Início rápido: integre a API sem censura

Pré-requisitos: Instalação do SDK

Instale o SDK oficial para sua linguagem para lidar com serialização JSON e formatação de solicitações automaticamente.

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

Essas bibliotecas abstraem a complexidade HTTP, permitindo que você se concentre na engenharia de prompts em vez do gerenciamento de cabeçalhos. O protocolo subjacente permanece REST padrão, garantindo compatibilidade com qualquer cliente compatível com OpenAI.

Autenticação & Configuração da URL Base

Aponte seu cliente para nossa URL base específica e insira sua chave de API para contornar os filtros padrão do provedor.

Usar https://api.llmwithoutrestrictionsonline.com/v1 como sua URL base. Autentique passando sua chave no Authorization: Bearer <key> cabeçalho. Esta configuração garante que cada solicitação direcione diretamente para o endpoint do nosso modelo sem censura.

Solicitação Básica de Conclusão de Chat

Envie um prompt de texto simples para receber uma resposta sem filtros usando o endpoint padrão de 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"}]
  }'

A resposta retorna texto puro sem moralização ou avisos de conteúdo. Esta configuração funciona para geração de código, escrita criativa ou extração de dados onde a autocensura é um incômodo.

Habilitando Respostas em Streaming

Ative o streaming para receber tokens sequencialmente, reduzindo a latência percebida na geração de conteúdo extenso.

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)

O streaming é essencial para interfaces de usuário que exibem texto em tempo real. O último fragmento inclui o uso total de tokens para fins de faturamento. Este método mantém a natureza sem filtro do modelo enquanto fornece uma experiência de usuário fluida.

Modo JSON e Chamada de Funções

Força saída estruturada ou habilite o uso de ferramentas ajustando o response_format e tools parâmetros.

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);

Definir response_format: { type: "json_object" } para retornos JSON consistentes. A chamada de funções permite que o modelo execute ações específicas com base na estrutura do seu prompt. Essa flexibilidade torna a API adequada para fluxos de trabalho de automação complexos.

Lidando com Limites de Tokens & Erros

Monitore o uso de tokens e lide com erros HTTP padrão para manter uma integração de API confiável.

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 janela de contexto suporta 100.000 tokens para entrada e saída combinadas. Solicitações que excedam o limite de saída de 16.000 tokens ou atinjam os limites de taxa retornarão códigos de erro apropriados. Rastreie o uso via último chunk de streaming ou cabeçalhos de resposta para gerenciar seu crédito pré-pago de forma eficaz.