شروع سریع: API مدل بدون سانسور

پیش‌نیازها و URL پایه

API ما با هر کلاینت استاندارد سازگار با OpenAI کار می‌کند و تنها با به‌روزرسانی base_url و کلید API امکان‌پذیر است. SDK خود را به https://api.modeluncensored.com/v1 و درخواست‌ها را به استاندارد /v1/chat/completions endpoint. نیازی به نصب کتابخانه‌های اختصاصی ندارید؛ ابزارهای موجود مانند SDK رسمی OpenAI برای Python یا Node.js بلافاصله کار می‌کنند. آدرس پایه (base URL) را برای مسیریابی ترافیک از طریق سرورهای ما به جای زیرساخت پیش‌فرض OpenAI پیکربندی کنید.

احراز هویت به یک کلید API واحد متکی است که در زمان ثبت‌نام تولید می‌شود. این کلید را در Authorization هدر به عنوان یک توکن Bearer. شناسه مدل ثابت است uncensored برای اطمینان از رفتار یکسان در تمام درخواست‌ها. هر حساب یک کلید فعال ارائه می‌دهد که با بازتولید، کلید قبلی را جایگزین می‌کند.

احراز هویت با کلید API شما

کلید API خود را در Authorization هدر هر درخواست برای احراز هویت هویت شما. از فرمت Authorization: Bearer YOUR_API_KEY برای احراز هویت درخواست‌ها در لحظه. اگر کلید موجود نباشد یا نامعتبر باشد، API بلافاصله خطای 401 Unauthorized برمی‌گرداند. این تضمین می‌کند که فقط حساب‌های معتبر می‌توانند از اعتبار پیش‌پرداخت شما توکن مصرف کنند.

شما می‌توانید کلید خود را از طریق داشبورد پس از ورود با گوگل یا ایمیل ایجاد یا بازنویسی کنید. کلید بلافاصله پس از ایجاد نمایش داده می‌شود. آن را به طور امن ذخیره کنید، زیرا دسترسی مستقیم به موجودی حساب کاربری شما را فراهم می‌کند. برای ثبت‌نام نیاز به تأیید شماره تلفن نیست و این فرآیند را سریع و ساده نگه می‌دارد.

ارسال اولین تکمیل چت خود

یک درخواست POST به /v1/chat/completions با پیام‌ها و شناسه مدل برای دریافت پاسخ. مدل ورودی متنی را می‌پذیرد و خروجی متنی را بدون رد شدن‌های نرم برای محتوای بزرگسالان قانونی برمی‌گرداند. می‌توانید شناسه مدل را به عنوان uncensored برای اطمینان از استفاده از LLM uncensored خاص ما. این نقطه پایانی از پاسخ‌های همزمان و استریم‌شده برای انعطاف‌پذیری پشتیبانی می‌کند.

درخواست‌ها بر اساس استفاده واقعی توکن‌ها محاسبه می‌شوند. خطاها و ردشدگی‌ها اعتبار مصرف نمی‌کنند، بنابراین می‌توانید آزادانه تست کنید. حداکثر خروجی در هر درخواست ۱۶,۰۰۰ توکن است، یا ۲,۰۴۸ توکن اگر max_tokens پارامتر. پنجره زمینه تا ۱۰۰,۰۰۰ توکن برای درخواست و تکمیل ترکیبی پشتیبانی می‌کند.

مدیریت پاسخ‌های جریان‌سازی (SSE)

استریمینگ را با تنظیم stream: true در درخواست برای دریافت توکن‌ها هنگام تولید. این تاخیر ادراک‌شده را برای پاسخ‌های طولانی کاهش می‌دهد و اجازه می‌دهد متن به صورت بلادرنگ در برنامه شما نمایش داده شود. قطعه نهایی جریان شامل آمار کل مصرف توکن برای صورتحساب و نظارت است. این برای ساخت رابط‌های چت که پاسخگو و تعاملی به نظر می‌رسند، ضروری است.

پاسخ‌های جریان محتوای ناقص را به‌خوبی مدیریت می‌کنند و به شما اجازه می‌دهند متن را همان‌طور که دریافت می‌شود نمایش دهید. این به‌ویژه برای نوشتن خلاقانه یا وظایف کدنویسی مفید است که مدل خروجی‌های بلندی تولید می‌کند. می‌توانید رویدادهای ارسالی سرور را تجزیه کنید تا رابط کاربری خود را به‌تدریج به‌روزرسانی کنید. مطمئن شوید که کلاینت شما رویداد پایان جریان را به‌درستی مدیریت می‌کند تا پاسخ را نهایی کند.

پیکربندی پارامترها: دما، Top-p و Seed

تنظیم temperature برای کنترل تصادفی‌سازی، با مقادیر بالاتر که خروجی‌های خلاقانه‌تر و متنوع‌تری تولید می‌کنند. استفاده از top_p برای محدود کردن نمونه‌برداری به توکن‌های با احتمال بیشتر، که کنترل دقیق‌تری بر توزیع خروجی فراهم می‌کند. تنظیم یک seed نتایج قطعی را تضمین می‌کند که برای اشکال‌زدایی یا آزمایش‌های قابل تکرار حیاتی است. این پارامترها به شما اجازه می‌دهند رفتار مدل را برای موارد استفاده خاص مانند داستان‌گویی یا نگارش فنی تنظیم کنید.

مدل از پارامترهای استاندارد مانند stop sequences و presence_penalty برای کنترل پیشرفته. می‌توانید این تنظیمات را ترکیب کنید تا لحن و ساختار مورد نظر را به دست آورید. با مقادیر مختلف آزمایش کنید تا تعادل بهینه بین خلاقیت و انسجام را برای برنامه خود پیدا کنید.

استفاده از ابزارها و حالت JSON

فعال‌سازی فراخوانی تابع با ارائه یک tools آرایه در درخواست خود برای اجازه به مدل جهت خروجی داده‌های ساختاریافته. مدل می‌تواند بر اساس زمینه مکالمه، توابع را فراخوانی کند که این امر کارکردهای پیچیده را امکان‌پذیر می‌سازد. از response_format: {"type": "json_object"} برای مجبور کردن خروجی به فرمت JSON معتبر. این مورد برای یکپارچه‌سازی با سیستم‌های بک‌اند یا استخراج اطلاعات ساختاریافته از متن ایده‌آل است.

حالت JSON تضمین می‌کند که پاسخ قابل تجزیه است که نیاز به منطق تجزیه اضافی در کلاینت شما را کاهش می‌دهد. می‌توانید چندین ابزار تعریف کنید و مشخص کنید که مدل باید کدام ابزار را فراخوانی کند. این ویژگی کارایی مدل را برای وظایف خودکار و استخراج داده افزایش می‌دهد. API مسیریابی فراخوانی‌های ابزار را به صورت یکپارچه مدیریت می‌کند.

cURL

Copycurl https://api.modeluncensored.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Return the current system time in ISO format"}]
  }'

پایتون

Copyfrom openai import OpenAI

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