Szybki start: Zintegruj API bez cenzury

Wymagania wstępne: Instalacja SDK

Zainstaluj oficjalne SDK dla preferowanego języka, aby automatycznie obsługiwać serializację JSON i formatowanie żądań.

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

Te biblioteki abstrahują złożoność HTTP, pozwalając Ci skupić się na inżynierii promptów zamiast zarządzaniu nagłówkami. Podstawowy protokół pozostaje standardowym REST, zapewniając kompatybilność z dowolnym klientem kompatybilnym z OpenAI.

Uwierzytelnianie & konfiguracja URL bazowego

Wskaż klienta na nasz konkretny adres bazowy i wstrzyknij klucz API, aby ominąć standardowe filtry dostawcy.

Użyj https://api.llmwithoutrestrictionsonline.com/v1 jako swój bazowy adres URL. Uwierzytelnij się, przekazując swój klucz w Authorization: Bearer <key> Nagłówek. Ta konfiguracja zapewnia, że każde żądanie trafia bezpośrednio do punktu końcowego naszego modelu bez cenzury.

Żądanie Podstawowego Uzupełnienia Czat

Wyślij prosty prompt tekstowy, aby otrzymać niefiltrowaną odpowiedź za pomocą standardowego endpointu 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"}]
  }'

Odpowiedź zwraca surowy tekst bez moralizowania ani ostrzeżeń o treści. Konfiguracja ta działa do generowania kodu, pisania twórczego lub ekstrakcji danych, gdzie samoograniczanie się jest uciążliwe.

Włączanie Odpowiedzi Strumieniowych

Włącz strumieniowanie, aby otrzymywać tokeny sekwencyjnie, co zmniejsza postrzeganą latencję przy generowaniu długich treści.

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)

Strumieniowanie jest kluczowe dla interfejsów użytkownika wyświetlających tekst w czasie rzeczywistym. Ostatni fragment zawiera całkowite zużycie tokenów do celów rozliczeniowych. Ta metoda zachowuje nieseksurowaną naturę modelu, zapewniając jednocześnie płynne doświadczenie użytkownika.

Tryb JSON i wywoływanie funkcji

Wymuś dane strukturalne lub włącz użycie narzędzi, dostosowując response_format i tools parametry.

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);

Ustaw response_format: { type: "json_object" } dla spójnych zwrotów JSON. Wywoływanie funkcji pozwala modelowi na wykonywanie konkretnych akcji na podstawie struktury Twojego promptu. Ta elastyczność sprawia, że API nadaje się do złożonych przepływów automatyzacji.

Obsługa limitów tokenów & błędów

Monitoruj zużycie tokenów i obsługuj standardowe błędy HTTP, aby utrzymać niezawodną integrację API.

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)

Okno kontekstowe obsługuje 100,000 tokenów dla połączonego wejścia i wyjścia. Żądania przekraczające limit outputu 16,000 tokenów lub natrafiające na limity częstości zwrócą odpowiednie kody błędów. Śledź użycie poprzez ostatni fragment strumieniowania lub nagłówki odpowiedzi, aby skutecznie zarządzać kredytem z góry opłaconym.