Γρήγορη Έναρξη για Προγραμματιστές για Uncensored API

Βασικό URL και Αυθεντικοποίηση

Ρυθμίστε τον πελάτη σας να κατευθύνει στο endpoint του LLM χωρίς λογοκρισία χρησιμοποιώντας το κλειδί API σας. Η βάση URL είναι HTTPS://api.oneapillm.com/v1, το οποίο λειτουργεί με οποιοδήποτε OpenAI-compatible SDK. Αποκτάτε ένα key μέσω της σελίδας "Get API key" χρησιμοποιώντας Google ή email, και εμφανίζεται άμεσα. Χρησιμοποιήστε αυτό το key στο Authorization header ή το api_key πεδίο. Οι αιτήσεις σας κατευθύνονται σε ένα μοναδικό μοντέλο ανοιχτού βάρους που έχει ρυθμιστεί για μη περιορισμένες απαντήσεις.

• Base URL: https://api.oneapillm.com/v1
• Πιστοποίηση: Bearer token μέσω Authorization: Bearer YOUR_KEY

Αποστολή της πρώτης σας αίτησης

Κάντε ένα τυπικό POST αίτηση για /v1/chat/completions με το μοναδικό αναγνωριστικό μοντέλου uncensored. Αυτό το endpoint δέχεται text input και επιστρέφει text output, υποστηρίζοντας έως 16,000 tokens ανά απάντηση. Μπορείτε να στείλετε απλά prompts ή structured messages ακριβώς όπως θα κάνατε με άλλα large language models. Το σύστημα δεν απορρίπτει νόμιμο ενήλικο ή edgy content, διασφαλίζοντας consistent output.

Παράδειγμα αιτήματος cURL:

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"}]
  }'

Θυμηθείτε ότι τα σφάλματα και οι απορρίψεις είναι δωρεάν, οπότε μπορείτε να πειραματιστείτε χωρίς να ανησυχείτε για το κόστος tokens για αποτυχημένες αιτήσεις.

Ενσωμάτωση SDK Python

Χρησιμοποιήστε το επίσημο Python client για να αλληλεπιδράσετε ομαλά με τα endpoints της τεκμηρίωσης της API. Ορίστε το base_url στο μοναδικό endpoint LLM API και παρέχετε το API key σας. Το SDK χειρίζεται τη σειριοποίηση και το streaming αυτόματα, επιτρέποντάς σας να εστιάσετε στη λογική της εφαρμογής σας. Μπορείτε να στείλετε πολλαπλά μηνύματα σε ένα αίτημα για να διατηρήσετε το πλαίσιο.

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)

Ο πελάτης υποστηρίζει τυποποιημένες παραμέτρους όπως temperature και top_p για να ελέγξετε τη δημιουργικότητα και την τυχαιότητα. Αυτή η προσέγγιση διατηρεί τον κώδικά σας απλό και φορητό σε διαφορετικούς παρόχους μοντέλων.

Node SDK Configuration

Αρχικοποιήστε τον πελάτη Node.js με τη συγκεκριμένη βάση URL για πρόσβαση στα μοντέλα AI uncensored. Περάστε το κλειδί API και τον αναγνωριστικό μοντέλου uncensored για να διασφαλίσετε σωστή διαδρομή. Το SDK διαχειρίζεται τις HTTP συνδέσεις και parse τα JSON responses αποδοτικά. Μπορείτε να στείλετε streaming ή non-streaming αιτήσεις ανάλογα με την περίπτωσή σας.

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);

Βεβαιωθείτε ότι διαχειρίζεστε σωστά τα αντικείμενα απόκρισης, καθώς η δομή ταιριάζει με το format του OpenAI. Αυτή η συμβατότητα σημαίνει ότι μπορείτε να εναλλάξετε τη βάση URL χωρίς να αλλάξετε τον βασικό σας λογικό κώδικα.

Streaming Αποκρίσεις μέσω SSE

Ενεργοποιήστε τη ροή δεδομένων (streaming) ορίζοντας το stream η παράμετρος σε true στην αίτησή σας. Ο διακομιστής επιστρέφει μια ροή Server-Sent Events (SSE), επιτρέποντάς σας να επεξεργαστείτε tokens καθώς παράγονται. Αυτό είναι ιδανικό για εφαρμογές πραγματικού χρόνου όπου η καθυστέρηση έχει σημασία. Το τελικό τμήμα περιέχει τη συνολική χρήση tokens για την αίτηση.

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)

Η ροή δεδομένων βοηθά στη διατήρηση του ενδιαφέροντος του χρήστη δείχνοντας την πρόοδο. Μπορείτε να αναλύσετε κάθε τμήμα για να χτίσετε μια πλήρη απάντηση ή να εμφανίσετε tokens σταδιακά. Το μοντέλο uncensored υποστηρίζει αυτή τη λειτουργία αξιόπιστα.

Function Calling και JSON Mode

Χρησιμοποιήστε το API για εξαγωγή δομημένων δεδομένων ή εκτέλεση εργαλείων με function calling. Ορίστε τα εργαλεία σας στην αίτηση, και το μοντέλο θα επιστρέψει δομημένη έξοδο JSON. Μπορείτε επίσης να επιβάλετε τη λειτουργία JSON ρυθμίζοντας response_format για {"type": "json_object"}. Αυτό εξασφαλίζει ότι η έξοδος είναι πάντα έγκυρο JSON, το οποίο είναι χρήσιμο για την ανάλυση. Το μοντέλο είναι ρυθμισμένο να ακολουθεί τις οδηγίες με ακρίβεια, ακόμη και για σύνθετα σχήματα.