Pengenalan pantas pemaju untuk API tanpa sensor

URL Asas dan Pengesahan

Konfigurasikan klien anda untuk mengarah ke endpoint LLM uncensored menggunakan kunci API anda. URL asas ialah HTTPS://api.oneapillm.com/v1, yang berfungsi dengan mana-mana SDK serasi OpenAI. Anda memperoleh kunci melalui halaman "Dapatkan Kunci API" menggunakan Google atau e-mel, dan ia muncul serta-merta. Gunakan kunci ini dalam Authorization header atau api_key bidang. Permintaan anda disalurkan ke satu model berat terbuka yang disesuaikan untuk respons tanpa sekatan.

• URL Asas: https://api.oneapillm.com/v1
• Auth: Token Bearer melalui Authorization: Bearer YOUR_KEY

Menghantar Permintaan Pertama Anda

Buat standard POST permintaan ke /v1/chat/completions dengan ID model uncensored. Hujung sambungan ini menerima input teks dan mengembalikan output teks, menyokong sehingga 16,000 token per respons. Anda boleh menghantar arahan mudah atau mesej berstruktur seperti yang anda lakukan dengan model bahasa besar lain. Sistem tidak menolak kandungan dewasa atau kontroversi yang sah, memastikan output yang konsisten.

Contoh permintaan 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"}]
  }'

Perhatikan bahawa ralat dan penolakan adalah percuma, jadi anda boleh bereksperimen tanpa risau tentang kos token untuk permintaan yang gagal.

Integrasi SDK Python

Gunakan klien Python rasmi untuk berinteraksi dengan hujung sambungan dokumentasi API dengan lancar. Tetapkan base_url ke hujung LLM API tunggal dan berikan kunci API anda. SDK mengendalikan serialisasi dan penstriman secara automatik, membolehkan anda memberi tumpuan kepada logik aplikasi anda. Anda boleh menghantar mesej berbilang dalam satu permintaan untuk mengekalkan konteks.

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)

Klien ini menyokong parameter piawai seperti temperature dan top_p untuk mengawal kreativiti dan rawak. Pendekatan ini mengekalkan kod anda mudah dan boleh alih merentas penyedia model yang berbeza.

Konfigurasi SDK Node

Mulakan klien Node.js dengan URL asas khusus untuk mengakses model AI tanpa sensor. Lulus kunci API anda dan pengenal pasti model uncensored untuk memastikan perutean yang betul. SDK menguruskan sambungan HTTP dan menguraikan respons JSON dengan cekap. Anda boleh menghantar permintaan aliran atau bukan aliran bergantung pada kes penggunaan anda.

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);

Pastikan anda mengendalikan objek respons dengan betul, kerana strukturnya sepadan dengan format OpenAI. Keserasian ini bermakna anda boleh menukar URL asas tanpa mengubah logik teras anda.

Respons Streaming Melalui SSE

Aktifkan penstriman dengan menetapkan stream parameter kepada true dalam permintaan anda. pelayan mengembalikan penstriman Acara Dihantar Pelayan (SSE), membolehkan anda memproses token apabila ia dijana. Ini sesuai untuk aplikasi masa nyata di mana latensi penting. Pecahan terakhir mengandungi jumlah penggunaan token untuk permintaan.

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)

Penjanaan aliran membantu mengekalkan keterlibatan pengguna dengan menunjukkan kemajuan. Anda boleh menguraikan setiap pecahan untuk membina respons lengkap atau memaparkan token secara berperingkat. Model tanpa sensor menyokong ciri ini dengan boleh dipercayai.

Panggilan Fungsi dan Mod JSON

Gunakan API untuk pengekstrakan data terstruktur atau pelaksanaan alat dengan panggilan fungsi. Takrifkan alat anda dalam permintaan, dan model akan mengembalikan output JSON terstruktur. Anda juga boleh memaksakan mod JSON dengan menetapkan response_format ke {"type": "json_object"}. Ini memastikan output sentiasa JSON yang sah, yang berguna untuk penguraian. Model telah diselaraskan untuk mengikuti arahan dengan tepat, walaupun untuk skema yang kompleks.