เริ่มต้นใช้งาน: API โมเดลแบบไม่เซ็นเซอร์

ข้อกำหนดเบื้องต้นและ URL ฐาน

API ของเราทำงานกับ client ที่เข้ากันได้กับ OpenAI มาตรฐานใดๆ โดยการอัปเดต base URL และ API key ชี้ SDK ของคุณไปที่ https://api.modeluncensored.com/v1 และส่งคำขอไปยังมาตรฐาน /v1/chat/completions endpoint คุณไม่จำเป็นต้องติดตั้งไลบรารีที่เป็นกรรมสิทธิ์; เครื่องมือที่มีอยู่เช่น SDK อย่างเป็นทางการของ OpenAI สำหรับ Python หรือ Node.js สามารถใช้งานได้ทันที เพียงกำหนดค่า base URL เพื่อจัดเส้นทาง traffic ผ่านเซิร์ฟเวอร์ของเราแทนโครงสร้างพื้นฐานมาตรฐานของ OpenAI

การตรวจสอบสิทธิ์อาศัยคีย์ API เดียวที่สร้างขึ้นระหว่างการสมัครสมาชิก ส่งคีย์นี้ใน Authorization header เป็น Bearer token ตัวระบุโมเดลถูกตรึงไว้ที่ uncensored เพื่อให้แน่ใจว่าพฤติกรรมสอดคล้องกันสำหรับการร้องขอทั้งหมด แต่ละบัญชีมีคีย์ใช้งานหนึ่งคีย์ซึ่งจะแทนที่คีย์ก่อนหน้าใดๆ เมื่อสร้างใหม่

Authentication With Your API Key

รวมคีย์ API ของคุณใน Authorization header ของทุกคำขอเพื่อยืนยันตัวตนของคุณ ใช้รูปแบบ Authorization: Bearer YOUR_API_KEY เพื่อตรวจสอบสิทธิ์การร้องขอทันที หากคีย์ขาดหายหรือไม่ถูกต้อง API จะส่งข้อผิดพลาด 401 Unauthorized ทันที สิ่งนี้รับประกันว่าเฉพาะบัญชีที่ถูกต้องเท่านั้นที่สามารถใช้โทเค็นจากเครดิตแบบเติมเงินของคุณ

คุณสามารถสร้างหรือสร้างคีย์ใหม่ผ่านแดชบอร์ดหลังจากลงชื่อเข้าใช้ด้วย Google หรืออีเมล คีย์จะแสดงทันทีหลังจากการสร้าง เก็บมันอย่างปลอดภัย เนื่องจากมันให้การเข้าถึงโดยตรงไปยังยอดเงินบัญชีของคุณ ไม่มีการตรวจสอบหมายเลขโทรศัพท์สำหรับการสมัครสมาชิก ทำให้กระบวนการรวดเร็วและเรียบง่าย

ส่ง Chat Completion ครั้งแรกของคุณ

ทำการร้องขอ POST ไปยัง /v1/chat/completions พร้อมข้อความของคุณและรหัสระบุโมเดลเพื่อรับคำตอบ โมเดลยอมรับอินพุตข้อความและส่งเอาต์พุตข้อความโดยไม่มีการปฏิเสธแบบอ่อนสำหรับเนื้อหาผู้ใหญ่ที่ถูกต้องตามกฎหมาย คุณสามารถระบุรหัสโมเดลเป็น uncensored เพื่อให้แน่ใจว่าคุณใช้ LLM uncensored เฉพาะของเรา เอนด์พอยต์นี้รองรับทั้งการตอบสนองแบบซิงโครนัสและแบบสตรีมมิ่งเพื่อความยืดหยุ่น

คำขอคิดค่าตามการใช้โทเค็นจริง ข้อผิดพลาดและการปฏิเสธไม่ใช้เครดิต ดังนั้นคุณสามารถทดสอบได้อย่างอิสระ ขนาดผลลัพธ์สูงสุดต่อคำขอคือ 16,000 โทเค็น หรือ 2,048 โทเค็นหากคุณไม่ได้ตั้งค่า max_tokens พารามิเตอร์ หน้าต่างบริบทรองรับได้สูงสุด 100,000 โทเค็นสำหรับคำสั่งและการตอบกลับรวมกัน

การจัดการการตอบกลับแบบสตรีม (SSE)

เปิดใช้งานการสตรีมโดยตั้งค่า stream: true ในคำขอของคุณเพื่อรับโทเค็นขณะสร้าง วิธีนี้ช่วยลดความล่าช้าที่ผู้ใช้รับรู้สำหรับคำตอบยาวและอนุญาตการแสดงแบบเรียลไทม์ในแอปพลิเคชันของคุณ ท่อนสุดท้ายของสตรีมประกอบด้วยสถิติการใช้โทเค็นทั้งหมดสำหรับการเรียกเก็บเงินและการตรวจสอบข้อมูล สิ่งนี้สำคัญสำหรับการสร้างอินเทอร์เฟซแชทที่รู้สึกตอบสนองและโต้ตอบได้

การสตรีมการตอบกลับจัดการเนื้อหาบางส่วนได้อย่างราบรื่น ทำให้คุณสามารถแสดงข้อความเมื่อได้รับ ซึ่งจะมีประโยชน์เป็นพิเศษสำหรับการเขียนเชิงสร้างสรรค์หรืองานเขียนโค้ดที่โมเดลสร้างเอาท์พุตที่ยาว คุณสามารถแยกวิเคราะห์ server-sent events เพื่ออัปเดต UI ของคุณแบบเพิ่มทีละส่วน ตรวจสอบให้แน่ใจว่าไคลเอนต์ของคุณจัดการเหตุการณ์สิ้นสุดสตรีมได้อย่างถูกต้องเพื่อสรุปการตอบกลับ

กำลังกำหนดค่าพารามิเตอร์: Temperature, Top-p และ Seed

ปรับ temperature เพื่อควบคุมความสุ่ม โดยค่าที่สูงกว่าจะผลิตผลลัพธ์ที่มีความสร้างสรรค์และหลากหลายมากขึ้น ใช้ top_p เพื่อจำกัดการสุ่มเลือกเฉพาะโทเค็นที่มีความน่าจะเป็นสูงสุด ช่วยให้คุณควบคุมการกระจายของผลลัพธ์ได้ละเอียดยิ่งขึ้น กำหนดค่า seed ช่วยรับประกันผลลัพธ์ที่แน่นอน ซึ่งสำคัญต่อการดีบักหรือการทดลองที่สามารถทำซ้ำได้ พารามิเตอร์เหล่านี้ช่วยให้คุณปรับแต่งพฤติกรรมของโมเดลสำหรับกรณีการใช้งานเฉพาะ เช่น การเล่าเรื่องหรือการเขียนทางเทคนิค

โมเดลรองรับพารามิเตอร์มาตรฐานเช่น stop sequences และ presence_penalty สำหรับการควบคุมขั้นสูง คุณสามารถรวมการตั้งค่าเหล่านี้เพื่อสร้างโทนและโครงสร้างที่ต้องการ ลองใช้ค่าที่แตกต่างกันเพื่อหาจุดสมดุลที่เหมาะสมระหว่างความคิดสร้างสรรค์และความสอดคล้องสำหรับแอปพลิเคชันของคุณ

การใช้ Tools และโหมด JSON

เปิดใช้งานการเรียกใช้ฟังก์ชันโดยให้ tools อาร์เรย์ในคำขอของคุณเพื่อให้โมเดลส่งคืนข้อมูลที่มีโครงสร้าง โมเดลสามารถเรียกใช้ฟังก์ชันตามบริบทของการสนทนา ทำให้เกิดเวิร์กโฟลว์ที่ซับซ้อนได้ ใช้ response_format: {"type": "json_object"} เพื่อบังคับให้ผลลัพธ์อยู่ในรูปแบบ JSON ที่ถูกต้อง สิ่งนี้เหมาะสำหรับการผสานรวมกับระบบแบ็กเอนด์หรือการแยกข้อมูลที่มีโครงสร้างจากข้อความ

โหมด JSON รับประกันว่าคำตอบสามารถแยกวิเคราะห์ได้ ซึ่งลดความจำเป็นในลอจิกการแยกวิเคราะห์เพิ่มเติมในไคลเอนต์ของคุณ คุณสามารถกำหนดเครื่องมือหลายตัวและระบุเครื่องมือที่โมเดลควรเรียกใช้ คุณสมบัตินี้เพิ่มประโยชน์ของโมเดลสำหรับงานอัตโนมัติและการดึงข้อมูล API จัดการการกำหนดเส้นทางของการเรียกใช้เครื่องมือได้อย่างราบรื่น

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);

การสตรีม

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)