Integrujte API LLM bez omezení

Požadavky a instalace SDK

Nainstalujte oficiální SDK pro preferovaný jazyk pro komunikaci s endpointem. Potřebujete Python 3.7+ nebo Node.js 18+ s aktivním API klíčem. Klientské knihovny automaticky zpracovávají serializaci a logiku opakování. To zajišťuje stabilitu vaší integrace za různých podmínek zatížení.

Požadované verze: Python openai>=1.0.0 nebo Node [email protected]. Tyto balíčky podporují moderní rozhraní pro streamování a volání nástrojů.

Nastavení Base URL

Nasměrujte klienta SDK na naši konkrétní základní URL pro správné směrování provozu. Tím zajistíte připojení k modelu bez omezení místo na výchozí endpoint OpenAI. Základní URL je https://api.iasenzacensura.com/v1.

Nakonfigurujte základní URL v kódu pro inicializaci klienta. Tato jediná změna přesměruje všechny následující volání na naši infrastrukturu. Připojení můžete ověřit voláním GET /v1/models a kontrolovat výskyt uncensored ID modelu.

Ověření pomocí API klíče

Předložte svůj API klíč v Authorization hlavička pro každý požadavek. Použijte formát Bearer YOUR_API_KEY k ověření vaší identity. Klíč je vygenerován ihned po registraci přes Google nebo e-mail.

"Chraňte svůj klíč. Poskytuje přístup k vašemu předplacenému kreditu. Pokud klíč ztratíte, vygenerujte nový z ovládacího panelu; starý klíč se stane neplatným okamžitě. To zajišťuje, že váš nepoužitý zůstatek zůstává chráněn před neoprávněným používáním."

Odesílání požadavku na dokončení chatu

Odeslat POST požadavek na /v1/chat/completions vaším podnětem a ID modelu. ID modelu je uncensored.Tohle vrací textovou odpověď bez vyhazování obsahu pro legální použití pro dospělé.

Copycurl https://api.iasenzacensura.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the top 5 Python web frameworks"}]
  }'

Odpověď zahrnuje statistiky využití tokenů. Vstupní tokeny stojí $0.15 za milion; výstupní tokeny stojí $0.50 za milion. Chyby nespotřebovávají kredit, což chrání váš zůstatek během fází testování.

Zvládání streamovaných odpovědí (SSE)

Povolte streamování nastavením stream: true ve vašem těle požadavku. Toto vrací události odeslané serverem (SSE) pro doručování tokenů v reálném čase. Částečné tokeny přijímáte, jak jsou generovány, což výrazně snižuje vnímanou latenci.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.iasenzacensura.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)

Každý chunk obsahuje částečný text a data o využití. Poslední chunk obsahuje celkový počet tokenů pro požadavek. Parsovejte tyto události a postupně aktualizujte uživatelské rozhraní. To je ideální pro chatová rozhraní, kde uživatelé očekávají okamžitou zpětnou vazbu.

Konfigurace parametrů a nástrojů

Přizpůsobte chování generování pomocí standardních parametrů jako temperature, top_p, a stop. Nastavte response_format na {"type": "json_object"} pro strukturovaný výstup. Povolte volání funkcí předáním tools pole.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.iasenzacensura.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);

Tyto parametry ovládají náhodnost a strukturu. Vyšší teploty zvyšují kreativitu; nižší hodnoty zlepšují přesnost. Definice nástrojů umožňují modelu dynamicky volat externí funkce. To umožňuje složité pracovní postupy bez externí logiky pro parsování.

Streamování

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)