Integra l'API LLM Uncensored in Pochi Minuti

Installa l'SDK ufficiale OpenAI

Inizia aggiungendo la libreria client al tuo ambiente di progetto. Questo garantisce la compatibilità con i formati di richiesta standard e i protocolli di streaming senza richiedere logica HTTP personalizzata.

Il pacchetto gestisce automaticamente le intestazioni di autenticazione e la serializzazione JSON. Puoi procedere alla configurazione una volta risolta la dipendenza nel tuo spazio di lavoro.

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)

Configura URL di base e chiave API

Indirizza il traffico al nostro endpoint impostando il base_url variabile e iniettando la tua chiave univoca nell'istanza del client. Questo semplice scambio instrada le richieste verso il nostro modello uncensored ottimizzato senza alterare la struttura del codice.

Verifica la connettività controllando il /v1/models endpoint. Il sistema restituisce l'identificativo del modello disponibile, confermando che le tue credenziali sono valide e che il percorso di rete è aperto.

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"}]
  }'

Invia la tua prima richiesta di completazione chat

Costruisci un payload standard di completamento della chat con l'ID del modello uncensored e la tua matrice di messaggi desiderata. L'API elabora l'input testuale e restituisce il testo generato, supportando parametri come temperature e top_p per il controllo del tono.

Assicurati che il corpo della richiesta rimanga entro il limite di 8 MB. Il sistema accetta oggetti JSON standard e restituisce risposte strutturate che la tua applicazione può analizzare immediatamente.

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);

Gestisci le risposte in streaming e l'utilizzo dei token

Abilita lo streaming impostando il stream flag su true. Questo restituisce chunk di Server-Sent Events (SSE), permettendo alla tua interfaccia di visualizzare i token progressivamente mentre vengono generati.

Le statistiche sull'utilizzo dei token appaiono nell'ultimo chunk dello stream. Questo approccio riduce la latenza percepita per gli utenti mantenendo la tua fatturazione accurata basata sul consumo effettivo.

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)

Abilita Function Calling e modalità JSON

Attiva gli output strutturati impostando response_format a {"type": "json_object"}. Questo forza il modello a restituire JSON rigorosamente valido, essenziale per un'integrazione affidabile con moduli frontend o servizi backend.

Puoi anche definire strumenti nel corpo della tua richiesta per abilitare il function calling. Il modello risponde con nomi di funzioni e argomenti specifici, permettendo al tuo codice di eseguire logica esterna basata sull'intento dell'utente.

Comprendere i limiti di frequenza e le finestre di contesto

La tua chiave API supporta 300 richieste al minuto e fino a 8 richieste simultanee. Se superi questi limiti, il sistema restituisce un errore 429 fino alla scadenza della finestra temporale.

La finestra di contesto consente 100.000 token in totale, inclusi sia prompt che completamento. L'output è limitato a 16.000 token per richiesta, o 2.048 token se non specifichi max_tokens. Errori e rifiuti non consumano credito.