क्विकस्टार्ट गाइड

आवश्यकताएँ और SDK इंस्टॉलेशन

किसी भी अनुरोध करने से पहले अपनी पसंदीदा भाषा के लिए आधिकारिक SDK इंस्टॉल करें। यह बेस URL और प्रमाणीकरण हेडर के साथ संगतता सुनिश्चित करता है।

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

ये लाइब्रेरी आपके लिए अंतर्निहित HTTP संचार और JSON पार्सिंग संभालती हैं।

प्रमाणीकरण और बेस URL सेटअप

अपने क्लाइंट को विशिष्ट बेस URL और अपनी अनूठी API कुंजी के साथ कॉन्फ़िगर करें। यह ट्रैफ़िक को मानक प्रदाता के बजाय हमारे अनसेंसर्ड इन्फ़्रेंस एंजिन की ओर निर्देशित करता है।

पर्यावरण चर सेट करें OPENAI_API_KEY या इसे सीधे अपने क्लाइंट इनिशियलाइजेशन में पास करें।

बेस URL को इशारा करना चाहिए https://api.llmuncensoredapi.com/v1 सही रूटिंग सुनिश्चित करने के लिए।

बेस टेक्स्ट कंप्लीशन रिक्वेस्ट

पाठ उत्पन्न करने के लिए एक सरल POST अनुरोध भेजें। यह विधि किसी भी मानक चैट पूर्णता उपयोग मामले के लिए काम करती है।

मॉडल कच्चे पाठ के साथ प्रतिक्रिया देता है, अन्य मॉडल में पाए जाने वाले सामान्य रिफ्यूज़ल से बचता है।

मॉडल ID uncensored सभी अनुरोधों के लिए।

यहाँ एक बेसिक उदाहरण है:

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"}]
  }'

SSE के साथ स्ट्रीमिंग रिस्पॉन्सेस

रियल-टाइम टोकन जनरेशन के लिए स्ट्रीमिंग का उपयोग करें। यह चैट इंटरफेस या लंबे-फॉर्म कंटेंट जनरेशन के लिए आदर्श है।

सेट करें stream: true अपने अनुरोध बॉडी में।

API सर्वर-सेंट इवेंट्स (SSE) लौटाती है जैसे ही टोकन उपलब्ध होते हैं।

यह दृष्टिकोण उपयोगकर्ता के लिए अनुभवजन्य विलंबता को कम करता है।

उदाहरण स्ट्रीमिंग कोड:

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)

फंक्शन कॉलिंग और टूल यूज़

अपने अनुरोध में टूल्स परिभाषित करके फ़ंक्शन कॉलिंग सक्षम करें। इससे मॉडल बाहरी निष्पादन के लिए संरचित JSON आउटपुट कर सकता है।

उपयोग करें tool_choice नियंत्रित करने के लिए कि मॉडल फ़ंक्शन को कब कॉल करता है।

यह फीचर ऑटोमेशन वर्कफ़्लो के लिए महत्वपूर्ण है।

Python उदाहरण:

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)

संरचित आउटपुट के लिए JSON मोड

मॉडल को response_format पैरामीटर।

सेट करें response_format को {"type": "json_object"}.

यह डाउनस्ट्रीम एप्लिकेशन्स के लिए सुसंगत पार्सिंग सुनिश्चित करता है।

Node.js उदाहरण:

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);

टोकन और सीमाओं को समझना

संदर्भ विंडो कुल 100,000 टोकन तक समर्थित है। प्रत्येक अनुरोध में 16,000 टोकन तक आउटपुट हो सकता है।

रेट लिमिट्स प्रति मिनट 300 अनुरक्षण प्रति की हैं।

त्रुटियों में अमान्य कुंजियों के लिए 401, अपर्याप्त क्रेडिट के लिए 402 और रेट लिमिट के लिए 429 शामिल हैं।

त्रुटियां आपके प्रीपेड क्रेडिट का उपभोग नहीं करतीं।