Integra l'API LLM senza filtri

Prerequisiti e installazione dell'SDK

Installa l'SDK ufficiale per il tuo linguaggio preferito per comunicare con l'endpoint. Hai bisogno di Python 3.7+ o Node.js 18+ con una chiave API attiva. Le librerie client gestiscono la serializzazione e la logica di retry in modo automatico. Questo garantisce che la tua integrazione rimanga stabile sotto carichi di lavoro variabili.

Versioni richieste: Python openai>=1.0.0 o Node [email protected]. Questi pacchetti supportano le interfacce moderne di streaming e tool-calling.

Impostazione dell'URL di base

Indirizza il client SDK al nostro URL di base specifico per instradare correttamente il traffico. Questo garantisce che tu ti connetta al modello senza filtri invece che all'endpoint OpenAI predefinito. L'URL di base è https://api.iasenzacensura.com/v1.

Configura l'URL di base nel codice di inizializzazione del client. Questa singola modifica reindirizza tutte le chiamate successive alla nostra infrastruttura. Puoi verificare la connessione chiamando GET /v1/models e controllando la presenza del uncensored ID del modello.

Autenticazione con chiave API

Passa la tua chiave API in Authorization header per ogni richiesta. Utilizza il formato Bearer YOUR_API_KEY per autenticare la vostra identità. La chiave viene generata immediatamente dopo la registrazione con Google o email.

Tieni la tua chiave al sicuro. Essa garantisce l'accesso al tuo credito prepagato. Se perdi la chiave, generane una nuova dalla dashboard; la chiave vecchia diventa immediatamente non valida. Questo garantisce che il tuo saldo inutilizzato rimanga protetto da utilizzi non autorizzati.

Invio di una richiesta di completamento chat

Invia un POST richiesta a /v1/chat/completions con il tuo prompt e l'ID del modello. L'ID del modello è uncensored. Questo restituisce una risposta testuale senza rifiuti di contenuti per uso adulto lecito.

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"}]
  }'

La risposta include le statistiche sull'utilizzo dei token. I token di input costano $0.15 per milione; i token di output costano $0.50 per milione. Gli errori non consumano credito, proteggendo il tuo saldo durante le fasi di test.

Gestione delle risposte in streaming (SSE)

Abilita lo streaming impostando stream: true nel corpo della richiesta. Questo restituisce Server-Sent Events (SSE) per la consegna dei token in tempo reale. Ricevi token parziali man mano che vengono generati, riducendo significativamente la latenza percepita.

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)

Ogni chunk contiene testo parziale e dati sull'utilizzo. L'ultimo chunk include il conteggio totale dei token per la richiesta. Analizza questi eventi per aggiornare la tua UI in modo incrementale. Questo è ideale per le interfacce chat dove gli utenti si aspettano feedback immediato.

Configurazione di Parametri e Strumenti

Personalizza il comportamento di generazione utilizzando parametri standard come temperature, top_p, e stop. Imposta response_format a {"type": "json_object"} per output strutturato. Abilita il function calling passando un 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);

Questi parametri controllano casualità e struttura. Temperature più elevate aumentano la creatività; valori più bassi migliorano la precisione. Le definizioni degli strumenti consentono al modello di invocare funzioni esterne dinamicamente. Questo abilita flussi di lavoro complessi senza logica di parsing esterna.

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)