Hurtig start: Integrer Uncensored API

Forudsætninger: SDK-installation

Installer den officielle SDK til dit foretrukne sprog for automatisk at håndtere JSON-serialisering og anmodningsformatering.

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

Disse biblioteker abstraherer HTTP-kompleksiteten, så du kan fokusere på prompt engineering i stedet for header-håndtering. Den underliggende protokol forbliver standard REST, hvilket sikrer kompatibilitet med enhver OpenAI-kompatibel klient.

Autentificering & Base URL-konfiguration

Peg din klient mod vores specifikke base URL og indsprøjt din API-nøgle for at omgå standard leverandørfiltere.

Brug https://api.llmwithoutrestrictionsonline.com/v1 som din base URL. Autentificer ved at overføre din nøgle i Authorization: Bearer <key> header. Denne konfiguration sikrer, at hver anmodning rettes direkte mod vores uncensored model-endpoint.

Basic Chat Completion Request

Send en simpel tekstprompt for at modtage et ufiltreret svar ved hjælp af standard chat-completions-endpointet.

Copycurl https://api.llmwithoutrestrictionsonline.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List three linux commands to delete log files"}]
  }'

Svaret returnerer rå tekst uden moralisering eller indholdsadvarsler. Denne opsætning fungerer til kodegenerering, kreativ skrivning eller dataudtræk, hvor selvcensur er et besvær.

Aktivering af Streaming-svar

Aktiver streaming for at modtage tokens sekventielt, hvilket reducerer den opfattede latens for generering af langt indhold.

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)

Streaming er essentiel til brugergrænseflader, der viser tekst i realtid. Det sidste stykke indeholder det samlede tokenforbrug til faktureringsformål. Denne metode opretholder modellens ufiltrerede natur, mens den giver en jævn brugeroplevelse.

JSON-tilstand & funktionskald

Tving struktureret output eller aktiver værktøjsbrug ved at justere response_format og tools parametre.

Copyimport OpenAI from "openai";

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

Indstil response_format: { type: "json_object" } for konsistente JSON-tilbagekaldelser. Function calling giver modellen mulighed for at udføre specifikke handlinger baseret på din prompt-struktur. Denne fleksibilitet gør API'en velegnet til komplekse automatiseringsarbejdsgange.

Håndtering af tokenbegrænsninger & fejl

Overvåg dit tokenforbrug og håndter standard HTTP-fejl for at opretholde en pålidelig API-integration.

Copyfrom openai import OpenAI

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

Kontekstvinduet understøtter 100.000 tokens til input og output kombineret. Anmodninger, der overstiger 16.000 token output-grænsen eller rammer rate limits, returnerer passende fejlkoder. Sporer forbrug via den sidste streaming-chunk eller response headers for at håndtere din forudbetalte kredit effektivt.