شروع سریع: ادغام API LLM بدون سانسور

تنظیم احراز هویت URL پایه

مشتری خود را به نقطه پایانی اختصاصی ما هدایت کنید تا ارتباط را شروع کنید. URL پایه https://api.apillmopen.com/v1. این پیکربندی با هر SDK استاندارد OpenAI با به‌روزرسانی base_url پارامتر و کلید API منحصر‌به‌فرد خود را ارائه دهید. این کلید را بلافاصله پس از ثبت‌نام با حساب گوگل یا ایمیل دریافت می‌کنید. نیازی به تأیید شماره تلفن نیست. سیستم محدودیت دقیقی از یک کلید فعال برای هر حساب اعمال می‌کند. تولید یک کلید جدید به‌طور خودکار کلید قبلی را نامعتبر می‌کند. این کار کنترل دسترسی را برای جریان کاری توسعه شما ساده می‌سازد.

ارسال اولین درخواست تکمیل چت شما

یک درخواست POST استاندارد به /v1/chat/completions برای تولید متن. باید شناسه مدل را به عنوان uncensored. سیستم پارامترهای استاندارد مانند temperature و top_p برای کنترل تصادفی‌سازی. پرامپت ورودی شما از طریق مدل زبانی بزرگ میزبانی شده ما پردازش می‌شود. نتایج به صورت متن خالص بدون تورم متاداده غیرضروری بازمی‌گردند. این رویکرد مستقیم تضمین می‌کند که شما فقط برای توکن‌های استنتاج واقعی استفاده شده پرداخت می‌کنید. خطاها در حین پردازش اعتبار پیش‌پرداخت شما را مصرف نمی‌کنند. این باعث می‌شود تست در مراحل اولیه توسعه بسیار مقرون‌به‌صرفه باشد.

یکپارچه‌سازی SDK پایتون

از کتابخانه رسمی پایتون برای تعامل بی‌درنگ با نقطه پایانی استفاده کنید. کلاینت را با URL پایه و کلید API خود پیکربندی کنید. کتابخانه سریال‌سازی JSON و انتقال HTTP را به‌طور خودکار مدیریت می‌کند. می‌توانید یک لیست از پیام‌ها را برای تعریف تاریخچه گفتگو ارسال کنید. شیء پاسخ دسترسی آسانی به محتوای تولیدشده فراهم می‌کند. این روش برای سرویس‌های بک‌اند یا اسکریپت‌های محلی ایده‌آل است. این روش کدهای اضافی را به‌طور قابل‌توجهی نسبت به درخواست‌های HTTP خام کاهش می‌دهد. همچنین می‌توانید پارامترهای خاصی را برای کنترل دقیق‌تر سبک خروجی تنظیم کنید.

یکپارچه‌سازی Node SDK

کلاینت Node.js را با اعتبارنامه‌ها و URL پایه خود مقداردهی اولیه کنید. ماهیت ناهمزمان SDK با سرورهای وب مدرن همخوانی خوبی دارد. می‌توانید پاسخ تکمیل را مستقیماً در هندلرهای مسیر خود await کنید. این رویکرد کد شما را تمیز و خوانا نگه می‌دارد. SDK مدیریت پویایی اتصال و تلاش مجدد را به‌طور کارآمد انجام می‌دهد. می‌توانید آن را به راحتی در برنامه‌های Express یا Fastify ادغام کنید. از پاسخ‌های جریان‌دار و غیرجریان‌دار پشتیبانی می‌کند. مدی را انتخاب کنید که بهترین تناسب را با معماری برنامه شما دارد.

فعال‌سازی پخش زنده و مدیریت مصرف توکن

با تنظیم stream پارامتر را true تنظیم کنید. API داده‌ها را از طریق رویدادهای ارسال‌شده توسط سرور (SSE) برمی‌گرداند. هر قطعه حاوی متن ناقص و متادیتا است. قطعه نهایی شامل کل مصرف توکن برای درخواست است. این به شما امکان می‌دهد هزینه‌ها را به‌صورت بلادرنگ ردیابی کنید. پخش زنده تأخیر ادراک‌شده را برای کاربران نهایی به‌طور قابل‌توجهی کاهش می‌دهد. می‌توانید متن را همان‌طور که تولید می‌شود نمایش دهید. این برای رابط‌های چت که در آن‌ها پاسخگویی اهمیت دارد، حیاتی است. SDKها تجزیه رویدادها را به‌طور خودکار برای شما مدیریت می‌کنند.

پنجره‌های متن، محدودیت‌ها و خطاها

مدل از پنجره زمینه ۱۰۰,۰۰۰ توکنی برای ورودی و خروجی ترکیبی پشتیبانی می‌کند. می‌توانید تا ۱۶,۰۰۰ توکن در هر درخواست تولید کنید. اگر حذف کنید max_tokens, پیش‌فرض ۲,۰۴۸ توکن است. شما به ۳۰۰ درخواست در دقیقه و هشت درخواست همزمان به ازای هر کلید محدود هستید. اندازه بدنه درخواست باید زیر ۸ مگابایت باشد. خطاهای احراز هویت کد وضعیت ۴۰۱ را برمی‌گردانند. کمبود اعتبار خطای ۴۰۲ را ایجاد می‌کند. محدودیت‌های نرخ منجر به پاسخ ۴۲۹ می‌شوند. این کدها را به صورت خوش‌دست مدیریت کنید تا تجربه کاربری روانی حفظ شود.

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."}]
  }'

پایتون

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);

جریان‌سازی

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)