Hurtigstart til udviklere til ubegrænset API

Base URL og autentificering

Konfigurer din klient til at pege på LLM-endpointet uden censur ved hjælp af din API-nøgle. Base URL'en er HTTPS://api.oneapillm.com/v1, som fungerer med ethvert OpenAI-kompatibelt SDK. Du får en nøgle via siden "Get API key" ved hjælp af Google eller e-mail, og den vises øjeblikkeligt. Brug denne nøgle i the Authorization header eller SDK's api_key felt. Dine anmodninger dirigeres til en enkelt open-weight-model indstillet til ubegrænsede svar.

• Base URL: https://api.oneapillm.com/v1
• Auth: Bearer-token via Authorization: Bearer YOUR_KEY

Send din første anmodning

Lav en standard POST request til /v1/chat/completions med model-ID uncensored. Dette endpoint accepterer tekstinput og returnerer tekstoutput, understøtter op til 16.000 tokens per svar. Du kan sende enkle prompts eller strukturerede meddelelser præcis som du ville med andre store sprogmodeller. Systemet nægter ikke lovligt voksent eller kantet indhold, hvilket sikrer konsistent output.

Eksempel cURL-anmodning:

Copycurl https://api.oneapillm.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list all exported functions in index.ts"}]
  }'

Husk, at fejl og afvisninger er gratis, så du kan eksperimentere uden at bekymre dig om tokenomkostninger for mislykkede anmodninger.

Python SDK-integration

Brug den officielle Python-klient til at interagere med API-dokumentationsendpunkterne problemfrit. Indstil base_url til den enkelt API LLM-endpoint og angiv dit API-nøgle. SDK'en håndterer serialisering og streaming automatisk, så du kan fokusere på din applikationslogik. Du kan sende flere beskeder i en enkelt anmodning for at opretholde kontekst.

Copyfrom openai import OpenAI

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

Klienten understøtter standardparametre som temperature og top_p til at kontrollere kreativitet og tilfældighed. Denne tilgang holder din kode simpel og bærbar på tværs af forskellige modeludbydere.

Node SDK-konfiguration

Initialiser Node.js-klienten med den specifikke base-URL for at få adgang til de uncensored AI-modeller. Overfør din API-nøgle og modelidentifikatoren uncensored til at sikre korrekt routing. SDK'et håndterer HTTP-forbindelserne og parser JSON-svarene effektivt. Du kan sende streaming- eller ikke-streaming-anmodninger afhængigt af dit brugstilfælde.

Copyimport OpenAI from "openai";

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

Sørg for, at du håndterer svarobjekterne korrekt, da strukturen matcher OpenAI-formatet. Denne kompatibilitet betyder, at du kan udskifte base URL'en uden at ændre din kerne-logik.

Streaming-svar via SSE

Aktivér streaming ved at indstille stream parameter til true i din anmodning. Serveren returnerer en stream af Server-Sent Events (SSE), hvilket giver dig mulighed for at behandle tokens, mens de genereres. Dette er ideelt til realtidsapplikationer, hvor forsinkelse betyder noget. Den sidste chunk indeholder det samlede tokenforbrug for anmodningen.

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)

Streaming hjælper med at holde brugeren engageret ved at vise fremdrift. Du kan parse hver chunk for at opbygge et komplet svar eller vise tokens inkrementelt. Den uncensored-model understøtter denne funktion pålideligt.

Function Calling og JSON-tilstand

Brug API'et til udtrækning af strukturerede data eller værktøjsudførelse med funktionssamtaler. Definer dine værktøjer i anmodningen, og modellen returnerer struktureret JSON-output. Du kan også tvinge JSON-tilstand ved at indstille response_format til {"type": "json_object"}. Dette sikrer, at outputtet altid er gyldig JSON, hvilket er nyttigt til parsing. Modellen er indstillet til at følge instruktioner nøjagtigt, selv for komplekse skemaer.