شروع سریع توسعه‌دهندگان برای API بدون سانسور

URL پایه و احراز هویت

کلاینت خود را برای اشاره به نقطه پایانی LLM uncensored با استفاده از کلید API خود تنظیم کنید. URL پایه HTTPS://api.oneapillm.com/v1, که با هر SDK سازگار با OpenAI کار می‌کند. شما یک کلید را از صفحه "دریافت کلید API" با استفاده از گوگل یا ایمیل دریافت می‌کنید و بلافاصله ظاهر می‌شود. از این کلید در Authorization هدر یا api_key فیلد. درخواست‌های شما به یک مدل وزن‌باز واحد بهینه‌سازی شده برای پاسخ‌های نامحدود هدایت می‌شوند.

• URL پایه: https://api.oneapillm.com/v1
• احراز هویت: توکن Bearer از طریق Authorization: Bearer YOUR_KEY

ارسال اولین درخواست

یک درخواست POST request to /v1/chat/completions با شناسه مدل uncensored. این انتهای‌بند، ورودی متنی را می‌پذیرد و خروجی متنی برمی‌گرداند و تا ۱۶,۰۰۰ توکن در هر پاسخ را پشتیبانی می‌کند. می‌توانید پرامپت‌های ساده یا پیام‌های ساختاریافته را دقیقاً مانند سایر مدل‌های زبانی بزرگ ارسال کنید. سیستم محتوای بزرگسالان قانونی یا جسورانه را رد نمی‌کند و خروجی ثابتی تضمین می‌کند.

درخواست cURL نمونه:

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"}]
  }'

به یاد داشته باشید که خطاها و رد شدن‌ها رایگان هستند، بنابراین می‌توانید بدون نگرانی درباره هزینه‌های توکن برای درخواست‌های ناموفق آزمایش کنید.

یکپارچه‌سازی SDK Python

از کلاینت رسمی پایتون برای تعامل بی‌درنگ با اندپوینت‌های مستندات API استفاده کنید. مقدار base_url به نقطه پایانی LLM API واحد و کلید API خود را ارائه دهید. SDK سریال‌سازی و استریم را به طور خودکار مدیریت می‌کند و به شما امکان می‌دهد بر منطق برنامه خود تمرکز کنید. می‌توانید پیام‌های متعددی را در یک درخواست ارسال کنید تا زمینه حفظ شود.

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)

کلاینت از پارامترهای استاندارد مانند temperature و top_p برای کنترل خلاقیت و تصادفی‌سازی. این رویکرد کد شما را ساده و قابل حمل در بین ارائه‌دهندگان مدل مختلف نگه می‌دارد.

پیکربندی Node SDK

کلاینت Node.js را با URL پایه مشخص مقداردهی اولیه کنید تا به مدل‌های هوش مصنوعی بدون سانسور دسترسی پیدا کنید. کلید API و شناسه مدل را وارد کنید. uncensored برای اطمینان از مسیریابی صحیح. SDK اتصالات HTTP را مدیریت می‌کند و پاسخ‌های JSON را به‌طور کارآمد تجزیه می‌نماید. می‌توانید بسته به مورد استفاده خود، درخواست‌های پخش زنده یا غیرپخش زنده ارسال کنید.

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);

اطمینان حاصل کنید که شیء‌های پاسخ را به درستی مدیریت می‌کنید، زیرا ساختار آن با قالب OpenAI مطابقت دارد. این سازگاری به این معنی است که می‌توانید URL پایه را بدون تغییر منطق اصلی خود تغییر دهید.

پاسخ‌های استریم از طریق SSE

با تنظیم stream پارامتر روی true در درخواست شما. سرور یک استریم از رویدادهای ارسالی سرور (SSE) برمی‌گرداند که به شما امکان می‌دهد توکن‌ها را همان‌طور که تولید می‌شوند پردازش کنید. این روش برای برنامه‌های بلادرنگ که در آن‌ها تأخیر اهمیت دارد ایده‌آل است. قطعه نهایی شامل کل مصرف توکن برای درخواست است.

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)

استریم با نمایش پیشرفت کار، به حفظ مشارکت کاربر کمک می‌کند. می‌توانید هر قطعه را تجزیه کنید تا پاسخ کاملی بسازید یا توکن‌ها را به‌صورت افزایشی نمایش دهید. مدل uncensored این ویژگی را به‌طور قابل‌اعتماد پشتیبانی می‌کند.

فراخوانی تابع و حالت JSON

از API برای استخراج داده‌های ساختاریافته یا اجرای ابزارها با فراخوانی تابع (function calling) استفاده کنید. ابزارهای خود را در درخواست تعریف کنید و مدل خروجی JSON ساختاریافته را برمی‌گرداند. همچنین می‌توانید حالت JSON را با تنظیم response_format به {"type": "json_object"}. این امر تضمین می‌کند که خروجی همیشه JSON معتبر باشد که برای تجزیه مفید است. مدل طوری تنظیم شده است که حتی برای طرح‌واره‌های پیچیده به دقت از دستورالعمل‌ها پیروی کند.