Szybki start API Uncensored LLM Online

Base URL i uwierzytelnianie

API online LLM bez cenzury korzysta ze standardowych endpointów kompatybilnych z OpenAI. Skonfiguruj klienta tak, aby wskazywał na Base URL https://api.uncensoredllmonline.com/v1. Autoryzacja odbywa się poprzez klucz API przekazywany w nagłówku Authorization. Możesz wygenerować swój klucz na stronie Get API key, podając tylko adres e-mail i hasło. Klucz jest wyświetlany natychmiast po rejestracji. Nie jest wymagany numer telefonu ani karta kredytowa, aby rozpocząć. Każde konto posiada jeden aktywny klucz, który można wygenerować ponownie w dowolnym momencie, aby unieważnić dostęp dla starego klucza. Przechowuj swój klucz bezpiecznie, ponieważ zapewnia on bezpośredni dostęp do Twojego przedpłaconego kredytu.

Endpoint ukończeń czatu

Wyślij tekst do LLM bez cenzury, wysyłając żądanie POST /v1/chat/completions. Ten endpoint akceptuje listę wiadomości i zwraca odpowiedź modelu. ID modelu do użycia to uncensored. Jest to model o otwartych wagach dostrojony do odpowiadania bez odmów treści dla użytkowników dorosłych w sposób zgodny z prawem. Nie jest to GPT, Claude ani model innego dostawcy. API zwraca możliwości generowania surowego tekstu odpowiednie do integracji niestandardowych. Użyj poniższego polecenia cURL, aby przetestować podstawowe zapytanie:

Copycurl https://api.uncensoredllmonline.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Ciało żądania powinno zawierać ID modelu i historię wiadomości. Upewnij się, że klient wysyła nagłówek Authorization: Bearer <your-key>. Odpowiedź zawiera wygenerowany tekst do użycia w logice aplikacji.

Integracja z Python SDK

Użyj oficjalnego Python SDK OpenAI do interakcji z modelem AI bez cenzury. Ustaw base_url i api_key podczas inicjalizacji klienta. Pozwala to na używanie znanych metod takich jak chat.completions.create. Poniższy przykład pokazuje, jak zainicjować klienta i wysłać proste zapytanie:

Copyfrom openai import OpenAI

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

To podejście pozwala wykorzystać istniejące struktury kodu, przechodząc na LLM bez cenzury. SDK automatycznie obsługuje serializację JSON i parsowanie odpowiedzi. Pamiętaj, że identyfikator modelu musi być ustawiony na uncensored, aby upewnić się, że trafiasz do właściwego endpointu. Ta metoda jest idealna dla deweloperów, którzy chcą zminimalizować kod szkieletowy.

Integracja z Node SDK

Dla projektów JavaScript lub TypeScript, Node SDK OpenAI działa bezproblemowo z naszym API. Zainicjuj klienta swoim kluczem API i poprawnym base URL. Endpoint obsługuje standardowe ukończenia czatu, co ułatwia integrację z aplikacjami webowymi lub funkcjami serverless. Oto jak skonfigurować klienta:

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.uncensoredllmonline.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);

Przekaż tablicę wiadomości i ID modelu uncensored do funkcji completion. Odpowiedź będzie zawierać wygenerowany tekst. Ta integracja jest odpowiednia dla programistów, którzy potrzebują osadzić generację bezcenzurowanego tekstu w aplikacjach Node.js. Upewnij się, że obsługujesz błędy odpowiednio, ponieważ API może zwracać błędy limitu zapytań lub wyczerpania kredytu.

Odpowiedzi strumieniowe (SSE)

Włącz generowanie tekstu w czasie rzeczywistym, ustawiając stream: true w żądaniu. API zwraca zdarzenia wysłane przez serwer (SSE), które dostarczają odpowiedź token po tokenie. Jest to przydatne w interfejsach czatu lub aplikacjach, gdzie liczy się opóźnienie. Użyj poniższego przykładu, aby zaimplementować strumieniowanie:

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)

Czytaj ze strumienia, gdy przychodzą tokeny. API onlineowego modelu LLM bez cenzury obsługuje to natywnie. Strumieniowanie zmniejsza postrzegane opóźnienie dla użytkowników końcowych. Pamiętaj, że strumieniowanie zużywa tę samą liczbę tokenów co żądania niestrumieniowe. Każdy token jest rozliczany zgodnie z saldem Twojego przedpłaconego kredytu.

Limity zapytań i okno kontekstu

API online LLM bez cenzury nakłada limit 300 zapytań na minutę na klucz. Maksymalny rozmiar ciała zapytania wynosi 8 MB. Okno kontekstu wynosi 100 000 tokenów, obejmując zarówno prompt, jak i uzupełnienie. Jeśli przekroczysz limit zapytań, API zwróci błąd 429. Jeśli Twój przedpłacony kredyt zostanie wyczerpany, otrzymasz błąd 402. Nieprawidłowy lub wygasły klucz skutkuje błędem 401. Limity te zapewniają uczciwe użytkowanie wśród wszystkich programistów. Przedpłacony kredyt w modelu pay-as-you-go nigdy nie wygasa, więc możesz korzystać z salda, gdy tylko będzie to potrzebne.