Documentation Index
Fetch the complete documentation index at: https://docs.lemondata.cc/llms.txt
Use this file to discover all available pages before exploring further.
Modellauswahl
Die Wahl des richtigen Modells kann Kosten und Qualität erheblich beeinflussen.
Aufgabenbasierte Empfehlungen
| Aufgabe | Empfohlene Modelle | Begründung |
|---|
| Einfache Fragen & Antworten | gpt-5-mini, gemini-2.5-flash | Schnell, günstig, ausreichend gut |
| Komplexes Schlussfolgern | gpt-5.4, claude-opus-4-6, deepseek-r1 | Bessere Logik und Planung |
| Programmierung | claude-sonnet-4-6, gpt-4o, deepseek-v3.2 | Für Code optimiert |
| Kreatives Schreiben | claude-sonnet-4-6, gpt-4o | Bessere Prosaqualität |
| Vision/Bilder | gpt-4o, claude-sonnet-4-6, gemini-2.5-flash | Native Vision-Unterstützung |
| Langer Kontext | gemini-2.5-pro, claude-sonnet-4-6 | 1M+ token-Fenster |
| Kostensensitiv | gpt-5-mini, gemini-2.5-flash, deepseek-v3.2 | Bestes Preis-Leistungs-Verhältnis |
Kostenstufen
$$$$ Premium: gpt-5.4, claude-opus-4-6
$$$ Standard: claude-sonnet-4-6, gpt-4o
$$ Budget: gpt-5-mini, gemini-2.5-flash
$ Economy: deepseek-v3.2, deepseek-r1
Kostenoptimierung
1. Zuerst kleinere Modelle verwenden
def smart_query(question: str, complexity: str = "auto"):
"""Use cheaper models for simple tasks."""
if complexity == "simple":
model = "gpt-5-mini"
elif complexity == "complex":
model = "gpt-4o"
else:
# Start cheap, escalate if needed
model = "gpt-5-mini"
response = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": question}]
)
return response
2. max_tokens festlegen
Legen Sie immer ein sinnvolles Limit für max_tokens fest:
# ❌ Bad: No limit, could generate thousands of tokens
response = client.chat.completions.create(
model="gpt-4o",
messages=[{"role": "user", "content": "Summarize this article"}]
)
# ✅ Good: Limit response length
response = client.chat.completions.create(
model="gpt-4o",
messages=[{"role": "user", "content": "Summarize this article"}],
max_tokens=500 # Reasonable limit for a summary
)
3. Prompts optimieren
# ❌ Verbose prompt (more input tokens)
prompt = """
I would like you to please help me by analyzing the following text
and providing a comprehensive summary of the main points. Please be
thorough but also concise in your response. The text is as follows:
{text}
"""
# ✅ Concise prompt (fewer tokens)
prompt = "Summarize the key points:\n{text}"
4. Caching aktivieren
Nutzen Sie semantic caching:
# For repeated similar queries, caching provides major savings
response = client.chat.completions.create(
model="gpt-4o",
messages=[{"role": "user", "content": "What is machine learning?"}],
temperature=0 # Deterministic = better cache hits
)
5. Ähnliche Anfragen bündeln
# ❌ Many small requests
for question in questions:
response = client.chat.completions.create(
model="gpt-4o",
messages=[{"role": "user", "content": question}]
)
# ✅ Fewer larger requests
combined_prompt = "\n".join([f"{i+1}. {q}" for i, q in enumerate(questions)])
response = client.chat.completions.create(
model="gpt-4o",
messages=[{"role": "user", "content": f"Answer each question:\n{combined_prompt}"}]
)
1. Streaming für UX verwenden
Streaming verbessert die wahrgenommene Performance:
stream = client.chat.completions.create(
model="gpt-4o",
messages=[{"role": "user", "content": "Write a long essay"}],
stream=True
)
for chunk in stream:
if chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)
2. Schnelle Modelle für interaktive Nutzung wählen
| Anwendungsfall | Empfohlen | Latenz |
|---|
| Chat-UI | gpt-5-mini, gemini-2.5-flash | ~200ms bis zum ersten token |
| Tab-Vervollständigung | claude-haiku-4-5 | ~150ms bis zum ersten token |
| Hintergrundverarbeitung | gpt-4o, claude-sonnet-4-6 | ~500ms bis zum ersten token |
3. Timeouts festlegen
client = OpenAI(
api_key="sk-your-key",
base_url="https://api.lemondata.cc/v1",
timeout=60.0 # 60 second timeout
)
Zuverlässigkeit
1. Retries implementieren
import time
from openai import RateLimitError, APIError
def chat_with_retry(messages, max_retries=3):
for attempt in range(max_retries):
try:
return client.chat.completions.create(
model="gpt-4o",
messages=messages
)
except RateLimitError:
wait = 2 ** attempt
print(f"Rate limited, waiting {wait}s...")
time.sleep(wait)
except APIError as e:
if attempt == max_retries - 1:
raise
time.sleep(1)
raise Exception("Max retries exceeded")
2. Fehler robust behandeln
from openai import APIError, AuthenticationError, RateLimitError
try:
response = client.chat.completions.create(...)
except AuthenticationError:
# Check API key
notify_admin("Invalid API key")
except RateLimitError:
# Queue for later or use backup
add_to_queue(request)
except APIError as e:
if e.status_code == 402:
notify_admin("Balance low")
elif e.status_code >= 500:
# Server error, retry later
schedule_retry(request)
3. Fallback-Modelle verwenden
FALLBACK_CHAIN = ["gpt-4o", "claude-sonnet-4-6", "gemini-2.5-flash"]
def chat_with_fallback(messages):
for model in FALLBACK_CHAIN:
try:
return client.chat.completions.create(
model=model,
messages=messages
)
except APIError:
continue
raise Exception("All models failed")
Sicherheit
1. API-Keys schützen
# ❌ Never hardcode keys
client = OpenAI(api_key="sk-abc123...")
# ✅ Use environment variables
import os
client = OpenAI(api_key=os.environ["LEMONDATA_API_KEY"])
2. Benutzereingaben validieren
def validate_message(content: str) -> bool:
"""Validate user input before sending to API."""
if len(content) > 100000:
raise ValueError("Message too long")
# Add other validation as needed
return True
3. Limits für API-Keys festlegen
Erstellen Sie separate API-Keys mit Ausgabenlimits für:
- Entwicklung/Tests
- Produktion
- Verschiedene Anwendungen
Monitoring
1. Nutzung nachverfolgen
Prüfen Sie regelmäßig Ihr Dashboard auf:
- token-Nutzung nach Modell
- Kostenaufschlüsselung
- Cache-Trefferraten
- Fehlerraten
2. Wichtige Metriken protokollieren
import logging
response = client.chat.completions.create(...)
logging.info({
"model": response.model,
"prompt_tokens": response.usage.prompt_tokens,
"completion_tokens": response.usage.completion_tokens,
"total_tokens": response.usage.total_tokens,
})
3. Alerts einrichten
Konfigurieren Sie Warnungen bei niedrigem Guthaben in Ihrem Dashboard, um Service-Unterbrechungen zu vermeiden.
Checkliste