Szybki start API Groq

Wymagania wstępne i zależności

Zacznij od wygenerowania swojego klucza API groq na panelu. Możesz zalogować się za pomocą Google lub użyć adresu e-mail i hasła. Nie jest wymagany numer telefonu. Klucz pojawia się natychmiast do skopiowania i wklejenia.

Upewnij się, że Twoje środowisko obsługuje oficjalne SDK OpenAI. Nasz base URL to HTTPS://api.apigroq.com/v1. Działa to z dowolnym klientem, który akceptuje standardowe punkty końcowe OpenAI. Nie musisz instalować dodatkowego middleware.

Uwierzytelnianie klucza API groq

Przekazaj swój klucz w nagłówku Authorization jako token Bearer. Uwierzytelnia to każde żądanie do usługi AI bez cenzury. Jeśli klucz jest nieprawidłowy, otrzymasz błąd 401. Jeśli brakuje Ci środków, otrzymasz błąd 402.

• Nagłówek: Authorization: Bearer YOUR_API_KEY
• Nie wystawiaj kluczy w kodzie po stronie klienta.

Wysyłanie pierwszej kompozycji

Wyślij żądanie POST do /v1/chat/completions. Użyj identyfikatora modelu uncensored. Ten model odpowiada bez odrzucania treści dla prawnego użytku dla dorosłych. Ustaw top_p to 1 and temperature to 0 for consistent results.

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

Odpowiedź zwraca tylko tekst. Nie są generowane osadzenia ani obrazy. Błędy nie obciążają Twojego kredytu zaliczkowego.

Obsługa odpowiedzi strumieniowych

Użyj Wysyłanych Wydarzeń Serwerowych dla dostarczania tokenów w czasie rzeczywistym. Ustaw stream: true w żądaniu. Każdy fragment zawiera częściowy tekst. Ostatni fragment zawiera szczegóły zużycia tokenów.

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)

Podejście to zmniejsza postrzeganą latencję dla dużych odpowiedzi. Twój klient musi obsługiwać data: prefiks i analizuj obiekty JSON.

Integracja SDK Python

Zainstaluj oficjalny pakiet OpenAI dla Pythona. Skonfiguruj klienta z naszym adresem bazowym i kluczem. Pozwala to na bezpośrednie użycie modelu LLM uncensored bez pośrednictwa OpenRouter.

Copyfrom openai import OpenAI

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

SDK automatycznie obsługuje ponawianie prób i parsowanie JSON. Możesz również włączyć tryb JSON, ustawiając response_format do {"type": "json_object"}.

SDK Node i limity

Użyj klienta OpenAI dla Node.js w podobny sposób. Ustaw URL bazowy na nasz endpoint. Monitoruj limity szybkości ściśle.

Copyimport OpenAI from "openai";

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

Przydział to 300 żądań na minutę na klucz. Możesz mieć 8 żądań współbieżnych. Ciało żądania musi mieścić się w limicie 8 MB. Okno kontekstowe wynosi łącznie 100,000 tokenów. Maksymalna liczba tokenów wyjściowych to 16,000, chyba że określono inaczej.