Inicio rápido para desarrolladores para API sin censura

URL Base y Autenticación

Configura tu cliente para apuntar al endpoint del LLM sin censura usando tu clave API. La URL base es HTTPS://api.oneapillm.com/v1, que funciona con cualquier SDK compatible con OpenAI. Obtienes una clave a través de la página "Obtener clave API" usando Google o correo electrónico, y aparece inmediatamente. Usa esta clave en el Authorization header o la api_key campo. Sus solicitudes se enrutan a un único modelo de peso abierto optimizado para respuestas sin restricciones.

• URL base: https://api.oneapillm.com/v1
• Autenticación: token Bearer a través de Authorization: Bearer YOUR_KEY

Enviar tu primera solicitud

Realiza una solicitud estándar POST solicitud para /v1/chat/completions con el ID del modelo uncensored. Este endpoint acepta entrada de texto y devuelve salida de texto, admitiendo hasta 16.000 tokens por respuesta. Puedes enviar prompts simples o mensajes estructurados tal como lo harías con otros modelos de lenguaje grandes. El sistema no rechaza contenido adulto legal o atrevido, garantizando una salida constante.

Solicitud cURL de ejemplo:

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"}]
  }'

Recuerda que los errores y los rechazos son gratuitos, por lo que puedes experimentar sin preocuparte por los costos de tokens para las solicitudes fallidas.

Integración del SDK de Python

Utiliza el cliente oficial de Python para interactuar con los extremos de documentación de la API sin problemas. Establece el base_url al único extremo de API LLM y proporciona tu clave de API. El SDK maneja la serialización y el streaming automáticamente, permitiéndote concentrarte en la lógica de tu aplicación. Puedes enviar múltiples mensajes en una sola solicitud para mantener el contexto.

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)

El cliente admite parámetros estándar como temperature y top_p para controlar la creatividad y la aleatoriedad. Este enfoque mantiene tu código simple y portátil entre diferentes proveedores de modelos.

Configuración del SDK Node

Inicializa el cliente de Node.js con la URL base específica para acceder a los modelos de IA sin censura. Pasa tu clave de API y el identificador del modelo. uncensored para asegurar el enrutamiento correcto. El SDK gestiona las conexiones HTTP y analiza las respuestas JSON de forma eficiente. Puedes enviar solicitudes de streaming o no de streaming según tu caso de uso.

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);

Asegúrate de manejar los objetos de respuesta correctamente, ya que la estructura coincide con el formato de OpenAI. Esta compatibilidad significa que puedes cambiar la URL base sin cambiar tu lógica principal.

Respuestas en streaming vía SSE

Habilita el streaming estableciendo el stream el parámetro a true en tu solicitud. El servidor devuelve un flujo de Server-Sent Events (SSE), lo que te permite procesar tokens a medida que se generan. Esto es ideal para aplicaciones en tiempo real donde la latencia es importante. El último fragmento contiene el uso total de tokens para la solicitud.

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)

El streaming ayuda a mantener al usuario interesado mostrando el progreso. Puedes analizar cada fragmento para construir una respuesta completa o mostrar los tokens de forma incremental. El modelo uncensored admite esta función de forma fiable.

Llamada de Función y Modo JSON

Usa la API para extracción de datos estructurados o ejecución de herramientas con llamada de funciones. Define tus herramientas en la solicitud y el modelo devolverá una salida JSON estructurada. También puedes forzar el modo JSON estableciendo response_format para {"type": "json_object"}. Esto garantiza que la salida sea siempre JSON válido, lo cual es útil para analizar. El modelo está ajustado para seguir las instrucciones con precisión, incluso para esquemas complejos.