快速上手：整合無審查 LLM API

前置條件：SDK 與環境變數

開始安裝您偏好的語言 SDK 並安全地儲存您的憑證。我們的服務使用標準驗證，因此您只需要來自儀表板的 API 金鑰。將您的金鑰保存在環境變數中，以避免在原始碼中硬編碼。

• 安裝您所用語言的官方 SDK。
• 建立帳戶並產生您的 API 金鑰。
• 設定 IA_API_KEY 在您的環境中。

此設定確保您的請求立即進行驗證，無需額外的設定步驟。

步驟 1：使用基礎 URL 初始化客戶端

將您的客戶端指向我們的基礎 URL，以正確路由請求。您必須覆蓋預設基礎 URL 才能到達我們的無審查模型端點。這可確保所有後續呼叫使用正確的基礎設施。

將基礎 URL 配置為 https://api.iasansrestriction.com/v1 在您的客戶端設定中。這項單一變更會將流量導向我們的伺服器以進行文字生成。

步驟 2：發送您的第一個聊天完成請求

進行首次請求以測試連線並接收文字輸出。使用模型 ID uncensored 存取無限制大型語言模型。該模型預設不會拒絕合法的成人或爭議性主題。

向以下網址發送 POST 請求 /v1/chat/completions 搭配您的系統和使用者訊息。回應將包含生成的文字，且沒有標準的內容篩選。

步驟 3：處理串流回應（SSE）

啟用串流以即時交付 Token 來改善使用者體驗。將 stream 參數至 true 在你的請求主體中。伺服器將回傳一個由區塊組成的伺服器發送事件 (SSE) 串流。

隨到隨處理每個數據塊以增量顯示文本。這種方法減少了長篇內容生成的感知延遲。

步驟 4：使用函式呼叫和 JSON 模式

使用內置格式化功能構造您的數據輸出。您可以通過設置 response_format 以 {"type": "json_object"}. 這可確保下游應用程式的可預測解析。

在請求中定義工具以啟用函式呼叫功能。模型將回傳結構化參數，您的程式碼可直接執行這些參數。

步驟 5：管理 Token 與限制

監控您的使用情況以避免服務中斷並管理成本。您按 token 付費，錯誤和拒絕是免費的。信用額永不過期，因此您可以在需要時充值。

請遵守限制：每分鐘 300 次請求和 100,000 token 的上下文窗口。429 錯誤表示您已超過速率限制。401 錯誤表示您的金鑰無效，而 402 錯誤表示信用額度不足。

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);

串流

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)