Integrer den upolstrede LLM API

Forudsætninger og SDK-installation

Installer den officielle SDK til dit foretrukne sprog for at kommunikere med endpointet. Du skal bruge Python 3.7+ eller Node.js 18+ med en aktiv API-nøgle. Klientbibliotekerne håndterer serialisering og retry-logik automatisk. Dette sikrer, at din integration forbliver stabil under varierende belastningsforhold.

Påkrævede versioner: Python openai>=1.0.0 eller Node [email protected]. Disse pakker understøtter de moderne streaming- og tool-calling-grænseflader.

Indstilling af Base URL

Peg din SDK-klient på vores specifikke base URL for at dirigere trafikken korrekt. Dette sikrer, at du opretter forbindelse til den ubegrænsede model frem for standard OpenAI-endpointet. Base URL'en er https://api.iasenzacensura.com/v1.

Konfigurer base-URL'en i din klientinitialiseringskode. Denne enkeltige ændring omdirigerer alle efterfølgende kald til vores infrastruktur. Du kan verificere forbindelsen ved at kalde GET /v1/models and checking for the uncensored model-ID.

Autentificering med API-nøgle

Indsend din API-nøgle i Authorization header til hver anmodning. Brug formatet Bearer YOUR_API_KEY til at autentificere din identitet. Nøglen genereres straks efter tilmelding med Google eller e-mail.

Hold din nøgle sikker. Den giver adgang til din forudbetalte kredit. Hvis du mister nøglen, skal du generere en ny fra dashboardet; den gamle nøgle bliver ugyldig øjeblikkeligt. Dette sikrer, at din ubrugte saldo forbliver beskyttet mod uautoriseret brug.

At sende en Chat Completion Request

Send en POST request til /v1/chat/completions med din prompt og model-ID. Model-ID'et er uncensored. Dette returnerer et tekstrespons uden indholdsafvisning for lovligt voksenbrug.

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"}]
  }'

Svaret inkluderer tokenforbrugsstatistikker. Inputtokens koster $0.15 per million; outputtokens koster $0.50 per million. Feil forbruger ikke kredit, hvilket beskytter din saldo under testfaser.

Håndtering af streamingrespons (SSE)

Aktivér streaming ved at indstille stream: true i din anmodningskrop. Dette returnerer Server-Sent Events (SSE) til realtids-tokenlevering. Du modtager delvise tokens, mens de genereres, hvilket reducerer den opfattede latens betydeligt.

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)

Hver chunk indeholder delvis tekst og forbrugsdata. Den sidste chunk indeholder det samlede tokenantal for forespørgslen. Parse disse events for at opdatere dit UI inkrementelt. Dette er ideelt til chatgrænseflader, hvor brugere forventer øjeblikkelig feedback.

Konfigurerer Parametre og Værktøjer

Tilpas genereringsadfærd ved hjælp af standardparametre som temperature, top_p, og stop. Indstil response_format til {"type": "json_object"} til struktureret output. Aktiver funktionskald ved at sende en tools array.

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);

Disse parametre styrer tilfældighed og struktur. Højere temperaturer øger kreativitet; lavere værdier forbedrer præcision. Værktøjsdefinitioner gør det muligt for modellen at kalde eksterne funktioner dynamisk. Dette muliggør komplekse workflows uden ekstern parsing-logik.

Streaming

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)