Panduan Quickstart

Prasyarat dan Instalasi SDK

Instal SDK resmi untuk bahasa pemrograman pilihan Anda sebelum membuat permintaan apa pun. Ini memastikan kompatibilitas dengan URL dasar dan header otentikasi.

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

Library ini menangani komunikasi HTTP dan parsing JSON untuk Anda.

Autentikasi dan Penyiapan URL Dasar

Konfigurasikan klien Anda dengan URL dasar spesifik dan kunci API unik Anda. Ini mengarahkan lalu lintas ke mesin inferensi tanpa sensor kami, bukan ke penyedia standar.

Atur variabel lingkungan OPENAI_API_KEY atau teruskan langsung dalam inisialisasi klien Anda.

URL dasar harus mengarah ke https://api.llmuncensoredapi.com/v1 untuk memastikan pengalihan yang benar.

Permintaan Penyelesaian Teks Dasar

Kirimkan permintaan POST sederhana untuk menghasilkan teks. Metode ini berfungsi untuk kasus penggunaan penyelesaian obrolan standar apa pun.

Model merespons dengan teks mentah, menghindari penolakan khas yang ditemukan di model lain.

Gunakan ID model uncensored untuk semua permintaan.

Berikut contoh dasar:

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"}]
  }'

Respons Streaming dengan SSE

Gunakan streaming untuk generasi token real-time. Ini ideal untuk antarmuka obrolan atau generasi konten teks panjang.

Atur stream: true dalam badan permintaan Anda.

API mengembalikan Server-Sent Events (SSE) saat token tersedia.

Pendekatan ini mengurangi latensi yang dirasakan bagi pengguna.

Contoh kode 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)

Pemanggilan Fungsi dan Penggunaan Alat

Aktifkan pemanggilan fungsi dengan mendefinisikan alat dalam permintaan Anda. Ini memungkinkan model menghasilkan JSON terstruktur untuk eksekusi eksternal.

Gunakan tool_choice untuk mengontrol kapan model memanggil fungsi.

Fitur ini sangat penting untuk alur kerja otomatisasi.

Contoh 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)

Mode JSON untuk Output Terstruktur

Paksa model untuk menghasilkan JSON valid menggunakan response_format parameter.

Atur response_format ke {"type": "json_object"}.

Ini memastikan parsing yang konsisten untuk aplikasi turunan.

Contoh 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);

Memahami Token dan Batas

Jendela konteks mendukung hingga 100.000 token total. Setiap permintaan dapat menghasilkan hingga 16.000 token.

Batas laju adalah 300 permintaan per menit per kunci.

Kesalahan mencakup 401 untuk kunci tidak valid, 402 untuk kredit tidak cukup, dan 429 untuk batas laju.

Kesalahan tidak menguras kredit prabayar Anda.