Gyors bevezetés: cenzúrázatlan modell API

Előfeltételek és Base URL

API-nk bármely szabványos OpenAI-kompatibilis klienssel működik a base URL és az API-kulcs frissítésével. Irányítsa az SDK-t erre: https://api.modeluncensored.com/v1 és küldjön kéréseket a szabványos /v1/chat/completions endpoint. Nem kell tulajdonosi könyvtárakat telepítenie; a meglévő eszközök, például az OpenAI hivatalos Python vagy Node.js SDK-i azonnal működnek. Csak konfigurálja az alap URL-t, hogy a forgalmat a szervereinkre irányítsa az alapértelmezett OpenAI infrastruktúra helyett.

A hitelesítés egy regisztráció során generált egyetlen API-kulcsra támaszkodik. Adja át ezt a kulcsot a Authorization fejléc mint Bearer token. A modell azonosítója rögzített uncensored a konzisztens viselkedés biztosítására minden kérésben. Minden fiók egy aktív kulcsot biztosít, amely felülírja az előző kulcsot újrageneráláskor.

Hitelesítés az API-kulccsal

Tartalmazza API kulcsát a Authorization fejléc minden kérésben az identitás ellenőrzéséhez. Használja a következő formátumot Authorization: Bearer YOUR_API_KEY a kérések azonnali hitelesítéséhez. Ha a kulcs hiányzik vagy érvénytelen, az API azonnal 401 Unauthorized hibát ad vissza. Ez biztosítja, hogy csak érvényes fiókok fogyaszthassák a tokeneket a előre fizetett hitelből.

Generálhat vagy megújíthatja a kulcsot a kezelőfelületen, Google-fiókkal vagy e-maillel történő bejelentkezés után. A kulcs azonnal megjelenik létrehozáskor. Tárolja biztonságosan, mivel közvetlen hozzáférést biztosít a fiók egyenlegéhez. Nem szükséges telefonszám-ellenőrzés a regisztrációhoz, így a folyamat gyors és egyszerű.

Az első chat completion küldése

POST kérés készítése ide: /v1/chat/completions az üzeneteivel és a modell azonosítójával választ fog kapni. A modell szövegbemenetet fogad el, és szöveges kimenetet ad vissza lágy elutasítások nélkül jogszabályoknak megfelelő felnőtt tartalom esetén. A modell azonosítóját megadhatja mint uncensored a specifikus uncensored LLM-ünket használja. Ez a végpont támogatja a szinkron és a streamelt válaszokat a rugalmasság érdekében.

A kérések a tényleges token felhasználás alapján kerülnek számlázásra. A hibák és elutasítások nem fogyasztanak kreditet, így szabadon tesztelhet. A kérések maximális kimenete 16,000 token, vagy 2,048 token, ha nem állítja be a max_tokens paraméter. A kontextusablak legfeljebb 100 000 token támogatja a prompt és a kiegészítés együtt.

Streamelt válaszok kezelése (SSE)

Engedélyezze a streamelést úgy, hogy stream: true a kérésben a tokenek fogadásához generálás közben. Ez csökkenti az érzékelt késleltetést hosszú válaszok esetén, és lehetővé teszi a valós idejű megjelenítést az alkalmazásában. A stream utolsó darabja tartalmazza a számlázáshoz és nyomon követéshez szükséges teljes tokenfelhasználási statisztikákat. Ez elengedhetetlen a reszponzívnak és interaktívnak tűnő chat felületek építéséhez.

A stream válaszok gracefully kezelik a részleges tartalmat, lehetővé téve a szöveg megjelenítését érkezése közben. Ez különösen hasznos kreatív íráshoz vagy kódolási feladatokhoz, ahol a modell hosszú kimeneteket generál. Elemezheted a server-sent eseményeket a UI fokozatos frissítéséhez. Győződj meg róla, hogy a kliens helyesen kezeli a stream vég eseményt a válasz véglegesítéséhez.

Paraméterek konfigurálása: Hőmérséklet, Top-p és Seed

Beállítás temperature a véletlenszerűség vezérlését, magasabb értékekkel kreatívabb és változatosabb kimenetekkel. Használja top_p a legvalószínűbb tokenekre korlátozza a mintavételezést, finomabb kontrollt biztosítva a kimeneti eloszlás felett. Állítsa be a seed biztosítja a determinisztikus eredményeket, ami elengedhetetlen a hibakereséshez vagy reprodukálható kísérletekhez. Ezek a paraméterek lehetővé teszik a modell viselkedésének hangolását specifikus felhasználási esetekhez, például történetmeséléshez vagy műszaki íráshoz.

A modell támogatja a standard paramétereket, mint például stop sorozatok és presence_penalty haladó vezérléshez. Ezeket a beállításokat kombinálhatja a kívánt hangnem és struktúra eléréséhez. Kísérletezzen különböző értékekkel, hogy megtalálja az optimális egyensúlyt a kreativitás és a koherencia között az alkalmazásához.

Eszközök és JSON mód használata

Függvényhívás engedélyezése egy tools tömb a kérésben, hogy a modell strukturált adatokat adjon vissza. A modell a beszélgetés kontextusa alapján hívhat meg függvényeket, így lehetővé téve a komplex munkafolyamatokat. Használja response_format: {"type": "json_object"} a kimenet érvényes JSON formátumba kényszerítésére. Ez ideális backend rendszerekkel való integrációhoz vagy strukturált információk kinyeréséhez szövegből.

A JSON mód biztosítja, hogy a válasz parsingolható legyen, csökkentve a parsing logika szükségességét a kliens oldalon. Több eszközt is definiálhat, és megadhatja, hogy melyik eszközt hívja meg a modell. Ez a funkció növeli a modell hasznosságát automatizált feladatokhoz és adatkinyeréshez. Az API zökkenőmentesen kezeli a tool hívások irányítását.

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);

Streamelés

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)