Інтегруйте Uncensored LLM API за хвилини

Встановіть офіційний SDK OpenAI

Почніть із додавання бібліотеки клієнта до середовища вашого проекту. Це забезпечує сумісність зі стандартними форматами запитів та протоколами потокової передачі без необхідності власної HTTP-логіки.

Пакет автоматично обробляє заголовки автентифікації та серіалізацію JSON. Ви можете перейти до налаштувань, як тільки залежність буде вирішено у вашому робочому просторі.

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)

Налаштуйте базовий URL та API-ключ

Направте трафік на наш ендпоінт, встановивши base_url змінну та вставте свій унікальний ключ у екземпляр клієнта. Ця проста заміна маршрутизує запити до нашої оптимізованої моделі uncensored без зміни структури вашого коду.

Перевірте з’єднання, перевіривши /v1/models endpoint. Система повертає доступний ідентифікатор моделі, підтверджуючи, що ваші облікові дані дійсні та мережевий шлях відкритий.

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"}]
  }'

Надішліть свій перший запит на завершення діалогу

Створіть стандартний запит chat completion із ID моделі uncensored і бажаний масив повідомлень. API обробляє текстовий ввід і повертає згенерований текст, підтримуючи такі параметри, як temperature та top_p для контролю тону.

Переконайтеся, що ваше тіло запиту не перевищує ліміт у 8 МБ. Система приймає стандартні об'єкти JSON і повертає структуровані відповіді, які ваша програма може негайно проаналізувати.

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);

Обробка потокових відповідей та використання токенів

Увімкніть потокову передачу, встановивши stream флаг на true. Це повертає фрагменти подій, наданих сервером (SSE), дозволяючи вашому інтерфейсу поступово відображати токени по мірі їх генерації.

Статистика використання токенів з’являється в кінцевому чанку потоку. Цей підхід зменшує сприйняту затримку для користувачів, зберігаючи точність розрахунків на основі фактичного споживання.

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)

Увімкнути виклик функцій та режим JSON

Активуйте структурований вивід, встановивши response_format до {"type": "json_object"}. Це змушує модель повертати суто дійсний JSON, що є критично важливим для надійної інтеграції з фронтенд-формами або бекенд-сервісами.

Ви також можете визначити інструменти в тілі запиту, щоб увімкнути виклик функцій. Модель відповідає конкретними іменами функцій та аргументами, дозволяючи вашому коду виконувати зовнішню логіку на основі намірів користувача.

Розуміння лімітів швидкості та вікон контексту

Ваш API-ключ підтримує 300 запитів на хвилину та до 8 одночасних запитів. Якщо ви перевищите ці ліміти, система поверне помилку 429 до скидання вікна.

Вікно контексту дозволяє до 100 000 токенів загалом, включаючи як промпт, так і відповідь. Обсяг відповіді обмежено 16 000 токенів за запит, або 2 048 токенів, якщо ви не вказали значення max_tokens. Помилки та відмови не споживають кредит.