PL ▾
Uzyskaj klucz API

LLM Non CensurePrzewodnik

Chatbot AI bez cenzury: budowanie w Pythonie

Chatbot AI bez filtrów mieści się w około sześćdziesięciu wierszach kodu Python. Oto kod, obsługa historii, strumieniowanie, koszt na rozmowę oraz zasady, które należy przestrzegać.

AI bez cenzury: Przewodnik po integracji API krok po kroku

Zaktualizowano

Bąbelki czatu na taśmie przenoszącej do terminala, ilustrujące chatbota zbudowanego za pomocą API

Kluczowe punkty

Co zbudujesz

Celem jest chatbot IA bez filtrów działający w wierszu poleceń, który prowadzi wątek dyskusji, wyświetla odpowiedź na bieżąco i nie zawiesza się przy pierwszym błędzie sieciowym. Gdy logika jest już gotowa, można ją bez trudu przenieść do aplikacji webowej, bota komunikacyjnego lub gry fabularnej.

Wymagania: Python 3.9 lub nowszy, pakiet openai (pip install openai) oraz klucz wygenerowany na stronie uzyskaj klucz API. Kredyt próbny za 0,50 $ bez podania metody płatności w zupełności wystarczy do tego samouczka. Model nazywa się uncensored: jest to model tekstowy skonfigurowany do odpowiadania bez odmowy treści w ramach prawnego użytku dorosłego. Nie generuje obrazów.

Krok 1: pierwsza wymiana

Zanim zaczniesz kodować pętlę, sprawdź, czy wszystko działa przy użyciu prostego wywołania 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."}]}'

Powinieneś otrzymać JSON z choices[0].message.content. Przy błędzie 401 klucz jest nieprawidłowy; przy 404 URL jest niekompletny. Przechowuj klucz w zmiennej środowiskowej, a nie w kodzie publikowanym publicznie.

Krok 2: historia konwersacji

API nie zapamiętuje niczego między wywołaniami. Aby chatbot „pamiętał”, twój program powinien przechowywać listę wiadomości i przesyłać ją w całości w każdej turze: wiadomość system na początku, a następnie rozmowy user i assistant w kolejności. To właśnie ten aspekt najczęściej zapominają początkujący.

Wiadomość systemowa określa charakter bota. Bądź precyzyjny co do tonu, języka oraz tego, co bot ma robić, gdy użytkownik wyjdzie poza ramy. Parametry temperature i top_p są przekazywane do modelu: zwiększ temperaturę do około 0,9 dla gadatliwego bota, zmniejsz ją dla bota faktograficznego.

Wiadomość systemowa, która wytrzymuje próbę czasu

Wystarczą cztery elementy: kim jest bot, jak mówi, jaka jest długość jego odpowiedzi i co robi w sytuacjach granicznych. Na przykład: „Jesteś narratorem gry fabularnej. Piszesz w drugiej osobie, krótko, w mniej niż pięciu zdaniach. Jeśli użytkownik poprosi o złamanie konwencji, wskaż to w jednym zdaniu, a następnie kontynuuj.” Unikaj list zakazów liczących dwadzieścia wierszy: rozszerzają one wejście w każdej turze, a model rzadko stosuje się do wszystkich. Przetestuj to za pomocą dziesięciu wiadomości, które wyprowadzą bota z równowagi, a następnie dostosowuj po jednym zdaniu na raz, aby sprawdzić, co zmieniło zachowanie.

Trwałe przechowywanie konwersacji

W tym samouczku historia jest przechowywana w pamięci. W prawdziwej aplikacji zapisuj ją dla każdego użytkownika w bazie danych, z identyfikatorem sesji. Ładuj najnowsze wiadomości na początku każdego zapytania, zastosuj to samo okno kontekstu, a następnie zapisz odpowiedź po zakończeniu strumieniowania.

Krok 3: kompletny program ze strumieniowaniem

Oto program. Przechowuje 12 ostatnich wiadomości plus wiadomość systemową, wyświetla tokeny natychmiast po ich otrzymaniu i ponawia próbę po błędzie 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()})

Każda linia ma swoje uzasadnienie. Odcinek historique[-12:] ogranicza rozmiar wejścia. max_tokens=400 zapobiega nieskończonym odpowiedziom. Pętla retry obsługuje kod 429: API zwraca ten kod z rate_limited lub concurrency oraz nagłówkiem Retry-After: 5 przy tymczasowym przeciążeniu. Trwający strumień zajmuje miejsce do końca, więc nie uruchamiaj dwóch odpowiedzi równolegle z kluczem próbnym, który ma limit 2 równoległych zapytań i 60 na minutę.

Koszt konwersacji, obliczony

Po cenie 0,15 $ za milion tokenów wejściowych i 0,50 $ za milion tokenów wyjściowych, obliczmy koszt rozmowy liczącej 30 tur. Założenia: wiadomość systemowa o długości 200 tokenów, 150 tokenów na wiadomość użytkownika, 250 tokenów na odpowiedź.

  • Bez limitu historii, prompt w turze k wynosi 200 + 400 × (k − 1) + 150 tokenów. Na 30 tur: 6 000 + 4 500 + 400 × 435 = 184 500 tokenów, co daje 0,0277 $.
  • Wyjścia: 30 × 250 = 7 500 tokenów, co daje 0,00375 $.
  • Z oknem kontekstu ograniczającym prompt do około 2 600 tokenów (powyższy kod przechowuje 12 wiadomości), całkowity prompt nie przekracza 30 × 2 600 = 78 000 tokenów, co daje maksymalnie 0,0117 $.

Ograniczenie historii zmniejsza więc koszt promptu o ponad połowę w tym przykładzie (0,0277 $ vs maksymalnie 0,0117 $), kosztem bota, który zapomina początek dyskusji. Aby zachować istotne informacje, regularnie streszczaj stare wiadomości w krótkim akapicie umieszczanym w wiadomości systemowej. Okno kontekstu modelu wynosi 100 000 tokenów, ale jego pełne wykorzystanie jest kosztowne w każdej turze. Szczegóły cen znajdziesz na stronie cennik.

Zasady do przestrzegania dla bota bez cenzury

Brak filtrów nie oznacza braku zasad. Gdy bot jest używany przez innych ludzi, kilka kwestii spoczywa na Tobie:

  • Tylko prawne użycie przez dorosłych. Zapewnij odpowiednią weryfikację wieku zgodną z prawem w Twoim kraju i grupą odbiorców.
  • Treści z udziałem nieletnich: wykluczone. To jest ścisłe ograniczenie usługi, bez wyjątków, i Ty również musisz zakazać ich w swoich własnych warunkach korzystania.
  • Klucz po stronie serwera. Nigdy nie wysyłaj klucza do przeglądarki. Przekazuj wywołania przez swój serwer.
  • Ograniczenia na użytkownika. Bez limitu jeden odwiedzający może zużyć Twój kredyt. Dodaj limit wiadomości na godzinę.
  • Przejrzystość. Jasno powiedz, że rozmówcą jest IA i że może się mylić.

Prompty nie są używane do trenowania modelu, ale przeczytaj politykę prywatności przed zebraniem danych od użytkowników.

Rozszerz wiedzę

Trzy możliwości rozszerzenia tego programu. Tryb JSON (response_format z {"type":"json_object"}) pozwala zmusić bota do zwracania danych strukturalnych. Wywoływanie funkcji (tools, tool_choice) pozwala mu uruchamiać funkcje z Twojego kodu, np. rzut kostką lub sprawdzenie karty postaci. Na koniec parametr seed pomaga odtworzyć odpowiedź podczas testów. Wszystko opisano w dokumentacji.

Saldo odczytasz z nagłówka X-Balance-USD lub przez GET /v1/balance: wypisz je w logach deweloperskich. Gdy prototyp działa, doładuj od 20 $ do 500 $ kryptowalutami (USDT na TRC20 lub USDC na Base). Przewodnik integracja AI bez cenzury przez API uzupełnia ten samouczek w aspekcie architektury.

Inne przewodniki

Najczęściej zadawane pytania

Czy mój chatbot sam zapamiętuje poprzednie wiadomości?

Nie. API nie przechowuje stanu: to Twój kod musi przesyłać historię przy każdym zapytaniu.

Jak wyświetlać odpowiedź w czasie rzeczywistym?

Ustaw stream=True w wywołaniu. Tokeny przychodzą w formacie SSE, a zużycie jest zwracane na końcu strumienia.

Jaka jest maksymalna wielkość rozmowy?

Okno kontekstu wynosi 100 000 tokenów, wliczając prompt i odpowiedź. Odcinanie historii jest zalecane, aby ograniczyć koszty.

Czy mogę dodać generowanie obrazów do chatbota?

Nie w tym API, które obsługuje tylko tekst. Do obrazów potrzebny będzie inny serwis.

Twój klucz jest o jeden krok od uzyskania

Stwórz konto, skopiuj klucz, zmień Base URL. To wszystko.

Uzyskaj klucz APIPrzeczytaj dokumentację