होती है। इससे निर्भरता ओवरहेड कम हो जाता है और आपका प्रोजेक्ट हल्का रहता है।

आधिकारिक SDK इंस्टॉल करना

प्रमाणीकरण और सिरियलाइज़ेशन को स्वचालित रूप से संभालने के लिए अपनी पसंदीदा भाषा के लिए आधिकारिक SDK इंस्टॉल करें। Python के लिए, उपयोग करें pip install openai. Node.js के लिए, चलाएं npm install openai. यह लाइब्रेरी अंडरलाइंग HTTP कनेक्शन प्रबंधित करती है।

SDK JSON पेलोड बनाने की जटिलता को छुपा देता है। आप अपने प्रॉम्प्ट को परिभाषित करने और लौटाए गए टोकन हैंडल करने पर ध्यान केंद्रित कर सकते हैं। इस मानकीकरण का अर्थ है कि आप बाद में केवल बेस यूआरएल बदलकर प्रदाता बदल सकते हैं।

Copyfrom openai import OpenAI

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

बेस URL और कुंजी कॉन्फ़िगर करना

प्रॉक्सी बेस यूआरएल की ओर अपने SDK क्लाइंट निर्देशित करें और अपनी API कुंजी इंजेक्ट करें। यह कॉन्फ़िगरेशन चरण ट्रैफ़िक को मानक ओपनएआई सर्वरों से दूर निर्देशित करता है। आपको सेट करना होगा base_url को https://api.deepseekpago.com/v1.

अपनी कुंजी के माध्यम से पास करें api_key पैरामीटर। यह कुकी साइट पर साइन अप करते समय उत्पन्न होती है। यह आपके अनुरोधों को प्रमाणीकृत करती है और आपके प्रीपेड क्रेडिट उपयोग को ट्रैक करती है। इस कॉन्फ़िगरेशन के बिना, आपके अनुरोध 404 या 401 त्रुटि के साथ विफल हो जाएंगे।

अपना पहला अनुरोध बनाना

कनेक्टिविटी और मॉडल व्यवहार की पुष्टि करने के लिए एक सरल पाठ पूरक भेजें। मॉडल आईडी का उपयोग करें uncensored प्रॉक्सी पर चल रहे विशिष्ट मॉडल तक पहुंचने के लिए। यह मॉडल कानूनी वयस्कों के उपयोग के लिए बिना सामग्री अस्वीकृति के उत्तर देने के लिए ट्यून्ड किया गया है।

अनुरोध बॉडी में शामिल है messages एरे और model identifier। response में generated text content फ़ील्ड। यह पुष्टि करता है कि आपका एकीकरण uncensored मॉडल के साथ सही ढंग से काम कर रहा है।

Copycurl https://api.deepseekpago.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a list of top five open source llms"}]
  }'

स्ट्रीमिंग प्रतिक्रियाएं सक्षम करना

सेटिंग करके स्ट्रीमिंग सक्षम करें stream: true आपके अनुरोध में। यह एकल JSON ऑब्जेक्ट के बजाय Server-Sent Events (SSE) लौटाता है। आप टोकन प्राप्त करते हैं जैसे ही वे जनरेट होते हैं, जिससे अंत-उपयोगकर्ताओं के लिए अनुभवगत विलंबता (perceived latency) कम हो जाती है।

चंक के माध्यम से इटरेट करके स्ट्रीम हैंडल करें। अंतिम चंक में कुल टोकन उपयोग होता है। इससे आपको पूरे प्रतिक्रिया को पूरा होने का प्रतीक्षा किए बिना रियल-टाइम में लागत की निगरानी करने की अनुमति मिलती है।

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)

टूल्स और फंक्शन कॉलिंग का उपयोग

अनुरोध बॉडी में टूल्स परिभाषित करें ताकि मॉडल संरचित आउटपुट उत्पन्न कर सके। tools पैरामीटर। जहां उचित हो, मॉडल सादे टेक्स्ट के बजाय फ़ंक्शन कॉल लौटाएगा।

यह फीचर OpenAI फंक्शन कॉलिंग API की तरह ही काम करता है। आप इसे अपने एप्लिकेशन लॉजिक में एकीकृत कर सकते हैं ताकि कोड निष्पादित किया जा सके या डेटाबेस अपडेट किए जा सकें। प्रॉक्सी इस मानक प्रोटोकॉल को बिना किसी संशोधन के सपोर्ट करता है।

Copyimport OpenAI from "openai";

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

JSON आउटपुट फॉर्मेट लागू करना

मॉडल को वैध JSON लौटने के लिए सेट करके फोर्स करें response_format को {"type": "json_object"}. यह डेटा को अपने एप्लिकेशन में पार्स करने के लिए उपयोगी है। यह पोस्ट-प्रोसेसिंग रेगेक्स पैटर्न की आवश्यकता को कम करता है।

मॉडल इस बाधा को कठोरता से मानता है। यदि आउटपुट मान्य JSON नहीं है, तो अनुरोध विफल हो सकता है। यह सुनिश्चित करता है कि आपकी पाइपलाइन स्वचालित सिस्टम के साथ एकीकृत होने पर मजबूत बनी रहे। आप रचनात्मकता को नियंत्रित करने के लिए तापमान और top_p भी सेट कर सकते हैं।

त्रुटियों और रेट लिमिट्स हैंडल करना

API प्रति कुंजी प्रति मिनट 300 अनुरोधों की सीमा लागू करता है। यदि आप इससे अधिक करते हैं, तो आपको 429 त्रुटि मिलती है। आप प्रति कुंजी 8 समवर्ती अनुरोध भी कर सकते हैं। सेवा विघटन से बचने के लिए इन सीमाओं का सम्मान करें।

त्रुटियां एक त्रुटि कोड और संदेश के साथ मानक JSON ऑब्जेक्ट्स के रूप में लौटाई जाती हैं। अपने कोड में इन्हें सावधानी से हैंडल करें। 429 या 503 प्रतिक्रियाओं जैसे अस्थायी त्रुटियों के लिए एक्सपोनेंशियल बैकऑफ़ के साथ रीट्राई लॉजिक की सिफारिश की जाती है।

टोकन उपयोग की निगरानी

टोकन गणना की निगरानी करके अपने प्रीपेड क्रेडिट उपयोग को ट्रैक करें। स्ट्रीमिंग प्रतिक्रिया में अंतिम चंक में शामिल है usage object। यह इनपुट और आउटपुट टोकन काउंट दिखाता है।

कीमतें इनपुट टोकन के प्रति 1M के लिए $0.15 और आउटपुट टोकन के प्रति 1M के लिए $0.50 हैं। त्रुटियाँ मुफ्त हैं। आप टोकन गणना को इन दरों से गुणा करके लागत का स्थानीय रूप से अनुमान लगा सकते हैं। यह आपको अपनी क्रिप्टो टॉप-अप की बजटिंग में सटीकता लाने में मदद करता है।