Integrieren Sie die Uncensored LLM API in Minuten

Installieren Sie das offizielle OpenAI SDK

Fügen Sie zunächst die Client-Bibliothek in Ihre Projektumgebung ein. Dies gewährleistet die Kompatibilität mit Standardanfrageformaten und Streaming-Protokollen, ohne dass benutzerdefinierte HTTP-Logik erforderlich ist.

Das Paket behandelt Authentifizierungs-Header und JSON-Serialisierung automatisch. Sie können mit der Konfiguration fortfahren, sobald die Abhängigkeit in Ihrem Arbeitsbereich aufgelöst ist.

Copyfrom openai import OpenAI

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

Basis-URL und API-Schlüssel konfigurieren

Leiten Sie den Verkehr zu unserem Endpunkt, indem Sie die base_url Variable und Einfügen Ihres eindeutigen Schlüssels in die Client-Instanz. Dieser einfache Wechsel leitet Anfragen an unser optimiertes unzensiertes Modell weiter, ohne Ihre Code-Struktur zu ändern.

Überprüfen Sie die Konnektivität, indem Sie das /v1/models Endpunkt. Das System gibt die verfügbare Modellkennung zurück, bestätigt damit, dass Ihre Anmeldedaten gültig sind und der Netzwerkpfad offen ist.

Copycurl https://api.unlimitedllmapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list all available endpoints for user authentication"}]
  }'

Senden Sie Ihre erste Chat-Vervollständigungsanfrage

Erstellen Sie einen standardmäßigen Chat-Vervollständigungs-Payload mit der Modell-ID uncensored und Ihren gewünschten Nachrichten-Array. Die API verarbeitet Texteingaben und gibt generierten Text zurück, unterstützt Parameter wie temperature und top_p zur Tonfall-Kontrolle.

Stellen Sie sicher, dass Ihr Request-Body innerhalb des 8-MB-Limits bleibt. Das System akzeptiert standardmäßige JSON-Objekte und gibt strukturierte Antworten zurück, die Ihre Anwendung sofort parsen kann.

Copyimport OpenAI from "openai";

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

Streaming-Antworten und Token-Nutzung behandeln

Aktivieren Sie das Streaming, indem Sie den stream Flag auf true setzen. Dies gibt Server-Sent Events (SSE) Chunks zurück, sodass Ihre Benutzeroberfläche Tokens progressiv anzeigen kann, während sie generiert werden.

Token-Nutzungsstatistiken erscheinen im finalen Chunk des Streams. Dieser Ansatz reduziert die wahrgenommene Latenz für Benutzer, während die Abrechnung basierend auf der tatsächlichen Nutzung genau bleibt.

Copystream = 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)

Funktionsaufruf und JSON-Modus aktivieren

Aktivieren Sie strukturierte Ausgaben durch Festlegen von response_format zu {"type": "json_object"}. Dies zwingt das Modell, streng gültiges JSON zurückzugeben, was für eine zuverlässige Integration mit Frontend-Formularen oder Backend-Diensten entscheidend ist.

Sie können auch Tools in Ihrem Anfragekörper definieren, um Function Calling zu aktivieren. Das Modell antwortet mit spezifischen Funktionsnamen und Argumenten, sodass Ihr Code externe Logik basierend auf der Benutzerabsicht ausführen kann.

Verständnis von Ratenbegrenzungen und Kontextfenstern

Ihr API-Schlüssel unterstützt 300 Anfragen pro Minute und bis zu 8 gleichzeitige Anfragen. Wenn Sie diese Grenzen überschreiten, gibt das System einen 429-Fehler zurück, bis das Zeitfenster zurückgesetzt wird.

Das Context-Window fasst insgesamt 100.000 Tokens zusammen, einschließlich Prompt und Completion. Die Ausgabe ist auf 16.000 Tokens pro Anfrage beschränkt oder auf 2.048 Tokens, wenn Sie nichts angeben. max_tokens. Fehler und Ablehnungen verbrauchen kein Guthaben.