Snabbstart: Integrera Uncensored API:t

Förutsättningar: SDK-installation

Installera det officiella SDK:t för ditt föredragna språk för att hantera JSON-serialisering och begäransformatering automatiskt.

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

Dessa bibliotek abstraherar HTTP-komplexiteten, vilket gör att du kan fokusera på prompt-engineering snarare än hantering av huvuden. Den underliggande protokollet förblir standard REST, vilket säkerställer kompatibilitet med alla OpenAI-kompatibla klienter.

Autentisering & bas-URL-konfiguration

Peka din klient mot vår specifika bas-URL och infoga din API-nyckel för att kringgå standardleverantörernas filter.

Använd https://api.llmwithoutrestrictionsonline.com/v1 som din bas-URL. Autentisera genom att skicka din nyckel i Authorization: Bearer <key> header. Denna konfiguration säkerställer att varje begäran riktar sig direkt till vår obegränsade modellslutpunkt.

Grundläggande chattkompletteringsbegäran

Skicka en enkel textprompt för att få ett ofiltrerat svar via standard chat-completions-slutpunkten.

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"}]
  }'

Svaret returnerar rå text utan moralisering eller innehållsvarningar. Denna konfiguration fungerar för kodgenerering, kreativt skrivande eller dataextraktion där självcensur är ett hinder.

Aktiverar strömmingsresponser

Aktivera streaming för att ta emot tokens sekventiellt, vilket minskar den upplevda latensen för generering av långt innehåll.

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)

Strömning är avgörande för användargränssnitt som visar text i realtid. Den sista biten innehåller total tokenanvändning för faktureringsändamål. Denna metod upprätthåller modellens ofiltrerade natur samtidigt som den ger en smidig användarupplevelse.

JSON-läge & funktionsanrop

Tvinga strukturerad utdata eller aktivera verktygsanvändning genom att justera response_format och tools parametrar.

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);

Ställ in response_format: { type: "json_object" } för konsekventa JSON-svar. Funktionsanrop låter modellen utföra specifika åtgärder baserat på din promptstruktur. Denna flexibilitet gör API:et lämpligt för komplexa automatiseringsarbetsflöden.

Hantering av tokenbegränsningar & fel

Övervaka din tokenförbrukning och hantera standard HTTP-fel för att upprätthålla en pålitlig API-integration.

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)

Kontextrutan stöder 100 000 tokens för kombinerad inmatning och utmatning. Begäranden som överskrider 16 000 tokens utmatningsgräns eller träffar hastighetsbegränsningar returnerar lämpliga felkoder. Spåra användningen via den sista strömningschunken eller responsheader för att hantera ditt förbetalda kredit effektivt.