Snelstart: integreer de ongecensureerde API

Vereisten: SDK-installatie

Installeer de officiële SDK voor uw voorkeurstaal om JSON-serialisatie en requestopmaak automatisch af te handelen.

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

Deze bibliotheken abstraheren de HTTP-complexiteit, zodat u zich kunt concentreren op prompt engineering in plaats van headerbeheer. Het onderliggende protocol blijft standaard REST, wat compatibiliteit garandeert met elke OpenAI-compatible client.

Authenticatie & basis-URL-configuratie

Wijs uw client naar onze specifieke base URL en injecteer uw API-sleutel om standaard providerfilters te omzeilen.

Gebruik https://api.llmwithoutrestrictionsonline.com/v1 als je basis-URL. Authenticeer door je sleutel door te geven in de Authorization: Bearer <key> header. Deze configuratie zorgt ervoor dat elk verzoek direct naar ons eindpunt voor het ongecensureerde model gaat.

Basis Chat Completion Request

Stuur een eenvoudige tekstprompt om een ongefilterd antwoord te ontvangen via het standaard chat-completions-eindpunt.

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"}]
  }'

De respons retourneert ruwe tekst zonder moraliseren of inhoudswaarschuwingen. Deze setup werkt voor codegeneratie, creatief schrijven of gegevensextractie waar zelfcensuur een last is.

Streaming-antwoorden inschakelen

Schakel streaming in om tokens sequentieel te ontvangen, wat de waargenomen latentie voor het genereren van lange inhoud vermindert.

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 is essentieel voor gebruikersinterfaces die tekst in real-time weergeven. Het laatste fragment bevat het totale tokenverbruik voor facturdoeleinden. Deze methode behoudt de ongefilterde aard van het model terwijl het een soepele gebruikerservaring biedt.

JSON-modus & Functaanroeping

Forceer gestructureerde uitvoer of schakel toolgebruik in door de response_format en tools parameters.

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);

Instellen response_format: { type: "json_object" } voor consistente JSON-returns. Function calling stelt het model in staat specifieke acties uit te voeren op basis van uw promptstructuur. Deze flexibiliteit maakt de API geschikt voor complexe automatiseringsworkflows.

Tokenlimieten & fouten verwerken

Monitor uw tokengebruik en verwerk standaard HTTP-fouten om een betrouwbare API-integratie te behouden.

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)

Het contextvenster ondersteunt 100.000 tokens voor gecombineerde input en output. Verzoeken die de 16.000 token-uitvoergrens overschrijden of tegen snelheidslimieten aanlopen, retourneren de juiste foutcodes. Volg het verbruik via de laatste streaming-chunk of responsheaders om je prepaid tegoed effectief te beheren.