Integre a API LLM sem censura

Pré-requisitos e Instalação do SDK

Instale o SDK oficial para sua linguagem para se comunicar com o endpoint. Você precisa de Python 3.7+ ou Node.js 18+ com uma chave de API ativa. As bibliotecas do cliente lidam com serialização e lógica de retry automaticamente. Isso garante que sua integração permaneça estável sob condições de carga variáveis.

Versões obrigatórias: Python openai>=1.0.0 ou Node [email protected]. Estes pacotes suportam as interfaces modernas de streaming e chamada de ferramentas.

Definindo a URL Base

Aponte o cliente SDK para o nosso URL base específico para rotear o tráfego corretamente. Isso garante que você se conecte ao modelo sem censura em vez do endpoint padrão da OpenAI. O URL base é https://api.iasenzacensura.com/v1.

Configure a URL base no seu código de inicialização do cliente. Essa única alteração redireciona todas as chamadas subsequentes para nossa infraestrutura. Você pode verificar a conexão chamando GET /v1/models e verificando o uncensored ID do modelo.

Autenticação com chave de API

Envie sua chave de API no Authorization cabeçalho para cada solicitação. Use o formato Bearer YOUR_API_KEY para autenticar sua identidade. A chave é gerada imediatamente após o cadastro com Google ou e-mail.

Mantenha sua chave segura. Ela fornece acesso ao seu crédito pré-pago. Se você perder a chave, gere uma nova no painel; a chave antiga se tornará inválida imediatamente. Isso garante que seu saldo não utilizado permaneça protegido contra uso não autorizado.

Enviando uma Solicitação de Conclusão de Chat

Envie um POST solicitar para /v1/chat/completions com seu prompt e ID do modelo. O ID do modelo é uncensored. Isso retorna uma resposta de texto sem recusas de conteúdo para uso adulto lícito.

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"}]
  }'

A resposta inclui estatísticas de uso de tokens. Tokens de entrada custam $0.15 por milhão; tokens de saída custam $0.50 por milhão. Erros não consomem crédito, o que protege seu saldo durante as fases de teste.

Lidando com Respostas de Streaming (SSE)

Ative o streaming definindo stream: true no corpo da sua solicitação. Isso retorna Eventos Enviados pelo Servidor (SSE) para entrega de tokens em tempo real. Você recebe tokens parciais conforme são gerados, reduzindo significativamente a latência percebida.

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)

Cada chunk contém texto parcial e dados de uso. O último chunk inclui a contagem total de tokens para a solicitação. Analise esses eventos para atualizar sua interface do usuário incrementalmente. Isso é ideal para interfaces de chat onde os usuários esperam feedback imediato.

Configurando Parâmetros e Ferramentas

Personalize o comportamento de geração usando parâmetros padrão como temperature, top_p, e stop. Defina response_format para {"type": "json_object"} para saída estruturada. Habilite chamada de funções passando um 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);

Esses parâmetros controlam aleatoriedade e estrutura. Temperaturas mais altas aumentam a criatividade; valores mais baixos melhoram a precisão. As definições de ferramentas permitem que o modelo invoque funções externas dinamicamente. Isso permite fluxos de trabalho complexos sem lógica de análise externa.

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)