Snelstart: integreer de ongecensureerde LLM API

Basis-URL en authenticatiesetup

Wijs uw client naar ons dedicated eindpunt om communicatie te beginnen. De basis-URL is https://api.apillmopen.com/v1. Deze configuratie werkt met elke standaard OpenAI-SDK door de base_url parameter en uw unieke API-sleutel. U ontvangt deze sleutel direct na het aanmelden met Google of e-mail. Er is geen telefoonverificatie vereist. Het systeem handhaaft een strikte limiet van één actieve sleutel per account. Het genereren van een nieuwe sleutel maakt de vorige automatisch ongeldig. Dit vereenvoudigt toegangscontrole voor uw ontwikkelworkflow.

Je eerste chat-completieverzoek versturen

Stuur een standaard POST-verzoek naar /v1/chat/completions om tekst te genereren. Je moet de model-ID specificeren als uncensored. Het systeem accepteert standaardparameters zoals temperature en top_p om de willekeurigheid te bepalen. Je invoerprompt wordt verwerkt via ons gehoste grote taalmodel. Resultaten worden geretourneerd als pure tekst zonder onnodige metadata-overhead. Deze directe aanpak zorgt ervoor dat je alleen betaalt voor daadwerkelijk gebruikte inferentietokens. Fouten tijdens de verwerking verbruiken geen van je vooruitbetaalde krediet. Dit maakt testen zeer economisch tijdens vroege ontwikkelingsfasen.

Python SDK integratie

Gebruik de officiële Python-bibliotheek om naadloos met het eindpunt te communiceren. Configureer de client met je basis-URL en API-sleutel. De bibliotheek verzorgt automatisch JSON-serialisatie en HTTP-vervoer. Je kunt een lijst met berichten doorgeven om de gespreksgeschiedenis te definiëren. Het response-object biedt eenvoudige toegang tot de gegenereerde inhoud. Deze methode is ideaal voor backend-diensten of lokale scripts. Het vermindert de hoeveelheid boilerplate-code aanzienlijk in vergelijking met ruwe HTTP-verzoeken. Je kunt ook specifieke parameters instellen voor fijnmazige controle over de uitvoerstijl.

Node SDK-integratie

Initialiseer de Node.js-client met je referenties en basis-URL. De asynchrone aard van de SDK past goed bij moderne web servers. Je kunt de voltooiingsreactie direct afwachten in je routehandlers. Deze aanpak houdt je code schoon en leesbaar. De SDK beheert connection pooling en retries efficiënt. Je kunt dit eenvoudig integreren in Express- of Fastify-applicaties. Het ondersteunt zowel streaming- als niet-streamingreacties. Kies de modus die het beste past bij de architectuur van je applicatie.

Streaming inschakelen en tokengebruik afhandelen

Schakel streamen in door de stream parameter naar true. De API retourneert data via Server-Sent Events (SSE). Elke chunk bevat gedeeltelijke tekst en metadata. De laatste chunk bevat het totale tokenverbruik voor het verzoek. Dit stelt je in staat om kosten in real-time te volgen. Streaming vermindert de waargenomen latentie voor eindgebruikers aanzienlijk. Je kunt tekst weergeven terwijl deze wordt gegenereerd. Dit is cruciaal voor chatinterfaces waar responsiveheid belangrijk is. De SDK's parseren de events automatisch voor je.

Contextvensters, limieten en fouten

Het model ondersteunt een contextvenster van 100.000 tokens voor gecombineerde invoer en uitvoer. Je kunt maximaal 16.000 tokens per verzoek genereren. Als je max_tokens, de standaardwaarde is 2.048 tokens. Je bent beperkt tot 300 verzoeken per minuut en acht gelijktijdige verzoeken per sleutel. De grootte van de request body moet onder de 8 MB blijven. Authenticatiefouten retourneren een 401-statuscode. Onvoldoende saldo veroorzaakt een 402-fout. Rate limits resulteren in een 429-respons. Verwerk deze codes afgehandeld om een soepele gebruikerservaring te behouden.

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)