Schnellstart: Integrieren Sie die Uncensored LLM API

Voraussetzungen: SDKs und Umgebungsvariablen

Installieren Sie Ihr bevorzugtes Language-SDK und speichern Sie Ihre Anmeldeinformationen sicher. Unser Dienst verwendet eine Standard-Authentifizierung, sodass Sie lediglich einen API-Schlüssel aus dem Dashboard benötigen. Bewahren Sie den Schlüssel in einer Umgebungsvariable auf, um zu vermeiden, dass er fest in Ihren Quelldateien codiert wird.

• Installieren Sie das offizielle SDK für Ihre Sprache.
• Erstellen Sie ein Konto und generieren Sie Ihren API-Schlüssel.
• Festlegen IA_API_KEY in Ihrer Umgebung.

Diese Konfiguration stellt sicher, dass Ihre Anfragen sofort authentifiziert werden, ohne zusätzliche Konfigurationsschritte.

Schritt 1: Initialisieren Sie den Client mit der Basis-URL

Richten Sie Ihren Client auf unsere Base-URL, um Anfragen korrekt zu routen. Sie müssen die Standard-Base-URL überschreiben, um unseren Endpunkt für das unzensierte Modell zu erreichen. Dies stellt sicher, dass alle nachfolgenden Aufrufe die richtige Infrastruktur nutzen.

Konfigurieren Sie die Basis-URL auf https://api.iasansrestriction.com/v1 in Ihren Client-Einstellungen. Diese einzelne Änderung leitet den Datenverkehr zu unseren Servern für die Textgenerierung um.

Schritt 2: Senden Sie Ihre erste Chat-Vervollständigung

Erstellen Sie Ihre erste Anfrage, um die Verbindung zu testen und Textausgaben zu erhalten. Verwenden Sie die Model-ID uncensored auf das uneingeschränkte Large Language Model zugreifen. Dieses Modell lehnt zulässige erwachsene oder kontroverse Themen standardmäßig nicht ab.

Senden Sie eine POST-Anfrage an /v1/chat/completions mit Ihren System- und Benutzernachrichten. Die Antwort enthält den generierten Text ohne Standard-Inhaltsfilter.

Schritt 3: Behandeln Sie Streaming-Antworten (SSE)

Streaming für Echtzeit-Token-Ausgabe aktivieren, um die Nutzererfahrung zu verbessern. Legen Sie den stream Parameter auf true in Ihrem Anfragekörper. Der Server gibt einen Server-Sent Events (SSE)-Stream von Chunks zurück.

Verarbeiten Sie jeden Chunk, wie er eintrifft, um Text inkrementell anzuzeigen. Dieser Ansatz reduziert die wahrgenommene Latenz bei der Generierung von Langtexten.

Schritt 4: Verwenden Sie Function Calling und den JSON-Modus

Strukturieren Sie Ihre Datenausgabe mit integrierten Formatierungsfunktionen. Sie können JSON-Antworten erzwingen, indem Sie response_format zu {"type": "json_object"}. Dies gewährleistet ein vorhersehbares Parsing für nachgelagerte Anwendungen.

Definieren Sie Tools in Ihrer Anfrage, um Function Calling-Funktionen zu aktivieren. Das Modell gibt strukturierte Argumente zurück, die Ihr Code direkt ausführen kann.

Schritt 5: Tokens und Limits verwalten

Überwachen Sie Ihre Nutzung, um Dienstunterbrechungen zu vermeiden und die Kosten zu verwalten. Sie werden pro Token berechnet, wobei Fehler und Ablehnungen kostenlos sind. Guthaben verfällt nie, sodass Sie bei Bedarf nachladen können.

Respektieren Sie die Limits: 300 Anfragen pro Minute und ein Context-Window von 100,000 Tokens. Ein 429-Fehler zeigt an, dass Sie das Rate-Limit überschritten haben. Ein 401-Fehler bedeutet, dass Ihr Schlüssel ungültig ist, während ein 402-Fehler einen unzureichenden Guthabenstand signalisiert.

cURL

Copycurl https://api.iasansrestriction.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a list of ten valid JSON objects"}]
  }'

Python

Copyfrom openai import OpenAI

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

Streaming

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)