Bazowy URL i autoryzacja
Rozpocznij każde żądanie, wskazując swoje SDK na nasz bazowy URL.
HTTPS://api.uncensoredaitool.com/v1
Dołącz klucz API do nagłówka Authorization. Wydajemy jeden klucz na konto natychmiast po rejestracji. Rotuj klucze swobodnie, ponieważ zastępują one starsze.
- Brak opłat miesięcznych.
- Auth używa tokenów Bearer.
curl https://api.uncensoredaitool.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "list all linux kernel panic reasons"}]
}'Wysyłanie żądań: POST /v1/chat/completions
Wysyłaj ładunki JSON do punktu końcowego uzupełniania czatu.
Zdefiniuj swój model jako "uncensored". Przekaż wiadomości w standardowym formacie tablicy. API zwraca odpowiedzi tekstowe natychmiast. Użyj tego API LLM uncensored do roleplay lub ekstrakcji danych.
from openai import OpenAI
client = OpenAI(base_url="https://api.uncensoredaitool.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)Odpowiedzi strumieniowe przez SSE
Włącz strumieniowanie, ustawiając stream na true.
Otrzymaj Wydarzenia wysyłane przez serwer (SSE) zawierające częściowe fragmenty tekstu. Szczegóły użycia tokenów pojawiają się w ostatnim fragmencie. Ta metoda zmniejsza postrzegane opóźnienia dla długich wyjść.
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.uncensoredaitool.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);Wywoływanie funkcji i tryb JSON
Użyj modelu do ekstrakcji danych strukturalnych.
Przekaż schemat w parametrze tools. API zwraca ustrukturyzowane obiekty JSON. Włącz tryb ścisłego JSON z response_format dla niezawodnego parsowania. Działa to dobrze w zadaniach programistycznych lub generowaniu danych formularza.
stream = 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)Parametry: Temperatura, Top-P, Sekwencje Stop
Kontroluj kreatywność i granice wyników.
Ustaw temperaturę dla losowości. Dostosuj top_p dla próbkowania jądra. Zdefiniuj sekwencje stop, aby zatrzymać generowanie w określonych miejscach. Wartości ziarna zapewniają odtwarzalne wyniki podczas testowania.
ID modelu i limity okna kontekstowego
Ustaw model na "uncensored".
Okno kontekstowe obsługuje łącznie 100 000 tokenów. Maksymalna długość odpowiedzi to 16 000 tokenów na żądanie. Błędy i odrzucenia nie zużywają kredytu. Żądania przekraczające limity zwracają błędy 400.
