Início rápido: integre a API de LLM sem censura

Pré-requisitos: SDKs e Variáveis de Ambiente

Come instalando o SDK da linguagem de sua preferência e armazenando suas credenciais com segurança. Nosso serviço usa autenticação padrão, então você só precisa de uma chave de API do painel. Mantenha sua chave em uma variável de ambiente para evitar codificá-la nos arquivos de origem.

• Instale o SDK oficial para sua linguagem.
• Crie uma conta e gere sua chave de API.
• Definir IA_API_KEY no seu ambiente.

Esta configuração garante que suas solicitações sejam autenticadas imediatamente, sem etapas extras de configuração.

Passo 1: Inicialize o Cliente com a URL Base

Direcione seu cliente para o URL base para rotear as solicitações corretamente. Você deve substituir o URL base padrão para alcançar o endpoint do nosso modelo sem censura. Isso garante que todas as chamadas subsequentes usem a infraestrutura correta.

Configure a URL base para https://api.iasansrestriction.com/v1 nas configurações do seu cliente. Esta única alteração direciona o tráfego para nossos servidores para geração de texto.

Passo 2: Envie sua primeira conclusão de chat

Faça sua primeira solicitação para testar a conexão e receber saída de texto. Use o ID do modelo uncensored para acessar o modelo de linguagem grande irrestrito. Este modelo não recusa tópicos adultos lícitos ou controversos por padrão.

Envie uma requisição POST para /v1/chat/completions com suas mensagens do sistema e do usuário. A resposta conterá o texto gerado sem os filtros de conteúdo padrão.

Passo 3: Gerencie respostas em streaming (SSE)

Ative o streaming para entrega de tokens em tempo real e melhore a experiência do usuário. Defina o stream parâmetro para true no corpo da sua solicitação. O servidor retornará um fluxo de Eventos Enviados pelo Servidor (SSE) de fragmentos.

Processe cada chunk conforme chega para exibir texto incrementalmente. Esta abordagem reduz a latência percebida para geração de conteúdo de longo formato.

Passo 4: Use chamadas de função e modo JSON

Estruture a saída dos dados usando recursos de formatação integrados. Você pode forçar respostas JSON definindo response_format para {"type": "json_object"}. Isso garante uma análise previsível para aplicativos downstream.

Defina ferramentas na solicitação para habilitar recursos de chamada de funções. O modelo retornará argumentos estruturados que seu código pode executar diretamente.

Passo 5: Gerenciar Tokens e Limites

Monitore seu uso para evitar interrupções no serviço e gerenciar os custos. Você é cobrado por token, com erros e recusas sendo gratuitos. O crédito nunca expira, então você pode recarregar quando precisar.

Respeite os limites: 300 solicitações por minuto e uma janela de contexto de 100.000 tokens. Um erro 429 indica que você excedeu o limite de taxa. Um erro 401 significa que sua chave é inválida, enquanto um erro 402 sinaliza crédito insuficiente.

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)