Zintegruj API LLM bez cenzury

Wymagania wstępne i instalacja SDK

Zainstaluj oficjalne SDK dla preferowanego języka, aby komunikować się z punktem końcowym. Potrzebujesz Pythona 3.7+ lub Node.js 18+ oraz aktywnego klucza API. Biblioteki klienta automatycznie obsługują serializację i logikę ponawiania. Zapewnia to stabilność integracji przy zmiennych obciążeniach.

Wymagane wersje: Python openai>=1.0.0 lub Node [email protected]. Te pakiety obsługują nowoczesne interfejsy strumieniowania i wywoływania narzędzi.

Ustawianie adresu URL bazowego

Wskaż klienta SDK na nasz konkretny adres bazowy, aby prawidłowo kierować ruch. Zapewnia to połączenie z nieograniczonym modelem zamiast domyślnego punktu końcowego OpenAI. Adres bazowy to https://api.iasenzacensura.com/v1.

Skonfiguruj podstawowy adres URL w kodzie inicjalizacji klienta. Ta pojedyncza zmiana przekierowuje wszystkie kolejne wywołania do naszej infrastruktury. Możesz zweryfikować połączenie, wykonując wywołanie GET /v1/models i sprawdzając uncensored ID modelu.

Uwierzytelnianie kluczem API

Przekaż swój klucz API w Authorization nagłówek dla każdego żądania. Użyj formatu Bearer YOUR_API_KEY do uwierzytelniania Twojej tożsamości. Klucz jest generowany natychmiast po rejestracji za pomocą Google lub e-maila.

Chroń swój klucz. Zapewnia dostęp do Twojego kredytu z góry. Jeśli zgubisz klucz, wygeneruj nowy z panelu; stary klucz staje się nieprawidłowy natychmiast. Zapewnia to, że Twoje niewykorzystane saldo pozostaje chronione przed nieautoryzowanym użyciem.

Wysyłanie żądania Chat Completion

Wyślij POST żądanie do /v1/chat/completions z Twoim promptem i ID modelu. ID modelu to uncensoredTo zwraca odpowiedź tekstową bez odrzucania treści dla legalnego użytku dla dorosłych.

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"}]
  }'

Odpowiedź zawiera statystyki użycia tokenów. Tokeny wejściowe kosztują $0.15 za milion; tokeny wyjściowe kosztują $0.50 za milion. Błędy nie zużywają kredytu, co chroni Twoje saldo podczas faz testowych.

Obsługa odpowiedzi strumieniowych (SSE)

Włącz strumieniowanie, ustawiając stream: true w ciele żądania. To zwraca zdarzenia wysłane przez serwer (SSE) dla dostarczania tokenów w czasie rzeczywistym. Otrzymujesz częściowe tokeny w miarę ich generowania, co znacząco redukuje postrzeganą opóźnienie.

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)

Każdy chunk zawiera częściowy tekst i dane o zużyciu. Ostatni chunk zawiera całkowitą liczbę tokenów dla żądania. Parsuj te zdarzenia, aby inkrementalnie aktualizować interfejs użytkownika. Jest to idealne dla interfejsów czatu, gdzie użytkownicy oczekują natychmiastowej informacji zwrotnej.

Konfigurowanie parametrów i narzędzi

Dostosuj zachowanie generowania za pomocą standardowych parametrów takich jak temperature, top_p, a także stop. Ustaw response_format do {"type": "json_object"} do wyjścia strukturalnego. Włącz wywoływanie funkcji, przekazując tools tablicę.

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);

Te parametry kontrolują losowość i strukturę. Wyższe temperatury zwiększają kreatywność; niższe wartości poprawiają precyzję. Definicje narzędzi pozwalają modelowi na dynamiczne wywoływanie funkcji zewnętrznych. Umożliwia to złożone przepływy pracy bez zewnętrznej logiki parsowania.

Strumieniowanie

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)