Integrasi API LLM tanpa sensor

Prasyarat dan Pemasangan SDK

Pasang SDK rasmi untuk bahasa pilihan anda untuk berkomunikasi dengan hujung sambungan. Anda memerlukan Python 3.7+ atau Node.js 18+ dengan kunci API aktif. Perpustakaan klien mengendalikan serialisasi dan logik percubaan secara automatik. Ini memastikan integrasi anda kekal stabil di bawah keadaan beban yang berbeza.

Versi diperlukan: Python openai>=1.0.0 atau Node [email protected]. Pakej ini menyokong antara muka penstriman dan panggilan alat moden.

Menetapkan URL Asas

Arahkan klien SDK anda ke URL asas khusus kami untuk mengalihkan trafik dengan betul. Ini memastikan anda menyambung ke model tanpa sensor berbanding hujung OpenAI lalai. URL asas ialah https://api.iasenzacensura.com/v1.

Konfigurasikan URL asas dalam kod inisialisasi klien anda. Perubahan tunggal ini akan menyaharahkan semua panggilan seterusnya ke infrastruktur kami. Anda boleh mengesahkan sambungan dengan memanggil GET /v1/models dan memeriksa untuk uncensored ID model.

Pengesahan dengan Kunci API

Luluskan kunci API anda dalam Authorization header untuk setiap permintaan. Gunakan format Bearer YOUR_API_KEY untuk mengesahkan identiti anda. Kunci dijana serta-merta selepas mendaftar dengan Google atau e-mel.

Kekalkan kunci anda selamat. Ia memberikan akses kepada kredit pra-dibayar anda. Jika anda kehilangan kunci, jana kunci baru dari papan pemuka; kunci lama akan menjadi tidak sah serta-merta. Ini memastikan baki yang belum digunakan anda dilindungi daripada penggunaan tidak sah.

Menghantar Permintaan Penyiapan Sembang

Hantar satu POST permintaan ke /v1/chat/completions dengan prompt anda dan ID model. ID model adalah uncensored. Ini mengembalikan respons teks tanpa penolakan kandungan untuk penggunaan dewasa yang sah.

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"}]
  }'

Respons termasuk statistik penggunaan token. Token input berharga $0.15 per juta; token output berharga $0.50 per juta. Ralat tidak menelan kredit, yang melindungi baki anda semasa fasa pengujian.

Mengendalikan Respons Aliran (SSE)

Aktifkan aliran dengan menetapkan stream: true dalam badan permintaan anda. Ini mengembalikan Acara yang Dihantar Pelayan (SSE) untuk penghantaran token masa nyata. Anda menerima token separa semasa ia dijana, mengurangkan latensi yang dirasakan dengan ketara.

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)

Setiap chunk mengandungi teks separa dan data penggunaan. Chunk terakhir termasuk jumlah token keseluruhan untuk permintaan tersebut. Uraikan acara-acara ini untuk mengemas kini UI anda secara berperingkat. Ini sangat sesuai untuk antara muka chat di mana pengguna menjangkakan maklum balas serta-merta.

Mengkonfigurasi Parameter dan Alat

Sesuaikan tingkah laku penjanaan menggunakan parameter piawai seperti temperature, top_p, dan stop. Tetapkan response_format ke {"type": "json_object"} untuk output terstruktur. Aktifkan panggilan fungsi dengan menghantar a 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);

Parameter ini mengawal kebarangkalian dan struktur. Suhu yang lebih tinggi meningkatkan kreativiti; nilai yang lebih rendah meningkatkan ketepatan. Definisi alat membolehkan model memanggil fungsi luaran secara dinamik. Ini membolehkan aliran kerja kompleks tanpa logik penguraian luaran.

Aliran

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)