Pika-aloitus: rajoittamaton mallin API

Edellytykset ja perus-URL

API-käyttöliittymämme toimii minkä tahansa standardin mukaisen OpenAI-yhteensopivan asiakkaan kanssa päivittämällä base URL:n ja API-avaimen. Suuntaa SDK-asi https://api.modeluncensored.com/v1 ja lähetä pyyntöjä vakiomaisen /v1/chat/completions päätepiste. Sinun ei tarvitse asentaa omistautuneita kirjastoja; olemassa olevat työkalut kuten virallinen OpenAI Python- tai Node.js-SDK toimivat heti. Määritä yksinkertaisesti perus-URL:n ohjaamaan liikenne palvelimiesi kautta oletusarvoisen OpenAI-infrastruktuurin sijaan.

Todennus perustuu yhteen rekisteröitymisen aikana luotuun API-avaimeseen. Lähetä tämä avain Authorization header Bearer-tokenina. Mallin tunnisteen on kiinteä uncensored varmistamaan johdonmukaisen käyttäytymisen kaikissa pyynnöissä. Jokainen tili tarjoaa yhden aktiivisen avaimen, joka korvaa minkä tahansa aiemman avaimen uudelleenluonnin yhteydessä.

Todennus API-avaimen avulla

Sisällytä API-avaimesi Authorization header jokaisessa pyynnössä henkilöllisyytesi varmistamiseksi. Käytä muotoa Authorization: Bearer YOUR_API_KEY autentikoidaksesi pyynnöt välittömästi. Jos avain puuttuu tai on virheellinen, API palauttaa 401 Unauthorized -virheen välittömästi. Tämä varmistaa, että vain voimassa olevat tilit voivat kuluttaa tokeneita esimaksutetusta kreditistäsi.

Voit luoda tai uudelleenluoda avaimen hallintapaneelin kautta kirjautumisen jälkeen Google- tai sähköpostitunnuksella. Avain näytetään välittömästi luomisen jälkeen. Säilytä se turvallisesti, koska se tarjoaa suoran pääsyn tilin saldoon. Rekisteröitymiseen ei vaadita puhelinnumerovahvistusta, mikä pitää prosessin nopeana ja yksinkertaisena.

Ensimmäisen keskustelun täydennyksen lähettäminen

Tee POST-pyyntö osoitteeseen /v1/chat/completions viestilläsi ja mallin tunnuksesta saadaksesi vastauksen. Malli hyväksyy tekstisyötteen ja palauttaa tekstitulosteen ilman pehmeitä hylkäyksiä lailliseen aikuis sisältöön. Voit määrittää mallin tunnuksen arvoksi uncensored varmistamaan, että käytät tiettyä uncensored-LLM-päätepistettämme. Tämä päätepiste tukee sekä synkronisia että streamattuja vastauksia joustavuuden varmistamiseksi.

Pyyntöjen laskutus perustuu todelliseen tokenien käyttöön. Virheet ja hylkäykset eivät kuluta krediittiä, joten voit testata vapaasti. Maksimituotos pyyntöä kohden on 16,000 tokenia tai 2,048 tokenia, jos et aseta max_tokens parametri. Kontesttiluukku tukee jopa 100 000 tokenia promptille ja täydennykselle yhdessä.

Striimitettyjen vastausten käsittely (SSE)

Ota streamaus käyttöön asettamalla stream: true pyyntösi vastaanottaaksesi tokenia tuotannon edetessä. Tämä vähentää koettua viiveellisyyttä pitkissä vastauksissa ja mahdollistaa reaaliaikaisen näyttämisen sovelluksessasi. Virran viimeinen lohko sisältää kokonaisten tokenien käyttötilastot laskutusta ja valvontaa varten. Tämä on välttämätöntä rakennettaessa chatrajapintoja, jotka tuntuvat responsiivisilta ja interaktiivisilta.

Stream-vastaukset käsittelevät osittaista sisältöä joustavasti, mikä mahdollistaa tekstin näyttämisen sen saapuessa. Tämä on erityisen hyödyllistä luovaan kirjoittamiseen tai koodaustehtäviin, joissa malli tuottaa pitkiä tulosteita. Voit jäsentää server-sent eventsit päivittääksesi käyttöliittymääsi vaiheittain. Varmista, että asiakasohjelmasi käsittelee streamin lopetustapahtuman oikein vastauksen lopettamiseksi.

Parametrien määrittäminen: Lämpötila, Top-p ja Seed

Säädä temperature hallitsemaan satunnaisuutta, korkeammat arvot tuottavat luovempia ja monipuolisempia tuloksia. Käytä top_p rajoittaa otantaa todennäköisimpiin tokenneihin, mikä tarjoaa hienosäätöä tulosten jakaumalle. Aseta seed varmistaa deterministiset tulokset, mikä on kriittistä vianmääritykselle tai toistettaville kokeille. Nämä parametrit mahdollistavat mallin käyttäytymisen säätämisen tiettyjä käyttötapauksia varten, kuten tarinankerrontaa tai teknistä kirjoittamista.

Malli tukee vakio-parametreja kuten stop sekvenssit ja presence_penalty edistyneempään hallintaan. Voit yhdistää nämä asetukset saavuttaaksesi halutun sävyn ja rakenteen. Kokeile eri arvoja löytääksesi optimaalisen tasapainon luovuuden ja koherenssin välillä sovellustasi varten.

Kun käytät työkaluja ja JSON-tilaa

Ota käyttöön toimintokutsut tarjoamalla tools tietorakenteella pyynnössäsi, jotta malli tuottaa rakenteista dataa. Malli voi kutsua funktioita keskustelun kontekstin perusteella, mikä mahdollistaa monimutkaisten työvuokien toteuttamisen. Käytä response_format: {"type": "json_object"} pakottaa tulosteen validiin JSON-muotoon. Tämä on ihanteellinen integroitessa taustajärjestelmiin tai erottellessa rakenteista tietoa tekstistä.

JSON-tila varmistaa, että vastaus on jäsentettävissä, mikä vähentää tarvetta lisäjäsentimislogiikalle asiakasohjelmassa. Voit määrittää useita työkaluja ja spesifioida, minkä työkalun mallin tulisi kutsua. Tämä ominaisuus parantaa mallin hyödyllisyyttä automaattisiin tehtäviin ja datan erotteluun. API hoitaa työkalukutsujen reitityksen saumattomasti.

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"}]
  }'

Python

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);

Virtaus

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)