Hurtig start: Integrer uncensored LLM API

Base URL og autentificeringsopsætning

Peg din klient til vores dedikerede endpoint for at begynde kommunikation. Base URL er https://api.apillmopen.com/v1. Denne konfiguration fungerer med ethvert standard OpenAI SDK ved at opdatere base_url parameter og angiv din unikke API-nøgle. Du modtager denne nøgle øjeblikkeligt efter tilmelding med Google eller e-mail. Der kræves ingen telefonverifikation. Systemet håndhæver en streng grænse på én aktiv nøgle pr. konto. Generering af en ny nøgle gør automatisk den tidligere nøgle ugyldig. Dette forenkler adgangskontrol til din udviklingsarbejdsgang.

At sende din første chat completion request

Udfør en standard POST-anmodning til /v1/chat/completions til at generere tekst. Du skal angive model-ID'et som uncensored. Systemet accepterer standardparametre som temperature og top_p til at kontrollere tilfældighed. Din inputprompt behandles gennem vores hosted store sprogmodel. Resultater returneres som ren tekst uden unødvendig metadata-bloat. Denne direkte tilgang sikrer, at du kun betaler for faktiske inference-tokens brugt. Feil under behandlingen forbruger ikke din forudbetalte kredit. Dette gør testing meget økonomisk i de tidlige udviklingsfaser.

Integration af Python SDK

Brug det officielle Python-bibliotek til at interagere med endpointet sømløst. Konfigurer klienten med din base URL og API-nøgle. Biblioteket håndterer JSON-serialisering og HTTP-transport automatisk. Du kan sende en liste med beskeder, der definerer samtalehistorikken. Response-objektet giver nem adgang til det genererede indhold. Denne metode er ideel til backend-tjenester eller lokale scripts. Den reducerer boilerplate-kode betydeligt sammenlignet med rå HTTP-anmodninger. Du kan også angive specifikke parametre for finjusteret kontrol over output-stilen.

Node SDK-integration

Initialiser Node.js-klienten med dine legitimationsoplysninger og base-URL. SDK'ets asynkrone natur passer godt til moderne webservere. Du kan await completion-svaret direkte i dine route-handlere. Denne tilgang holder din kode ren og læselig. SDK'et håndterer connection pooling og retries effektivt. Du kan integrere dette i Express- eller Fastify-applikationer nemt. Det understøtter både streaming- og non-streaming-svar. Vælg den tilstand, der passer bedst til din applikationsarkitektur.

Aktivering af streaming og håndtering af token-brug

Aktivér streaming ved at indstille stream parameter til true. API'et returnerer data via Server-Sent Events (SSE). Hver chunk indeholder delvis tekst og metadata. Den sidste chunk indeholder det samlede tokenforbrug for anmodningen. Dette giver dig mulighed for at spore omkostninger i realtid. Streaming reducerer den opfattede latens for slutbrugere betydeligt. Du kan vise tekst, mens den genereres. Dette er afgørende for chatgrænseflader, hvor responsivitet er vigtig. SDK'erne håndterer begivenhedsparset for dig automatisk.

Kontekstvinduer, grænser og fejl

Modellen understøtter et kontekstvindue på 100.000 tokens til kombineret input og output. Du kan generere op til 16.000 tokens pr. forespørgsel. Hvis du udelader max_tokens, standardværdien er 2.048 tokens. Du er begrænset til 300 anmodninger i minuttet og otte samtidige anmodninger per nøgle. Størrelsen på request-bodyen skal holdes under 8 MB. Autentificeringsfejl returnerer en 401-statuskode. Utilstrækkelige midler udløser en 402-fejl. Rate limits resulterer i en 429-respons. Håndter disse koder elegant for at opretholde en jævn brugeroplevelse.

cURL

Copycurl https://api.apillmopen.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List dependencies for React 18."}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.apillmopen.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)

Node.js

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.apillmopen.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);

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)