Avvio rapido: Integra l'API senza filtri

Prerequisiti: installazione dell'SDK

Installa l'SDK ufficiale per il tuo linguaggio preferito per gestire la serializzazione JSON e la formattazione delle richieste in modo automatico.

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

Queste librerie astraggono la complessità HTTP, permettendoti di concentrarti sull'ingegneria dei prompt piuttosto che sulla gestione delle intestazioni. Il protocollo sottostante rimane REST standard, garantendo la compatibilità con qualsiasi client compatibile con OpenAI.

Autenticazione & Configurazione URL di Base

Indirizza il tuo client al nostro URL base specifico e inietta la tua chiave API per bypassare i filtri del fornitore standard.

Usa https://api.llmwithoutrestrictionsonline.com/v1 come tuo URL di base. Autenticati passando la tua chiave in Authorization: Bearer <key> header. Questa configurazione garantisce che ogni richiesta miri direttamente all'endpoint del modello uncensored.

Richiesta Completamento Chat Base

Invia un semplice prompt testuale per ricevere una risposta senza filtri utilizzando l'endpoint standard chat-completions.

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"}]
  }'

La risposta restituisce testo grezzo senza moralizzazioni o avvisi di contenuto. Questa configurazione funziona per la generazione di codice, la scrittura creativa o l'estrazione di dati dove l'auto-censura è un fastidio.

Abilitazione delle Risposte in Streaming

Abilita lo streaming per ricevere i token in sequenza, riducendo la latenza percepita per la generazione di contenuti di lunga durata.

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)

Lo streaming è essenziale per le interfacce utente che visualizzano il testo in tempo reale. L'ultimo blocco include l'utilizzo totale dei token per scopi di fatturazione. Questo metodo mantiene la natura non filtrata del modello fornendo al contempo un'esperienza utente fluida.

Modalità JSON e chiamata di funzioni

Forza un output strutturato o abilita l'uso degli strumenti regolando il response_format e tools parametri.

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);

Imposta response_format: { type: "json_object" } per restituzioni JSON coerenti. Il function calling permette al modello di eseguire azioni specifiche in base alla struttura del tuo prompt. Questa flessibilità rende l'API adatta a flussi di lavoro di automazione complessi.

Gestione dei limiti dei token & errori

Monitora l'utilizzo dei token e gestisci gli errori HTTP standard per mantenere un'integrazione API affidabile.

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)

La finestra di contesto supporta 100.000 token per input e output combinati. Le richieste che superano il limite di output di 16.000 token o che raggiungono i limiti di frequenza restituiranno codici di errore appropriati. Monitora l'utilizzo tramite l'ultimo chunk di streaming o le intestazioni di risposta per gestire efficacemente il tuo credito prepagato.