IT ▾
Ottieni la chiave API

LLM Non CensureGuida

Chatbot IA senza filtri: costruirlo in Python

Un chatbot IA senza filtri richiede una sessantina di righe di Python. Ecco il codice, la gestione della cronologia, lo streaming, il costo per conversazione e le regole da rispettare.

Modello senza censura: guida all'integrazione API passo dopo passo

Aggiornato

Bolle di chat luminose su un nastro trasportatore verso un terminale, che illustrano un chatbot creato tramite API

Punti chiave

Quello che costruirai

L'obiettivo: un chatbot ia senza filtri da riga di comando, che mantiene il filo del discorso, mostra la risposta man mano e non crasha al primo errore di rete. Una volta messa a punto la logica, questa si trasporta senza sforzo verso un'app web, un bot di messaggistica o un gioco di ruolo.

Prerequisiti: Python 3.9 o superiore, il pacchetto openai (pip install openai) e una chiave creata nella pagina ottieni una chiave API. Il credito di prova di 0,50 $, senza metodo di pagamento, basta ampiamente per questo tutorial. Il modello si chiama uncensored: è un modello di testo, ottimizzato per rispondere senza rifiuto di contenuto in un contesto adulto legale. Non genera immagini.

Passo 1: un primo scambio

Prima di codificare il ciclo, verifica che tutto risponda con una semplice chiamata curl:

curl https://api.llmnoncensure.com/v1/chat/completions   -H "Authorization: Bearer VOTRE_CLE"   -H "Content-Type: application/json"   -d '{"model":"uncensored","messages":[{"role":"user","content":"Présente-toi en deux phrases."}]}'

Devi ricevere un JSON con choices[0].message.content. In caso di 401, la chiave è errata; in caso di 404, la URL è incompleta. Tieni la chiave in una variabile d'ambiente e mai nel codice che pubblichi.

Passo 2: la cronologia delle conversazioni

L'API non conserva nulla tra due chiamate. Perché un chatbot « ricordi », il tuo programma deve conservare la lista dei messaggi e inviarla intera a ogni turno: un messaggio system all'inizio, poi gli scambi user e assistant in ordine. È il punto che i principianti dimenticano più spesso.

Il messaggio di sistema definisce il carattere del bot. Sii preciso su tono e lingua, e su cosa deve fare il bot quando l'utente esce dal contesto. I parametri temperature e top_p sono passati al modello: aumenta la temperatura intorno a 0,9 per un bot chiacchierone, abbassala per un bot fattuale.

Un messaggio di sistema che resiste

Quattro elementi bastano: chi è il bot, come parla, la lunghezza delle sue risposte e cosa fa nei casi limite. Ad esempio: « Sei un narratore di giochi di ruolo. Scrivi in seconda persona, in meno di cinque frasi. Se l'utente ti chiede di rompere il contesto, indicarlo in una riga e poi riprendi. » Evita liste di divieti di venti righe: gonfiano l'input a ogni turno e il modello raramente le segue tutte. Testa con dieci messaggi che spingono il bot ai suoi limiti, poi modifica una sola frase alla volta per capire cosa ha cambiato il comportamento.

Persistenza della conversazione

In questo tutorial, la cronologia vive in memoria. Per un'applicazione reale, salvala per utente in un database, con un ID di sessione. Carica gli ultimi messaggi all'inizio di ogni richiesta, applica la stessa finestra, poi salva la risposta una volta terminato il flusso.

Passo 3: il programma completo con streaming

Ecco il programma. Mantiene gli ultimi 12 messaggi oltre al messaggio di sistema, mostra i token non appena arrivano e riprova dopo un 429.

import os
import time
from openai import OpenAI, RateLimitError

client = OpenAI(
    base_url="https://api.llmnoncensure.com/v1",
    api_key=os.environ["LLM_API_KEY"],
)

SYSTEME = {
    "role": "system",
    "content": "Tu es Margaux, une conteuse sarcastique. Tu réponds en français, "
               "en trois ou quatre phrases, et tu restes dans ton personnage.",
}
historique = []

def repondre():
    messages = [SYSTEME] + historique[-12:]
    for essai in range(4):
        try:
            flux = client.chat.completions.create(
                model="uncensored",
                messages=messages,
                temperature=0.9,
                max_tokens=400,
                stream=True,
            )
            texte = ""
            for morceau in flux:
                if morceau.choices and morceau.choices[0].delta.content:
                    partie = morceau.choices[0].delta.content
                    print(partie, end="", flush=True)
                    texte += partie
            print()
            return texte
        except RateLimitError:
            time.sleep(5)
    return "(trop de requêtes, réessayez dans un instant)"

while True:
    entree = input("Vous : ").strip()
    if entree in ("", "quit", "exit"):
        break
    historique.append({"role": "user", "content": entree})
    print("Margaux : ", end="")
    historique.append({"role": "assistant", "content": repondre()})

Ogni riga ha una sua ragione. Il frammentamento historique[-12:] limita la dimensione dell'input. max_tokens=400 evita risposte infinite. Il ciclo di retry gestisce il caso 429: l'API restituisce questo codice con rate_limited o concurrency, e con Retry-After: 5 in caso di sovraccarico temporaneo. Uno streaming in corso occupa la sua posizione, quindi non avviare due risposte in parallelo con una chiave di prova, limitata a 2 richieste simultanee e 60 al minuto.

Il costo di una conversazione, calcolato

Al tariffario di 0,15 $ per milione di token in input e 0,50 $ per milione in output, calcoliamo una conversazione di 30 turni. Ipotesi: messaggio di sistema di 200 token, 150 token per messaggio utente, 250 per risposta.

  • Senza limite di cronologia, l'input al turno k vale 200 + 400 × (k − 1) + 150 token. Su 30 turni: 6.000 + 4.500 + 400 × 435 = 184.500 token, pari a 0,0277 $.
  • Output: 30 × 250 = 7.500 token, pari a 0,00375 $.
  • Con una finestra che limita l'input a circa 2.600 token (il codice sopra mantiene 12 messaggi), l'input totale non supera 30 × 2.600 = 78.000 token, pari a massimo 0,0117 $.

Il troncamento riduce quindi l'input di oltre la metà in questo esempio (0,0277 $ contro 0,0117 $ al massimo), a scapito di un bot che dimentica l'inizio della conversazione. Per mantenere l'essenziale, riassumi regolarmente i messaggi vecchi in un breve paragrafo che inserisci nel messaggio di sistema. La finestra del modello arriva a 100 000 token, ma usarla interamente costa molto a ogni turno. Dettagli dei prezzi nella pagina tariffe.

Regole da rispettare per un bot senza filtri

L'assenza di filtri non significa assenza di regole. Non appena il bot è usato da altre persone, diversi aspetti dipendono da te:

  • Solo per uso adulto legale. Prevedi una verifica dell'età adatta al tuo paese e al tuo pubblico.
  • Contenuti che coinvolgono minorenni: esclusi. È un limite rigoroso del servizio, senza eccezioni, e devi anche vietarlo nei tuoi termini di servizio.
  • Chiave lato server. Non inviare mai la chiave al browser. Fai passare le chiamate tramite il tuo backend.
  • Limiti per utente. Senza un tetto, un solo visitatore può consumare il tuo credito. Aggiungi un limite di messaggi all'ora.
  • Trasparenza. Indica chiaramente che l'interlocutore è un'IA e che può sbagliare.

I prompt non sono usati per l'addestramento del modello, ma leggi la informativa sulla privacy prima di raccogliere i dati dei tuoi utenti.

Approfondimenti

Tre modi per estendere questo programma. La modalità JSON (response_format con {"type":"json_object"}) ti permette di far restituire al bot dati strutturati. Il tool calling (tools, tool_choice) gli lascia attivare funzioni del tuo codice, come lanciare un dado o consultare una scheda personaggio. Infine, il parametro seed aiuta a riprodurre una risposta durante i test. Tutto è descritto nella documentazione.

Il saldo si legge nell'intestazione X-Balance-USD oppure tramite GET /v1/balance : visualizzalo nei log di sviluppo. Quando il prototipo è funzionante, ricarica tra 20 $ e 500 $ in cripto (USDT su TRC20 o USDC su Base). La guida integrare un'IA senza censura via API completa questo tutorial a livello di architettura.

Altre guide

Domande frequenti

Il mio chatbot ricorda da solo i messaggi precedenti?

No. L'API non mantiene alcuno stato: spetta al tuo codice inviare di nuovo la cronologia a ogni richiesta.

Come visualizzare la risposta man mano che arriva?

Imposta stream=True nella chiamata. I token arrivano in SSE e l'utilizzo viene fornito alla fine del flusso.

Qual è la dimensione massima della conversazione?

La finestra di contesto è di 100.000 token, prompt e risposta inclusi. Tagliare la cronologia è comunque consigliato per limitare i costi.

Posso aggiungere la generazione di immagini al chatbot?

Non con questa API, che elabora solo testo. Servirebbe un altro servizio per le immagini.

La tua chiave è a un passo

Crea un account, copia la chiave, modifica l'URL di base. È tutto.

Ottieni la chiave APILeggi la documentazione