راهنمای شروع سریع

پیش‌نیازها و نصب SDK

قبل از ارسال هرگونه درخواست، کتابخانه رسمی SDK را برای زبان مورد علاقه خود نصب کنید. این کار سازگاری با URL پایه و هدرهای احراز هویت را تضمین می‌کند.

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

این کتابخانه‌ها ارتباطات HTTP زیرین و تجزیه JSON را برای شما مدیریت می‌کنند.

تنظیم احراز هویت و URL پایه

مشتری خود را با URL پایه خاص و کلید API منحصر‌به‌فرد خود پیکربندی کنید. این ترافیک را به موتور استنتاج بدون سانسور ما هدایت می‌کند، نه به ارائه‌دهنده استاندارد.

متغیر محیطی را تنظیم کنید OPENAI_API_KEY یا آن را مستقیماً در راه‌اندازی کلاینت خود وارد کنید.

URL پایه باید به https://api.llmuncensoredapi.com/v1 برای اطمینان از مسیریابی صحیح.

درخواست تکمیل متن پایه

یک درخواست POST ساده برای تولید متن ارسال کنید. این روش برای هر مورد استفاده استاندارد تکمیل چت کار می‌کند.

مدل با متن خام پاسخ می‌دهد و از رد شدن‌های معمولی یافت شده در سایر مدل‌ها اجتناب می‌کند.

شناسه مدل را استفاده کنید uncensored برای تمام درخواست‌ها.

در اینجا یک مثال پایه آورده شده است:

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"}]
  }'

پاسخ‌های استریم با SSE

از جریان‌دار برای تولید توکن بلادرنگ استفاده کنید. این برای رابط‌های چت یا تولید محتوای طولانی ایده‌آل است.

تنظیم stream: true در بدنه درخواست خود.

API رویدادهای ارسال‌شده توسط سرور (SSE) را به محض در دسترس بودن توکن‌ها برمی‌گرداند.

این رویکرد تأخیر ادراک‌شده را برای کاربر کاهش می‌دهد.

کد جریان نمونه:

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)

فراخوانی تابع و استفاده از ابزار

فعال‌سازی فراخوانی تابع با تعریف ابزارها در درخواست شما. این اجازه می‌دهد تا مدل JSON ساختاریافته برای اجرای خارجی خروجی دهد.

استفاده tool_choice برای کنترل زمان فراخوانی تابع توسط مدل.

این قابلیت برای گردش کارهای خودکاری حیاتی است.

مثال پایتون:

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)

حالت JSON برای خروجی ساختاریافته

مدل را مجبور به خروجی JSON معتبر با استفاده از response_format پارامتر.

تنظیم response_format به {"type": "json_object"}.

این امر تجزیه‌سازی یکسانی برای برنامه‌های downstream را تضمین می‌کند.

مثال 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);

درک توکن‌ها و محدودیت‌ها

پنجره زمینه تا ۱۰۰,۰۰۰ توکن در مجموع پشتیبانی می‌کند. هر درخواست می‌تواند تا ۱۶,۰۰۰ توکن خروجی داشته باشد.

محدودیت‌های نرخ ۳۰۰ درخواست در دقیقه به ازای هر کلید است.

خطاها شامل 401 برای کلیدهای نامعتبر، 402 برای اعتبار ناکافی و 429 برای محدودیت نرخ هستند.

خطاها از اعتبار پیش‌پرداخت شما مصرف نمی‌کنند.