Guida rapida per sviluppatori per l'API uncensored

URL Base e Autenticazione

Configura il tuo client per puntare all'endpoint del modello LLM non censurato utilizzando la tua chiave API. L'URL base è HTTPS://api.oneapillm.com/v1, che funziona con qualsiasi SDK compatibile con OpenAI. Ottieni una chiave tramite la pagina "Ottieni chiave API" usando Google o email, e questa appare immediatamente. Usa questa chiave nell' Authorization header o la configurazione dell'SDK api_key campo. Le tue richieste vengono instradate a un singolo modello open-weight ottimizzato per risposte non vincolate.

• Base URL: https://api.oneapillm.com/v1
• Autenticazione: token Bearer tramite Authorization: Bearer YOUR_KEY

Invio della tua prima richiesta

Esegui una richiesta POST richiesta a /v1/chat/completions con l'ID del modello uncensored. Questo endpoint accetta input testuale e restituisce output testuale, supportando fino a 16.000 token per risposta. Puoi inviare prompt semplici o messaggi strutturati proprio come faresti con altri modelli linguistici di grandi dimensioni. Il sistema non rifiuta contenuti adulti o audaci legali, garantendo output coerenti.

Richiesta cURL di esempio:

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"}]
  }'

Ricorda che errori e rifiuti sono gratuiti, quindi puoi sperimentare senza preoccuparti dei costi dei token per le richieste fallite.

Integrazione SDK Python

Utilizza il client Python ufficiale per interagire in modo trasparente con gli endpoint della documentazione dell'API. Imposta il base_url all'endpoint API LLM e fornisci la tua chiave API. L'SDK gestisce la serializzazione e lo streaming automaticamente, permettendoti di concentrarti sulla logica della tua applicazione. Puoi inviare più messaggi in una singola richiesta per mantenere il contesto.

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)

Il client supporta parametri standard come temperature e top_p per controllare la creatività e la casualità. Questo approccio mantiene il vostro codice semplice e portabile tra diversi fornitori di modelli.

Configurazione SDK Node

Inizializza il client Node.js con l'URL di base specifico per accedere ai modelli AI uncensored. Passa la tua chiave API e l'identificatore del modello uncensored per garantire un corretto instradamento. L'SDK gestisce le connessioni HTTP e analizza le risposte JSON in modo efficiente. Puoi inviare richieste in streaming o non in streaming a seconda del tuo caso d'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);

Assicurati di gestire correttamente gli oggetti di risposta, poiché la struttura corrisponde al formato OpenAI. Questa compatibilità significa che puoi sostituire l'URL di base senza modificare la tua logica principale.

Risposte in streaming tramite SSE

Abilita lo streaming impostando il stream il parametro a true nella tua richiesta. Il server restituisce uno stream di Server-Sent Events (SSE), consentendoti di elaborare i token man mano che vengono generati. Questo è ideale per le applicazioni in tempo reale in cui la latenza è importante. L'ultimo chunk contiene l'utilizzo totale dei token per la richiesta.

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)

Lo streaming mantiene l'utente coinvolto mostrando i progressi. Puoi analizzare ogni blocco per costruire una risposta completa o visualizzare i token in modo incrementale. Il modello uncensored supporta questa funzione in modo affidabile.

Function Calling e modalità JSON

Utilizza l'API per l'estrazione di dati strutturati o l'esecuzione di strumenti con function calling. Definisci i tuoi strumenti nella richiesta e il modello restituirà un output JSON strutturato. Puoi anche impostare la modalità JSON impostando response_format a {"type": "json_object"}. Questo garantisce che l'output sia sempre JSON valido, utile per il parsing. Il modello è ottimizzato per seguire le istruzioni con precisione, anche per schemi complessi.