Kom igångsguide

Förutsättningar och SDK-installation

Installera det officiella SDK:t för ditt föredragna språk innan du gör några förfrågningar. Detta säkerställer kompatibilitet med bas-URL:n och autentiseringsheader-fälten.

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

Dessa bibliotek hanterar den underliggande HTTP-kommunikationen och JSON-parsing åt dig.

Autentisering och bas-URL-inställning

Konfigurera din klient med den specifika bas-URL:en och ditt unika API-nyckel. Detta styr trafik till vår obegränsade inferensmotor istället för den vanliga leverantören.

Ställ in miljövariabeln OPENAI_API_KEY eller ange den direkt i din klientinitialisering.

Den basala URL:en måste peka mot https://api.llmuncensoredapi.com/v1 för att säkerställa korrekt routning.

Grundläggande textkompletteringsbegäran

Skicka en enkel POST-förfrågan för att generera text. Denna metod fungerar för alla standardiserade chat-completion-användningsfall.

Modellen svarar med rå text och undviker de typiska avslag som finns i andra modeller.

Använd modell-ID:t uncensored för alla förfrågningar.

Här är ett grundläggande exempel:

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"}]
  }'

Strömningsresponser med SSE

Använd strömning för realtids token-generering. Detta är idealiskt för chattgränssnitt eller generering av långformat innehåll.

Ställ in stream: true i din förfrågningskropp.

API:et returnerar Server-Sent Events (SSE) när tokens blir tillgängliga.

Denna metod minskar den upplevda latensen för användaren.

Exempel på strömningskod:

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)

Funktionsanrop och verktygsanvändning

Aktivera funktionsanrop genom att definiera verktyg i din begäran. Detta gör att modellen kan returnera strukturerad JSON för extern körning.

Använd tool_choice för att styra när modellen anropar en funktion.

Denna funktion är kritisk för automatiseringsarbetsflöden.

Python-exempel:

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-läge för strukturerade utdata

Tvinga modellen att returnera giltig JSON med hjälp av response_format parameter.

Ställ in response_format för {"type": "json_object"}.

Detta säkerställer enhetlig parsing för nedströmsapplikationer.

Node.js-exempel:

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);

Förstå tokens och gränser

Kontextrutan stöder upp till 100 000 tokens totalt. Varje begäran kan mata ut upp till 16 000 tokens.

Begränsningsnivåer är 300 förfrågningar per minut per nyckel.

Fel inkluderar 401 för ogiltiga nycklar, 402 för otillräcklig kredit och 429 för frekvensbegränsning.

Fel äter inte upp ditt förbetala kredit.