API-documentatie: snelle integratie in 5 minuten

Omgevingsconfiguratie en authenticatie

Om te beginnen haal je je unieke API-sleutel op vanuit je dashboard. Deze sleutel fungeert als identiteit om je verzoeken te authenticeren. In tegenstelling tot generieke modellen bouwt onze API voort op een gestandaardiseerde endpoint, waardoor je de officiële SDK's of elke OpenAI-compatibele client kunt gebruiken. Je hoeft geen telefoonnummer of creditcard op te geven om toegang te krijgen tot het initiële gratis proeftegoed.

Het basisendpoint is https://api.llmnoncensure.com/v1. Zorg dat je je omgeving configureert om deze specifieke base URL te gebruiken. De API-sleutel moet worden doorgegeven via de header Authorization: Bearer <YOUR_API_KEY>. Er wordt één sleutel per account gegenereerd; je kunt op elk moment een nieuwe genereren, waardoor de oude automatisch wordt ingetrokken.

Eerste verzoek met cURL

Stuur je eerste verzoek om te controleren of de integratie werkt. We gebruiken het model-id uncensored. Dit verzoek stuurt tekst als input en ontvangt een tekstuele respons zonder de gebruikelijke contentfilters, zolang het niet gaat om seksuele inhoud met minderjarigen. Het model is gefinetuned om volwassen, controversiële onderwerpen en security-onderwerpen zonder onterecht afwijzen te beantwoorden.

Hier is de basisstructuur om de verbinding te testen:

Copiercurl https://api.llmnoncensure.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Met dit commando valideren je dat je sleutel actief is en het model klaar is om complexe prompts te ontvangen.

Integratie met Python SDK

Als je in Python ontwikkelt, gebruik dan de openai bibliotheek voor een naadloze integratie. Stel de omgevingsvariabele OPENAI_BASE_URL in of geef base_url direct door aan de client. Hiermee kun je je bestaande code hergebruiken door simpelweg de modelbron te wijzigen. De SDK verzorgt JSON-serialisatie en netwerkfouten voor je.

Hier is een minimaal voorbeeld:

Copierfrom openai import OpenAI

client = OpenAI(base_url="https://api.llmnoncensure.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)

Het model uncensored accepteert standaardparameters zoals temperature en max_tokens. Je kunt de creativiteit van het antwoord aanpassen zonder bang te zijn dat de AI een antwoord blokkeert dat door generieke criteria als 'risicovol' wordt beschouwd.

Gebruik met Node.js en JavaScript

Voor JavaScript- of TypeScript-omgevingen werkt de openai SDK op exact dezelfde manier. Configureer de client met de base URL en de API-sleutel. Deze aanpak is ideaal voor backend-applicaties of API-servers die dynamische AI-antwoorden moeten integreren zonder de beperkingen van grote algemene aanbieders.

Copierimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.llmnoncensure.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);

Zorg dat je asynchrone antwoorden correct afhandelt. Elk verzoek wordt individueel verwerkt, waardoor je bedrijfslogica niet wordt geblokkeerd door de generatietijden van het model. Het contextvenster van 100.000 tokens stelt je in staat lange systeemprompts of uitgebreide conversatiegeschiedenissen te versturen.

Ondersteuning voor SSE-streaming

Voor een vloeiende gebruikerservaring activeer je streaming via server-sent events (SSE). Hierdoor wordt het antwoord woord voor woord weergegeven in plaats van te wachten tot de generatie klaar is. Dit is vooral nuttig voor chatinterfaces waar de waargenomen latentie kritiek is. De gegevensstroom is gestructureerd volgens de OpenAI-standaard, wat parsing aan de clientkant vergemakkelijkt.

Copierstream = 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)

Streaming verandert niet de logica van het model; het verandert alleen het transport van de gegevens. Elke chunk is een onderdeel van het finale antwoord. Je kunt de stream op elk moment onderbreken als de gebruiker de prompt wijzigt, wat het gebruik van je tegoed optimaliseert.

Rate limits, fouten en context

Het kennen van de API-limieten is cruciaal voor een robuuste integratie. Je bent beperkt tot 300 verzoeken per minuut per API-sleutel. De request body mag niet groter zijn dan 8 MB. Bij een fout worden standaard HTTP-codes geretourneerd: 401 voor een ongeldige sleutel, 402 als je tegoed op is, en 429 bij overschrijding van het rate limit. Het model heeft een contextvenster van 100.000 tokens, inclusief prompt en antwoord. Hiermee kun je lange documenten of uitgebreide gesprekken versturen zonder voortijdige onderbreking. In tegenstelling tot andere diensten zijn er geen vaste maandelijkse kosten; je betaalt alleen wat je verbruikt met je prepaid tegoed.