Snabbstart: Integrera uncensored LLM API:t

Bas URL och autentisering setup

Peka din klient mot vår dedikerade slutpunkt för att börja kommunikationen. Bas-URLen är https://api.apillmopen.com/v1.Denna konfiguration fungerar med vilket standard OpenAI SDK som helst genom att uppdatera base_url parameter och ange din unika API-nyckel. Du får denna nyckel omedelbart efter att ha registrerat dig med Google eller e-post. Ingen telefonverifiering krävs. Systemet upprätthåller en strikt gräns på en aktiv nyckel per konto. Att generera en ny nyckel gör automatiskt den tidigare ogiltig. Detta förenklar åtkomstkontroll för ditt utvecklingsarbetsflöde.

Skickar din första chattslutförandeförfrågan

Skicka en standard POST-förfrågan till /v1/chat/completions att generera text. Du måste ange modell-ID:t som uncensored. Systemet accepterar standardparametrar som temperature och top_p för att styra slumpmässighet. Din inmatningsprompt bearbetas genom vår värdade stora språkmodell. Resultat returneras som ren text utan onödig metadata-bloat. Denna direkta metod säkerställer att du bara betalar för faktiska inferens-tokens som används. Fel under bearbetningen förbrukar inte din förbetalda kredit. Detta gör testning mycket ekonomisk under tidiga utvecklingsstadier.

Integration av Python SDK

Använd det officiella Python-biblioteket för att interagera sömlöst med slutpunkten. Konfigurera klienten med din bas-URL och API-nyckel. Biblioteket hanterar JSON-serialisering och HTTP-transport automatiskt. Du kan skicka en lista med meddelanden som definierar konversationens historik. Svarsobjektet ger enkel åtkomst till det genererade innehållet. Denna metod är idealisk för backend-tjänster eller lokala skript. Den minskar mängden boilerplate-kod avsevärt jämfört med råa HTTP-förfrågningar. Du kan också ange specifika parametrar för finjusterad kontroll över utstillets stil.

Node SDK-integration

Initiera Node.js-klienten med dina uppgifter och bas-URL:en. SDK:ets asynkrona natur passar väl med moderna webbservere. Du kan vänta på slutförandets svar direkt i dina routehandläggare. Denna metod håller koden ren och läsbar. SDK:et hanterar anslutningspoolning och omförsök effektivt. Du kan integrera detta i Express- eller Fastify-applikationer enkelt. Det stöder både strömnings- och icke-strömningsvar. Välj den läge som passar bäst för din applikationsarkitektur.

Aktiverar streaming och hantering av tokenanvändning

Aktivera strömning genom att ställa in stream parameter till true. API:et returnerar data via Server-Sent Events (SSE). Varje bit innehåller delvis text och metadata. Den sista biten innehåller total tokenanvändning för begäran. Detta gör att du kan spåra kostnader i realtid. Strömning minskar den upplevda latensen för slutanvändare avsevärt. Du kan visa text när den genereras. Detta är avgörande för gränssnitt där responsivitet spelar roll. SDK:erna hanterar händelseanalysen åt dig automatiskt.

Kontextfönster, gränser och fel

Modellen stöder ett kontextrum på 100 000 token för kombinerad input och output. Du kan generera upp till 16 000 tokens per begäran. Om du utelämnar max_tokens, standardvärdet är 2 048 tokens. Du är begränsad till 300 förfrågningar per minut och åtta samtidiga förfrågningar per nyckel. Storleken på request body måste hållas under 8 MB. Autentiseringsfel returnerar en 401-statuskod. Otillräckliga medel utlöser ett 402-fel. Rate limits resulterar i ett 429-svar. Hantera dessa koder elegant för att upprätthålla en smidig användarupplevelse.

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);

Strömning

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)