Dokumentacja API: Szybka integracja w 5 minut

Konfiguracja środowiska i uwierzytelnianie

Aby rozpocząć, musisz pobrać swój unikalny klucz API z panelu. Klucz ten służy do uwierzytelniania Twoich zapytań. W przeciwieństwie do ogólnych modeli, nasze API opiera się na standaryzowanym endpointzie, który pozwala używać oficjalnych SDK lub dowolnego klienta kompatybilnego z OpenAI. Nie musisz podawać numeru telefonu ani karty kredytowej, aby uzyskać dostęp do początkowego kredytu próbnego.

Podstawowy endpoint to https://api.llmnoncensure.com/v1. Upewnij się, że skonfigurujesz środowisko do korzystania z tego podstawowego URL. Klucz API należy przekazać w nagłówku Authorization: Bearer <YOUR_API_KEY>. Dla każdego konta generowany jest jeden klucz; możesz go wygenerować ponownie w dowolnym momencie, co automatycznie unieważni poprzedni.

Pierwsze zapytanie za pomocą cURL

Wyślij swoje pierwsze zapytanie, aby sprawdzić, czy integracja działa. Używamy ID modelu uncensored. Zapytanie wysyła tekst wejściowy i otrzymuje odpowiedź tekstową bez zwykłych filtrów treści, o ile nie jest to treść seksualna z udziałem nieletnich. Model jest dostrojony do odpowiadania na tematy dla dorosłych, kontrowersyjne lub badawcze bez niesprawiedliwych odrzuceń.

Oto podstawowa struktura do przetestowania połączenia:

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."}]
  }'

To polecenie pozwala sprawdzić, czy Twój klucz jest aktywny, a model jest gotowy do przyjmowania złożonych promptów.

Integracja z SDK Python

Jeśli programujesz w Pythonie, użyj biblioteki openai dla bezproblemowej integracji. Ustaw zmienną środowiskową OPENAI_BASE_URL lub przekaż base_url bezpośrednio w kliencie. Pozwala to na ponowne użycie istniejącego kodu, zmieniając jedynie źródło modelu. SDK obsługuje za Ciebie serializację JSON i błędy sieciowe.

Oto minimalny przykład:

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)

Model uncensored akceptuje standardowe parametry takie jak temperature i max_tokens. Możesz dostosować kreatywność odpowiedzi, nie obawiając się, że AI zablokuje odpowiedź uznaną za „ryzykowną” przez ogólne kryteria.

Użycie z Node.js i JavaScriptem

W środowiskach JavaScript lub TypeScript SDK openai działa identycznie. Skonfiguruj klienta, podając podstawowy URL i klucz API. To rozwiązanie jest idealne dla aplikacji backendowych lub serwerów API, które muszą integrować dynamiczne odpowiedzi AI bez ograniczeń typowych dla dużych, ogólnych dostawców.

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);

Upewnij się, że poprawnie obsługujesz odpowiedzi asynchroniczne. Każde zapytanie jest przetwarzane indywidualnie, co gwarantuje, że Twoja logika biznesowa nie jest blokowana przez czasy generowania modelu. Okno kontekstu 100 000 tokenów pozwala wysyłać długie instrukcje systemowe lub rozszerzone historie rozmów.

Wsparcie dla strumieniowania SSE

Dla płynnego doświadczenia użytkownika włącz strumieniowanie za pomocą zdarzeń wysyłanych przez serwer (SSE). Pozwala to wyświetlać odpowiedź słowo po słowo, zamiast czekać na zakończenie generowania. Jest to szczególnie przydatne w interfejsach czatu, gdzie krytyczne jest postrzegane opóźnienie. Strumień danych jest sformatowany zgodnie ze standardem OpenAI, co ułatwia parsowanie po stronie klienta.

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)

Strumieniowanie nie zmienia logiki modelu; zmienia jedynie transport danych. Każdy chunk to część ostatecznej odpowiedzi. Możesz przerwać strumieniowanie w dowolnym momencie, jeśli użytkownik zmieni prompt, co optymalizuje zużycie Twoich kredytów.

Limity zapytań, błędy i kontekst

Znajomość limitów Twojego API jest kluczowa dla solidnej integracji. Jesteś ograniczony do 300 zapytań na minutę na klucz API. Ciało zapytania nie może przekraczać 8 MB. W przypadku błędu zwracane są standardowe kody HTTP: 401 dla nieprawidłowego klucza, 402 jeśli Twój kredyt się wyczerpał, oraz 429 w przypadku przekroczenia limitu zapytań. Model dysponuje oknem kontekstu 100 000 tokenów, łączącym prompt i odpowiedź. Pozwala to wysyłać długie dokumenty lub dogłębne rozmowy bez przedwczesnego ucinania. W przeciwieństwie do innych usług, nie ma stałych opłat miesięcznych; płacisz tylko za to, czego używasz, korzystając z przedpłaconego kredytu.