Gyors bevezetés: Integálja az uncensored API-t

Előfeltételek: SDK telepítés

Telepítse a hivatalos SDK-t a választott nyelvhez a JSON szerializálás és a kérések formázásának automatikus kezeléséhez.

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

Ezek a könyvtárok elrejtik az HTTP bonyolultságát, így a prompt mérnökségre koncentrálhatsz a fejlécek kezelésének helyett. Az alapvető protokoll szabványos REST marad, biztosítva a kompatibilitást bármely OpenAI-kompatibilis klienssel.

Hitelesítés & Base URL konfiguráció

Irányítsd a kliensedet a saját base URL-re, és injektáld az API kulcsodat a szabványos szolgáltatói szűrők megkerüléséhez.

Használat https://api.llmwithoutrestrictionsonline.com/v1 alap URL-ként. Hitelesítsd a kéréseket a kulcsod átadásával a Authorization: Bearer <key> header. Ez a konfiguráció biztosítja, hogy minden kérés közvetlenül a cenzúrázatlan modell végpontunkra irányuljon.

Alap Chat Befejezés Kérés

Küldjön egy egyszerű szöveges promptot egy szűrés nélküli válasz fogadásához a szabványos chat-completions végpont használatával.

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"}]
  }'

A válasz morálozás vagy tartalmi figyelmeztetések nélküli nyers szöveget ad vissza. Ez a beállítás működik kódgeneráláshoz, kreatív íráshoz vagy adatkinyeréshez, ahol az önszűrés zavaró tényező.

A streamelő válaszok engedélyezése

A streamelés engedélyezésével sorosan fogadhatja a tokeneket, csökkentve a hosszú formátumú tartalomgenerálás észlelt késleltetését.

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)

A streamelés elengedhetetlen a valós idejű szöveg megjelenítését lehetővé tevő felhasználói felületekhez. Az utolsó rész tartalmazza a számlázási célokra szolgáló teljes token-felhasználást. Ez a módszer megőrzi a modell szűrő nélküli jellegét, miközben zökkenőmentes felhasználói élményt biztosít.

JSON mód és függvényhívás

Strukturált kimenet kényszerítése vagy eszközhívás engedélyezése az response_format és tools paraméterek.

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);

Beállítás response_format: { type: "json_object" } konzisztens JSON visszaadásokhoz. A funkcióhívás lehetővé teszi, hogy a modell specifikus műveleteket hajtson végre a prompt struktúrád alapján. Ez a rugalmasság miatt az API alkalmas komplex automatizálási munkafolyamatokhoz.

Tokenkorlátok és & hibák kezelése

Figyelje a tokenfelhasználást és kezelje a szabványos HTTP-hibákat a megbízható API-integráció fenntartása érdekében.

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)

A kontextusablak 100 000 token támogatását biztosítja a kombinált bemenet és kimenet esetén. A 16 000 token kimeneti korlátot meghaladó kérések vagy az ütemezési korlátok elérése esetén megfelelő hibakódok returnálódnak. Kövesse nyomon a felhasználást a végleges streamelési tömbön vagy a válasz fejléceken keresztül az előre fizetett hitel hatékony kezeléséhez.