Hurtig start: Integrer The Uncensored Chat API

Autentificering og Base URL

Forbind din klient til vores infrastruktur ved hjælp af din unikke API-nøgle og vores dedikerede base URL. Endpoint-strukturen efterligner standard OpenAI-formater, hvilket giver dig mulighed for at skifte udbydere uden at ændre din applikationslogik. Du henter denne nøgle øjeblikkeligt efter tilmelding med Google eller e-mail på siden 'Hent API-nøgle'. Intet telefonnummer er påkrævet til verifikation.

• Base URL: HTTPS://api.llmcheapapi.com/v1
• Header: Authorization: Bearer YOUR_API_KEY

Hold din nøgle sikker. Hvis du mister den, skal du generere en ny på dit dashboard, hvilket øjeblikkeligt ugyldiggør den tidligere aktive nøgle. Hver konto understøtter kun én aktiv nøgle ad gangen.

Chat Completions Endpoint

Send tekstprompts til den uncensored model via en standard POST-request til chat completions endpoint. Dette endpoint accepterer beskeder i OpenAI-formatet og returnerer genererede tekstsvare. Du angiver model-ID som "uncensored" for at sikre konsistent adfærd på tværs af requests.

• Endpoint: POST /v1/chat/completions
• Model-ID: "uncensored"

Modellen behandler dit input og returnerer en completion uden corporate begrænsninger på lovligt voksenindhold. Fejl under behandlingen forbruger ikke dine forudbetalt kreditter. Du betaler strengt for tokens forbrugt.

Streaming-svar (SSE)

Modtag reel token-generering ved hjælp af Server-Sent Events (SSE) for lavere latens i interaktive applikationer. Indstil stream-parameteren til true for at modtage tekstchunks, mens de genereres. Denne tilgang reducerer den opfattede ventetid for brugere i rollespil- eller chat-scenarier.

Hver chunk indeholder delvis tekst og metadata. Den sidste chunk indeholder den samlede tokenforbrug til fakturering. Du kan parse disse events for at opdatere dit UI inkrementelt uden at vente på den fulde respons.

Function Calling og værktøjer

Aktiver strukturerede interaktioner ved at definere værktøjer, som modellen kan kalde under generering. Brug tools-parametret til at angive funktionsdefinitioner, og indstil tool_choice til automatic eller et specifikt funktionsnavn. Modellen returnerer værktuskald i svarformatet, som du kan eksekvere i dit backend.

Denne funktion understøtter komplekse workflows, hvor API'et fungerer som en decision engine. Du kan sende resultaterne tilbage til efterfølgende anmodninger for at opretholde kontekst. Funktionssamtaler fungerer sammen med standard tekstgenerering uden ekstra omkostninger.

JSON-tilstand output

Tving modellen til at returnere strengt gyldig JSON ved at indstille response_format til json_object. Denne tilstand er ideel til at parse strukturerede data fra ustrukturerede prompts. Modellen optimerer sin output til at overholde JSON-syntaksregler, hvilket reducerer parsingfejl i din applikation.

Brug denne funktion, når du integrerer med databaser eller frontend-komponenter, der kræker forudsigelige datastrukturer. Du kan definere forventede skemaer i din prompt eller stole på modellens træning til at inferere strukturen. Fejl i JSON-format er sjældne, men medfører ikke gebyrer, hvis anmodningen fejler.

Parametre: Temperatur og Top P

Kontroller kreativitet og tilfældighed ved hjælp af temperaturen og top_p-parametrene. Temperaturet justerer sandsynlighedsfordelingen af forudsigede tokens, hvor højere værdier producerer mere varierede outputs. Top_p filtrerer tokens baseret på kumulativ sandsynlighed, hvilket sikrer varieret men sammenhængende tekst.

For rollespil eller kreativ skrivning skal du indstille temperaturen højere for variation. Til deterministiske opgaver skal du bruge lavere værdier. Du kan også indstille seed for reproducerbare resultater. Disse parametre finjusterer den uncensored models adfærd uden at påvirke prisen. Vær opmærksom på tokenbegrænsninger, når du genererer lange outputs.

cURL

Copycurl https://api.llmcheapapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a summary of the latest Rust update notes"}]
  }'

Python

Copyfrom openai import OpenAI

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

Node.js

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.llmcheapapi.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

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)