Gyors kezdési útmutató

Előfeltételek és SDK telepítés

Telepítse a hivatalos SDK-t a választott nyelvhez a kérések megtevése előtt. Ez biztosítja a kompatibilitást a base URL és a hitelesítési fejlécek szempontjából.

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

Ezek a könyvtárak kezelik helyetted az alapvető HTTP kommunikációt és a JSON értelmezést.

Hitelesítés és Base URL beállítás

Konfigurálja ügyfélprogramját a specifikus alap URL-címmel és egyedi API-kulcsával. Ez a forgalmat az uncensored (szűrés nélküli) inferencia motorunkra irányítja, a szabványos szolgáltató helyett.

Állítsa be a környezeti változót OPENAI_API_KEY vagy add át közvetlenül a kliens inicializálásakor.

Az alap URL-nek erre kell mutatnia https://api.llmuncensoredapi.com/v1 a helyes irányítás biztosítására.

Alap Szöveg Befejezés Kérés

Küldjön egy egyszerű POST kérést szöveg generálásához. Ez a módszer bármely szabványos chat completion felhasználási esethez működik.

A modell nyers szöggel válaszol, elkerülve a más modelleknél jellemző elutasításokat.

Használja a modell azonosítót uncensored az összes kéréshez.

Íme egy alap példa:

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"}]
  }'

Streamelési válaszok SSE-vel

Használja a streamelést a valós idejű tokengeneráláshoz. Ez ideális chatfelületekhez vagy hosszú formátumú tartalomgeneráláshoz.

Beállítás stream: true a kéréstörzsben.

Az API Server-Sent Events (SSE) formátumban adja vissza a tokeneket, ahogy azok elérhetővé válnak.

Ez a megközelítés csökkenti a felhasználók észlelt késleltetését.

Példa streamelő kód:

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)

Függvényhívás és eszközhasonználás

Függvényhívás engedélyezése eszközök definiálásával a kérésben. Ez lehetővé teszi, hogy a modell strukturált JSON-t adjon ki külső végrehajtáshoz.

Használat tool_choice a modell függvényhívásainak időzítésének szabályozására.

Ez a funkció kritikus fontosságú az automatizálási munkafolyamatokhoz.

Python példa:

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)

JSON mód strukturált kimenethez

Kényszerítse a modellt a érvényes JSON kimenetre a response_format paraméter.

Beállítás response_format a {"type": "json_object"}.

Ez biztosítja a konzisztens feldolgozást a downstream alkalmazások számára.

Node.js példa:

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);

A tokenek és korlátok megértése

A kontextusablak összesen akár 100 000 token támogatását biztosítja. Kérésenként legfeljebb 16 000 token generálható.

A sebességkorlátok percenként 300 kérés kulcsonként.

A hibák közé tartozik a 401 az érvénytelen kulcsok esetén, a 402 a nem elegendő kredit esetén és a 429 a sebességkorlátoknál.

A hibák nem merítik a előre fizetett hitelt.