Руководство по быстрому старту

Предварительные требования и установка SDK

Установите официальный SDK для предпочитаемого языка перед отправкой любых запросов. Это обеспечивает совместимость с базовым URL и заголовками аутентификации.

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

Эти библиотеки обрабатывают за собой базовую HTTP-коммуникацию и парсинг JSON.

Аутентификация и установка базового URL

Настройте клиент, указав базовый URL и свой уникальный API-ключ. Это направит трафик на наш движок инференса без ограничений, а не на стандартного провайдера.

Установите переменную окружения OPENAI_API_KEY или передать его напрямую при инициализации клиента.

Базовый URL должен указывать на https://api.llmuncensoredapi.com/v1 для обеспечения правильной маршрутизации.

Запрос на базовое завершение текста

Отправьте простой POST-запрос для генерации текста. Этот метод подходит для любого стандартного варианта использования завершения чата.

Модель отвечает сырым текстом, избегая типичных отказов, характерных для других моделей.

Используйте ID модели uncensored для всех запросов.

Базовый пример:

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"}]
  }'

Потоковые ответы с SSE

Используйте потоковую передачу для генерации токенов в реальном времени. Это идеально подходит для чат-интерфейсов или генерации длинных текстов.

Установить stream: true в тело запроса.

API возвращает Server-Sent Events (SSE) по мере появления токенов.

Этот подход снижает воспринимаемую задержку для пользователя.

Пример кода потоковой передачи:

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)

Function Calling и использование инструментов

Включите вызов функций, определив инструменты в вашем запросе. Это позволяет модели выводить структурированный JSON для внешнего выполнения.

Использовать tool_choice для управления вызовом функции моделью.

Эта функция критически важна для рабочих процессов автоматизации.

Пример на 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)

Режим JSON для структурированного вывода

Принудительно заставляйте модель выводить корректный JSON с помощью response_format параметр.

Установить response_format для {"type": "json_object"}.

Это обеспечивает единообразное разделение данных для последующих приложений.

Пример 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);

Понимание токенов и ограничений

Окно контекста поддерживает до 100 000 токенов в общей сложности. Каждый запрос может выводить до 16 000 токенов.

Лимиты составляют 300 запросов в минуту на ключ.

К ошибкам относятся 401 для неверных ключей, 402 для недостаточного количества кредитов и 429 для превышения лимитов запросов.

Ошибки не списывают средства с вашего предоплаченного кредита.