Pengenalan: Integrasikan API LLM Tanpa Sensor

Prasyarat: SDK dan Pembolehubah Persekitaran

Mula dengan memasang SDK bahasa pilihan anda dan menyimpan kelayakan anda dengan selamat. Perkhidmatan kami menggunakan pengesahan piawai, jadi anda hanya memerlukan kunci API dari papan pemuka. Simpan kunci anda dalam pembolehubah persekitaran untuk mengelakkan pengkodan keras dalam fail sumber anda.

• Pasang SDK rasmi untuk bahasa anda.
• Buat akaun dan jana kunci API anda.
• Tetapkan IA_API_KEY dalam persekitaran anda.

Konfigurasi ini memastikan permintaan anda disahkan serta-merta tanpa langkah konfigurasi tambahan.

Langkah 1: Mulakan Klien dengan URL Asas

Arahkan klien anda ke URL asas kami untuk memintas permintaan dengan betul. Anda mesti menggantikan URL asas lalai untuk mencapai hujung model tanpa sensor kami. Ini memastikan semua panggilan seterusnya menggunakan infrastruktur yang betul.

Konfigurasikan URL asas kepada https://api.iasansrestriction.com/v1 dalam tetapan klien anda. Perubahan tunggal ini mengarahkan trafik ke pelayan kami untuk penjanaan teks.

Langkah 2: Hantar Penyelesaian Sembang Pertama Anda

Buat permintaan pertama anda untuk menguji sambungan dan menerima output teks. Gunakan ID model uncensored untuk mengakses model bahasa besar tanpa sekatan. Model ini tidak menolak topik dewasa yang sah atau kontroversi secara lalai.

Hantar permintaan POST ke /v1/chat/completions dengan mesej sistem dan pengguna anda. Respons akan mengandungi teks yang dijana tanpa penapis kandungan standard.

Langkah 3: Tangani Respons Penstriman (SSE)

Dayakan penstriman untuk penghantaran token masa nyata bagi meningkatkan pengalaman pengguna. Tetapkan stream parameter kepada true dalam badan permintaan anda. Pelayan akan mengembalikan aliran Acara yang Dihantar Pelayan (SSE) segmen.

Proses setiap potongan sebagaimana ia tiba untuk memaparkan teks secara berperingkat. Pendekatan ini mengurangkan latensi yang dirasakan untuk penjanaan kandungan bentuk panjang.

Langkah 4: Gunakan Panggilan Fungsi dan Mod JSON

Struktur output data anda menggunakan ciri pemformatan terbina dalam. Anda boleh memaksakan respons JSON dengan menetapkan response_format ke {"type": "json_object"}. Ini memastikan penguraian yang boleh diramal untuk aplikasi downstream.

Takrifkan alat dalam permintaan anda untuk membolehkan keupayaan panggilan fungsi. Model akan memulangkan hujah terstruktur yang kod anda boleh jalankan secara langsung.

Langkah 5: Uruskan Token dan Had

Pantau penggunaan anda untuk mengelakkan gangguan perkhidmatan dan menguruskan kos. Anda dikenakan bayaran setiap token, dengan ralat dan penolakan adalah percuma. Kredit tidak luput, jadi anda boleh menambah nilai apabila diperlukan.

Hormati had: 300 permintaan setiap minit dan tetingkap konteks 100,000 token. Ralat 429 menunjukkan anda telah melebihi had kadar. Ralat 401 bermaksud kunci anda tidak sah, manakala ralat 402 menandakan kredit tidak mencukupi.

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);

Aliran

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)