คู่มือเริ่มต้นอย่างรวดเร็ว

ข้อกำหนดเบื้องต้นและการติดตั้ง SDK

ติดตั้ง SDK ทางการสำหรับภาษาที่คุณต้องการก่อนทำการร้องขอใดๆ เพื่อให้แน่ใจว่าเข้ากันได้กับ URL พื้นฐานและ header การตรวจสอบสิทธิ์

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

ไลบรารีเหล่านี้จัดการการสื่อสาร HTTP และการแยกวิเคราะห์ JSON สำหรับคุณ

Authentication and Base URL Setup

กำหนดค่าไคลเอนต์ของคุณด้วย URL พื้นฐานเฉพาะและคีย์ API ส่วนตัวของคุณ สิ่งนี้จะกำหนดทิศทางการจราจรไปยังเครื่องจักรการอนุมานแบบไม่มีเซ็นเซอร์ของเรา แทนผู้ให้บริการมาตรฐาน

ตั้งค่าตัวแปรสภาพแวดล้อม OPENAI_API_KEY หรือส่งค่านี้โดยตรงในการเริ่มต้นไคลเอนต์ของคุณ

URL พื้นฐานต้องชี้ไปที่ https://api.llmuncensoredapi.com/v1 เพื่อให้แน่ใจว่าการเปลี่ยนเส้นทางที่เหมาะสม

คำขอการเสร็จสิ้นข้อความพื้นฐาน

ส่งคำขอ POST อย่างง่ายเพื่อสร้างข้อความ วิธีนี้ใช้งานได้กับกรณีการใช้งาน chat completion มาตรฐานใดๆ

โมเดลตอบสนองด้วยข้อความดิบ หลีกเลี่ยงการปฏิเสธทั่วไปที่พบในโมเดลอื่น

ใช้ ID ของโมเดล uncensored สำหรับคำขอทั้งหมด

นี่คือตัวอย่างพื้นฐาน:

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"}]
  }'

การตอบกลับแบบสตรีมมิ่งด้วย SSE

ใช้ streaming สำหรับการสร้าง token แบบเรียลไทม์ เหมาะสำหรับอินเทอร์เฟซแชทหรือการสร้างเนื้อหารูปแบบยาว

ตั้งค่า stream: true ในบอดีคำขอของคุณ

API ส่งคืนเหตุการณ์ที่ส่งโดยเซิร์ฟเวอร์ (SSE) เมื่อโทเค็นพร้อมใช้งาน

วิธีนี้ช่วยลดความล่าช้าที่ผู้ใช้รู้สึก

Example streaming code:

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 และการใช้งานเครื่องมือ

เปิดใช้งานการเรียกใช้ฟังก์ชันโดยกำหนดเครื่องมือในคำขอของคุณ ซึ่งอนุญาตให้โมเดลคืนค่า JSON ที่มีโครงสร้างสำหรับการเรียกใช้ภายนอก

ใช้ tool_choice เพื่อควบคุมเวลาที่จะเรียกฟังก์ชันโดยโมเดล

คุณสมบัตินี้มีความสำคัญสำหรับเวิร์กโฟลว์อัตโนมัติ

ตัวอย่าง 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)

โหมด JSON สำหรับผลลัพธ์ที่มีโครงสร้าง

บังคับให้โมเดลส่งออก JSON ที่ถูกต้องโดยใช้ response_format พารามิเตอร์

ตั้งค่า response_format เพื่อ {"type": "json_object"}.

สิ่งนี้ช่วยให้การแยกวิเคราะห์ข้อมูลเป็นไปอย่างสอดคล้องสำหรับแอปพลิเคชันที่ทำงานต่อ

ตัวอย่าง 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);

ทำความเข้าใจโทเค็นและขีดจำกัด

หน้าต่างบริบทรองรับได้สูงสุด 100,000 tokens รวมกัน แต่ละการเรียกสามารถสร้างผลลัพธ์ได้สูงสุด 16,000 tokens

อัตราจำกัดการเรียกใช้คือ 300 คำขอต่อนาทีต่อคีย์

ข้อผิดพลาดรวมถึง 401 สำหรับคีย์ไม่ถูกต้อง, 402 สำหรับเครดิตไม่เพียงพอ และ 429 สำหรับอัตราจำกัด

ข้อผิดพลาดไม่ใช้เครดิตที่เติมไว้ของคุณ