Szybki start z API bez cenzury

Bazowy URL i autoryzacja

Zacznij od wskazania swojego SDK lub klienta HTTP na bazowy adres URL https://api.uncensoredllmmodels.com/v1. Potrzebujesz ważnego klucza API wysłanego w Authorization nagłówek jako token Bearer. Utwórz konto za pomocą Google lub e-maila, a system wyświetli Twój klucz natychmiast. Jeden aktywny klucz na konto upraszcza rotację bez skomplikowanych konfiguracji proxy.

Copycurl https://api.uncensoredllmmodels.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a list of 5 Python libraries for async web scraping"}]
  }'

Pierwsze żądanie przez endpoint completion czatu

Wyślij żądanie POST do /v1/chat/completions z identyfikatorem modelu ustawionym na uncensored. Punkt końcowy akceptuje standardowe struktury ładunków OpenAI dla interakcji tekst-wejście, tekst-wyjście. Możesz określić max_tokens kontrolować długość wyjścia, domyślnie 2,048, jeśli pominięte. Model odpowiada wygenerowanym tekstem bez stosowania typowych odmów bezpieczeństwa dla legalnych treści dla dorosłych.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.uncensoredllmmodels.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)

Zweryfikuj endpoint swojego modelu

Użyj GET /v1/models endpoint do potwierdzenia łączności i wyświetlenia dostępnych modeli. Zwraca metadane dotyczące modelu uncensored, zapewniając poprawną konfigurację klienta. Jest to szybkie sprawdzenie poprawności przed integracją API z potokami automatyzacji. Ten konkretny endpoint nie obsługuje innych modeli.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.uncensoredllmmodels.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);

Wywoływanie funkcji i tryb JSON

API obsługuje definicje narzędzi i tryb JSON za pomocą response_format. Możesz wymusić uporządkowane dane wyjściowe za pomocą {"type": "json_object"} dla niezawidego parsowania w Twoim kodzie. Wywoływanie funkcji pozwala modelowi zwracać dane strukturalne do zadań automatyzacji. Eliminuje to potrzebę post-przetwarzania hacków regex na surowych wyjściach tekstowych.

Strumieniowanie odpowiedzi i zużycie tokenów

Włącz strumieniowanie, ustawiając stream: true w Twoim żądaniu. API wysyła fragmenty zdarzeń wysłanych przez serwer (SSE) w miarę generowania tekstu przez model. Statystyki użycia tokenów pojawiają się w ostatnim fragmencie strumienia. Pozwala to Twojej aplikacji na śledzenie kosztów i zużycia okna kontekstowego w czasie rzeczywistym.

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)

Limity szybkości, błędy i okno kontekstowe

Każdy klucz pozwala na 300 żądań na minutę i osiem żądań równoczesnych. Okno kontekstowe obsługuje łącznie 100,000 tokenów, z maksymalną ilością wyjściową 16,000 tokenów. Błędy obejmują 401 dla nieprawidłowych kluczy i 402, jeśli wyczerpane zostaną kredyty z góry. Żądania poniżej 8 MB są akceptowane. Odrzucenia z powodu polityki treści są rzadkie, ale dotyczą drobnych treści o charakterze seksualnym.