Guia de Início Rápido

Pré-requisitos e Instalação do SDK

Instale o SDK oficial para sua linguagem antes de fazer qualquer solicitação. Isso garante compatibilidade com a URL base e os cabeçalhos de autenticação.

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

Essas bibliotecas lidam com a comunicação HTTP subjacente e a análise JSON para você.

Autenticação e Configuração da URL Base

Configure seu cliente com a URL base específica e sua chave de API exclusiva. Isso direciona o tráfego para nosso motor de inferência sem censura, em vez do provedor padrão.

Defina a variável de ambiente OPENAI_API_KEY ou passe diretamente na inicialização do seu cliente.

A URL base deve apontar para https://api.llmuncensoredapi.com/v1 para garantir o roteamento adequado.

Solicitação Básica de Conclusão de Texto

Envie uma solicitação POST simples para gerar texto. Este método funciona para qualquer caso de uso padrão de conclusão de chat.

O modelo responde com texto bruto, evitando as recusas típicas encontradas em outros modelos.

Use o ID do modelo uncensored para todas as solicitações.

Aqui está um exemplo básico:

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"}]
  }'

Respostas em Streaming com SSE

Use streaming para geração de tokens em tempo real. Isso é ideal para interfaces de chat ou geração de conteúdo de formato longo.

Definir stream: true no corpo da sua solicitação.

A API retorna Server-Sent Events (SSE) conforme os tokens ficam disponíveis.

Esta abordagem reduz a latência percebida para o usuário.

Código de streaming de exemplo:

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)

Chamada de Função e Uso de Ferramentas

Ativar chamada de funções definindo ferramentas na sua solicitação. Isso permite que o modelo gere JSON estruturado para execução externa.

Usar tool_choice para controlar quando o modelo chama uma função.

Este recurso é crítico para fluxos de trabalho de automação.

Exemplo em 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)

Modo JSON para Saída Estruturada

Força o modelo a gerar JSON válido usando o response_format parâmetro.

Definir response_format para {"type": "json_object"}.

Isso garante análise consistente para aplicações downstream.

Exemplo em 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);

Entendendo Tokens e Limites

A janela de contexto suporta até 100.000 tokens no total. Cada solicitação pode gerar até 16.000 tokens.

Os limites de taxa são de 300 solicitações por minuto por chave.

Erros incluem 401 para chaves inválidas, 402 para crédito insuficiente e 429 para limites de taxa.

Erros não consomem seu crédito pré-pago.