Snabbstart för utvecklare för ocensurerat API

Bas URL och autentisering

Konfigurera din klient att peka mot den obegränsade LLM-slutpunkten med din API-nyckel. Bas-URL:n är HTTPS://api.oneapillm.com/v1, som fungerar med alla OpenAI-kompatibla SDK:er. Du får en nyckel via sidan "Hämta API-nyckel" med Google eller e-post, och den visas omedelbart. Använd denna nyckel i Authorization header eller SDK:ns api_key fält. Dina begäranden dirigeras till en enda öppen modell optimerad för obegränsade svar.

• Bas-URL: https://api.oneapillm.com/v1
• Auth: Bearer-token via Authorization: Bearer YOUR_KEY

Skicka din första förfrågan

Gör en standard POST begäran till /v1/chat/completions med modell-ID:t uncensored. Denna slutpunkt accepterar textinmatning och returnerar textoutput, med stöd för upp till 16 000 tokens per svar. Du kan skicka enkla prompts eller strukturerade meddelanden precis som du skulle göra med andra stora språkmodeller. Systemet vägrar inte laglig vuxen- eller kantig innehåll, vilket säkerställer konsekvent output.

Exempel på cURL-begäran:

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"}]
  }'

Kom ihåg att fel och avslag är gratis, så du kan experimentera utan att oroa dig för tokenkostnader för misslyckade förfrågningar.

Python SDK-integration

Använd den officiella Python-klienten för att interagera sömlöst med API-dokumentationsslutpunkterna. Ange base_url till den enda API LLM-slutpunkten och ange ditt API-nyckel. SDK:n hanterar serialisering och strömning automatiskt, vilket gör att du kan fokusera på din applikationslogik. Du kan skicka flera meddelanden i en enda förfrågan för att behålla kontexten.

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)

Klienten stöder standardparametrar som temperature och top_p för att kontrollera kreativitet och slumpmässighet. Detta tillvägagångssätt håller din kod enkel och portabel över olika modellleverantörer.

Node SDK-konfiguration

Initiera Node.js-klienten med den specifika bas-URL:en för att komma åt de osensurerade AI-modellerna. Ange din API-nyckel och modellidentifieraren. uncensored för att säkerställa korrekt routning. SDK:t hanterar HTTP-anslutningarna och parsar JSON-svaren effektivt. Du kan skicka strömmande eller icke-strömmande begäranden beroende på ditt användningsfall.

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);

Se till att du hanterar response-objekten korrekt, då strukturen matchar OpenAI-formatet. Denna kompatibilitet innebär att du kan byta bas-URL utan att ändra din kärnlogik.

Strömningsresponser via SSE

Aktivera strömning genom att ställa in stream parametern till true i ditt begäran. Servern returnerar en ström av Server-Sent Events (SSE), vilket gör att du kan bearbeta token när de genereras. Detta är idealiskt för realtidsapplikationer där latens spelar roll. Den sista biten innehåller total tokenanvändning för begäran.

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)

Strömning hjälper till att hålla användaren engagerad genom att visa framsteg. Du kan parsat varje bit för att bygga ett komplett svar eller visa token inkrementellt. Den obegränsade modellen stöder denna funktion pålitligt.

Funktionsanrop och JSON-läge

Använd API:t för strukturerad dataextraktion eller verktygsexekvering med funktionsanrop. Definiera dina verktyg i begäran, och modellen returnerar strukturerad JSON-output. Du kan också tvinga JSON-läge genom att ställa in response_format för {"type": "json_object"}. Detta säkerställer att utdatan alltid är giltig JSON, vilket är användbart för parsing. Modellen är optimerad för att följa instruktioner noggrant, även för komplexa scheman.