Quickstart Guide

Προαπαιτούμενα και Εγκατάσταση SDK

Εγκαταστήστε το επίσημο SDK για τη γλώσσα σας πριν κάνετε οποιαδήποτε αίτηση. Αυτό εξασφαλίζει συμβατότητα με το base URL και τα headers πιστοποίησης.

• Python: pip install openai
• Node.js: npm install openai

Αυτά τα libraries διαχειρίζονται την underlying HTTP επικοινωνία και JSON parsing για εσάς.

Πιστοποίηση και Ρύθμιση Base URL

Ρυθμίστε τον πελάτη σας με το συγκεκριμένο base URL και το μοναδικό API key σας. Αυτό κατευθύνει την κίνηση στον uncensored μηχανό inference μας αντί για τον τυπικό πάροχο.

Ορίστε τη μεταβλητή περιβάλλοντος OPENAI_API_KEY ή περάστε το απευθείας στην αρχικοποίηση του πελάτη σας.

Η βασική διεύθυνση URL πρέπει να δείχνει στο https://api.llmuncensoredapi.com/v1 για να διασφαλίσετε σωστή διαδρομή.

Βασικό Αίτημα Συμπλήρωσης Κειμένου

Στείλτε μια απλή POST αίτηση για τη δημιουργία κειμένου. Αυτή η μέθοδος λειτουργεί για κάθε τυπική περίπτωση χρήσης chat completion.

Το μοντέλο απαντά με ωμό κείμενο, αποφεύγοντας τις τυπικές απορρίψεις που βρίσκονται σε άλλα μοντέλα.

Χρησιμοποιήστε το Model ID uncensored για όλες τις αιτήσεις.

Ακολουθεί ένα βασικό παράδειγμα:

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

Streaming Αποκρίσεις με SSE

Χρησιμοποιήστε streaming για πραγματική παραγωγή tokens. Αυτό είναι ιδανικό για interfaces chat ή παραγωγή long-form περιεχομένου.

Ορίστε stream: true στο σώμα του αιτήματός σας.

Η API επιστρέφει Server-Sent Events (SSE) καθώς τα tokens γίνονται διαθέσιμα.

Αυτή η προσέγγιση μειώνει την αντιλαμβανόμενη καθυστέρηση για τον χρήστη.

Παράδειγμα κώδικα streaming:

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)

Function Calling και Χρήση Εργαλείου

Ενεργοποίηση κλήσης λειτουργιών ορίζοντας εργαλεία στην αίτησή σας. Αυτό επιτρέπει στο μοντέλο να εξάγει δομημένο JSON για εξωτερική εκτέλεση.

Χρήση tool_choice για να ελέγξετε πότε το μοντέλο καλεί μια συνάρτηση.

Αυτή η λειτουργία είναι κρίσιμη για ροές εργασίας αυτοματοποίησης.

Παράδειγμα Python:

Copyfrom openai import OpenAI

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

Λειτουργία JSON για Δομημένη Έξοδο

Εξαναγκάστε το μοντέλο να επιστρέψει έγκυρο JSON χρησιμοποιώντας το response_format parameter.

Ορίστε response_format για {"type": "json_object"}.

Αυτό εξασφαλίζει συνεπή ανάλυση για εφαρμογές downstream.

Παράδειγμα Node.js:

Copyimport OpenAI from "openai";

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

Κατανόηση Tokens και Ορίων

Το παράθυρο πλαισίου (context window) υποστηρίζει έως 100.000 tokens συνολικά. Κάθε αίτημα μπορεί να αποδώσει έως 16.000 tokens.

Τα όρια ρυθμού είναι 300 αιτήσεις ανά λεπτό ανά κλειδί.

Τα σφάλματα περιλαμβάνουν 401 για μη έγκυρα κλειδιά, 402 για ανεπαρκή πιστωτικά και 429 για όρια ρυθμού.

Τα σφάλματα δεν καταναλώνουν το προκαταβλημένο σας υπόλοιπο.