क्विकस्टार्ट: अनसेंसर्ड API इंटीग्रेट करें

आवश्यकताएँ: SDK इंस्टॉलेशन

JSON सिरियलाइज़ेशन और अनुरूप प्रारूपण को स्वचालित रूप से संभालने के लिए अपनी पसंदीदा भाषा के लिए आधिकारिक SDK इंस्टॉल करें।

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

ये लाइब्रेरी HTTP जटिलता को अमूर्त करती हैं, जिससे आप हेडर प्रबंधन के बजाय प्रॉम्प्ट इंजीनियरिंग पर ध्यान केंद्रित कर सकते हैं। अंतर्निहित प्रोटोकॉल मानक REST रहता है, जो किसी भी OpenAI-कम्पैटिबल क्लाइंट के साथ संगतता सुनिश्चित करता है।

प्रमाणीकरण और बेस यूआरएल कॉन्फ़िगरेशन

अपने क्लाइंट को हमारे विशिष्ट बेस यूआरएल की ओर निर्देशित करें और मानक प्रदाता फ़िल्टर्स को बायपास करने के लिए अपनी API कुंजी इंजेक्ट करें।

उपयोग करें https://api.llmwithoutrestrictionsonline.com/v1 अपने बेस URL के रूप में। प्रमाणीकरण द्वारा Authorization: Bearer <key> हेडर। यह कॉन्फ़िगरेशन सुनिश्चित करता है कि हर अनुरोध सीधे हमारे अनसेंसर्ड मॉडल एंडपॉइंट पर टारगेट हो।

बेस चैट कंप्लीशन रिक्वेस्ट

एक सरल टेक्स्ट प्रॉम्पट भेजें और मानक chat-completions एंडपॉइंट का उपयोग करके बिना किसी फ़िल्टर के प्रतिक्रिया प्राप्त करें।

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"}]
  }'

प्रतिक्रिया बिना नैतिकता या सामग्री चेतावनियों के कच्चा टेक्स्ट लौटाती है। यह सेटअप कोड जनरेशन, रचनात्मक लेखन या डेटा एक्सट्रैक्शन के लिए काम करता है जहां आत्म-महसूस करना एक परेशानी है।

स्ट्रीमिंग प्रतिक्रियाएं सक्षम करना

स्ट्रीमिंग को सक्षम करें ताकि टोकन क्रमिक रूप से प्राप्त हो सकें, जिससे लंबी सामग्री जनरेशन के लिए प्रतीत होने वाली विलंबता कम हो।

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)

रियल-टाइम में टेक्स्ट दिखाने वाले यूजर इंटरफेस के लिए स्ट्रीमिंग आवश्यक है। अंतिम चंक में बिलिंग उद्देश्यों के लिए कुल टोकन यूसेज शामिल होता है। यह विधि मॉडल की अनफिल्टर्ड प्रकृति को बनाए रखते हुए एक स्मूथ यूजर एक्सपीरियंस प्रदान करती है।

JSON मोड और फंक्शन कॉलिंग

संरचित आउटपुट फ़ोर्स करें या टूल उपयोग सक्षम करें, समायोजित करके response_format और tools पैरामीटर।

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);

सेट करें response_format: { type: "json_object" } संगत JSON रिटर्न्स के लिए। फ़ंक्शन कॉलिंग मॉडल को आपके पॉम्प्ट स्ट्रक्चर के आधार पर विशिष्ट एक्शन्स निष्पादित करने की अनुमति देती है। यह लचीलापन API को जटिल स्वचालन वर्कफ़्लो के लिए उपयुक्त बनाता है।

टोकन लिमिट्स और  एरर्स हैंडल करना

अपनी टोकन खपत और मानक HTTP त्रुटियों की निगरानी करें ताकि विश्वसनीय API एकीकरण बनाए रखा जा सके।

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)

संदर्भ विंडो संयुक्त इनपुट और आउटपुट के लिए 100,000 टोकन का समर्थन करती है। 16,000 टोकन आउटपुट सीमा से अधिक या रेट लिमिट्स पर पहुंचने वाले अनुरोध उचित त्रुटि कोड लौटाएंगे। उपयोग को अंतिम स्ट्रीमिंग चंक या रिस्पॉन्स हेडर्स के माध्यम से ट्रैक करें ताकि आप अपने प्रीपेड क्रेडिट का प्रभावी प्रबंधन कर सकें।